CN109560550A - 基于优化量测的电网谐波状态估计方法 - Google Patents
基于优化量测的电网谐波状态估计方法 Download PDFInfo
- Publication number
- CN109560550A CN109560550A CN201811393533.5A CN201811393533A CN109560550A CN 109560550 A CN109560550 A CN 109560550A CN 201811393533 A CN201811393533 A CN 201811393533A CN 109560550 A CN109560550 A CN 109560550A
- Authority
- CN
- China
- Prior art keywords
- harmonic
- state estimation
- distribution
- optimization
- measurement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/01—Arrangements for reducing harmonics or ripples
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/40—Arrangements for reducing harmonics
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
一种基于优化量测的的电力***网络谐波状态估计方法。首先利用BPSO算法实现了配网量测装置的优化配置,然后根据量测数据实现配网谐波状态的估计,最后以18节点配电网模型进行了算例仿真分析,验证了谐波状态估计算法的准确性。基于优化量测的谐波状态估计充分降低了运行成本,优化了运算过程,保证了估计精度,得到了全网络的谐波电压状态,为进一步完成配网谐波源检测与定位奠定了基础。
Description
技术领域
本发明涉及电网谐波状态估计,具体是一种基于优化量测电力***的电网谐波状态的估计方法。
背景技术
为有效控制电网中的谐波水平,在配电网中需要建立完善的谐波状态估计体系。但是配网运行工况复杂,点多面广,谐波以及谐波源可能会呈现以下特性:
1)污染源证据难以获取:由于谐波的瞬时性和不可重复性,有些工业用户对电网发出了大量的谐波,但是没有得到实时有效的监控,最终由于证据不足无法对其进行责任认定。
2)传统的电能监测装置工作有效性难以保证:在传统的电能质量领域的监测中,很多工业用户都被要求将监测***安装在工业生产的配电房中,以实现对自身污染源注入的实时监测。但是这种方式常常会受到用户断电或故障等行为的影响,丧失监控功能。因此电能质量检测***的管理难度大,运行有效性低。探讨一种基于电网资产方进行谐波监测的方法十分关键。
3)谐波监测数据不同步,无法准确定位谐波污染源和污染程度:传统的广域监测装置,如数据采集与监视控制***(Supervisory Control And Data Acquisition,简称为SCADA)以及传统的同步相量测量装置(简称为PMU)等,都是自成体系,相互之间的数据不同步,协同利用会出现许多困难。除此之外,大多数运用于主网线路的监测装置,往往达不到配电网要求的幅值与相角精度,并不适合线路更多、分布更广的配网线路。
针对上述问题,探讨一种行之有效的配电网谐波监测***尤为重要。这种***需实时、同步地完成对配网谐波水平的监控,不受用户行为等因素影响,可以有效实现配网谐波状态估计过程。
状态估计是利用得到的量测数据估计***内部状态的分析方法。状态估计的思想在电力***中的应用由来已久,体系成熟,通常用于降低测量***和传输***带来的噪声与误差,得到准确的***状态。谐波状态估计是状态估计问题在频域上的拓展,同步量测为状态估计提供了新的思路。不同于传统的异步量测,应用于谐波状态估计中的同步量测一般不涉及功率的情况,因此量测方程是一个线性方程组,状态量的求解由传统的迭代运算变为纯线性方程组的求解,运算速度大大加快。
如今谐波状态估计的研究基本上都是基于相量测量装置(PMU)完成的。若想获取全网络的谐波情况,并且达到状态估计的要求,PMU的量测配置必须要保证全网可观,并且保留一定的冗余度。但是由于传统的PMU造价过高,若在每个配电网络中都搭建这样一套完善的谐波量测***不太现实,因此限制了同步量测技术在配网谐波源定位中的应用。
发明内容
为了克服传统电网谐波状态估计算法的高成本、复杂度较高的问题,本发明提出一种基于优化量测的配网谐波状态估计方法,在保证配电***全网可观的情况下,降低量测装置的冗余度,节省成本,从而可实现配网谐波状态的有效估计。
本发明将配网量测装置的优化量测的相关理论和方法引入到电网谐波状态估计中,首先利用二进制粒子群优化算法(以下简称为BPSO算法)实现配网量测装置的优化配置。所述的BPSO算法是一种基于动物种群的优化方法,灵感来自于鸟群或鱼类学习的社会行为。简而言之,有若干只鸟在一个封闭的空间里觅食,没有一只鸟知道食物的位置,但是它们知道自己与食物之间的距离,所以找到食物的最快途径是先找到离食物最近的鸟,对其所在区域进行搜索,这就是离散粒子群算法的大致思想。BPSO算法从随机搜索空间中的个体粒子生成随机种群开始,其后这些粒子将在搜索空间中不断调整位置以达到最优值。然后通过谐波状态估计相关理论分析提出针对电网谐波状态的估计算法和判断标准,并验证算法和判据的合理性。优化量测算法可有效估计电网谐波状态,有效地降低成本和复杂度,此外谐波状态估计的准确度明显优于传统检测。对电网谐波源的进一步处理具有重要意义。
谐波状态估计的基本过程如图1所示。在进行配网异常数据检测过程之后,大致能够确定配网发生异常的区域,选取该区域作为所研究的配网***。完成谐波状态估计需要至少有三方面的已知量:
1)网络元件参数:包括发电机、变压器、支路、母线与负荷参数;
2)网络拓扑结构:节点数、支路数以及连接情况;3)量测值:部分线路电压、线路电流的相量量测值。
值得注意的是,因为本发明所研究的内容是谐波的状态估计,因此元件参数为各频次下的参数,而量测值为各次电压、电流分量,状态量选取各次的线路谐波电压以及节点注入谐波电流。
谐波量测***的工作方式基于图1,为完成状态估计的过程,需构建为此过程服务的信息处理和通讯通道。挂接在线路上的同步量测终端通过电压、电流传感器采集各节点的电流、电压波形,各节点量测值通过GPS对时被打上精准的时标。装置中的微处理器用于处理并传输波形信号,将其传送至远程主站。谐波源监测与定位***分析后台将波形信息进行傅里叶变换,得到不同时刻的电压、电流相量同步量测集合;同时***分析后台中调用预存储的网络参数拓扑,之后进行数据处理过程,以便进一步的应用。
本发明的技术解决方案如下:
一种基于优化量测的配网谐波状态估计方法,包括下列步骤:
步骤S1:***初始化,根据配网的实际结构和运行情况,进行初始化,调节优化模型以及约束条件等相关参数;
步骤S2:同步地采集电压量测量、电流量测量
实现基于BPSO算法的配网量测装置的优化配置,关于PMU的优化配置问题,由于搜索空间是离散二进制空间,所以需要使用二进制粒子群优化算法(BPSO)。在传统的PSO中,速度矢量将决定粒子位置矢量的变化程度,而在BPSO中,速度矢量将决定位置矢量的0、1状态。根据BPSO算法引入S型阈值函数并将速度矢量的值转换到[0,1]区域内,则粒子位置更新为:
从而进一步实现配网量测装置的优化配置;
步骤S3:根据量测装置采集到的电压、电流电气量数据,通过最小二乘法实现配网全网的谐波状态估计。
在谐波状态估计中,选取谐波电压定义为状态量假设***有n个节点,那么为n维被估计矢量,量测信息中的各次电压相量电流相量及其构成的变换形式定义为量测量假设进行了k次量测,为k维矢量,那么此时谐波状态估计的数学模型为:
式中,H为网络拓扑和线路参数决定的量测矩阵,为已知量,其阶数为k×n;ε为量测误差相量,维数为k,算式中的谐波次数已省略,基于本发明同步量测***的谐波状态估计中没有涉及谐波功率,因此量测方程始终是线性的,根据最小二乘原理构造目标函数如下:
J(X)=(Z-HX)T(Z-HX)
当上式取得最小值时,满足:
最终得到的状态估计值为:
本发明的技术效果:
本发明提出的基于优化量测的配网谐波状态估计方法相对冗余配置而言,量测量减小,虽然可能造成误差增大,但是降低了量测的成本,能够满足具体工况的要求,同时能够保证全网节点可观,能够满足谐波源检测与定位的要求。
附图说明
图1是本发明配网谐波状态估计的基本过程
图2是IEEE18节点***优化量测配置结果
图3是冗余量测谐波电压幅值估计误差和优化量测谐波电压幅值估计误差分析图
图4是冗余量测电压相角估计误差和优化量测电压相角估计误差分析图
具体实施方式
下面结合附图,给出本发明的较佳实施例,并予以详细描述。
在Matlab/Simulink中搭建IEEE18节点配电网***仿真模型,其拓扑结构如图2所示,将各节点与各线路进行编号,共18个节点,17条线路。图中只有线路7-8为连接末端节点的线路,必须配置线路量测终端,由此修正配置矩阵中的参数。
由图2可以看出,当完成上述优化配置后,能够使全网节点可观。优化配置过程迭代次数少,收敛速度快。在此基础上按照实际要求适量增加冗余量测,再进行谐波状态估计运算,便可得到整个配网的谐波状态估计结果。实际配电网络中,由于成本、安装环境和配置条件等限制,不可能做到完全的冗余量测,那么在进行谐波源定位过程之前,可以通过优化配置算法得到的使全网可观的最小配置集,达到优化量测的目的。
如图2所示,先通过BPSO算法实现配网中量测终端的优化配置,线上量测终端安装于拓扑中以下位置:
1-2、3-12、4-11、5-6、7-8、9-10、13-14、15-17、17-18的支路中编号较小节点的出线侧。通过PMU量测装置获取初始的谐波注入状态,采用稀疏矩阵重构方法进行谐波状态估计,其电压幅值与相角估计结果如表1所示。
表1谐波电压状态估计结果(优化量测)
与实际真值相比较,得到每个节点的误差,并和冗余量测的误差结果进行对比,可以得到,在不同量测条件下的状态估计得到的电压幅值相对误差和相角误差如图3和图4所示。
由图3和图4可以看出,当量测量减少时,优化量测的总体误差较冗余量测时稍有增加。根据稀疏矩阵重构算法的原理可知,原***的状态估计问题被分解成每个节点独立的状态估计问题。对于某一个节点而言,能反映该节点状态的观测量越多,状态估计的误差越小。冗余量测配置相对优化量测配置而言,对部分节点的量测冗余度高于优化量测,因此误差较小。为提高优化量测时的状态估计精度,通常采用增加零注入补充量测方程的方式。在谐波状态估计工作开始之前,初步确定谐波源嫌疑范围,确定肯定不存在谐波注入的节点集合,再根据补充量测的修正算法进行谐波状态估计。
优化配置相对冗余配置而言,量测量减小,虽然可能造成误差增大,但是降低了量测的成本,能够满足具体工况的要求,同时能够保证全网节点可观,能够满足谐波源检测与定位的要求。在误差符合要求的前提下,这种优化量测配置的“优化”体现在装置安装数量、工程成本等方面。
Claims (1)
1.一种基于优化量测的电力***谐波状态估计方法,其特征在于该方法包括下列步骤:
1)建立谐波量测***:
在电力***中,对待估计的配网确定节点、支线、母线,在线路上的同步量测终端、微处理器、远程主站及其通讯通道,所述的同步量测终端包括电压传感器、电流传感器,应在哪些线路和节点安装量测终端,根据配网的实际结构和运行情况,进行初始化;
2)根据BPSO算法引入S型阈值函数:并将速度矢量的值转换到[0,1]区域内,则粒子位置更新为:
根据BPSO算法实现电网PMU装置的优化布置,即在速度矢量函数值趋于1的节点布置PMU装置;
3)利用量测装置采集相应节点的各次电压相量和电流相量通过最小二乘法实现配网全网的谐波状态估计:
在谐波状态估计中,选取谐波电压定义为状态量假设***有n个节点,那么为n维被估计矢量,量测信息中的各次电压相量电流相量及其构成的变换形式定义为量测量假设进行了k次量测,为k维矢量,那么此时谐波状态估计的数学模型为:
式中,H为网络拓扑和线路参数决定的量测矩阵,为已知量,其阶数为k×n;ε为量测误差相量,维数为k,算式中的谐波次数已省略,根据最小二乘原理构造目标函数:
J(X)=(Z-HX)T(Z-HX)
当上式取得最小值时,即满足:
最终得到的状态估计值为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811393533.5A CN109560550A (zh) | 2018-11-21 | 2018-11-21 | 基于优化量测的电网谐波状态估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811393533.5A CN109560550A (zh) | 2018-11-21 | 2018-11-21 | 基于优化量测的电网谐波状态估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109560550A true CN109560550A (zh) | 2019-04-02 |
Family
ID=65867009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811393533.5A Pending CN109560550A (zh) | 2018-11-21 | 2018-11-21 | 基于优化量测的电网谐波状态估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109560550A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110018346A (zh) * | 2019-04-19 | 2019-07-16 | 南京工程学院 | 一种谐波状态估计的量测配置方法 |
CN111799774A (zh) * | 2020-05-26 | 2020-10-20 | 广西电网有限责任公司电力科学研究院 | 一种配电网状态估计方法 |
CN111965484A (zh) * | 2020-08-03 | 2020-11-20 | 国网山东省电力公司电力科学研究院 | 基于连续谐波状态估计的配电网谐波贡献计算方法及*** |
CN114336795A (zh) * | 2022-01-18 | 2022-04-12 | 华南理工大学 | 一种适用于交直流混联电网谐波状态的综合优化配置方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108170885A (zh) * | 2017-11-28 | 2018-06-15 | 国网甘肃省电力公司庆阳供电公司 | 一种配电网中多谐波源识别方法 |
-
2018
- 2018-11-21 CN CN201811393533.5A patent/CN109560550A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108170885A (zh) * | 2017-11-28 | 2018-06-15 | 国网甘肃省电力公司庆阳供电公司 | 一种配电网中多谐波源识别方法 |
Non-Patent Citations (5)
Title |
---|
A.P.SAKIS MELIOPOULOS等: "Power System Harmonic State Estimation", 《IEEE TRANSACTIONS ON POWER DELIVERY》 * |
吴笃贵 等: "基于相量量测的电力***谐波状态估计(Ⅱ)--可观性、质量评估与算例研究", 《电工技术学报》 * |
吴笃贵 等: "基于相量量测的电力***谐波状态估计(I)-- 理论、模型与求解算法", 《电工技术学报》 * |
张烁 等: "一种基于配网线路同步相量测量的谐波状态估计量测配置", 《电力***及其自动化》 * |
王小匆 等: "基于改进BPSO算法的PMU优化配置新方法", 《广东电力》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110018346A (zh) * | 2019-04-19 | 2019-07-16 | 南京工程学院 | 一种谐波状态估计的量测配置方法 |
CN111799774A (zh) * | 2020-05-26 | 2020-10-20 | 广西电网有限责任公司电力科学研究院 | 一种配电网状态估计方法 |
CN111799774B (zh) * | 2020-05-26 | 2023-07-28 | 广西电网有限责任公司电力科学研究院 | 一种配电网状态估计方法 |
CN111965484A (zh) * | 2020-08-03 | 2020-11-20 | 国网山东省电力公司电力科学研究院 | 基于连续谐波状态估计的配电网谐波贡献计算方法及*** |
CN114336795A (zh) * | 2022-01-18 | 2022-04-12 | 华南理工大学 | 一种适用于交直流混联电网谐波状态的综合优化配置方法 |
CN114336795B (zh) * | 2022-01-18 | 2024-03-22 | 华南理工大学 | 一种适用于交直流混联电网谐波状态的综合优化配置方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109560550A (zh) | 基于优化量测的电网谐波状态估计方法 | |
CN101661069B (zh) | 不依赖状态矩阵的弱可观非pmu测点动态过程实时估计方法 | |
Schenato et al. | Bayesian linear state estimation using smart meters and pmus measurements in distribution grids | |
Muscas et al. | Effects of measurements and pseudomeasurements correlation in distribution system state estimation | |
Della Giustina et al. | Electrical distribution system state estimation: measurement issues and challenges | |
CN103178535B (zh) | 一种兼顾两类机制的电力***低频振荡在线防控方法 | |
CN106443246B (zh) | 基于pmu量测数据的小干扰稳定参数的在线辨识方法 | |
Wang et al. | Transmission lines positive sequence parameters estimation and instrument transformers calibration based on PMU measurement error model | |
CN101964525B (zh) | 一种支持大规模电流量测的配电网状态估计方法 | |
CN110299762B (zh) | 基于pmu准实时数据的主动配电网抗差估计方法 | |
CN108155643B (zh) | 一种基于滑模观测器的单相电网电压参数的鲁棒估计方法 | |
CN108448568A (zh) | 基于多种时间周期测量数据的配电网混合状态估计方法 | |
CN109581103A (zh) | 基于广域监测的电网谐波源定位方法 | |
CN106786608B (zh) | 一种适用于分布式电源接入的不确定谐波潮流计算方法 | |
CN109754013A (zh) | 一种基于无迹卡尔曼滤波的电力***混合量测融合方法 | |
Wang et al. | Estimate three-phase distribution line parameters with physics-informed graphical learning method | |
CN106372440B (zh) | 一种并行计算的配电网自适应抗差状态估计方法及装置 | |
CN115453193A (zh) | 基于pqm、ttu和sm量测数据协同的配电网谐波状态估计方法 | |
CN109858061B (zh) | 面向电压功率灵敏度估计的配电网络等值与化简方法 | |
Vanfretti et al. | Estimation of Eastern Denmark's electromechanical modes from ambient phasor measurement data | |
CN110417009A (zh) | 基于不同采样周期数据的配电网混合抗差状态估计方法 | |
CN105606923A (zh) | 基于数值仿真和无源无线测温的电缆载流极限确定方法 | |
Nabavi et al. | Distributed estimation of inter-area oscillation modes in large power systems using alternating direction multiplier method | |
CN109586289A (zh) | 一种配电网多时间尺度递归动态状态估计方法及*** | |
Rietveld et al. | Measurement infrastructure for observing and controlling smart electrical grids |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190402 |