CN113255959A - 一种电力***动态状态估计方法及*** - Google Patents
一种电力***动态状态估计方法及*** Download PDFInfo
- Publication number
- CN113255959A CN113255959A CN202110383189.7A CN202110383189A CN113255959A CN 113255959 A CN113255959 A CN 113255959A CN 202110383189 A CN202110383189 A CN 202110383189A CN 113255959 A CN113255959 A CN 113255959A
- Authority
- CN
- China
- Prior art keywords
- measurement
- moment
- state
- prediction
- measurement data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000005259 measurement Methods 0.000 claims abstract description 211
- 238000002347 injection Methods 0.000 claims abstract description 38
- 239000007924 injection Substances 0.000 claims abstract description 38
- 230000003068 static effect Effects 0.000 claims abstract description 29
- 238000001914 filtration Methods 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 33
- 230000009466 transformation Effects 0.000 claims description 19
- 230000001902 propagating effect Effects 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 23
- 238000013213 extrapolation Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000003672 processing method Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
-
- 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
- Y02E40/70—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
-
- 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
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种电力***动态状态估计方法及***,涉及电力***分析技术领域。所述方法,包括:获取k时刻的量测数据;其中,所述量测数据为PMU/SCADA混合量测数据;根据所述k时刻的前一时刻的状态空间中的负荷向量,对所述k时刻进行状态预测,得到预测状态量;获取零注入节点处零注入功率得到高精度的静态量测量;根据所述预测状态量,对所述k时刻进行量测预测,得到量测预测值;根据所述量测数据、所述静态量测量和所述量测预测值,对所述预测状态量进行滤波更新,获得所述k时刻的动态状态估计结果。本发明通过引入动态负荷预测(DLP)模型,能够取代传统算法中直接对状态量做线性外推的处理方法,同时提高零注入节点以提高动态状态估计精度。
Description
技术领域
本发明涉及电力***分析技术领域,尤其涉及一种电力***动态状态估计方法及***。
背景技术
电力***状态估计(state estimator)是电力调度中心能量管理***(energymanagement system,EMS)非常重要的组成部分,更是电网安全评估、预防控制和运行分析等各种高级应用的基础。动态状态估计的算法需要通过状态方程对状态量进行预报。在发电机动态状态估计中,由于对发电机动态建模研究成熟,可以通过发电机动态方程描述状态量动态变化过程,完成符合物理规律的状态量预测。而目前电力***动态状态估计存在的一大难题是,难以建立一个物理意义明确的状态方程,获得确切的状态转移矩阵。
由于状态量的变化是节点负荷以及发电机出力改变的结果,因此目前大多数电力***动态状态估计算法在状态预测步骤中直接对状态变量进行线性外推的做法,并不符合电力***运行规律;此外,当电网的拓扑结构发生变化(如开关合环操作)时,负荷功率基本没变,但大量节点的电压幅值及相位将发生突变,传统动态状态估计算法会出现估计失准情况。此外,传统动态状态估计算法中没有考虑电力***中零注入节点的影响,因此估计结果不能严格满足零注入功率约束,会造成估计精度下降。
发明内容
为了克服上述现有技术缺陷,本发明提供一种电力***动态状态估计方法及***,通过引入动态负荷预测(DLP)模型,取代传统算法中直接对状态量做线性外推的处理方法,同时提高零注入节点以提高动态状态估计精度。
为实现上述目的,本发明实施例提供一种电力***动态状态估计方法,包括:获取k时刻的量测数据;其中,所述量测数据为PMU/SCADA混合量测数据;根据所述k时刻的前一时刻的状态空间中的负荷向量,对所述k时刻进行状态预测,得到预测状态量;获取零注入节点处零注入功率得到高精度的静态量测量;根据所述预测状态量,对所述k时刻进行量测预测,得到量测预测值;根据所述量测数据、所述静态量测量和所述量测预测值,对所述预测状态量进行滤波更新,获得所述k时刻的动态状态估计结果。
优选地,所述根据所述k时刻的前一时刻的状态空间中的负荷向量,对所述k时刻进行状态预测,得到预测状态量,包括:对所述k时刻的前一时刻的状态空间中的负荷向量做容积变换,通过两参数指数平滑法传播采样点,完成负荷预测,计算所述k时刻的负荷预测值和对应的预测误差协方差矩阵;将所述负荷预测值作为无误差量测量加入所述k时刻的量测数据集,并在量测方程添加对应的等式约束关系。
优选地,所述根据所述预测状态量,对所述k时刻进行量测预测,得到量测预测值,包括:对所述预测状态量做容积变换,按照量测方程传播容积点,计算所述k时刻的量测预测值。
优选地,所述根据所述量测数据、所述静态量测量和所述量测预测值,对所述预测状态量进行滤波更新,获得所述k时刻的动态状态估计结果,包括:根据所述量测数据、所述静态量测量和所述量测预测值计算新息协方差矩阵和交叉协方差矩阵,求解卡尔曼增益,得到修正量测数据;根据所述修正量测数据修正所述状态预测值,获得所述k时刻的动态状态估计结果。
本发明实施例还提供一种电力***动态状态估计***,包括:量测数据获取模块,用于获取k时刻的量测数据;其中,所述量测数据为PMU/SCADA混合量测数据;状态预测模块,用于根据所述k时刻的前一时刻的状态空间中的负荷向量,对所述k时刻进行状态预测,得到预测状态量;静态量测量获取模块,用于获取零注入节点处零注入功率得到高精度的静态量测量;量测预测模块,用于根据所述预测状态量,对所述k时刻进行量测预测,得到量测预测值;滤波更新模块,用于根据所述量测数据、所述静态量测量和所述量测预测值,对所述预测状态量进行滤波更新,获得所述k时刻的动态状态估计结果。
优选地,所述状态预测模块,包括:容积变换模块,用于对所述k-1时刻的状态空间中的负荷向量做容积变换,通过两参数指数平滑法传播采样点,完成负荷预测,计算所述k时刻的负荷预测值和对应的预测误差协方差矩阵;量测约束模块,用于将所述负荷预测值作为无误差量测量加入所述k时刻的量测数据集,并在量测方程添加对应的等式约束关系。
优选地,所述量测预测模块,包括:容积点传播模块,用于对所述预测状态量做容积变换,按照量测方程传播容积点,计算所述k时刻的量测预测值。
优选地,所述滤波更新模块,包括:增益求解模块,用于根据所述量测数据、所述静态量测量和所述量测预测值计算新息协方差矩阵和交叉协方差矩阵,求解卡尔曼增益,得到修正量测数据;结构输出模块,用于根据所述修正量测数据修正所述状态预测值,获得所述k时刻的动态状态估计结果。
本发明实施例还提供一种计算机终端设备,包括一个或多个处理器和存储器。存储器与所述处理器耦接,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述任一实施例所述的电力***动态状态估计方法。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一实施例所述的电力***动态状态估计方法。
与现有技术相比,本发明具有以下有益效果:
本发明提供一种电力***动态状态估计方法,包括:获取k时刻的量测数据;其中,所述量测数据为PMU/SCADA混合量测数据;根据所述k时刻的前一时刻的状态空间中的负荷向量,对所述k时刻进行状态预测,得到预测状态量;获取零注入节点处零注入功率得到高精度的静态量测量;根据所述预测状态量,对所述k时刻进行量测预测,得到量测预测值;根据所述量测数据、所述静态量测量和所述量测预测值,对所述预测状态量进行滤波更新,获得所述k 时刻的动态状态估计结果。本发明用负荷预测代替传统电力***动态状态估计算法中的线性外推状态预测方法,更符合电力***动态特性变化规律,在***状态发生突变时具有更好的状态追踪能力,同时将零注入节点的零注入功率作为高精度量测量参与状态估计,能够有效提高动态状态估计的准确性。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施方式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方式,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是本发明某一实施例提供的电力***动态状态估计方法的流程示意图;
图2是本发明另一实施例提供的电力***动态状态估计方法的流程示意图;
图3是本发明某一实施例提供的IEEE33节点***量测的配置示意图;
图4是本发明某一实施例提供的7号节点电压幅值估计结果的示意图;
图5是本发明另一实施例提供的7号节点电压相角估计结果的示意图;
图6是本发明某一实施例提供的电力***动态状态估计***的结构示意图;
图7是本发明某一实施例提供的计算机终端设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,文中所使用的步骤编号仅是为了方便描述,不对作为对步骤执行先后顺序的限定。
应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/ 或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
电力***动态状态估计目前主要采用扩展卡尔曼滤波(EKF)算法和无迹卡尔曼滤波(UKF)算法。EKF通过略去高阶项得到近似线性化模型,所以在***呈现强非线性时截断误差问题显著。UKF算法通过无迹变换代替EKF算法线性化过程,估计精度可达二阶以上。然而UKF算法存在缺少严格数学理论支撑和最佳滤波参数选取困难的问题。容积卡尔曼滤波(CKF)器基于数值积分理论,有严格完整的理论基础,具有更好的数值稳定性。
PMU(phasor measurement unit相量测量装置)是利用GPS秒脉冲作为同步时钟构成的相量测量单元,可用来测量电力***在暂态过程中各节点的电压向量,已被广泛应用于电力***的动态监测、状态估计、***保护、区域稳定控制、***分析和预测等领域,是保障电网安全运行的重要设备。在电力***重要的变电站和发电厂安装同步相量测量装置(PMU),构建电力***实时动态监测***,并通过调度中心分析中心站实现对电力***动态过程的监测和分析。该***将成为电力***调度中心的动态实时数据平台的主要数据源,并逐步与SCADA/EMS***及安全自动控制***相结合,以加强对电力***动态安全稳定的监控。
SCADA(Supervisory Control And Data Acquisition)***,即数据采集与监视控制***。SCADA***是以计算机为基础的DCS与电力自动化监控***;它应用领域很广,可以应用于电力、冶金、石油、化工、燃气、铁路等领域的数据采集与监视控制以及过程控制等诸多领域。
请参阅图1,图1为本发明某一实施例提供的电力***动态状态估计方法的流程示意图。本实施例提供的电力***动态状态估计方法,包括以下步骤:
S110,获取k时刻的量测数据。其中,量测数据为PMU/SCADA混合量测数据。
S120,根据k时刻的前一时刻的状态空间中的负荷向量,对k时刻进行状态预测,得到预测状态量。
在某一实施例中,状态预测过程包括:对k时刻的前一时刻的状态空间中的负荷向量做容积变换,通过两参数指数平滑法传播采样点,完成负荷预测,计算k时刻的负荷预测值和对应的预测误差协方差矩阵。将负荷预测值作为无误差量测量加入k时刻的量测数据集,并在量测方程添加对应的等式约束关系。
S130,获取零注入节点处零注入功率得到高精度的静态量测量。
S140,根据预测状态量,对k时刻进行量测预测,得到量测预测值。
在某一实施例中,量测预测过程包括:对预测状态量做容积变换,按照量测方程传播容积点,计算k时刻的量测预测值。
S150,根据量测数据、静态量测量和量测预测值,对预测状态量进行滤波更新,获得k时刻的动态状态估计结果。
在某一实施例中,为了获得k时刻的动态状态估计结果,包括:根据量测数据、静态量测量和量测预测值计算新息协方差矩阵和交叉协方差矩阵,求解卡尔曼增益,得到修正量测数据。根据修正量测数据修正状态预测值,获得k 时刻的动态状态估计结果。
请参阅图2,图2为本发明另一实施例提供的电力***动态状态估计方法的流程示意图。本实施例提供的电力***动态状态估计方法包括:
步骤(1),状态估计初始化,设置状态变量和误差协方差矩阵初始值,在电压幅值和相角状态量基础上增加负荷预测量为扩展状态变量。
选取主电源节点作为参考节点,节点电压相角为0;基于动态负荷预测的电力***动态状态估计算法将负荷预测量PL,QL作为扩展状态变量,因此状态空间为:[x,S]T,其中x=[V,δ]T,S=[PL,QL]T。
步骤(2),获取k时刻量测数据,具体为PMU/SCADA混合量测数据。
使用SCADA和PMU混合量测数据;其中,PMU量测因自身带有对时装置,所以量测数据位于同一时间断面内,SCADA更新频率较PMU低很多,但采集量均为稳态量,在实时状态估计中一般取最新值即可。设取到的k时刻量测数据为zk。
步骤(3),对k-1时刻的状态空间中的负荷向量做容积变换,通过两参数指数平滑法传播采样点,完成负荷预测,计算k时刻负荷预测值和对应的预测误差协方差矩阵。其中,k时刻的前一时刻表示为k-1时刻,k时刻的后一时刻表示为k+1时刻。
令Pk-1为k-1时刻状态量Sk-1的误差协方差矩阵。对k-1时刻状态空间中的负荷向量做容积变换,由以下两式得到容积的点集及对应的权值:
其中,n表示状态变量x的维度,ξ表示式(2)中的第i个n维列向量,i 代表第i个采样点,wi代表与第i个采样点对应的权值。通过状态方程获得预测值:
其中,n为状态量S的维数。为***在k-1时刻负荷量动态状态估计结果;PS(k-1|k-1)对应状态量的估计误差方差阵;Si,k-1为状态量生成的容积采样点;为通过状态方程传播的采样点;为传播得到的k时刻负荷量预测值;PS(k|k-1)为预测负荷采样点对应的误差协方差矩阵。由于动态状态估计中状态预测过程具有时间粒度小,计算频率高的特点,这里f(~)选用两参数指数平滑法,算式如下:
其中,α和β表示两参数指数平滑法选取的平滑参数。α表征趋势预测中对近期历史数据的信任度,β表征对远期历史数据的信任度。通过大量实验数据仿真得到的结果表明,实际中更信任近期历史数据能获得较好的预测结果,因此可取:
αi∈(0.9,1),βi∈(0,0.1)。
步骤(4),将步骤(3)中获得的负荷预测值作为无误差量测量加入k时刻的量测数据集,在量测方程添加对应的等式约束关系。
将负荷预测值作为无误差量测量加入k时刻量测数据集。负荷预测向量S与状态向量x存在一定的等式约束关系。因此,将负荷预测值作为一类特殊量测,有量测方程zs=hs(x,S),如下式所示:
其中,i,j表示节点标号,Ωi表示电力***中与节点i相连的节点集合,Gij,Bij分别表示节点导纳矩阵中(i,j)项元素的实部和虚部,δij表示节点i,j之间电压相角差。上角标*用于区分量测量和状态量,下同。
步骤(5),将零注入节点处零注入功率作为静态的高精度量测量加入k时刻量测数据集。
在实际电网中根据是否有负荷接入可把节点类型分为三类:电源节点、零注入节点以及负荷节点。而在电力***中零注入节点广泛存在,如三绕组变压器的中心点及线路T接点等。在动态状态估计中利用电力***动态负荷预测代替状态预测的办法,因此需要考虑对零注入节点的处理。零注入节点负荷无需通过负荷预测求解,置零注入节点有功负荷预测值和无功负荷预测值为0。即令:
其中,o∈Ωzero,Ωzero表示零注入节点集合,Ωo表示与节点相连的节点集合。通过将零注入功率约束加入量测方程,将其作为一类特殊的高精度虚拟量测,置以较高权值,在动态状态估计量测校正环节起到约束状态变量的作用。同时,这一步骤将削减状态变量数目,提高量测冗余度,进一步提高状态估计准确度。
步骤(6),对预测状态量做容积变换,按照量测方程传播容积点,计算k 时刻量测预测值;
按照式(1)、式(2)、式(9)通过量测方程h(~)传播得到采样点预测值,通过式(10)算出k时刻量测预测值。
量测方程由三部分组成:式(7)和式(8)所示的等式约束关系,SCADA 量测方程和PMU量测方程。
SCADA***可以提供的量测数据有:节点电压幅值Vi、支路有功功率Pij,支路无功功率Qij,节点注入有功功率Pi和节点注入无功功率Qi。设流入节点为正,流出为负。SCADA量测方程为:
zscada=hscada(x,S)+vscada,
其中,v表示量测误差,下角标表示量测类型。vscada表示SCADA量测误差向量。函数hscada(x,S)表达式如下:
其中,i,j表示节点标号,δij表示节点i,j之间电压相角差,gij和bij分别是节点i和j之间的电导和电纳,gsi和bsi分别是此支路上节点i的对地电导和对地电纳。
PMU量测***可以测量节点电压幅值和相角,与该节点相连支路的电流相量(设流入节点为正)。根据基尔霍夫电流定律,令流入节点的电流为正,Ii,Re和Ii,Im分别表示节点注入电流Ii的实部和虚部,Iij,Re和Iij,Im分别表示支路电流Iij的实部和虚部。PMU量测方程表示为:
zpmu=hpmu(x,S)+vpmu,
其中,vpmu表示PMU量测误差向量。函数hpmu(x)表达式如下:
其中,Ωi表示电力***中与节点i相连的节点集合,Gij,Bij分别表示节点导纳矩阵中(i,j)项元素的实部和虚部。
综上所述量测方程由SCADA量测方程、PMU量测方程和等式约束关系组成,即:
步骤(7),根据量测预测值计算新息协方差矩阵和交叉协方差矩阵,求解卡尔曼增益,根据量测数据和量测预测值修正状态预测值,获得k时刻动态状态估计结果,输出结果;
结合步骤(6)计算所得结果,用式(14)计算新息协方差矩阵和交叉协方差矩阵,根据式(15)求解卡尔曼增益,根据式(16)结合k时刻量测数据和量测预测值完成状态修正,获得k时刻动态状态估计结果,输出计算结果。
Kk=Pxz,kPzz,k -1 (15)
其中,Rk表示k时刻量测噪声方差矩阵,由各量测设备和量测类型决定。 至此,一次CKF动态状态估计完成。按照式(17)更新状态协方差矩阵,等待 下一时刻量测数据到来,作为滤波参数,完成新一轮状态估计。
步骤(8),令k=k+1,回到步骤S2,进行步骤S2-S8。
在某一具体实施例中,以修改的IEEE33节点电力***为例(附图3所示),检验DLP-CKF动态状态估计算法在***运行状态发生突变时的状态跟踪能力。根据某地日负荷曲线,通过matpower(一种进行潮流仿真的软件)工具包潮流计算得到各节点状态值,将此作为节点状态真值。IEEE33节点***包含32条支路、5条联络开关支路、1个电源节点。由于IEEE33节点标准模型中,对所有节点均设置了负荷,这一点与实际***有较大差别。为更好模拟实际电力***的运行情况,将三绕组变压器中心节点1号节点,2号节点负荷置0,检验零注入节点对动态状态估计结果的影响,将此***称为修改的IEEE33节点***。算例设置中,令除20-7支路以外的联络开关支路均保持开路状态(未在附图3中画出)。配置PMU的节点可获得的量测数据有:节点注入电流相量,节点电压相量,与此节点相连支路的电流相量。配置SCADA的节点可获得的量测数据有:节点注入功率,节点电压幅值,与此节点相连的支路功率流。PMU量测电压幅值量测标准差取0.002pu,电压相角量测标准差取0.05度。电流相量量测标准差取0.001pu;SCADA电压量测标准差取0.01pu,功率量测误差标准差取0.001pu。伪量测数据类型和SCADA量测相同,量测误差标准差为SCADA同类型量测3 倍。
一天内(24小时)每1min做一次动态状态估计计算。如附图3示,设置如下扰动:在8时处(第480次估计点)合上20号节点与7号节点之间的联络开关,保持电力***合环运行方式运行一段时间,在16时处(第960次估计点) 再次断开20号节点与7号节点间的联络开关支路。在该情境下,比较传统CKF 动态状态估计算法与基于动态负荷预测的CKF动态状态估计算法计算结果。附图4和附图5分别展示了7号节点电压幅值估计和电压相角估计结果。
由附图4和附图5可见,对于7号节点,在8时处(第480次状态估计点),合环操作使***状态发生突变,电压幅值突然跃升,电压相角降低;在16时处 (第960次状态估计点),解环操作造成电压幅值突然跌落。两种以容积卡尔曼滤波器为基础的动态状态估计算法均可在一定次数的计算后继续保持对***状态的跟踪。比较两种算法性能可见,本文所提DLP-CKF算法在发生状态突变时具有更好的稳定性。当电力***发生合环、解环运行状态切换时,状态量发生了突变,传统CKF对直接状态量做线性外推的状态预测方式将产生较大的预测误差,进而影响动态状态估计准确度;而由于运行方式切换过程中并没有使电力***中各节点的负荷量发生突变,基于DLP的动态状态估计算法仍能保持对***状态的快速准确追踪。
请参阅图6,图6为本发明某一实施例提供的电力***动态状态估计***的结构示意图。在本实施例中与上述实施例相同的部分,在此不再赘述。
本实施例提供的电力***动态状态估计***,包括:
量测数据获取模块210,用于获取k时刻的量测数据。其中,量测数据为 PMU/SCADA混合量测数据。
状态预测模块220,用于根据k时刻的前一时刻的状态空间中的负荷向量,对k时刻进行状态预测,得到预测状态量。
在某一实施例中,状态预测模块220,包括:
容积变换模块,用于对k-1时刻的状态空间中的负荷向量做容积变换,通过两参数指数平滑法传播采样点,完成负荷预测,计算k时刻的负荷预测值和对应的预测误差协方差矩阵。
量测约束模块,用于将负荷预测值作为无误差量测量加入k时刻的量测数据集,并在量测方程添加对应的等式约束关系。
静态量测量获取模块230,用于获取零注入节点处零注入功率得到高精度的静态量测量。
量测预测模块240,用于根据预测状态量,对k时刻进行量测预测,得到量测预测值。
在某一实施例中,量测预测模块240,包括:
容积点传播模块241,用于对预测状态量做容积变换,按照量测方程传播容积点,计算k时刻的量测预测值。
滤波更新模块250,用于根据量测数据、静态量测量和量测预测值,对预测状态量进行滤波更新,获得k时刻的动态状态估计结果。
在某一实施例中,滤波更新模块250,包括:
增益求解模块251,用于根据量测数据、静态量测量和量测预测值计算新息协方差矩阵和交叉协方差矩阵,求解卡尔曼增益,得到修正量测数据。
结构输出模块252,用于根据修正量测数据修正状态预测值,获得k时刻的动态状态估计结果。
本发明选择使用容积卡尔曼滤波(CKF)为基础进行电力***动态状态估计计算,基于动态负荷预测的容积卡尔曼滤波算法进行电力***动态状态估计,用负荷预测代替传统电力***动态状态估计算法中的线性外推状态预测方法,更符合电力***动态特性变化规律。将负荷节点负荷量作为扩展状态变量,负荷预测结果作为新增量测,建立等式约束关系,通过量测方程将预测信息作用于状态量;将零注入节点的零注入功率作为高精度量测量参与动态状态估计。仿真结果表明该发明提高了动态状态估计算法的准确性,在***状态发生突变时具有更好的状态追踪能力。
请参阅图7,本发明实施例提供一种计算机终端设备,包括一个或多个处理器和存储器。存储器与所述处理器耦接,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述任意一个实施例中的电力***动态状态估计方法。
处理器用于控制该计算机终端设备的整体操作,以完成上述的电力***动态状态估计方法的全部或部分步骤。存储器用于存储各种类型的数据以支持在该计算机终端设备的操作,这些数据例如可以包括用于在该计算机终端设备上操作的任何应用程序或方法的指令,以及应用程序相关的数据。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-OnlyMemory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-OnlyMemory,简称 EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
在一示例性实施例中,计算机终端设备可以被一个或多个应用专用集成电路(Application Specific 1ntegrated Circuit,简称AS1C)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的电力***动态状态估计方法,并达到如上述方法一致的技术效果。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述任意一个实施例中的电力***动态状态估计方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器,上述程序指令可由计算机终端设备的处理器执行以完成上述的电力***动态状态估计方法,并达到如上述方法一致的技术效果。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种电力***动态状态估计方法,其特征在于,包括:
获取k时刻的量测数据;其中,所述量测数据为PMU/SCADA混合量测数据;
根据所述k时刻的前一时刻的状态空间中的负荷向量,对所述k时刻进行状态预测,得到预测状态量;
获取零注入节点处零注入功率得到高精度的静态量测量;
根据所述预测状态量,对所述k时刻进行量测预测,得到量测预测值;
根据所述量测数据、所述静态量测量和所述量测预测值,对所述预测状态量进行滤波更新,获得所述k时刻的动态状态估计结果。
2.根据权利要求1所述的电力***动态状态估计方法,其特征在于,所述根据所述k时刻的前一时刻的状态空间中的负荷向量,对所述k时刻进行状态预测,得到预测状态量,包括:
对所述k时刻的前一时刻的状态空间中的负荷向量做容积变换,通过两参数指数平滑法传播采样点,完成负荷预测,计算所述k时刻的负荷预测值和对应的预测误差协方差矩阵;
将所述负荷预测值作为无误差量测量加入所述k时刻的量测数据集,并在量测方程添加对应的等式约束关系。
3.根据权利要求1所述的电力***动态状态估计方法,其特征在于,所述根据所述预测状态量,对所述k时刻进行量测预测,得到量测预测值,包括:
对所述预测状态量做容积变换,按照量测方程传播容积点,计算所述k时刻的量测预测值。
4.根据权利要求1所述的电力***动态状态估计方法,其特征在于,所述根据所述量测数据、所述静态量测量和所述量测预测值,对所述预测状态量进行滤波更新,获得所述k时刻的动态状态估计结果,包括:
根据所述量测数据、所述静态量测量和所述量测预测值计算新息协方差矩阵和交叉协方差矩阵,求解卡尔曼增益,得到修正量测数据;
根据所述修正量测数据修正所述状态预测值,获得所述k时刻的动态状态估计结果。
5.一种电力***动态状态估计***,其特征在于,包括:
量测数据获取模块,用于获取k时刻的量测数据;其中,所述量测数据为PMU/SCADA混合量测数据;
状态预测模块,用于根据所述k时刻的前一时刻的状态空间中的负荷向量,对所述k时刻进行状态预测,得到预测状态量;
静态量测量获取模块,用于获取零注入节点处零注入功率得到高精度的静态量测量;
量测预测模块,用于根据所述预测状态量,对所述k时刻进行量测预测,得到量测预测值;
滤波更新模块,用于根据所述量测数据、所述静态量测量和所述量测预测值,对所述预测状态量进行滤波更新,获得所述k时刻的动态状态估计结果。
6.根据权利要求5所述的电力***动态状态估计***,其特征在于,所述状态预测模块,包括:
容积变换模块,用于对所述k-1时刻的状态空间中的负荷向量做容积变换,通过两参数指数平滑法传播采样点,完成负荷预测,计算所述k时刻的负荷预测值和对应的预测误差协方差矩阵;
量测约束模块,用于将所述负荷预测值作为无误差量测量加入所述k时刻的量测数据集,并在量测方程添加对应的等式约束关系。
7.根据权利要求5所述的电力***动态状态估计***,其特征在于,所述量测预测模块,包括:
容积点传播模块,用于对所述预测状态量做容积变换,按照量测方程传播容积点,计算所述k时刻的量测预测值。
8.根据权利要求5所述的电力***动态状态估计***,其特征在于,所述滤波更新模块,包括:
增益求解模块,用于根据所述量测数据、所述静态量测量和所述量测预测值计算新息协方差矩阵和交叉协方差矩阵,求解卡尔曼增益,得到修正量测数据;
结构输出模块,用于根据所述修正量测数据修正所述状态预测值,获得所述k时刻的动态状态估计结果。
9.一种计算机终端设备,其特征在于,包括:
一个或多个处理器;
存储器,与所述处理器耦接,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至4任一项所述的电力***动态状态估计方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的电力***动态状态估计方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110383189.7A CN113255959B (zh) | 2021-04-09 | 2021-04-09 | 一种电力***动态状态估计方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110383189.7A CN113255959B (zh) | 2021-04-09 | 2021-04-09 | 一种电力***动态状态估计方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113255959A true CN113255959A (zh) | 2021-08-13 |
CN113255959B CN113255959B (zh) | 2023-05-02 |
Family
ID=77220536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110383189.7A Active CN113255959B (zh) | 2021-04-09 | 2021-04-09 | 一种电力***动态状态估计方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113255959B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113675951A (zh) * | 2021-08-24 | 2021-11-19 | 南通大学 | 基于pmu、scada混合量测的电力***动态状态估计方法 |
CN117810960A (zh) * | 2023-11-16 | 2024-04-02 | 国家电网有限公司华东分部 | 一种电力***状态的预测方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102185308A (zh) * | 2010-03-19 | 2011-09-14 | 清华大学 | 一种考虑零注入量测等式约束的电力***状态估计方法 |
CN104899435A (zh) * | 2015-05-25 | 2015-09-09 | 清华大学 | 计及零注入约束的电力***动态状态估计方法 |
CN106707061A (zh) * | 2016-12-16 | 2017-05-24 | 湖南大学 | 基于混合量测的配电网动态状态估计方法 |
CN107016489A (zh) * | 2017-03-09 | 2017-08-04 | 中国电力科学研究院 | 一种电力***抗差状态估计方法和装置 |
CN107453484A (zh) * | 2017-08-24 | 2017-12-08 | 国网辽宁省电力有限公司 | 一种基于wams信息的scada数据校准方法 |
CN110032812A (zh) * | 2019-04-18 | 2019-07-19 | 河海大学 | 一种基于自适应容积卡尔曼滤波的动态状态估计方法 |
US20210083474A1 (en) * | 2019-07-03 | 2021-03-18 | Bigwood Technology, Inc. | Optimal sparse placement of phasor measurement units and state estimation of key buses in distribution networks |
-
2021
- 2021-04-09 CN CN202110383189.7A patent/CN113255959B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102185308A (zh) * | 2010-03-19 | 2011-09-14 | 清华大学 | 一种考虑零注入量测等式约束的电力***状态估计方法 |
CN104899435A (zh) * | 2015-05-25 | 2015-09-09 | 清华大学 | 计及零注入约束的电力***动态状态估计方法 |
CN106707061A (zh) * | 2016-12-16 | 2017-05-24 | 湖南大学 | 基于混合量测的配电网动态状态估计方法 |
CN107016489A (zh) * | 2017-03-09 | 2017-08-04 | 中国电力科学研究院 | 一种电力***抗差状态估计方法和装置 |
CN107453484A (zh) * | 2017-08-24 | 2017-12-08 | 国网辽宁省电力有限公司 | 一种基于wams信息的scada数据校准方法 |
CN110032812A (zh) * | 2019-04-18 | 2019-07-19 | 河海大学 | 一种基于自适应容积卡尔曼滤波的动态状态估计方法 |
US20210083474A1 (en) * | 2019-07-03 | 2021-03-18 | Bigwood Technology, Inc. | Optimal sparse placement of phasor measurement units and state estimation of key buses in distribution networks |
Non-Patent Citations (1)
Title |
---|
杨韵等: "计及零注入约束的电力***动态状态估计", 《广东电力》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113675951A (zh) * | 2021-08-24 | 2021-11-19 | 南通大学 | 基于pmu、scada混合量测的电力***动态状态估计方法 |
CN117810960A (zh) * | 2023-11-16 | 2024-04-02 | 国家电网有限公司华东分部 | 一种电力***状态的预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113255959B (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Muñoz et al. | An affine arithmetic-based method for voltage stability assessment of power systems with intermittent generation sources | |
US9640994B2 (en) | Decoupled three-phase power flow analysis method for unbalanced power distribution systems | |
CN113255959B (zh) | 一种电力***动态状态估计方法及*** | |
Džafić et al. | Real time multiphase state estimation in weakly meshed distribution networks with distributed generation | |
CN111625914A (zh) | 一种短路电流计算方法及*** | |
Zenelis et al. | Wide-area damping control for interarea oscillations in power grids based on PMU measurements | |
Rodriguez et al. | Identification of synchronous machine parameters from field flashing and load rejection tests with field voltage variations | |
CN111355241A (zh) | 基于潮流可行域的交直流混合微网下垂系数选取方法 | |
CN109698505B (zh) | 大电网静态电压稳定在线防控的调控量化映射计算方法 | |
Joseph et al. | Unbiased minimum variance filter-based generator state estimation using PMU measurements for unknown generator input | |
Zhang et al. | Dynamic state estimation of a grid-connected converter of a renewable generation system using adaptive cubature Kalman filtering | |
Tang et al. | Data-Driven Extension of “Measurement-Based Fast Coordinated Voltage Control for Transmission Grids” | |
Shi et al. | Enabling model-based LTI for large-scale power system security monitoring and enhancement with graph-computing-based power flow calculation | |
Tbaileh et al. | Robust Matrix Free Power Flow Algorithm for Solving T&D Systems | |
CN111900738B (zh) | 基于补偿算法的三相不平衡潮流计算方法 | |
CN110365021B (zh) | 含环配网潮流计算方法 | |
Augugliaro et al. | Voltage collapse proximity indicators for radial distribution networks | |
Huang et al. | A review on applications of holomorphic embedding methods | |
Setareh et al. | An analytic methodology to determine generators redispatch for proactive damping of critical electromechanical oscillations | |
Du et al. | Three-phase Power Flow Calculation and Static Voltage Stability Analysis of Low Voltage Distribution Network | |
Wang et al. | Robust Forecasting-aided State Estimation of Power System Based on Square Root Unscented Particle Filter | |
Angel et al. | Dynamic State Estimation of Electric Power Systems Using Kalman Filtering Techniques | |
Gao et al. | Dynamic State Estimation for power system based on M-UKF algorithm | |
Sanchez-Acevedo et al. | Accuracy Analysis of a Dynamic State Estimator with a Hardware in the Loop Approach | |
Al-Saadi et al. | Voltage stability evaluation by using extended modal analysis with dynamic internal impedance of synchronous generators |
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 |