CN110224404A - 基于矩阵***技术的电力***分布式鲁棒状态估计方法 - Google Patents
基于矩阵***技术的电力***分布式鲁棒状态估计方法 Download PDFInfo
- Publication number
- CN110224404A CN110224404A CN201910569154.5A CN201910569154A CN110224404A CN 110224404 A CN110224404 A CN 110224404A CN 201910569154 A CN201910569154 A CN 201910569154A CN 110224404 A CN110224404 A CN 110224404A
- Authority
- CN
- China
- Prior art keywords
- state
- electric system
- estimation
- state estimation
- matrix technology
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000011159 matrix material Substances 0.000 title claims abstract description 23
- 238000005516 engineering process Methods 0.000 title claims abstract description 14
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 238000009826 distribution Methods 0.000 claims abstract description 9
- 230000006641 stabilisation Effects 0.000 claims description 5
- 238000011105 stabilization Methods 0.000 claims description 5
- 238000009434 installation Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 5
- 230000005540 biological transmission Effects 0.000 abstract description 4
- 230000001360 synchronised effect Effects 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
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
-
- H02J3/382—
-
- 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
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/22—Flexible AC transmission systems [FACTS] or power factor or reactive power compensating or correcting units
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开一种基于矩阵***技术的电力***分布式鲁棒状态估计方法，根据同步相量测量单元所提供的量测数据，对电力***状态进行实时在线估计。本发明根据地理区域或拓扑结构，将整个电力***划分成若干个互不重叠的子区域，采用矩阵***技术，各个子区域配备区域估计中心，实施分布式状态估计，实现了各子区域状态估计变量维度的降低，从而降低计算量。并且，各个子区域仅跟邻域交换边界节点信息，子区域内的量测值只上传至区域估计中心，数据传输距离缩短，进而降低了通讯量。本发明符合智能电网多层多区域分布式控制的模式，可满足未来智能电网发展需求。
Description
技术领域
本发明涉及电力***分析和控制领域，特别是指一种基于矩阵***技术的电力***分布式鲁棒状态估计方法。
背景技术
电力***状态估计为实现电力***安全、可靠、经济、高效运行起重要支撑作用。通过对量测***所提供的量测数据进行滤波和处理，估计电力***的实时状态量，为控制***提供实时数据。传统的诸如加权最小二乘法(Weighted Least Squares，WLS)、二次常数法(Quadratic Constant，QC)、多段法(Multiple Segment，MS)等状态估计方法，使用的量测数据来源于监测控制和数据采集(Supervisory Control And Data Acquisition，SCADA)***，采样频率不够高，同时传送过程中因为电磁环境、装置精度、通讯噪声等因素的影响，量测误差相对较大。随着电力电子、通讯等技术的发展，以及全球定位***(GlobalPosition System,GPS)和北斗***(Beidou System,BDS)授时模块生产成本的下降，同步相量测量单元(Phasor Measurement Unit，PMU)得以推广和应用。与SCADA相比，PMU采样频率和采集的量测数据精度明显提高。但受到通讯故障、噪声以及多样环境的影响，PMU量测值也会有异常值和不良数据出现，恶劣情况下尤其明显，量测噪声甚至遵循非高斯分布。然而，传统状态估计方法将噪声假设为高斯分布，使得状态估计模型不够准确，导致状态估计结果也不够精确。
自2010年以来，全国电网规模增长近一倍。因用电需求的提高和分布式可再生能源、电动汽车等主动负荷、储能***等的接入，电网支路越来越多，快速扩大的电网规模伴随着量测装置的增加，产生了大量的量测数据。远距离的传输直接造成数据通讯量大幅度增加等问题，对于数据传输网络、状态估计运算提出了更高的要求。若所有量测值发送到同一个控制中心，大量的数据需要高效处理，要求控制中心计算能力很强，这需要很高的成本。若硬件性能不符合需求，将导致数据过载、运算速度过慢等新问题，严重影响电力***运行的稳定性和安全性。如何减少通讯量和计算量以节约成本，是电力***状态估计丞待解决的问题。
发明内容
本发明的主要目的在于克服现有状态估计模型和方法的上述不足，考虑到PMU将广泛应用在电力***的趋势下，提出一种基于矩阵***技术的电力***分布式鲁棒状态估计方法。该发明将大电网分成若干个互不重叠的子区域，各个子区域配备本地控制中心。本地控制中心负责估计区域内状态变量且仅与邻域交换边界节点信息，可降低计算量和通讯量。
本发明采用如下技术方案：
基于矩阵***技术的电力***分布式鲁棒状态估计方法，其特征在于，包括如下步骤：
1)读取电力***网络参数；
2)在电力***相应节点安装PMU；
3)通过PMU读取量测值，用向量z(k)表示，其中k表示采样时刻，假设电力***在第k时刻的状态量为x(k)，状态估计模型如下：z(k)＝Hx(k)+ε(k)，H是量测矩阵，其与电力***网络参数和PMU的安装位置有关，ε(k)是量测噪声；
4)根据量测值历史数据对量测噪声进行t分布拟合，则第i个量测噪声的概率密度函数为：
其中，εi表示量测噪声，Γ(·)是伽马函数，ξi是比例系数，νi是形状系数，i＝1,...,m，其中m是量测个数；
5)根据最大似然估计准则设计t分布下的鲁棒状态估计方法，最大似然估计可等效为最小化下述目标函数：
6)根据地理区域或网络拓扑结构，将整个电网划分成若干个不重叠的子区域，其中第l个子区域的状态量个数为nl。每个子区域配置一个本地控制中心，该本地控制中心负责计算对应子区域的状态，并通过通讯线路与邻域控制中心交换边界节点信息；
7)根据矩阵***技术，用平行分布式的迭代方法，求解步骤5)构建的鲁棒状态估计问题，最终得到各个子区域的状态变量；
8)设置最大迭代次数pmax，当迭代次数p等于pmax时，输出当前时刻节点状态估计值，否则回到步骤7)。
由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：
(1)可降低计算量和通讯量。根据分布式优化、矩阵***等方法和技术建立分布式鲁棒状态估计方法，将全网状态估计问题分割成若干个子区域问题，各个子区域的状态量维度变小，子区域内的PMU量测值只上传到区域估计中心而不是传统的控制中心，数据传输距离变短，各子区域的本地控制中心负责区域内状态估计计算，且各个子区域仅跟邻域交换边界节点信息，可同时降低计算量和通讯量，节约成本。
(2)抗干扰能力强，精度高。本发明通过引入t分布噪声模型，噪声模型准确度提高，通过其权重矩阵的变化，将异常值和不良数据的权重降低，从而减小其对状态估计结果的影响，提高状态估计算法的鲁棒性，提高估计精度。
(3)应用前景良好。本发明符合智能电网分层分区控制的发展趋势，对PMU的大规模部署和分布式鲁棒状态估计方法的实施有重大实用价值。
附图说明
图1是本发明实施例的流程图。
图2是本发明实施基于地理位置特点的不重叠多区域示意图。
图3是本发明实施后的各个子区域状态估计结果收敛情况。
图4是本发明实施后的节点13电压相量实部估计结果。
以下结合附图和具体实施例对本发明作进一步详述。
具体实施方式
以下通过具体实施方式对本发明作进一步的描述。
本发明提供的基于矩阵***技术的电力***分布式鲁棒状态估计方法，流程如图1所示，包括以下步骤：
1)读取电力***网络参数，所述参数包括电力***网络结构、线路阻抗、开关状态等，形成节点导纳矩阵和节点-支路关联矩阵。
2)为保证***可观，在IEEE 14节点***相应节点安装足够的PMU。如图2所示，共有6个PMU分别安装在节点2、4、6、7、9、13上面，得到12个电压相量(包括实部和虚部)和46个电流相量(包括实部和虚部)。
3)读取量测值z(k)。第k时刻的量测值z(k)和状态向量x(k)的关系式如下所示：
z(k)＝Hx(k)+ε(k)
其中，H是量测矩阵，与电力***网络参数和PMU安装位置有关。ε(k)是量测噪声，传统做法是假设为高斯分布，本发明考虑实际环境中电磁干扰、通讯噪声等影响，用t分布噪声模型进行取代，可准确有效模拟高斯和非高斯噪声。
4)假设节点电压相量量测值噪声和支路电流相量量测值是根据t分布概率密度函数产生的：
其中，vi＝3,ξi＝0.005,i＝1,...,58。若实际应用过程中是其它非高斯噪声，可利用Matlab，基于最大似然估计理论，对非高斯噪声进行t分布拟合，得出具体的比例参数和形状参数。
5)设计t分布下的鲁棒状态估计方法。基于最大似然估计准则构建的状态估计器，等效为最小化下述目标函数：
为了最小化目标函数，可对J进行求导，
其中，
W＝diag(ω1(k),…,ωm(k))
根据上述ωi(k)的表达式得知，若量测值出现异常值或不良数据，当εi(k)变大后，ωi(k)变小，从而使异常值或不良数据对状态估计的影响减小，提高***的鲁棒性。
令ψ(e)＝0，通过迭代得到即：
其中，W的对角元素由各个量测值的残差ei(k)和概率密度函数的参数决定。在迭代过程中，W需要进行更新。
6)根据地理区域或网络拓扑结构，将整个电网划分成若干个不重叠的子区域，其中第l个子区域的状态量个数为nl。每个子区域配置一个本地控制中心，该中心负责计算本区域的状态，并通过通讯线路与邻域控制中心交换边界节点信息。
7)根据矩阵***技术，采用平行分布式的迭代方法求解步骤(5)构建的鲁棒状态估计器，最终得到各个子区域的状态变量。具体步骤如下：
将增益矩阵G＝HTWH拆分成一个对角阵Ω和非对角阵Λ，即
G＝Ω+Λ
其中，
假设存在两个矩阵M和N，M是对角阵，满足G＝M-N。则矩阵M和N满足
其中定义成α为一个大于1/2的系数。为保证分布式算法收敛，所构造的矩阵M和N需进一步满足条件：矩阵(M-1N)的特征根小于1，用ρ(M-1N)<1表示。
假定电网分成S个子区域，状态估计量可写成
其中p为迭代次数，v＝[v1,v2,...,vS]T＝HTWz(k)。子区域l可归纳成
(8)收敛条件判断，设置最大迭代次数pmax＝20，当迭代次数p等于pmax时，输出当前时刻节点状态估计值，跳转到读取新量测值进行下一时刻状态估计计算，否则跳转步骤7)。
综上，参见图3、图4，本发明能够为电力***分布式控制决策中心提供准确的状态估计量，对促进智能电网发展具有重要意义和实际应用价值。
上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。
Claims (1)
1.基于矩阵***技术的电力***分布式鲁棒状态估计方法，其特征在于，包括如下步骤：
1)读取电力***网络参数；
2)在电力***相应节点安装PMU；
3)通过PMU读取量测值，用向量z(k)表示，其中k表示采样时刻，假设电力***在第k时刻的状态量为x(k)，状态估计模型如下：z(k)＝Hx(k)+ε(k)，H是量测矩阵，其与电力***网络参数和PMU的安装位置有关，ε(k)是量测噪声；
4)根据量测值历史数据对量测噪声进行t分布拟合，则第i个量测噪声的概率密度函数为：
其中，εi表示量测噪声，Γ(·)是伽马函数，ξi是比例系数，νi是形状系数，i＝1,...,m，其中m是量测个数；
5)根据最大似然估计准则设计t分布下的鲁棒状态估计方法，最大似然估计可等效为最小化下述目标函数：
6)根据地理区域或网络拓扑结构，将整个电网划分成若干个不重叠的子区域，每个子区域配置一个本地控制中心，该本地控制中心负责计算对应子区域的状态，并通过通讯线路与邻域控制中心交换边界节点信息；
7)根据矩阵***技术，用平行分布式的迭代方法，求解步骤5)构建的鲁棒状态估计问题，最终得到各个子区域的状态变量；
8)设置最大迭代次数pmax，当迭代次数p等于pmax时，输出当前时刻节点状态估计值，否则回到步骤7)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910569154.5A CN110224404A (zh) | 2019-06-27 | 2019-06-27 | 基于矩阵***技术的电力***分布式鲁棒状态估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910569154.5A CN110224404A (zh) | 2019-06-27 | 2019-06-27 | 基于矩阵***技术的电力***分布式鲁棒状态估计方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110224404A true CN110224404A (zh) | 2019-09-10 |
Family
ID=67815029
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910569154.5A Pending CN110224404A (zh) | 2019-06-27 | 2019-06-27 | 基于矩阵***技术的电力***分布式鲁棒状态估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110224404A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113507130A (zh) * | 2021-08-06 | 2021-10-15 | 剑科云智(深圳)科技有限公司 | 基于dpmu的实时数据通信***的电网状态估计方法及*** |
| CN114065118A (zh) * | 2021-11-02 | 2022-02-18 | 厦门大学 | 一种基于指数函数的电力***鲁棒状态估计方法 |
| CN114186528A (zh) * | 2021-12-06 | 2022-03-15 | 成都华大九天科技有限公司 | 一种大规模阵列电路的IRDrop模拟方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103248043A (zh) * | 2013-04-28 | 2013-08-14 | 西南交通大学 | 一种基于同步相角测量装置的电力***多区域分布式状态估计方法 |
| CN103454917A (zh) * | 2013-06-26 | 2013-12-18 | 华北电力大学 | 基于异步迭代模式的电力***分布式状态估计计算方法 |
| CN104092212A (zh) * | 2014-07-24 | 2014-10-08 | 河海大学 | 一种基于pmu量测的电力***多区域分布式状态估计方法 |
| CN109146336A (zh) * | 2018-10-11 | 2019-01-04 | 厦门大学 | 一种基于t分布的电力***鲁棒状态估计方法 |
| CN109494711A (zh) * | 2018-10-24 | 2019-03-19 | 华北电力大学 | 一种多区域并行的全分布式状态估计方法 |
-
2019
- 2019-06-27 CN CN201910569154.5A patent/CN110224404A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103248043A (zh) * | 2013-04-28 | 2013-08-14 | 西南交通大学 | 一种基于同步相角测量装置的电力***多区域分布式状态估计方法 |
| CN103454917A (zh) * | 2013-06-26 | 2013-12-18 | 华北电力大学 | 基于异步迭代模式的电力***分布式状态估计计算方法 |
| CN104092212A (zh) * | 2014-07-24 | 2014-10-08 | 河海大学 | 一种基于pmu量测的电力***多区域分布式状态估计方法 |
| CN109146336A (zh) * | 2018-10-11 | 2019-01-04 | 厦门大学 | 一种基于t分布的电力***鲁棒状态估计方法 |
| CN109494711A (zh) * | 2018-10-24 | 2019-03-19 | 华北电力大学 | 一种多区域并行的全分布式状态估计方法 |
Non-Patent Citations (1)
| Title |
|---|
| ARIANA MINOT等: "A Distributed Gauss-Newton Method for Power System State Estimation", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113507130A (zh) * | 2021-08-06 | 2021-10-15 | 剑科云智(深圳)科技有限公司 | 基于dpmu的实时数据通信***的电网状态估计方法及*** |
| CN113507130B (zh) * | 2021-08-06 | 2023-10-31 | 剑科云智(深圳)科技有限公司 | 基于dpmu的实时数据通信***的电网状态估计方法及*** |
| CN114065118A (zh) * | 2021-11-02 | 2022-02-18 | 厦门大学 | 一种基于指数函数的电力***鲁棒状态估计方法 |
| CN114186528A (zh) * | 2021-12-06 | 2022-03-15 | 成都华大九天科技有限公司 | 一种大规模阵列电路的IRDrop模拟方法 |
| CN114186528B (zh) * | 2021-12-06 | 2024-06-07 | 成都华大九天科技有限公司 | 一种大规模阵列电路的IRDrop模拟方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Della Giustina et al. | Electrical distribution system state estimation: measurement issues and challenges | |
| CN110224404A (zh) | 基于矩阵***技术的电力***分布式鲁棒状态估计方法 | |
| CN103326358B (zh) | 基于同步相角测量装置的电力***动态状态估计方法 | |
| CN106875033B (zh) | 一种基于动态自适应的风电集群功率预测方法 | |
| CN110299762B (zh) | 基于pmu准实时数据的主动配电网抗差估计方法 | |
| CN110601252A (zh) | 基于mpc的含分布式光伏配电网馈线级快速电压控制方法 | |
| CN103268366A (zh) | 一种适用于分散式风电场的组合风电功率预测方法 | |
| CN109376910B (zh) | 一种基于历史数据驱动的配电网动态状态估计方法 | |
| CN103248043A (zh) | 一种基于同步相角测量装置的电力***多区域分布式状态估计方法 | |
| CN103872678A (zh) | 一种基于变电站量测的负荷模型辨识方法 | |
| CN107831448A (zh) | 一种并联型电池***的荷电状态估计方法 | |
| CN116796644A (zh) | 基于多智能体sac深度强化学习的风电场参数辨识方法 | |
| CN103475003A (zh) | 基于区域策略寻优的地区电网自动电压无功控制方法 | |
| 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 | |
| CN104466957A (zh) | 一种基于实测小扰动数据的负荷模型参数辨识方法 | |
| CN109412203A (zh) | 一种风电多馈入电力***并网容量极限计算方法 | |
| CN114389312B (zh) | 一种配电网分布式状态估计方法 | |
| CN102280877B (zh) | 一种多量测断面的电力***不良支路参数辨识方法 | |
| CN103440428A (zh) | 风电功率组合预测模型的自适应动态权重确定方法 | |
| CN110707693A (zh) | 一种基于ami全量测点分区的集合卡尔曼滤波动态状态估计方法 | |
| Xuanrong et al. | Research and design of precision irrigation system based on artificial neural network | |
| CN117200460B (zh) | 一种有源配电网量测优化配置方法及*** | |
| CN104537233A (zh) | 一种基于核密度估计的配电网伪量测生成方法 | |
| CN105958487A (zh) | 一种计及多种网络结构的配电网量测配置方法 | |
| CN109494787A (zh) | 一种光伏多馈入电力***并网容量极限计算方法 |
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: 20190910 |