电力系统状态估计_检测及辨识
1995电力系统状态估计中的不良数据辨识
电力系统状态估计中的不良数据辨识李钊年(青海大学水电系,青海西宁 810016)摘要 文中以电力系统状态估计理论为依据,给出了一种新的不良数据检测和辨识的方法 Hypothesis 状态估计法。
关键词 状态估计 不良数据 辨识中图分类号:TM74 文献标识码:AIdentification of Bad Data of Electric PowerSystem State EstimationLi Zhaonian(Hydroelec tric Department of Qinghai University,Xining 810016)Abstract Based on the basis of the theory of elec tric po wer system state estimation,the Hypothesisalgorithm is presented in this paper.Key words state estima tion,bad data,identification状态估计是利用实时量测系统的冗余度来提高数据精度,自动排除随机干扰所引起的错误信息,估计或预报系统的运行状态(或轨迹)的。
它以测量误差的统计特点为基础,用数理统计的方法计算估计值。
以前,电力系统的结构相对比较简单,有经验的调度人员根据量测量的极限检查、量测量的突变检查和量测量的相关检查三个原则,可以正确判断不良数据,排除它们的影响,正确掌握系统运行状态。
但是,随着电力系统的日益扩大和调度手段的现代化,这种人工检测和辨识已不能满足实际运行的要求。
如今,在现代化的高度系统中,计算机的高度自动化功能已越来越多的应用于电力系统的状态估计中。
在实际应用中,不良数据检测和辨识的实时性,一方面要靠硬件装置的提高,减少不良数据的机会;另一方面要从软件着手,人为主动地检测和辨识出不良数据。
因此,如何借助于计算机所具备的程序这一强大功能,建立一个可靠而完整的数据的质量,是进一步提高计算机在线应用水平的关键。
电力系统自动化 第四章 电力系统状态估计
第二节 状态估计的数学 模型及算法
一、状态估计的数学描述
Pij Qij z = Pi Qi Vi
数学模型
量测量
待求的 状态量
θ i x= Vi
数学模型
一、状态估计的数学描述
Pij (θ ij , Vij ) Qij (θ ij , Vij ) 量测方程 h(x) = Pi (θ ij , Vij ) Qi (θ ij , Vij ) Vi (Vi )
(l ) (l )
, θ (l )
, θ (l )
] ]
不良数据
第三节 不良数据的检测与辨识
不良数据：误差大于某一标准（ 不良数据：误差大于某一标准（如3~10 倍标准方差）的量测数据。 倍标准方差）的量测数据。 不良数据的检测： 不良数据的检测：对SCADA原始量测数据 原始量测数据 的状态估计结果进行检查， 的状态估计结果进行检查，判断是否存在 不良数据并指出具体可疑量测数据的过程。 不良数据并指出具体可疑量测数据的过程。 不良数据的辨识： 不良数据的辨识：对检测出的可疑数据验 证真正不良数据的过程。 证真正不良数据的过程。
不良数据
三、不良数据的辨识方法
3、零残差辨识法：既然辨识不良数据的 零残差辨识法： 过程就是削弱和排除不良数据对状态估 计结果影响的过程，那么不改变权重， 计结果影响的过程，那么不改变权重， 将可疑量测的残差置0也可以达到目的。 将可疑量测的残差置0也可以达到目的。 总体型估计辨识法： 4、总体型估计辨识法：根据残差方程将 残差看成是对不良数据的量测， 残差看成是对不良数据的量测，那么由 残差就可以估计出不良数据。 残差就可以估计出不良数据。
一、不良数据检测与辨 识的基本原理
8-电力系统状态估计
主要参考教材： 电力系统分析
诸俊伟
第一节 概
述
考察任何目标的运动状态 x，如果已知其运 动规律，则可以根据理想的运动方程从状态 初值推算出任一时刻的状态。这种方法是确 定性的，不存在任何估计问题。
在，则这种运动方程是无法精确求解的。即 使采取了各种近似处理，其计算结果也必然 会出现某种程度的偏差而得不到实际状态(或 称为状态真值)。 我们把这种环境叫做噪声环境，并把这些介 入的和不可预测的随机因素或干扰称为动态 噪声。干扰或噪声具有随机性。因而，状态 计算值的偏差也具有随机特性。
经过前面的学习，我们很容易写出状态变量 x与 ek Gik f k Bik f i f k 测 支路潮流的 非线性函数表达式
N
N
Qi f i ek Gik f k Bik ei f k Gik ek Bik
12 2 2 R 2 m
电力系统状态能够被表征的必要条件是它的可观察性。如 果对系统进行有限次独立的观察(测量)，由这些观察向量 所确定的状态是唯一的，就称该系统是可观察的。在线性
系统中，可以由式 z=h(x)+v 的雅可比矩阵H来确定:
从掌握电力系统运行情况的要求来看，总是希望 能有足够多的测量信息通过远动装置送到调度中 心，但从经济性与可能性来看，只能要求将某些 必不可少的信息送到调度中心，通常称能足够表 征电力系统特征所需最小数目的变量为电力系统 的状态变量。 电力系统状态估计就是要求能在测量量有误差的 情况下，通过计算以得到可靠的并且为数最少的 状态变量值。
为了满足状态估计计算的上述需要，对电力系统 的测量量在数量上要求有一定的裕度。通常将全 系统中独立测量量的数目与状态量数目之比，称 为冗余度。 只有具有足够冗余度的测量条件，才可能通过电 力系统调度中心的计算机以状态估计算法来提高 实时信息的可靠性与完整性，建立实时数据库。
电网的参数辨识与状态估计
电网的参数辨识与状态估计电网作为现代工业社会的基础设施之一，承担着电力输送和分配的重要任务。
然而，电网的运行状态受到众多参数的影响，如发电机功率、电缆阻抗、负荷变化等。
因此，对电网参数进行准确辨识和状态估计，是确保电网稳定运行和提高电力系统可靠性的关键任务。
本论文旨在研究电网的参数辨识与状态估计问题，通过分析电网数据，采用先进的研究方案和方法，得出有效的数据分析和结果呈现，最终给出结论与讨论。
一、研究问题及背景电网的参数辨识与状态估计是电力系统领域的热点问题之一。
电网作为一个复杂的动态系统，受到各种外部和内部因素的影响，如天气变化、电力负荷波动等。
这些因素会导致电网参数的变化，进而影响电网的运行状态。
因此，准确辨识电网的参数和估计电网的状态，对于电力系统的安全和稳定运行至关重要。
二、研究方案方法本研究采用数据驱动的方法，通过收集电网的运行数据，进行参数辨识和状态估计。
具体步骤如下：1. 数据采集：收集电网运行过程中的各个关键参数的实时数据。
这些数据可以通过现场采集设备或者虚拟仿真平台获取。
2. 参数辨识：基于采集到的数据，使用统计分析方法或机器学习算法，对电网的关键参数进行辨识。
例如，可以使用最小二乘法或神经网络算法来对电网参数进行拟合和辨识。
3. 状态估计：在获得电网参数的基础上，使用滤波算法或优化算法，通过对电网变量的观测和测量，估计电网的状态。
常用的方法包括卡尔曼滤波法、粒子滤波法等。
三、数据分析和结果呈现在进行参数辨识和状态估计后，本研究将对数据进行分析和结果呈现。
首先，通过对辨识结果和估计状态进行对比和验证，评估辨识和估计的准确性和可靠性。
其次，分析电网参数和状态的变化趋势和规律，揭示电网运行的特点和规律。
最后，将结果呈现为图表和统计数据，直观地展示辨识和估计结果。
四、结论与讨论根据前述的分析和结果，本研究将得出关于电网参数辨识和状态估计的结论和讨论。
评估辨识和估计方法的优缺点，并针对电网的特点提出改进和优化的建议。
电力系统中的不良数据监测和辨识方法
电力系统中的不良数据检测和辨识方法介绍西南交通大学电气学院10专业2班傅广港摘要:简述了电力系统不良数据的检测和辨识的必要性。
列举了目前较为主流的不良数据检测和辨识方法，并对这些方法优缺点作出评价。
关键词：不良数据；检测；辨识；优缺点Ways to detect and identify the bad data in power systemFu Guanggang（College of Electrical and Engineering，Southwest Jiao Tong University) Abstract: This paper expounds the necessity of the bad data detection and the identification in power system, as well as the common methods to realize，and discuss the advantages and disadvantages。
Keywords：bad data ；detect; identify；advantage disadvantage0引言在电力系统的实际运行中，由于量测量和量测通道的误差以及可能受到的干扰，会出现各种测量误差。
而我们电力系统的量测数据，通常可看作有效的量测数据和量测噪声的线性组合，通常情况下量测噪声为白噪声[1]，通过一定的技术处理（如数字滤波、提高量测冗余度等)一般可消除白噪声对电力系统状态估计结果的影响.但当量测数据中包含不良数据时，这些不良数据对电力系统状态估计结果的影响是不容忽视的，电力系统中的不良数据可能会影响调度员做出错误的决策，进而影响电力系统的正常运行,甚至可能威胁整个电力系统的安全。
因此，为了确保电力系统的稳定安全运行，对不良数据的处理有非常重要的意义[2].1不良数据检测和辨识的研究现状不良数据检测与辨识是电力系统状态估计的重要功能之一，其功能是在获得状态估计值的基础上依靠系统提供的多余信息，发现和排除测量采样数据中偶然出现的少数不良数据,以提高状态估计的可靠性。
状态估计中不良数据的混合检测辨识法
Keywords power transformer PD on2line locating
第6期
刘 浩 状态估计中不良数据的混合检测辨识法
19
或发电机组非计划停运等 。量测误差定义为从系统
所获得的错误量测信息 。其主要有两个来源 : ①由
仪表传输等所引起的量测系统误差 。 ②由断路器
关 、断的错误状态信息所引起的网络结构误差 。本
- 01338 - 01139 - 01830 - 01713
01449
节点编号
( i2j)
10211 10212 10213 10215 12213 13214 15216 16217 16218
注 : 实际量测数为 38 个 。
表 3 第二采样线路潮流部分量测值
线路潮流 (标幺值) 有功 无功
因为有突变量的情况下 , a ( i) 也将呈现出较大 的数值而被检测出 ,此法不能区分检测出的可疑数 据是不良数据还是突变量 。本文讨论了用残差检测 法来区分不良数据与突变量 。
4 异常数据的区分
在无不良数据时 ,残差总是很小 ,在有不良数据 时 ,总会有残差较大的量测 。此为区分不良数据与 突变量的依据 。
电力系统状态估计概述
电力系统状态估计研究综述摘要：电力系统状态估计是当代电力系统能量管理系统(EMS)的重要组成部分。
本文介绍了电力系统状态估计的概念、数学模型，阐述了状态估计的必要性及其作用，系统介绍了状态估计的研究现状，最后对状态估计的研究方向进行了展望。
关键词：电力系统；状态估计；能量管理系统0引言状态估计是当代电力系统能量管理系统(EMS)的重要组成部分，尤其在电力市场环境中发挥更重要的作用。
它是将可用的冗余信息(直接量测值及其他信息) 转变为电力系统当前状态估计值的实时计算机程序和算法。
准确的状态估计结果是进行后续工作(如安全分析、调度员潮流和最优潮流等)必不可少的基础。
随着电力市场的发展，状态估计的作用更显重要⑴o状态估计的理论研究促进了工程应用，而状态估计软件的工程应用也推动了状态估计理论的研究和发展。
迄今为止，这两方面都取得了大量成果。
然而，状态估计领域仍有不少问题未得到妥善解决，随着电力系统规模的不断扩大，电力工业管理体制向市场化迈进，对状态估计有了新要求，各种新技术和新理论不断涌现，为解决状态估计的某些问题提供了可能。
本文就电力系统状态估计的研究现状和进一步的研究方向进行了综合阐述。
1电力系统状态估计的概念1.1电力系统状态估计的基本定义状态估计也被称为滤波，它是利用实时量测系统的冗余度来提高数据精度，自动排除随机干扰所引起的错误信息，估计或预报系统的运行状态(或轨迹)o 状态估计作为近代计算机实时数据处理的手段，首先应用于宇宙飞船、卫星、导弹、潜艇和飞机的追踪、导航和控制中。
它主要使用了六十年代初期由卡尔曼、布西等人提出的一种递推式数字滤波方法，该方法既节约内存，又大大降低了每次估计的计算量[2,4]o电力系统状态估计的研究也是由卡尔曼滤波开始。
但根据电力系统的特点，即状态估计主要处理对象是某一时间断面上的高维空间(网络)问题，而且对量测误差的统计知识又不够清楚，因此便于采用基于统计学的估计方法如最小方差估计、极大验后估计、极大似然估计等方法，目前很多电力系统实际采用的状态估计算法是最小二乘法。
第四章 电力系统状态估计.ppt
不良数据
三、不良数据的辨识方法
1、残差搜索法：将量测按残差（加权残 差或标准化残差）由大到小排队，去掉 残差最大的量测重新进行状态估计。再 进行残差检测，还有可疑数据时继续上 述过程。
2、非二次准则辨识法：在迭代中按残差 的大小修改其权重，残差大者降低其权 重，进一步削弱其影响得到较准确的状 态估计结果。
第2类基尔霍夫型伪量测量：0阻抗支路
i j 0 (i, j ZBR)
Vi V j 0 (i, j ZBR)
x
Pij
Qij
(i, j ZBR)
二、基本加权最小二乘 数学模型 法状态估计
迭代修正式
xˆ (l) H T ( xˆ (l) )R1H ( xˆ (l) ) H T ( xˆ )(l) R1 z h( xˆ (l) )
不良数据
二、不良数据的检测方法
1、粗检测 2、残差型检测
加权残差检测 标准残差检测
rw,i rw rN,i rN
3、量测突变检测
Ci c
Ci
z
( i
k
)
z (k 1) i
不良数据
二、不良数据的检测方法
4、残差与突变联合检测
Si k
Si rw,i K rw Cw,i Kcw
Pij Qij
z
Pi
Qi
Vi
待求的 状态量
x
i
Vi
数学模型
一、状态估计的数学描述
量测方程
Pij (ij ,Vij )
高等电力系统稳态分析 第三章 电力系统状态估计
二、电力系统状态估计－必要性
电力系统需要随时监视系统的运行状态 需要提供调度员所关心的所有数据 测量所有关心的量是不经济的，也是不 可能的，需要利用一些测量量来推算其 它电气量 由于误差的存在，直接测量的量不甚可 靠，甚至有坏数据
三、状态估计的作用
降低量测系统投资，少装测点 计算出未测量的电气量 利用量测系统的冗余信息，提高量测数 据的精度
对角元随测量量的增多而减小，亦即测量越多 时，估计越准确。 测量量的测量值与估计值的差，称为残差r， 表达式为：
ˆ Hx v Hx ˆ r zz
[I H(HT R 1H)1 HT R 1 ]v Wv
式中W称为残差灵敏度矩阵，表示残差与测量 误差之间的关系
一、最小二乘原理
令
J ( x) 0 2500x 3 3400x 5740 x x 1.36x 2.296 0 x 0.9852 x2,3 0.4926 j1.445
3
二、例题
状态的估计值x=0.9852 量测的估计值： 电流I=x=0. 9852 p.u.=0.9852A 电压U=Rx=0.9852p.u.=9. 852V 有功P=Rx2=0.9706p.u.=9.706W 量测的残差值： 电流残差νI=1.05-
由于通常测量误差的均值为零，所以估 计误差的均值为
ˆ ) (HTR 1H)1 HTR 1 E( v) 0 E (x x
在工程中往往以估计误差的协方差阵来 衡量状态量的估计值与真值间的差异， 估计误差的协方差阵为
T 1 1 T 1 T 1 T 1 T 1 1 T
T ˆ ˆ c E[(x x)(x x) ]
电力系统状态估计(1)
一．概述
状态估计中的“估计”不意味着不准确， 相反，对于实际运行的系统来说，不能 认为潮流计算是绝对准确的，而状态估 计的值显然更准确。 状态估计可认为是一种广义潮流，而常 规潮流计算是一种狭义潮流，及状态估 计中m=n的特例。
14
二．电力系统状态估计的数学描述与可观察性
一 电力系统测量系统的数学描述
Qij
(ij，Vij
)
Pi
(ij，Vij
)
Qi
(ij，Vij
)
V（i V）i
节点电压测量方程式：状态变量与支路潮流 的非线性函数表达式。
注入功率测量方程式：节点注入功率与支路 潮流的非线性函数表达式。
18
二．电力系统状态估计的数学描述与可观察性
表2-1列出五种基本测量方式。第一种测 量其维数为 ，2N显1然没有冗余度，这在状态 估计是不实际的。第五种测量方式具有最 高的维数和冗余度，但所需投资太高，也 是不现实的。因此，实际测量方式是第一 到第四的组合。
测量的随机误差或噪声向量 是ν均值为 零的高斯白噪声，其概率密度为
p e
2 i
2
2 i
i
2
2 i
式中： i是误差 的ν 标准差；方差 越大i2 表示 误差大的概率增大。
26
二．电力系统状态估计的数学描述与可观察性
由于误差的概率密度或协方差很难由测
量或计算确定，因此在实际应用中常用测
量设备的误差来代替。测量误差的方差为
最小二乘估计及改进 支路潮流状态估计法
四．不良数据的检测与辨识
五. 网络结线分析及网络结构辨识的基本概念
2
一．概述
一 常规状态估计的概念 根据可获取的量测数据估算系统内部状态
05第五讲电力系统状态估计概述资料
05第五讲电力系统状态估计概述资料电力系统状态估计是指通过对电力系统各节点的电压、功率、电流以及输电线路参数等进行测量和分析，从而推断出电力系统各节点的电力系统状态的一种方法。
状态估计是电力系统运行与监控的重要工具，可以提供电网监控、故障诊断、负荷预测等方面的信息，对电力系统的安全稳定运行和故障处理具有重要意义。
电力系统状态估计的基本目标是根据测量数据，在给定的误差限度下，通过估计电网状态参数来满足电力系统的能量守恒方程与潮流方程。
电力系统状态估计主要包括以下几个方面的内容：1.拓扑估计：拓扑估计是指根据测量数据确定电力系统的拓扑结构，即节点之间的连接关系。
拓扑估计是状态估计的基础，其准确性对于精确估计电网状态参数至关重要。
2.流量估计：流量估计是指通过测量数据推测电力系统各节点的电压、功率、电流等参数。
流量估计是状态估计的核心，通过分析测量数据和电力系统的潮流方程，可以得到电力系统各节点的状态。
3.综合估计：综合估计是指将拓扑估计和流量估计相结合，对电力系统的各种状态参数进行综合估计和矫正。
综合估计可以通过优化算法，提高状态估计的准确性和精度。
为了实现电力系统的状态估计，需要进行以下几个步骤：1.数据采集：通过电力系统的测量设备，对电力系统的各节点进行测量，包括电压、功率、电流等参数。
数据采集是状态估计的基础，需要优化测量设备的布局和选择合适的测量点。
2.数据预处理：对采集到的数据进行预处理，包括数据质量检测、异常数据处理和数据校正等。
数据预处理可以过滤出不合格的数据和异常数据，保证状态估计的数据可靠性。
3.网络分析：根据电力系统的潮流方程和能量守恒方程，进行网络分析，推算出电力系统的各节点的状态参数。
网络分析需要考虑电力系统的复杂性和非线性，采用适当的数学模型和算法进行求解。
4.参数估计：根据网络分析的结果，进行参数估计，包括电压、功率、电流等参数的估计。
参数估计可以通过最小二乘法、最大似然估计等方法进行求解。
电力系统状态估计与故障诊断
电力系统状态估计与故障诊断电力系统是一个复杂的工程系统，它涉及到众多的电力设备、输电线路、变电站和用户终端等，其中任何一个环节的故障都可能对整个系统造成毁灭性的影响。
因此，对于电力系统的状态估计和故障诊断是非常重要的，这可以帮助我们及时发现问题，采取有效的措施，保障电力系统的稳定运行。
电力系统状态估计是指对电力系统中各个节点电压值、相角等电气参数进行估计。
在电力系统运行过程中，由于受到负荷变化、输出电量变化以及输电线路等因素的影响，系统中的电气参数会出现变化。
因此，针对这种情况，我们需要通过状态估计对电力系统中的各个参数进行监测和解决，从而确保电力系统的稳定性。
电力系统故障诊断是指通过对电力系统中各个设备进行检测和分析，从而找出故障点和原因，并采取相应的措施进行修复。
在电力系统运行过程中，由于各种原因，电力设备和输电线路等可能会出现不同程度的故障，这样就会造成整个电力系统的运行出现问题。
因此，对于我们来说，掌握故障诊断技术非常重要，它可以帮助我们快速准确地找出故障，及时采取有效措施，在最短的时间内恢复电力系统的正常运行。
在电力系统状态估计和故障诊断技术方面，我们可以采用最新的计算机技术和智能控制技术，使用模型预测算法进行预测，从而得出准确的状态估计和故障诊断结果。
这样我们可以更好地应对电力系统问题，确保其正常的稳定运行。
另外，客观的说，电力系统状态估计和故障诊断技术还有不少问题需要解决。
其中，最大的问题在于如何对系统进行全面而详细的监测，以便能够及时发现故障点和问题。
此外，我们还需要把握好技术的精准度和可操作性，确保预测结果的准确性和可靠性。
最后，电力系统的安全和稳定运行是我们每个人都关心的问题。
因此，我们需要持续关注电力系统状态估计和故障诊断技术的发展，积极推动其改善和完善，以便我们能够更好地保障电力系统的安全和稳定运行，为社会的发展做出更大贡献。
电力系统状态估计
状态估计的定义（课后题）状态估计的作用和步骤（课后题）状态估计与潮流计算的联系和区别(课后题）各种状态估计模型和算法的特点（课后题)相关的概念和定义（课后题)电力系统状态估计的主要内容是什么?有哪些变量需要状态估计?(06B）通常称能够表征电力系统特征所需最小数目的变量为电力系统的状态变量。
电力系统的状态估计就是要求能在测量量有误差的情况下，通过计算以得到可靠的并且为数最小的状态变量值。
电力系统的测量量一般包括支路功率、节点注入功率、节点电压模值等；状态变量是各节点的电压模值和相角。
什么是状态估计？环境噪声使理想的运动方程无法精确求解.测量系统的随机误差，使测量向量不能直接通过理想的测量方程求出状态真值。
通过统计学的方法加以处理以求出对状态向量的估计值。
这种方法，称为状态估计。
按运动方程与以某一时刻的测量数据作为初值进行下一时刻状态量的估计，叫做动态估计，仅仅根据某时刻测量数据，确定该时刻的状态量的估计，叫做静态估计.电力系统状态估计的必要性？1)电力系统需要随时监视系统的运行状态；2)需要提供调度员所关心的所有数据；3)测量所有关心的量是不经济的，也是不可能的，需要利用一些测量量来推算其它电气量；4)由于误差的存在,直接测量的量不甚可靠，甚至有坏数据;状态估计的作用和流程？（下图左)1)降低量测系统投资，少装测点；2)计算出未测量的电气量；3)利用量测系统的冗余信息，提高量测数据的精度(独立测量量的数目与状态量数目之比，成为冗余度）。
状态估计与潮流计算的关系？（上图右）1)潮流计算是状态估计的一个特例；2)状态估计用于处理实时数据，或者有冗余的矛盾方程的场合；3)潮流计算用于无冗余矛盾方程的场合;4)两者的求解算法不同；5)在线应用中，潮流计算在状态估计的基础上进行,也就是说，由状态估计提供经过加工处理过的熟数据，作为潮流计算的原始数据。
状态估计基本思路：1)电力系统的测量量一般包括支路功率、节点注入功率、节点电压模值等；状态变量是各节点的电压模值和相角。
高等电力系统稳态分析 第三章 电力系统状态估计讲解
•或
2
J (x)
m
zi
n
hij x j
/
2 i
i1
j 1
一、最小二乘原理
• 极值条件
J (x)
xk
m
2
i 1
zi
n
hij x j hik
一、测量方程
– 测量误差的方差阵
2 1
R
2 2
2 m
二、电力系统状态的可观察性
• 必要但非充分条件：雅可比矩阵的秩等 于n。 h(x) H(x) x xx0
• 有冗余度的目的是提高测量系统的可靠 性和提高状态估计的精确度。
• 状态量x为电流I
二、例题
• 目标函数： Min. J(x)=(1.05-x)2+(0.98-x)2+(0.96-x2)2 •令
J (x) 2(1.05 x) 2(0.98 x) 4x(0.96 x2 ) x 0
x3 0.04x 1.015 0 x 0.9917
• 求出的状态量不可能使残差向量为零， 但可以得到一个使残差平方和为最小的 状态估计值。
第二节 电力系运行状态的表征与可观 察性
一、测量方程
• 测量矢量：z=[z1,z2,…,zm]T, m维 • 测量误差矢量： ν=[ν1, ν2,…, νm]T, m维 • 测量函数：h(x)=[h1(x),h2(x),…,hm(x)]T • 状态量：x＝ [x 1, x 2,…, x n]T, n维 • 对于N节点的系统，状态量数目为n=2N-1
初级电力线路工练习题(附答案)
初级电力线路工练习题（附答案）一、单选题（共81题，每题1分，共81分）1.电力系统的电压波形应是（）波形。
A、余切B、正切C、正弦D、余弦正确答案：C2.隔离开关手柄中心距地面高度为（）。
A、1.2 mB、1.3 mC、1.4 mD、1.5 m正确答案：A3.对称三相交流电每相相位差为（）。
A、0°B、120°C、60°D、90°正确答案：B4.电感就是线圈在（）的作用下所产生的磁通数。
A、单位电流B、磁场力C、单位电压D、磁场正确答案：A5.在短路故障发生后经过大约半个周期的时间，将出现短路电流的最大瞬时值，它是校验电气设备机械应力的一个重要参数，称此电流为（）。
A、稳态电流B、冲击电流C、次暂态电流D、暂态电流正确答案：B6.断路器的跳合闸位置监视灯串联一个电阻的目的是（）。
A、限制通过跳闸线圈的电流B、补偿灯泡的额定电压C、防止过压D、防止因灯座短路造成断路器误跳闸正确答案：D7.查找直流接地时，所用仪表内阻不应低于（）。
A、3 000Ω/vB、1 000 Ω/vC、2 000 Ω/vD、500Ω/v正确答案：C8.二极管的负极引线从（）区引出，称为阴极。
A、NB、PC、SD、G正确答案：A9.调整电力变压器分接头，会在其差动回路中引起不平衡电流的增大，解决方法为（）。
A、提高差动保护的整定值B、不需要对差动保护进行调整C、增大短路线圈的匝数D、减少短路线圈的匝数正确答案：A10.在发送端将基带信号调制成频带信号后再送至信道，在接收端经过解调（反调制）再恢复成基带信号，这样的传输方式叫（）传输方式。
A、光纤B、频带C、数字D、基带正确答案：B11.电动机引出线或接线盒内绝缘及绕组绝缘损坏而接地会（）。
A、电刷下出现火花.滑环过热或烧损B、电动机发热超过允许温升甚至冒烟C、不会影响D、使电动机机壳带电正确答案：D12.当多种电力设备共用一个接地装置时，其允许接地电阻应按其中（）选取，作为允许接地电阻。
电力系统状态估计
a. 基于GPS相位角量测的PMU技术应用于实 时状态 估计算法的研究； b. 面向大系统，开发计算速度快和数值稳定性 好的算法，缩短状态估计执行周期； c. 各种类型和多个相关坏数据条件下，状态估 计算法的研究； d. 量测误差相关情况下估计算法研究； e. 抗差估计理论应用于状态估计算法进一 步 研究； f. 新理论应用于电力系统状态估计算法的探讨 和研究。
2）雅克比矩阵常数化：一般来说，雅克比矩阵 在迭代中仅有微小的变化，若作为常数处理 仍能得到收敛的结果。 利用上述两项简化假设，推导出快速分解法状 态估计的迭代修正公式： -1 (l) (l) ( l ) -1 (l) T (l) T [H (x ) R H(x )]∆x =H (x )R (z -h(x )) 将状态量 x分为电压相角θ和幅值v ，同时将 雅克比矩阵对相角、幅值进行分解并简化， 只要给出状态量初始值，经迭代就可以得到 状态量估计值。
ˆ J (x) = min ∑ (z − z ) = min ∑ z = h(x) ˆ
k 2 k i =1 i =1
[
]
2
五、状态估计的作用
（1）发现、修正不良数据和结构误差，滤去各 种误差，得到统计意义上的最佳估计值。 （2）计算出不能直接测量的状态变量。（如相 角） （3）补足没有测量的量。 （4）离线的状态估计计算可以用来模拟各种信 息收集系统方案，以得到经济上和技术上的 最佳方案。
下图表示状态估计在电力调度自动化中的作用
六、状态估计的基本步骤
七、状态估计算法简介及介绍
1、加权最小二乘法 加权最小二乘估计法在状态估计中应用最 为广泛。 目标函数如下：
ˆ ˆ J (x ) = z − Hx R
T
[
]
电力系统中的可拓扑辨识与状态估计
电力系统中的可拓扑辨识与状态估计电力系统是现代社会中不可或缺的基础设施，它负责为各个领域提供可靠的电力供应。
然而，由于复杂的系统结构和多变的运行状态，对电力系统的可拓扑辨识和状态估计变得尤为关键。
可拓扑辨识是指在电力系统中，通过对系统的拓扑结构进行分析和识别，确定系统的线路连接关系和设备的位置。
这对于实现系统故障排查、网络重构和改进操作等方面具有重要意义。
状态估计是指通过观测到的系统输入输出数据，利用数学模型和算法从中恢复出电力系统的各个节点的状态信息。
状态估计在电网运行与控制中非常重要，可以提供真实，准确的系统状态，用作运行决策的基础。
在电力系统中，可拓扑辨识和状态估计往往通过测量数据与模型之间的数据同化来实现。
可拓扑辨识的关键是利用系统中的测量数据，通过拓扑分析算法进行处理和比对，以确定系统的节点和连接信息。
传统的可拓扑辨识方法主要依赖于手动调查和数据整理，工作量大且容易受到误差影响。
近年来，随着智能化技术的发展，基于数据采集的可拓扑辨识方法得到了快速发展。
这类方法利用现场数据，通过自动化和智能算法，实现了对电力系统的拓扑结构自动识别与更新。
这样的方法大大提高了拓扑辨识的准确性和效率。
状态估计是电力系统中另一个重要的问题，它的目标是通过测量值和系统模型来估计未测量的系统状态。
状态估计通常使用卡尔曼滤波器、扩展卡尔曼滤波器和无迹卡尔曼滤波器等方法。
这些方法利用系统的动态模型和观测数据，通过最小化观测数据与模型之间的差异，推断出系统状态的最佳估计。
状态估计主要针对未测量的变量，比如电压、功率和电流等，通过对系统可观测性的分析，确定了需要估计的状态变量。
状态估计在电力系统运行中具有重要作用，如故障检测与诊断、电力市场调度和智能电网控制等。
然而，电力系统中的可拓扑辨识和状态估计问题并不是完全独立的。
在可拓扑辨识的过程中，常常需要利用状态估计结果来辅助推断系统的拓扑结构。
而状态估计的准确性又依赖于拓扑结构的准确识别。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
电力系统状态估计、
检测及辨识
①刘 浩
(山东建筑工程学院计算中心 济南)摘 要
本文将国内外有关状态估计理论应用在电力系统方面的研究成果,加以系统的归纳总结,
提出了在电力系统状态估计方面目前存在的主要问题并提出了一些解决方法。
关键词 电力系统 状态估计 检测与辨识
1 前言
电力系统遥测设备经常受随机误差,仪表误差、现象误差之患。
由这样粗糙的系统行为信息来判定系统和工况,显然是不能满足要求的。
对系统状态的估计是控制的必要条件,因为要改变系统状态,首先必须知道它是处在什么状态。
估计理论已被广泛的应用于飞机和宇航以及实验后的数据分析。
直到六十年代末或七十年代初才发现估计理论非常适用于电力系统在线数据处理
状态估计也被称为滤波,它是利用实时量测系统的冗余度来提交数据精度的,自动排除随机干扰所引起的错误信息,估计或预报系统的运行状态(或轨迹)。
迄今为止,国内外已对状态估计进行了深入的研究,提出了许多状态估计算法和检测辨识方法。
2 状态估计算法
在给定网络结线、支路参数和量测系统的条件下,根据量测值求最优状态估计值的计算方法称为状态估计算法,它是状态估计程序的核心部分,因此,状态估计算法的选择对整个状态估计程序的性能有很大影响。
电力系统状态估计算法可以分为两大类型,一种是高斯型最小二乘法的总体算法,一种是卡尔曼逐次算法。
1970年许怀丕(F.C.Schw eppe )等人最早提出的电力系统最小二乘状态估计法[1]是最基本的算法,其特点是收敛性能好,估计质量高。
然而由于这种算法的计算量和使用内存量都比较大,难以用以大型电力系统的实时计算中。
吸取潮流计算经验而建立的快速P -Q 分解算法[2]和保留非线性的快速P -Q 分解算法[3],兼顾了计算速度、收敛性、使用内存和对各种量测量的适应性等方面的优点,可以看成是基本加权最小二乘法的实用形式。
美国电力
第11卷第4期1999年10月 电力系统及其自动化学报P roceedings of the EPSA V o l .11N o.4 O ctober 1999
①本文1998年12月29日收到
公司(A EP )道帕思(J.F.DO PA Z O )等人提出的量测量变换状态估计算法[4～6],也属于最小二乘法的总体算法。
其特点是仅用支路潮流量测值,计算速度快、使用内存少和程序简单,虽然难以处理结点注入型量测量,但并不妨碍其实用性。
此法在1975年就投入了运行,积累了丰富的运行经验。
另外,线性规化和非线性规划方法也在电力系统状态估计中得到应用。
和最小二乘法相比,此法的计算速度慢,但其受不良数据的影响较小。
拉森(R.E.L arson )和迪波斯(A.S .D eb s ).等人在美国邦那维尔电力系统最早开展了卡尔曼逐次型状态估计算法的研究[7～9],由于电力系统状态量的维数较高,不得不采用对角化的状态估计误差协方差矩阵,这样虽有节约内存和提高计算速度等方面的优点,却因此降低了收敛性能和估计质量而妨碍了实用性。
对于大系统,为了提高状态估计的计算速度,又提出了分区协调算法,即两级状态估计法[10]。
此法目前尚处于研究阶段。
3 不良数据的检测与辨识
不良数据的检测与辨识是电力系统状态估计的重要功能之一,其目的在于排除量测采样数据中偶然出现的少数不良数据,以提高状态估计的可靠性。
目前国内外用于电力系统状态估计中的检测辨识方法有:
(1)检测方法:
1)使用目标函数极值进行检测;
2)用加权残差ΧΞ或标准残差ΧN 检测;
3)上述两种方法结合使用;
4)量测量突变检测;
5)应用伪量测进行检测。
(2)辨识方法
1)残差搜索法(ΧW 或ΧN 法);
2)非二次准则法;
3)零残差法——它是非二次准则法的一个发展,因此也可以归入非二次准则法一类;4)估计辨识法
检测方法与辨识方法是密切相关的。
检测成功,辨识则很容易实现;检测失败则会给辨识带来困难,甚至无法辨识。
所以检测方法是不良数据检测与辨识的关键。
而目前所采用的检测方法均存在问题,需要进一步探讨新方法。
上述前三种方法均存在残差污染和残差淹没现象。
方法4)基本上能够解决残差污染和残差淹没现象,方法5),由于伪量测的应用主要增加了残差灵敏度矩阵的对角元素优势,有效地削弱了单不良数据情况下的残差污染现象和多不良数据情况下的残差淹没现象。
但方法4)和5)要求在两采样间系统的结构不发生变化,且不能有突变量发生。
否则,此两种方法将失效。
另外,以上检测方法都是基于概率论的理论提出来的,都存在漏检概率(P d )和误检概率(P e )问题。
4 讨论
上面综述了电力系统状态估计算法和不良数据的检测与辨识的现状。
在算法方面,随着电力系统的不断互联和扩大,提高计算速度仍然是一个需继续研究的很有实用价值的研究・73・1999年第4期 电力系统状态估计、检测及辨识
课题。
笔者认为将大系统进行分区协调处理是一个提高计算速度的有效方法。
分区后的最优化问题,收敛性等问题可做进一步的研究。
不良数据的检测与辨识方面主要存在多不良数据时的残差污染和残差淹没现象。
这是一大难题,目前尚没很完善的检测辨识方法。
笔者认为可在以下几方面做进一步研究。
(1)状态预估与ΧN 检测相结合进行不良数据的检测与辨识
[1];(2)用将模糊数学用于不良数据的检测辨识中[2];
(3)分区协调算法对不良数据检测辨识的影响,也可做进一步研究。
由于分区后,各子系统的规模大大减小,将有利于不良数据的检测与辨识。
参考文献
1 F .C .Schw eppe ,et al .Pow er System Static -State E sti m ati on ,Part 1-3.IEEE T rans .PA S ,1970,89:120～135
2 H .P .Ho risberger ,et al .A fast Docoup led Static State -E sti m ato r fo r E lectric Pow er System .IEEE
T rans
.PA S ,1976,95:208～2163 刘浩,等.保留非线性的快速P -Q 分解状态估计法.电力系统自动化,1995(1)
4 J .F .Dopazo ,et al .State Calculati on of Pow er System fo r line F low M easurem ent .IEEE T rans .PA S ,1970,89:1698～1708
5 J .F .Dopazo ,et al .State Calculati on of Pow er System from line F low M easurem ent ,Part 2.IEEE
T rans .PA S ,1972,90:145
～1516 J .F .Dopazo ,et al .T he A EP State E sti m ati on M onito ring and Security System .IEEE T rans .PA S ,1976,95:1618～1624
7 R .E .L arson ,et al .State E sti m ati on in Pow er System ,Part I -II
.IEEE T rans .PA S ,1970,89:345～363
8 A .S .D ebs ,R .E .larson .D ynam ic E sti m ati on of T rack ing the State of a Pow er System .IEEE T rans .
PA S ,1980,89:1670
～16789 A .S .D ebs ,et al .on -line Sequential State E sti m ati on fo r Pow er System p roc .4th p ssc 3.317,197210 刘浩,等.保留非线性的电力系统两级状态估计法.电力系统及其自动化学报,1997(2)
11 A .M .leite D a silva .A n efficient State E sti m ati m A lgo rithm including Bad D ata P rocessing .IEEE
T rans .on pow er system ,1987,P W R S -2(4)
12 刘浩,等.模糊数学在状态估计不良数据检测辨识中的应用。
电力系统及其自动化学报,1996(3)・83・电力系统及其自动化学报 1999年第4期。