第五章 电力调度自动化系统高级应用软件

电力系统最小二乘估计
残差：J (X) [Z h(X)]T R1[Z h(X)]
1
2 1
权重：R
0
0
1
2 2
0
0
0
0
1
2 m
求解：J ( X ) 0，X为最佳估计值 X
2.5 状态估计的程序流程
第三节 电力系统负荷预测
负荷预测定义 负荷预测的内容 重要性 分类及作用 负荷预测特点和相关影响因素 各阶段发展及相关方法介绍 前景探索及总结
第一节 网络拓扑
1.1 网络拓扑的基本功能 基本功能：根据开关的开合状态（遥信信息）
和电网一次接线图来确定网络的拓扑关系，即 节点－支路的连通关系，为其它高级应用做好 准备。
为什么要进行网络拓扑？ 将网络物理模型转化为计算模型。 物理模型：对网络的原始描述（节点模型） 计算模型：面向网络计算方程的模型。
2.4 状态估计的数学模型和基本方法
（最小二乘法）
量测方程式：
z = h(x) + 其中： z为测量值。
x为真值（一般为状态变量）。 为测量误差：正态分布。 h为测量函数（表征在假定无误差时，测 量值与待估计状态变量间的物理关系，如 基尔霍夫定律，具体如潮流方程）。
最小二乘估计
进行n次测量，每次测量都可以表示为量测方程式。 用误差的二乘值表示误差的大小，求取使误差二乘值
状态估计是EMS的基本功能
第二节 电力系统状态估计
2.2 状态估计的功能
对生数据（SCADA实时断面数据）进行计算，以得 到最接近于系统真实状态的最佳估计值。（获得可 靠的已知数据）
对生数据中的不良数据进行检测和辨识。（搜索错 误的坏数据）
推算齐全而精确的电力系统运行参数。（估算可靠 的未知或难于测量数据）
➢ 残差：各测量值与计算的相应估计值之差。
检测：检查是否有不良数据混入或结构错误。 识别：确定具体的不良数据。
（3）不良数据检测 设定残差的门槛值。
大于：量测值中有不良数据。 小于：量测值中无不良数据。 （4）不良数据的识别 不良数据：逐个试探。
特殊：遥信不良数据，将开关量与相应线路的 量测量做对比，首先确定“疑点”，然后再将 遥信量“取反”后逐个试探。
阶段 2引入由Box-Jenkins提出著名的时间序列预测
方法（包括AR、MA 以及ARMA ）阶段 3灰色预测方法以及组合预测方法 4 近期的以神经网络以及支持向量机为代表的
智能预测方法阶段 二）母线负荷预测方法 负荷层次模型
1、回归预测方法
根据历史负荷数据资料，依靠线 性回归数学模型对未来的负荷进行预 测 。通过给定的一组或者多组自变量 和因变量的历史数值 ，研究各自变量 和因变量之间的关系 ，形成回归方程 。
图5-1 网络物理模型（节点模型）
网络元件：各种一 次电气元件均为网 络元件。
节点：网络元件之 间的连接点。
逻辑支路：开关元 件，开/合两种状态。 零支路或无穷大支 路。
保留元件：计算模 型中所有非逻辑支 路。
1.2 网络拓扑的基本术语
图5-1 网络物理模型（节点模型）
零阻抗支路：阻抗 为0，用于隔离母 线。
第五章 EMS的高级应用软件 （PAS）
内容提要
概述 网络拓扑 状态估计 负荷预测 调度员潮流 有功功率和频率调整、AGC/EDC 无功功率和电压调整、AVC 安全分析和稳定控制、ASC
PAS概述
目标 基本概念：
在线和离线 在线和实时
数据来源：
SCADA采集的实时量测数据 人工输入的静态数据 计划参数：未来时刻的“伪量测”
纠正可能的开关状态错误。 估计某些可疑或未知的设备参数。 确定合理的测点数量和合理的测点分布。 预测未来的趋势。
“生数据”－－－“可靠数据库”
2.3 状态估计的基本原理
（1）测量冗余度
例如：对直流电路中：U、I、P、R任意知道两个量可 以判断出两外两个量。当若已知量有错，无法判断。 若已知3个量或4个量，可以判断是否有错，采用一定 的算法，可以知道哪个量出错。这就是状态估计中的 检错。
数据受干扰：干扰不可避免，有可能造成数据的错误。
数据不和谐：数据相互之间不符合建立数学模型所依据 的基尔霍夫定律。 “去粗存精”，“去伪存真”－－状态估计
状态估计定义
对电力系统的某一时间断面采集的遥测量和遥 信量信息进行实时处理，目的是排除错误数据， 提高数据的精确度，补充缺少的数据，从而得 到表征电力系统运行状态的完整而准确的信息。
I
I1
I2
U
R1
R2
最小二乘估计（例2）
（1）列写残差目标函数：
*
*
*
J (U U )2 (I I )2 (I1 I1)2
（2）I1=I-U/R2=I-U/8
其中：U，I，I1为估计值
* **
U,I,I1
为测量值。
（3）将残差方程对U，I求偏导，得到
JUJ 22**(I(U
16) 2 * (I 4.02) 2 * (I
3
4
4、工程应用 要求：高速、可靠。
第二节 电力系统状态估计
网络拓扑分析是高级应用软件的结构基础，状态估计则 是高 级应用软件的数据基础。
2.1 状态估计的必要性
数据不齐全：投资的限制，很多情况下不可能在所有厂 站中都设置RTU。
数据不精确：数据采集和传输的各个环节都可能产生误 差，而误差会逐步积累。
第一节 网络拓扑
1.1 网络拓扑的基本功能
其它功能：
➢ 电网解列，网络拓扑可以给出各子系统的拓扑结 构
➢ 用于标识电网元件的带电状态，进行网络着色， 直观表示其连通性。
由开关变位事件驱动或召唤启动。
地位：是其它高级应用软件的基础，为其他高 级应用软件提供了基础的结构信息。
1.2 网络拓扑的基本术语
一、负荷预测定义
天气
经济
电力 负荷
历史数据
预 测
未来电力负荷
社会
二、预测内容
电量预测（全社会电量、网供电量、各行业电 量、各产业电量等）
电力预测（如最大负荷、最小负荷、峰谷差、 负荷率、负荷曲线等）
三、重要性
如果负荷预测结果偏低，将会导致系统的规划 装机容量、输电规划等不足，无法满足社会的 用电需求。而如果负荷预测结果偏高，则会导 致一些发电、输电设备投入系统后的运行效率 不高，造成投资浪费。
AR模型（Auto-Regressive Model自回归模型）
其中εt 为随机干扰项
MA模型（Moving Average Model滑动平均模 型）
四、分类及作用
中长期负荷预测： 短期负荷预测 超短期负荷预测
提供电源，电网规划的基础数据 年月度检修计划，运行方式 水库调度计划，电煤计划等
日开停机计划和发电计划
机组组合、经济调度的基础
实时安全分析 实时经济调度 自动发电控制
五、负荷特点和影响因素
长期：基本上是单调递增
影响
中期：周期性增长，各个年度的12个月 具有相似规律
线性回归法优缺点
方法简单 预测速度快
局限：
由于其模型的线性方法决定其必然无法描述复 杂的非线性因素对其的影响
并且其自变量所选取的主要因素需要依靠经验 确定
2、时间序列预测方法
Box-Jenkins提出的时间序列模型被认为是最 经典，最系统，最被广泛采用的一类短期负荷 预测方法。
基本思想：首先假设所分析的时间序列是由某 个随机过程产生的，然后用时间序列的原始数 据建立一个描述该过程的模型，并进行参数估 计，此后运用所建立的模型，在已知时间序列 在过去和现在的观测值的情况下，求得时间序 列未来的预测值
传统预 测方法
最成熟，运 用最广，影响
力最大
450 400 350 300 250 200 150 100
50 0 1
40 79 118 157 196 235 274 313 352 391 430 469 508 547 586 625 664 703 742 781 820 859 898 937 976 1015 1054 1093 1132
母线：闭合逻辑支 路联系在一起的节 点集合。
活岛和死岛：含源 电气岛，称为活岛。 不含源电气岛为死 岛。
主母线：逻辑支路 全部闭合时，所建 立的母线编号。
1.2 网络拓扑的基本术语
开关－节点关联表： 标明每个开关两端 节点的表
节点－开关关联表： 标明节点相连开关 的表
变压器－节点关联 表：标明每台变压 器各端节点的表。
通常冗余度的要求：
冗余度 = 独立测量数/状态变量数 =（ 1.5－3.0）
状态变量：表征电力系统特征所需最小数目的 变量。对于电力系统，一般取节点电压幅值和 相角。
测量量：电力系统中，一般是母线注入功率、 支路功率和母线电压幅值。
状态估计涉及三类数据： 真值：参数的真实值 测量值：采用表计测量出来的参数值 估计值：根据测量值的大小、测量值及其误差
国民经济发展情况、 人口、产值单耗、产 业结构调整，大用户 生产计划，气象，电
价政策等
影响
短期：在年、月、周、
日不同期限上均具有明
显的周期性
影响 假期，气象，电价
超短期：与前几日同时 段的瞬时变化规律比较 影响 类似
实时温度变化
六、预测方法的发展过程
一）系统负荷预测方法 1 以线性回归方法为代表的传统统计预测方法
(
I*
)
(1.05
^
I*
)2
1 0.15
(9.8
10
*
^
I*
)2
可以求得
Iˆ 0.99 Uˆ* R*I 9.9
电力系统最小二乘估计模型
电力系统的量测方程：