CN113675951B - 基于pmu、scada混合量测的电力***动态状态估计方法 - Google Patents
基于pmu、scada混合量测的电力***动态状态估计方法 Download PDFInfo
- Publication number
- CN113675951B CN113675951B CN202110975112.9A CN202110975112A CN113675951B CN 113675951 B CN113675951 B CN 113675951B CN 202110975112 A CN202110975112 A CN 202110975112A CN 113675951 B CN113675951 B CN 113675951B
- Authority
- CN
- China
- Prior art keywords
- measurement
- pmu
- rtu
- state
- node
- 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.)
- Active
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 155
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 238000005070 sampling Methods 0.000 claims description 35
- 239000011159 matrix material Substances 0.000 claims description 27
- 239000000203 mixture Substances 0.000 claims description 11
- 238000011160 research Methods 0.000 claims description 9
- 238000002347 injection Methods 0.000 claims description 6
- 239000007924 injection Substances 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000003068 static effect Effects 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- 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
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
- H02J3/242—Arrangements for preventing or reducing oscillations of power in networks using phasor measuring units [PMU]
-
- 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
- Y04S10/40—Display of information, e.g. of data or controls
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Human Computer Interaction (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种基于PMU、SCADA混合量测的电力***动态状态估计方法,属于电力***状态监测与控制技术领域。其技术方案为:包括首先通过电力***实时的网络参数和拓扑结构以及负荷输出的动态变化读取实时电网数据,其次,在电力***正常运行下构建电力***动态模型、RTU量测方程、PMU量测方程和混合量测表达式,继而在描绘出量测方程以及配置PMU后,结合扩展卡尔曼滤波基础对电力***进行多源异步动态状态估计,最后判断估计截止条件。本发明的有益效果为:本发明克服混合量测下采集信息频率不一致问题,混合量测以及PMU的引入能够提高***状态估计的准确性,得到实时更优的估计算法,具有使电力控制更安全、准确、实时的特点。
Description
技术领域
本发明涉及电力***状态监测与控制技术领域,尤其涉及基于PMU、SCADA混合量测的电力***动态状态估计方法。
背景技术
电力***作为国家和社会最为重要的关键基础设施,其运行安全性和可靠性是首要关注的问题。随着科技时代飞速发展,电网结构日益复杂,运行日益繁重,容易引发电网问题,小到电网电能损耗增大,严重情况下会造成电力***的灾害。一旦发生,电网问题不仅影响人们的正常生活,甚至对社会的经济发展带来阻碍。
传统通过电力***静态状态估计仅仅根据某时刻测量数据,确定该时刻的状态量的估计,不能满足对电力***实时经济调度和预防控制的要求,而早期的基本加权最小二乘估计算法对电力***进行状态估计已成为普遍。
然而近年来,基于全球卫星定位***的PMU逐步应用于电力***中,PMU既可以量测节点电压,也能够提供相关支路电流的相角量测,并且量测与***状态是线性关系。与传统非线性状态估计方法相比,基于PMU量测的线性状态估计精度更高并且计算速度更快。因此,针对复杂电力***,开展混合量测下的电力***动态状态估计研究具有重要的实际意义和应用价值。
随着电力***动态状态估计技术的发展,基于PMU/SCADA混合量测下分布式扩展卡尔曼滤波的电力***动态状态估计方法被提出用于解决上述问题。
发明内容
本发明的目的在于提供一种基于PMU、SCADA混合量测的电力***动态状态估计方法,能够准确的量测出电力***的状态,从而为电力***的稳定性运行提供必要的依据,更好的监测***各节点运行状态(电压幅值和相角),该方法通过设计分布式量测值来解决量测装置采样异步问题,利用来自RTU和PMU的量测数据实时、准确的预测电力***状态。
本发明是通过如下措施实现的:基于PMU、SCADA混合量测的电力***动态状态估计方法,包括如下步骤:
a.通过准稳态模型描绘出电力***动态状态方程;
b.结合不同采样速率的RTU、PMU量测装置、各个节点线路间的有功功率与节点有功功率注入以及电压幅值构建以采样速率表示的RTU量测方程,再根据配置后的PMU,构建以采样速率表示的PMU量测方程同时构建出RTU与PMU的混合量测方程;;
c.利用多源异步混合量测方程在扩展卡尔曼滤波基础上对电力***进行动态状态估计。
进一步的,所述步骤a中,在标准S节点***研究下描述电力***的准稳态模型(默认***节点1的电压相角是参考相角,因此不作为状态变量):
xk+1=Fkxk+uk+wk
其中,xk是k时刻的(2S-1)×1维状态量,即***各节点的电压相角和电压幅值;Fk(·)是适维状态转移函数;uk是(2S-1)×1维输入参数项;wk是(2S-1)×1维过程噪声且服从零均值的正态分布,即w~N(0,Q),Q为((2S-1)×1)×((2S-1)×1)维***误差协方差矩阵。
进一步的,量化步骤b中RTU的量测方程,主要包括构建量测向量、结合RTU采样频率量化其量测表达式:
构建量测向量:由线路间的有功功率、各节点的有功功率和各节点电压幅值组成,线路间有功功率和节点的有功功率方程表示为:
Pij(θij,Uij)=Ui 2(gsi+gij)-UiUj(gijcosθij+bijsinθij)
其中,θij是母线i和j之间的电压相角;Ui、Uj分别为母线i和j的电压幅值;gij、bij分别是线路ij的电导和电纳;gsi是分流支路ij的电导;Gij、Bij分别是导纳矩阵中元素ij的实部和虚部。
结合节点电压幅值Ui(Ui)构建RTU的量测向量:
线性化研究对象,利用泰勒展开略去二阶及其以上项,得到线性化后的RTU量测向量:
结合RTU采样频率量化其量测表达式:考虑存在测量误差的存在,RTU量测方程为:
zR(k)=HRxR(k)+vR(k)
其中,zR(k)为(mR×1)维RTU的量测向量;HR为(mR×((2S-1)×1))维的状态量系数矩阵;xR(k)为(2S-1)×1维仅安装RTU量测装置时的状态量;vR(k)为(mR×1)维量测误差向量且服从零均值的正态分布,即vR~N(0,RR),RR为(mR×mR)维量测误差方差矩阵;mR为单独安装RTU时的量测量个数;x0为线性化点。
假设整个采样周期为h个时间断面,zR(k)的采样周期为TR=LRh;zP(k)的采样周期为TP=LPh,令M为LR和LP的最小公倍数,ql=M/Ll,l=R,P分别为RTU与PMU在公共周期内的采样数,将RTU量测方程描述成:
ZR(ks)=HRxR(ks)+vR(ks)
其中,ks=LRk表示慢速率时间指标。
进一步的,量化步骤b中PMU的量测方程,主要包括构建量测向量、结合PMU采样频率量化其量测表达式:
式中,zP(k)为(2l×1)维PMU的量测向量,HP为(2l×((2S-1)×1))维的状态量系数矩阵,xP(k)为(2S-1)×1维单独安装PMU量测装置时的状态量(包含电压幅值与相角),vP(k)为(2l×1)维量测误差向量且服从零均值的正态分布,即vP~N(0,RP),RP为(2l×2l)维量测误差方差矩阵。注:i=2l,且默认将节点1的电压相角作为参考相角,该处电压相角为0。
结合PMU采样频率量化其量测表达式:zP(k)表示PMU在k时刻的量测值。假设安装了l个PMU,在节点处安装,主要测量安装该量测装置的***节点处母线电压幅值和相角以及支路电流的幅值和相角。考虑存在测量噪声vP,容易得到PMU的量测方程:
zP(ks')=HPxP(ks')+vP(ks')
其中,ks'=LPk。
进一步的,步骤b中构建混合量测:处于混合状态估计的时刻,SCADA数据、PMU数据均更新,此时混合量测由RTU、PMU的量测方程共同表示,PMU每隔LP时刻采样一次,RTU每隔LR时刻采样一次,每隔M时刻PMU与SCADA/RTU均可采集到量测值,此时混合量测表达式描述如下:
式中,Zmix(k)为((mR+2l)×1)维混合量测向量,x(k)为(n×1)维混合量测下的状态量,vmix(k)为((mR+2l)×1)维混合量测误差向量且服从零均值的正态分布,即vmix~N(0,Rm),Rm为((mR+2l)×(mR+2l))维量测误差方差矩阵。
除此以外,考虑只有快采样速率量测装置PMU数据更新时,只有慢采样速率量测装置RTU数据更新时,容易表示多源异步量测为:
进一步的,步骤c中,得到RTU、PMU量测方程和混合量测方程的前提下,利用多源异步混合量测方程,结合扩展卡尔曼滤波对电力***进行动态状态估计,包括参数辨识、状态预测和状态滤波:
参数辨识:步骤a中***的状态转移量Fk以及输入项uk难以量化出具体的数学形式,提出Holt’s两参数指数平滑模型来辨识状态转移量Fk和输入参数项uk。
Pk+1|k=FkPk|kFk T+Qk
Kk+1=Pk+1|kHθ T[HθPk+1|kHθ T+Rθ]-1
Pk+1|k+1=[In-Kk+1Hθ]Pk+1|k
其中,θ∈{R,P,mix}。
与现有技术相比,本发明的有益效果为:
1)本发明中引入量测装置PMU能够为***提供实时准确的电压幅值、相角等量测值,将RTU与PMU混合的量测算法,增加了***量测冗余度,并且PMU采样间隔短,提高了对电力***进行的状态估计的精度。
2)本发明针对RTU与PMU这两个采样速率不同的量测装置通过分时段分析的方法,构建分步式量测表达式,利用简单的数学表达式,容易实现多速率采样装置混合量测采样的情况。这种方法能够准确的量测出电力***的状态,从而进一步促进电力公司的发展。
3)现有技术中直接将PMU精确测得的节点电压幅值和相角数据参与状态估计,没有考虑PMU量测装置与RTU量测装置采样频率异步的问题,本发明很好解决了多源异步量测难以混合问题,并结合扩展卡尔曼滤波得到较好的状态估计量。
4)本发明从解决RTU、PMU混合量测采样异步问题的角度建立电力***动态状态估计模型,更符合电力量测装置读取数据实际运行情况。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
图1为本发明的整体流程图。
图2为本发明中采用的π型等效电路量测计算图。
图3为本发明中RTU、PMU混合量测数据的融合过程图。
图4为本发明实施例中IEEE9测试图。
图5本发明中7节点电压幅值估计图。
图6为本发明中7节点电压幅值平均误差百分比图。
图7为本发明中算法整体性能指标图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。当然,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
实施例1
参见图1至图7,本发明提供其技术方案为,本发明提供了基于PMU、SCADA混合量测的电力***动态状态估计方法,流程如图1所示,包括以下步骤:
(1)读取电网数据
本步骤中,通过电力***实时的网络参数和拓扑结构以及负荷输出的动态变化读取实时电网数据。
(2)电力***动态模型、RTU量测方程、PMU量测方程和混合量测表达式,电力***在正常运行的情况下,其状态量随着负荷的变化而变化,状态量x主要为电压幅值和相角。本步骤中,电力***用准稳态模型描述如下(假设参考相角是节点1的电压相角,不作为状态变量):
xk+1=Fkxk+uk+wk
其中,xk是k时刻的(n×1)维状态量,即***各节点的电压相角和电压幅值;Fk(·)是(n×1)维状态转移函数;uk是(n×1)维输入参数项;wk是(n×1)维过程噪声且服从零均值的正态分布,即w~N(0,Q),Q为(n×n)维***误差协方差矩阵.
优选地,RTU的量测向量由各节点线路间的有功功率、各节点的有功功率和节点电压幅值组成,下面通过图2典型π型等效电路的相关量测所采用的量测函数进行说明,gij、bij分别是线路ij的电导和电纳;gsi是分流支路ij的电导;Gij、Bij分别是导纳矩阵中元素ij的实部和虚部。线路间有功功率和节点的有功功率方程表示为:
Pij(θij,Uij)=Ui 2(gsi+gij)-UiUj(gijcosθij+bijsinθij)
结合节点电压幅值Ui(Ui)构建RTU的量测向量:
线性化研究对象,利用泰勒展开略去二阶及其以上项,得到线性化后的RTU量测向量,考虑存在测量误差的存在,RTU量测方程为:
zR(k)=HRxR(k)+vR(k)
其中,zR(k)为(mR×1)维RTU的量测向量;HR为(mR×((2S-1)×1))维的状态量系数矩阵;xR(k)为(2S-1)×1维仅安装RTU量测装置时的状态量;vR(k)为(mR×1)维量测误差向量且服从零均值的正态分布,即vR~N(0,RR),RR为(mR×mR)维量测误差方差矩阵;mR为单独安装RTU时的量测量个数;x0为线性化点。
优选地,考虑不同量测装置的采样频率不同,将上述一般RTU量测方程写为如下形式:
ZR(ks)=HRxR(ks)+vR(ks)
其中,ks=LRk表示慢速率时间指标,整个采样周期为h个时间断面,zR(k)的采样周期为TR=LRh;zP(k)的采样周期为TP=LPh,令M为LR和LP的最小公倍数,ql=M/Ll,l=R,P分别为RTU与PMU在公共周期内的采样数。
式中,zP(k)为(2l×1)维PMU的量测向量,HP为(2l×((2S-1)×1))维的状态量系数矩阵,xP(k)为(2S-1)×1维单独安装PMU量测装置时的状态量(包含电压幅值与相角),vP(k)为(2l×1)维量测误差向量且服从零均值的正态分布,即vP~N(0,RP),RP为(2l×2l)维量测误差方差矩阵。注:i=2l,且默认将节点1的电压相角作为参考相角,该处电压相角为0。
结合PMU采样频率量化其量测表达式:zP(k)表示PMU在k时刻的量测值。假设安装了l个PMU,在节点处安装,主要测量安装该量测装置的***节点处母线电压幅值和相角以及支路电流的幅值和相角。考虑存在测量噪声vP,容易得到PMU的量测方程:
zP(ks')=HPxP(ks')+vP(ks')
其中,ks'=LPk。
优选地,构建混合量测表达式,处于混合状态估计的时刻,SCADA数据、PMU数据均更新,此时混合量测由RTU、PMU的量测方程共同表示,PMU每隔LP时刻采样一次,RTU每隔LR时刻采样一次,每隔M时刻PMU与SCADA/RTU均可采集到量测值,此时混合量测表达式描述如下:
式中,Zmix(k)为((mR+2l)×1)维混合量测向量,x(k)为(n×1)维混合量测下的状态量,vmix(k)为((mR+2l)×1)维混合量测误差向量且服从零均值的正态分布,即vmix~N(0,Rm),Rm为((mR+2l)×(mR+2l))维量测误差方差矩阵。
除此以外,考虑只有快采样速率量测装置PMU数据更新时,只有慢采样速率量测装置RTU数据更新时,易表示多源异步量测为:
(3)电力***动态状态估计
在描绘出量测方程以及配置PMU后,本步将在扩展卡尔曼滤波基础上对电力***进行多源异步动态状态估计。
***的状态转移量Fk以及输入项uk难以量化出具体的数学形式,提出Holt’s两参数指数平滑模型来辨识状态转移量Fk和输入参数项uk。在标准S节点***研究下,***的状态和协方差矩阵Pk+1|k预测结果为:
Pk+1k=FkPkkFk T+Qk
Kk+1=Pk+1|kHθ T[HθPk+1|kHθ T+Rθ]-1
Pk+1|k+1=[In-Kk+1Hθ]Pk+1|k
其中,不同采样时刻对应更新不同的量测值,θ∈{R,P,mix}。
(4)估计截止判断
若对电力***在N个时间断面进行状态估计,当k>N时,仿真结束,输出各个节点的电压幅值和相角,否则转步骤3。
本发明在MatlabR2018a环境下,以图4所示标准9节点测试***为例,对本发明所设计的方法进行验证。节点负荷输出曲线由线性趋势和随机扰动组成,扰动为零均值正态分布高斯白噪声,方差为0.01,节点状态真实值随着节点负荷输出值实时改变而动态变化,结合Matlab中的Matpower得到状态真实值。量测向量由27个观测值组成,分别是支路间有功功率P1-4,P4-5,P5-6,P3-6,P6-7,P7-8,P8-2,P8-9,P9-4;节点间有功功率P1,P2,P3,P4,P5,P6,P7,P8,P9;电压幅值V1,V2,V3,V4,V5,V6,V7,V8,V9。节点4、8配置了PMU,假设PMU的电压和电流相量的标准差均是0.001,SCADA***的测量数据标准差为0.01,测量数据的数据标准差为0.01,此外,***各个节点的有功注入量测、各节点支路间的有功功率注入、电压幅值量测可由相关量测函数计算得到。
首先,Fk、uk可以根据Holt’s两参数指数平滑模型实时更新,即:
其中,相关参数赋初值a1=[0.8;0.8;0.8;0.8;0.8;0.8;0.8;0.8;0.8;0.8;0.8;0.8;0.8;0.8;0.8;0.8;0.8],α=0.65,β=0.1,b1=[0.2;0.2;0.2;0.2;0.2;0.2;0.2;0.2;0.2;0.2;0.2;0.2;0.2;0.2;0.2;0.2;0.2]。其次,假设RTU的采样频率是5个时间断面采样1次LR=5,PMU的采样频率是1个时间断面采样1次LP=1,M为LR和LP的最小公倍数M=5。于是,以第1个时间断面为初始采样时刻,如图3所示此时PMU、RTU均更新量测值,第2~5个时间断面间RTU不存在量测值,PMU实时更新量测值,第6个时间断面PMU、RTU均更新量测值,以此类推。混合量测描述为:
继而,利用构建电力***动态模型、RTU量测方程、PMU量测方程和混合量测表达式,参数辨识和状态预测滤波这几步,动态状态估计器就可根据已知的量测估计出***的运行状态。最后,若对电力***在30个时间断面进行状态估计,当k>30时,仿真结束,输出节点7的电压幅值和相角,否则继续进行动态状态估计。
此外,定义指标:电压幅值估计值平均相对误差值εvi_gj以及***整体性能指标Jk,描述为:
其中,Vi fil(k)是第i个电压幅值在k时刻的滤波估计值,Vi T(k)是第i个电压幅值在k时刻的真实值。
结果说明:
测试结果如图5、图6和图7所示,图5给出了本发明以标准9节点测试***的节点7的电压幅值为状态监测量,对其进行动态状态估计,可以看出本方法得到的状态估计值与状态真实值相差很小,说明估计精度高、实时预测性强,能很好地追踪***的运行状态;图6给出了在一定采样周期下节点7电压幅值平均误差百分比图,图中看出误差保持在0.03内,误差越小表明估计精度越准确;图7给出了以节点7的量测值为例算出***整体性能指标变化趋势,实际是状态估计值与真实值间的方差值,方差值越小说明估计精度越准确,图中看出在一定采样周期下方差均趋向于0,表明本发明提高了***动态状态估计的准确性,得到更优的估计算法。此外,本发明方法整个状态估计过程仿真时间短,估计速度快。
综上,本发明在基于扩展卡尔曼滤波对电力***动态状态估计研究的基础上,本发明利用来自SCADA和PMU的量测数据实时快速的预测出电力***各节点运行状态,克服了将RTU与PMU混合量测后估计电网状态过程中不同的量测装置存在不同的采样频率,导致多源数据融合时产生采样频率异步的问题,确保持量测信息的一致性,并且估计精度高、实时预测性强,为提高配电网量测精度以及更好预测***未来运行状态信息提供数据支持,这些特征对于未来智能电网建设具有很重要的意义。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.基于PMU、SCADA混合量测的电力***动态状态估计方法,其特征在于,包括以下步骤:
a.通过准稳态模型描绘出电力***动态状态方程;
所述步骤a中在标准S节点***研究下构建电力***的准稳态模型如下:
xk+1=Fkxk+uk+wk
其中,xk是k时刻的(2S-1)×1维状态量,即***各节点的电压相角和电压幅值;Fk()是适维状态转移函数;uk是(2S-1)×1维输入参数项;wk是(2S-1)×1维过程噪声且服从零均值的正态分布,即w~N(0,Q),Q为((2S-1)×1)×((2S-1)×1)维***误差协方差矩阵;
b.结合不同采样速率的RTU、PMU量测装置、各个节点线路间的有功功率与节点有功功率注入以及电压幅值构建以采样速率表示的RTU量测方程,再根据配置后的PMU,构建以采样速率表示的PMU量测方程,构建出RTU与PMU的混合量测方程;
所述步骤b中构建RTU量测方程、PMU量测方程和混合量测表达式如下:
RTU的量测向量由各节点线路间的有功功率、各节点的有功功率和节点电压幅值组成,线路间有功功率和节点的有功功率方程表示为:
Pij(θij,Uij)=Ui 2(gsi+gij)-UiUj(gijcosθij+bijsinθij)
其中,gij、bij分别是线路ij的电导和电纳;gsi是分流支路ij的电导;Gij、Bij分别是导纳矩阵中元素ij的实部和虚部;
结合节点电压幅值Ui(Ui)构建RTU的量测向量:
线性化研究对象,利用泰勒展开略去二阶及其以上项,得到线性化后的RTU量测向量,考虑存在测量误差的存在,RTU量测方程为:
zR(k)=HRxR(k)+vR(k)
其中,zR(k)为(mR×1)维RTU的量测向量;HR为(mR×((2S-1)×1))维的状态量系数矩阵;xR(k)为(2S-1)×1维仅安装RTU量测装置时的状态量;vR(k)为(mR×1)维量测误差向量且服从零均值的正态分布,即vR~N(0,RR),RR为(mR×mR)维量测误差方差矩阵,x0为线性化点;
考虑不同量测装置的采样频率不同,将上述RTU量测方程写为如下形式:
ZR(ks)=HRxR(ks)+vR(ks)
其中,ks=LRk表示慢速率时间指标,整个采样周期为h个时间断面,zR(k)的采样周期为TR=LRh;zP(k)的采样周期为TP=LPh,令M为LR和LP的最小公倍数,ql=M/Ll,l=R,P分别为RTU与PMU在公共周期内的采样数;
式中,zP(k)为(2l×1)维PMU的量测向量,HP为(2l×((2S-1)×1))维的状态量系数矩阵,xP(k)为(2S-1)×1维单独安装PMU量测装置时的状态量,vP(k)为(2l×1)维量测误差向量且服从零均值的正态分布,即vP~N(0,RP),RP为(2l×2l)维量测误差方差矩阵;
结合PMU采样频率量化其量测表达式:假设安装了l个PMU,在节点处安装,主要测量安装该量测装置的***节点处母线电压幅值和相角以及支路电流的幅值和相角;考虑存在测量噪声vP,容易得到PMU的量测方程:
zP(ks')=HPxP(ks')+vP(ks')
其中,ks'=LPk;
构建混合量测表达式,处于混合状态估计的时刻SCADA数据、PMU数据均更新,此时混合量测由RTU、PMU的量测方程共同表示,PMU每隔LP时刻采样一次,RTU每隔LR时刻采样一次,每隔M时刻PMU与SCADA/RTU均可采集到量测值,此时混合量测表达式描述如下:
式中,Zmix(k)为((mR+2l)×1)维混合量测向量,x(k)为(n×1)维混合量测下的状态量,vmix(k)为((mR+2l)×1)维混合量测误差向量且服从零均值的正态分布,即vmix~N(0,Rm),Rm为((mR+2l)×(mR+2l))维量测误差方差矩阵;
除此以外,考虑只有快采样速率量测装置PMU数据更新时,只有慢采样速率量测装置RTU数据更新时,易表示多源异步量测为:
c.利用多源异步混合量测方程在扩展卡尔曼滤波基础上对电力***进行动态状态估计;
所述步骤c中利用多源异步混合量测方程在扩展卡尔曼滤波基础上对电力***进行动态状态估计:利用Holt’s两参数指数平滑模型来辨识状态转移量Fk和输入参数项uk,在标准S节点***研究下,***的状态和协方差矩阵Pk+1|k预测结果为:
Pk+1k=FkPkkFk T+Qk
Kk+1=Pk+1kHθ T[HθPk+1kHθ T+Rθ]-1
Pk+1k+1=[In-Kk+1Hθ]Pk+1k
若对电力***在N个时间断面进行状态估计,当k>N时,仿真结束,输出各个节点的电压幅值和相角,否则继续对状态进行更新滤波。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110975112.9A CN113675951B (zh) | 2021-08-24 | 2021-08-24 | 基于pmu、scada混合量测的电力***动态状态估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110975112.9A CN113675951B (zh) | 2021-08-24 | 2021-08-24 | 基于pmu、scada混合量测的电力***动态状态估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113675951A CN113675951A (zh) | 2021-11-19 |
CN113675951B true CN113675951B (zh) | 2023-05-12 |
Family
ID=78545630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110975112.9A Active CN113675951B (zh) | 2021-08-24 | 2021-08-24 | 基于pmu、scada混合量测的电力***动态状态估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113675951B (zh) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113255959B (zh) * | 2021-04-09 | 2023-05-02 | 广东电网有限责任公司电力调度控制中心 | 一种电力***动态状态估计方法及*** |
-
2021
- 2021-08-24 CN CN202110975112.9A patent/CN113675951B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113675951A (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110471024B (zh) | 一种基于量测数据分析的智能电表在线远程校验方法 | |
CN107271768B (zh) | 一种最小二乘拟合动态频率测量方法 | |
CN107453357B (zh) | 一种基于分层求解的配电网状态估计方法 | |
CN104777426B (zh) | 一种基于无迹变换强跟踪的发电机动态状态估计方法 | |
CN104134999B (zh) | 基于多数据源的配电网量测有效性分析实用化计算方法 | |
CN107679768B (zh) | 一种基于电网实时数据的态势感知***及其构建方法 | |
CN102163844B (zh) | 基于相量测量装置的电力***状态检测方法 | |
CN108155648A (zh) | 基于自适应h无穷扩展卡尔曼滤波的状态估计方法 | |
CN106707061A (zh) | 基于混合量测的配电网动态状态估计方法 | |
CN107037374A (zh) | 一种锂离子电池的soc和soh联合估计方法 | |
CN107565553A (zh) | 一种基于ukf的配电网抗差动态状态估计方法 | |
CN102779238A (zh) | 一种基于自适应卡尔曼滤波的无刷直流电机***辨识方法 | |
CN104795819B (zh) | 一种基于强跟踪集员估计的电力***状态估计方法 | |
CN100554976C (zh) | 基于同步相量测量的区域电压稳定性监视方法 | |
CN104793053A (zh) | 一种基于dft的同步相量相角测量方法 | |
CN111460374A (zh) | 一种考虑节点差异性的配电网d-pmu优化配置方法 | |
CN103606113A (zh) | 基于pmu装置的电力***静态状态估计方法 | |
CN102868160A (zh) | 智能电网广域负荷建模方法 | |
CN113595058A (zh) | 配电网状态估计量测数据的处理方法 | |
CN111581768A (zh) | 一种基于混合量测的配电网分布式状态估计方法 | |
CN103412171B (zh) | 一种基于极端学习机的电网谐波电压信号检测方法 | |
CN115081299A (zh) | 一种基于upf的电力***鲁棒辅助预测状态估计方法 | |
CN110707693B (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 | |
CN113962053A (zh) | 一种基于多断面智能仪表数据的配电网状态评估方法 | |
CN113675951B (zh) | 基于pmu、scada混合量测的电力***动态状态估计方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |