CN112886579A - 考虑pmu和scada量测时标不匹配的配电网线路参数辨识方法 - Google Patents
考虑pmu和scada量测时标不匹配的配电网线路参数辨识方法 Download PDFInfo
- Publication number
- CN112886579A CN112886579A CN202110148298.0A CN202110148298A CN112886579A CN 112886579 A CN112886579 A CN 112886579A CN 202110148298 A CN202110148298 A CN 202110148298A CN 112886579 A CN112886579 A CN 112886579A
- Authority
- CN
- China
- Prior art keywords
- pmu
- time
- measurement
- distribution network
- power loss
- 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.)
- Granted
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 153
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 2
- 238000004441 surface measurement Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种考虑PMU和SCADA量测时标不匹配的配电网线路参数辨识方法。包括:在配电网线路的首端安装PMU装置,末端安装SCADA装置,PMU装置和SCADA装置分别测量并累计多时间断面的量测,根据PMU量测和SCADA量测的分布特性得到配电网线路的功率损耗的概率密度函数的参数,进而得到具有PMU时标特性和时间序列特性的功率损耗的目标分布和功率损耗数据;根据具有PMU时标特性和时间序列特性的功率损耗数据和PMU电流量测,采用总体最小二乘法实现配电网的线路参数辨识。本发明在多时间断面量测的情况下,分析大量量测数据的概率分布,获得符合PMU时标特性和时间序列特性的功率损耗数据,能够实现PMU量测与SCADA量测时标不匹配的配电网线路参数辨识。
Description
技术领域
本发明涉及配电网线路参数辨识技术领域,尤其涉及一种考虑PMU和SCADA量测时标不匹配的配电网线路参数辨识方法。
背景技术
在配电网中,线路参数是配电网状态估计、故障定位、无功优化等的基础数据,但是,老化或环境因素都会带来线路参数的变化,因此基于相关量测的线路参数辨识十分重要。PMU(phasor measurement unit,相量测量单元)装置具有全球定位***,在配电网的一个节点安装PMU装置,能够获得具有准确时标的电流相量和电压相量。SCADA(supervisorycontrol and data acquisition,数据采集与监视控制)装置具有远程终端单元,将实时量测通过通信***传输到控制中心。读取到的SCADA量测时刻与其实际采集时刻相比,具有时间延迟,这一时间延迟范围可以被认为在0到1秒之间。当量测数据实时波动,读取的时刻的SCADA量测值与其实际采集时刻的量测值不相同。同时,在现存的***中PMU装置无法完全取代现有的SCADA装置,因此,基于具有准确时标的PMU量测与具有延迟时间坐标的SCADA量测的混合量测的配电网线路参数辨识的研究十分重要。
在现有技术中,在输电网中,有方案结合PMU量测和SCADA量测采用加权最小二乘状态估计法实现线路参数的辨识。有方案在线路的一端采用PMU量测,另一端采用SCADA量测,进而实现线路参数的辨识。还有方案,当考虑PMU和SCADA量测时标不匹配的情况时,将PMU量测和SCADA量测分开讨论。在配电网中,混合量测的线路参数辨识的研究较少,有方案采用PMU量测和高级量测体系(advanced metering infrastructures,AMI)量测实现线路参数和拓扑的联合辨识。
上述现有技术中,基于PMU量测和SCADA量测的线路参数辨识方法的缺点为:当量测实时波动时,现有技术考虑PMU量测和SCADA量测的时标不匹配的问题时,主要采用方法是将PMU量测和SCADA量测分开讨论实现线路参数的辨识,没有结合PMU和SCADA量测一起使用。当结合PMU量测和SCADA量测实现配电网线路参数的辨识时,现有方法没有考虑PMU量测和SCADA量测的时标不匹配的问题。
发明内容
本发明的实施例提供了一种考虑PMU和SCADA量测时标不匹配下的配电网线路参数辨识方法,以实现在PMU量测和SCADA量测时标不匹配的情况下,进行配电网线路参数的辨识。
为了实现上述目的,本发明采取了如下技术方案。
一种考虑PMU和SCADA量测时标不匹配的配电网线路参数辨识方法,包括:
在配电网线路的首端安装相量测量单元PMU装置,末端安装数据采集与监视控制SCADA装置,PMU装置和SCADA装置分别测量并累计多时间断面的量测;
将PMU量测看作总体,将SCADA量测看作样本,根据PMU量测和SCADA量测的分布特性得到配电网线路的功率损耗的概率密度函数的参数;
根据所述配电网线路的功率损耗的概率密度函数的参数和其随机样本,得到具有PMU时标特性和时间序列特性的功率损耗的目标分布,根据所述功率损耗的目标分布得到具有PMU时标特性和时间序列特性的功率损耗数据;
根据所述具有PMU时标特性和时间序列特性的功率损耗数据和PMU电流量测,采用总体最小二乘法实现配电网的线路参数辨识。
优选地,所述的在配电网线路的首端安装相量测量单元PMU装置,末端安装数据采集与监视控制SCADA装置,PMU装置和SCADA装置分别测量并累计多时间断面的量测,包括:
在配电网线路的首端安装PMU装置,线路的末端安装SCADA装置,PMU装置和SCADA装置分别测量并累计多时间断面的量测;
所述PMU装置用于测量节点电压相量量测,以及与该节点相连接的支路的电流相量量测,并且量测具有时间坐标;所述SCADA装置用于测量电压和电流的幅值量测,并且量测没有时间坐标。
优选地,所述的将PMU量测看作总体,将SCADA量测看作样本,根据PMU量测和SCADA量测的分布特性得到配电网线路的功率损耗的概率密度函数的参数,包括:
计算PMU功率量测S1的概率密度函数的参数,计算SCADA功率量测S2的概率密度函数的参数,所述参数包括权重、均值和标准差。
所述配电网线路的功率损耗等于S1减去S2,根据线路的功率损耗原理、S1的概率密度函数的参数和S2的概率密度函数的参数,计算获得配电网线路的功率损耗的概率密度函数的参数。
优选地,所述的根据配电网线路的功率损耗的概率密度函数的参数和其随机样本,得到具有PMU时标特性和时间序列特性的功率损耗的目标分布,根据所述功率损耗的目标分布得到具有PMU时标特性和时间序列特性的功率损耗数据,包括:
根据所述配电网线路的功率损耗的概率密度函数的参数,获得配电网线路的功率损耗的概率密度函数,根据配电网线路的功率损耗的概率密度函数采用随机方法或者接受拒绝采样方法获得配电网线路的功率损耗的随机样本;
采用核密度估计法和条件概率分布,结合配电网线路的功率损耗的随机样本和PMU电流量测,推导出具有PMU时标特性和时间序列特性的功率损耗的目标分布,其中有功功率损耗的目标分布如下:
式中:表示t时刻的有功功率损耗和PMU电流量测的联合概率分布,表示t时刻的PMU电流量测的概率分布,P(ΔPt,ΔPt-1)表示t时刻和t-1时刻的有功功率损耗的联合概率分布,P(ΔPt-1)表示t-1时刻的有功功率损耗的概率分布;
无功功率损耗的目标分布如下:
式中:表示t时刻的无功功率损耗和PMU电流量测的联合概率分布,表示t时刻的PMU电流量测的概率分布,P(ΔQt,ΔQt-1)表示t时刻和t-1时刻的无功功率损耗的联合概率分布,P(ΔQt-1)表示t-1时刻的无功功率损耗的概率分布;
采用MH采样算法生成符合具有PMU时标特性和时间序列特性的功率损耗的目标分布的功率损耗数据。
优选地,所述的根据所述具有PMU时标特性和时间序列特性的功率损耗数据和PMU电流量测,采用总体最小二乘法实现配电网的线路参数辨识,包括:
配电网线路的功率损耗的方程式如下:
式中:Iij表示配电网线路的PMU电流量测,ΔP和ΔQ分别表示配电网线路的有功功率损耗和无功功率损耗,R和X分别表示配电网线路参数的电阻和电抗;
将所述配电网线路的功率损耗的方程式写成线性方程:
AX=Y
式中:A表示PMU电流量测矩阵,X表示配电网线路的参数,Y表示功率损耗矩阵;
设定配电网线路的参数在短时间段内不变,在多时间断面量测数据情况下,采用总体最小二乘法通过奇异值分解实现配电网的线路参数辨识:
式中:σT+1为扩展矩阵[A,Y]的最小奇异值,XTLS包括配电网线路参数的电阻R和电抗X。
由上述本发明的实施例提供的技术方案可以看出,本发明实施例在多时间断面量测的情况下,将PMU量测看作总体,将SCADA量测看作样本,解决量测时标不匹配的问题,分析大量量测数据的概率分布,获得符合PMU时标特性和时间序列特性的功率损耗数据,能够实现PMU量测与SCADA量测时标不匹配的配电网线路参数辨识。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种考虑PMU和SCADA量测时标不匹配的配电网线路参数辨识方法的处理流程图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解,下面将结合附图以几个具体实施例为例做进一步的解释说明,且各个实施例并不构成对本发明实施例的限定。
在配电网中,量测通常是不足的,需要将PMU量测和SCADA量测结合实现配电网线路参数的辨识。本发明实施例的目的就是在PMU量测和SCADA量测时标不匹配的情况下,实现基于PMU和SCADA混合量测的配电网线路参数辨识。
本发明实施例在配电网线路的一端安装PMU装置,另一端安装SCADA装置,来实现配电网线路参数的辨识。将PMU量测看作是总体,将SCADA量测看作样本,根据多时间断面的量测获得量测的概率分布,进一步计算得到线路上的具有PMU时标特性和时间序列特性的功率损耗数据。结合功率损耗数据和PMU的电流量测采用总体最小二乘获得配电网线路参数值。
本发明实施例提供的一种PMU和SCADA量测时标不匹配下基于数据驱动的配电网线路参数辨识方法的处理流程如图1所示,包括如下的处理步骤:
步骤S10.线路两端的多时间断面量测。
在配电网线路的首端安装PMU装置,线路的末端安装SCADA装置,PMU装置和SCADA装置分别测量并累计多时间断面的大量量测。
PMU装置用于测量节点电压相量量测,以及与该节点相连接的支路的电流相量量测,并且量测具有准确的时间坐标。SCADA装置用于测量电压和电流的幅值量测,并且量测没有准确的时间坐标。
步骤S20.PMU量测总体和SCADA量测样本
将PMU量测看作总体;采用分层随机抽样的思想,将SCADA量测看作样本,运用SCADA量测样本来代表其相对应的量测总体。
步骤S30.量测的概率密度函数参数
计算PMU功率量测S1的概率密度函数的参数,计算SCADA功率量测S2的概率密度函数的参数,上述参数包括权重、均值和标准差。
上述配电网线路的功率损耗等于S1减去S2,根据线路的功率损耗原理,以及S1的概率密度函数的参数和S2的概率密度函数的参数,计算获得配电网线路的功率损耗的概率密度函数的参数。
以高斯混合模型的概率密度函数为例进行说明,数据x高斯混合模型的概率密度函数表示如下:
式中:ωk表示第k个高斯成分的权重,μk表示第k个高斯成分的均值,σk表示第k个高斯成分的标准差。
步骤S40.具有PMU时标特性和时间序列特性的功率损耗的目标分布
根据上述获得的配电网线路的功率损耗的概率密度函数的参数,获得配电网线路的功率损耗的概率密度函数,根据配电网线路的功率损耗的概率密度函数采用随机方法或者接受拒绝采样方法获得配电网线路的功率损耗的随机样本。
采用核密度估计法和条件概率分布,结合配电网线路的功率损耗的随机样本和PMU电流量测,推导出具有PMU时标特性和时间序列特性的功率损耗的目标分布,其中有功功率损耗的目标分布如下:
式中:表示t时刻的有功功率损耗和PMU电流量测的联合概率分布,表示t时刻的PMU电流量测的概率分布,P(ΔPt,ΔPt-1)表示t时刻和t-1时刻的有功功率损耗的联合概率分布,P(ΔPt-1)表示t-1时刻的有功功率损耗的概率分布。
无功功率损耗目标分布类似于有功功率损耗目标分布的推导,如下式所示:
式中:表示t时刻的无功功率损耗和PMU电流量测的联合概率分布,表示t时刻的PMU电流量测的概率分布,P(ΔQt,ΔQt-1)表示t时刻和t-1时刻的无功功率损耗的联合概率分布,P(ΔQt-1)表示t-1时刻的无功功率损耗的概率分布。
上述核密度估计方法是数学方法中非参数估计概率密度函数的一种,还有其他非参数估计方法同样能在理论上实现本发明的这一推导。
步骤S50.具有PMU时标特性和时间序列特性的功率损耗数据。
采用MH(Metropolis-Hastings)采样算法,生成符合具有PMU时标特性和时间序列特性的功率损耗的目标分布的功率损耗数据。
步骤S60.线路参数辨识
配电网中的实际量测具有一定的误差,总体最小二乘方法能够处理量测带有误差的情况。根据配电网线路的功率损耗的方程式:
式中:Iij表示线路电流量测,ΔP和ΔQ分别表示线路的有功功率损耗和无功功率损耗,R和X分别表示配电网线路参数的电阻和电抗。
将配电网线路的功率损耗的方程式写成线性方程:
AX=Y
式中:A表示电流量测矩阵,X表示配电网的线路参数,Y表示功率损耗矩阵。
根据具有PMU时标特性和时间序列特性的功率损耗样本以及PMU电流量测,线路参数在短时间段内不变,在多时间断面量测数据情况下,采用总体最小二乘法通过奇异值分解实现配电网的线路参数辨识:
式中:σT+1为扩展矩阵[A,Y]的最小奇异值,XTLS包括配电网线路参数的电阻R和电抗X。
综上所述,本发明实施例在多时间断面量测的情况下,将PMU量测看作总体,将SCADA量测看作样本,解决量测时标不匹配的问题。分析大量量测数据的概率分布,构建具有PMU时标特性和时间序列特性的功率损耗目标分布,获得符合PMU时标特性和时间序列特性的功率损耗样本,结合PMU电流量测,能够在PMU量测和SCADA量测时标不匹配的情况下,实现配电网线路参数的辨识。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置或***实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置及***实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (5)
1.一种考虑PMU和SCADA量测时标不匹配的配电网线路参数辨识方法,其特征在于,包括:
在配电网线路的首端安装相量测量单元PMU装置,末端安装数据采集与监视控制SCADA装置,PMU装置和SCADA装置分别测量并累计多时间断面的量测;
将PMU量测看作总体,将SCADA量测看作样本,根据PMU量测和SCADA量测的分布特性得到配电网线路的功率损耗的概率密度函数的参数;
根据所述配电网线路的功率损耗的概率密度函数的参数和其随机样本,得到具有PMU时标特性和时间序列特性的功率损耗的目标分布,根据所述功率损耗的目标分布得到具有PMU时标特性和时间序列特性的功率损耗数据;
根据所述具有PMU时标特性和时间序列特性的功率损耗数据和PMU电流量测,采用总体最小二乘法实现配电网的线路参数辨识。
2.根据权利要求1所述的方法,其特征在于,所述的在配电网线路的首端安装相量测量单元PMU装置,末端安装数据采集与监视控制SCADA装置,PMU装置和SCADA装置分别测量并累计多时间断面的量测,包括:
在配电网线路的首端安装PMU装置,线路的末端安装SCADA装置,PMU装置和SCADA装置分别测量并累计多时间断面的量测;
所述PMU装置用于测量节点电压相量量测,以及与该节点相连接的支路的电流相量量测,并且量测具有时间坐标;所述SCADA装置用于测量电压和电流的幅值量测,并且量测没有时间坐标。
3.根据权利要求1所述的方法,其特征在于,所述的将PMU量测看作总体,将SCADA量测看作样本,根据PMU量测和SCADA量测的分布特性得到配电网线路的功率损耗的概率密度函数的参数,包括:
计算PMU功率量测S1的概率密度函数的参数,计算SCADA功率量测S2的概率密度函数的参数,所述参数包括权重、均值和标准差。
所述配电网线路的功率损耗等于S1减去S2,根据线路的功率损耗原理、S1的概率密度函数的参数和S2的概率密度函数的参数,计算获得配电网线路的功率损耗的概率密度函数的参数。
4.根据权利要求3所述的方法,其特征在于,所述的根据配电网线路的功率损耗的概率密度函数的参数和其随机样本,得到具有PMU时标特性和时间序列特性的功率损耗的目标分布,根据所述功率损耗的目标分布得到具有PMU时标特性和时间序列特性的功率损耗数据,包括:
根据所述配电网线路的功率损耗的概率密度函数的参数,获得配电网线路的功率损耗的概率密度函数,根据配电网线路的功率损耗的概率密度函数采用随机方法或者接受拒绝采样方法获得配电网线路的功率损耗的随机样本;
采用核密度估计法和条件概率分布,结合配电网线路的功率损耗的随机样本和PMU电流量测,推导出具有PMU时标特性和时间序列特性的功率损耗的目标分布,其中有功功率损耗的目标分布如下:
式中:表示t时刻的有功功率损耗和PMU电流量测的联合概率分布,表示t时刻的PMU电流量测的概率分布,P(ΔPt,ΔPt-1)表示t时刻和t-1时刻的有功功率损耗的联合概率分布,P(ΔPt-1)表示t-1时刻的有功功率损耗的概率分布
无功功率损耗的目标分布如下:
式中:表示t时刻的无功功率损耗和PMU电流量测的联合概率分布,表示t时刻的PMU电流量测的概率分布,P(ΔQt,ΔQt-1)表示t时刻和t-1时刻的无功功率损耗的联合概率分布,P(ΔQt-1)表示t-1时刻的无功功率损耗的概率分布;
采用MH采样算法生成符合具有PMU时标特性和时间序列特性的功率损耗的目标分布的功率损耗数据。
5.根据权利要求3所述的方法,其特征在于,所述的根据所述具有PMU时标特性和时间序列特性的功率损耗数据和PMU电流量测,采用总体最小二乘法实现配电网的线路参数辨识,包括:
配电网线路的功率损耗的方程式如下:
式中:Iij表示配电网线路的PMU电流量测,ΔP和ΔQ分别表示配电网线路的有功功率损耗和无功功率损耗,R和X分别表示配电网线路参数的电阻和电抗;
将所述配电网线路的功率损耗的方程式写成线性方程:
AX=Y
式中:A表示PMU电流量测矩阵,X表示配电网线路的参数,Y表示功率损耗矩阵;
设定配电网线路的参数在短时间段内不变,在多时间断面量测数据情况下,采用总体最小二乘法通过奇异值分解实现配电网的线路参数辨识:
式中:σT+1为扩展矩阵[A,Y]的最小奇异值,XTLS包括配电网线路参数的电阻R和电抗X。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110148298.0A CN112886579B (zh) | 2021-02-03 | 2021-02-03 | 考虑pmu和scada量测时标不匹配的配电网线路参数辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110148298.0A CN112886579B (zh) | 2021-02-03 | 2021-02-03 | 考虑pmu和scada量测时标不匹配的配电网线路参数辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112886579A true CN112886579A (zh) | 2021-06-01 |
CN112886579B CN112886579B (zh) | 2022-03-25 |
Family
ID=76056997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110148298.0A Active CN112886579B (zh) | 2021-02-03 | 2021-02-03 | 考虑pmu和scada量测时标不匹配的配电网线路参数辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112886579B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113537338A (zh) * | 2021-07-13 | 2021-10-22 | 国网浙江省电力有限公司湖州供电公司 | 基于lstm神经网络和改进scada数据的抗差线路参数辨识方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120283967A1 (en) * | 2009-09-25 | 2012-11-08 | Beijing Sifang Engineering Co., Ltd. | State-matrix-independent dynamic process estimation method in real-time for weakly observable measurement nodes without pmu |
CN104242325A (zh) * | 2014-09-18 | 2014-12-24 | 国家电网公司 | 一种电力***低频振荡模式参数辨识方法 |
CN110676940A (zh) * | 2019-10-21 | 2020-01-10 | 国网上海市电力公司 | 一种提高参数辨识精度的配电网pmu配置方法及*** |
CN111313405A (zh) * | 2020-02-29 | 2020-06-19 | 上海电力大学 | 一种基于多量测断面的中压配电网拓扑辨识方法 |
-
2021
- 2021-02-03 CN CN202110148298.0A patent/CN112886579B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120283967A1 (en) * | 2009-09-25 | 2012-11-08 | Beijing Sifang Engineering Co., Ltd. | State-matrix-independent dynamic process estimation method in real-time for weakly observable measurement nodes without pmu |
CN104242325A (zh) * | 2014-09-18 | 2014-12-24 | 国家电网公司 | 一种电力***低频振荡模式参数辨识方法 |
CN110676940A (zh) * | 2019-10-21 | 2020-01-10 | 国网上海市电力公司 | 一种提高参数辨识精度的配电网pmu配置方法及*** |
CN111313405A (zh) * | 2020-02-29 | 2020-06-19 | 上海电力大学 | 一种基于多量测断面的中压配电网拓扑辨识方法 |
Non-Patent Citations (4)
Title |
---|
M.R.M.CASTILLO ET AL.: "Off-line Detection, Identification and Correction of Branch Parameter Errors Using SCADA and Synchronized Phasor Measurements", 《2014 IEEE PES TRANSMISSION & DISTRIBUTION CONFERENCE AND EXPOSITION - LATIN AMERICA (PES T&D-LA)》 * |
YUBIN WANG ET AL.: "Fast State Estimation of Power System based on Extreme Learning Machine Pseudo-Measurement Modeling", 《2019 IEEE INNOVATIVE SMART GRID TECHNOLOGIES - ASIA (ISGT ASIA)》 * |
毛安家等: "与SCADA互补的WAMS中PMU的配置及数据处理方法", 《电网技术》 * |
赵家庆等: "智能调控主站应用时标量测的关键技术方案", 《电力***保护与控制》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113537338A (zh) * | 2021-07-13 | 2021-10-22 | 国网浙江省电力有限公司湖州供电公司 | 基于lstm神经网络和改进scada数据的抗差线路参数辨识方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112886579B (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105093114B (zh) | 一种电池在线建模与荷电状态的联合估计方法及*** | |
KR101219545B1 (ko) | 전력계통에서의 최적화 기법을 적용한 파라미터 추정 방법 | |
CN103944165B (zh) | 一种大电网参数辨识估计方法 | |
WO2015047520A1 (en) | Electrical power grid monitoring apparatus, articles of manufacture, and methods of monitoring equipment of an electrical power grid | |
CN113239132B (zh) | 一种电压互感器的超差在线辨识方法 | |
CN111064180B (zh) | 基于ami潮流匹配的中压配电网拓扑检测与辨识方法 | |
CN105098763A (zh) | 一种基于wams和ems的暂态电压稳定在线评估方法 | |
CN112288303B (zh) | 确定线损率的方式、装置 | |
KR102564407B1 (ko) | 전기화학 시스템의 동작 상태를 실시간으로 진단하기 위한 방법 및 시스템, 및 이 진단 시스템을 포함하는 전기화학 시스템 | |
CN103995162A (zh) | 基于高级量测体系的配电网大用户实时防窃电方法 | |
CN110687462A (zh) | 一种动力电池soc与容量全生命周期联合估计方法 | |
CN112886579B (zh) | 考虑pmu和scada量测时标不匹配的配电网线路参数辨识方法 | |
CN115618654B (zh) | 超差电能表的识别方法及装置 | |
CN115685046A (zh) | 互感器计量异常识别方法、装置、设备及存储介质 | |
CN113156247B (zh) | 一种电力***低频振荡的预警方法及装置 | |
CN113866552A (zh) | 一种基于机器学习的中压配网用户用电异常诊断方法 | |
CN106785109B (zh) | 电池组存储数据同步方法 | |
CN110865328B (zh) | 基于ami的智能电表相位识别、拓扑辨识及阻抗估计方法 | |
CN116298927B (zh) | 一种电池容量估计方法和装置、计算机设备、存储介质 | |
CN106159941B (zh) | 一种考虑实际量测误差传递特性的电力***状态估计方法 | |
CN109193639B (zh) | 一种电力***抗差估计方法 | |
CN116247668A (zh) | 一种基于量测大数据分析的配电网运行方式识别方法 | |
CN109327026B (zh) | 一种低压配电网区间状态估计方法 | |
CN107069710B (zh) | 计及新能源时空相关性的电力***状态估计方法 | |
CN114091344A (zh) | 基于数据耦合的输电线路风险评估模型训练方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |