电力系统状态估计

合集下载
  1. 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. 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. 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)。

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
[
]
−1
ˆ [z − Hx] →
min
由于量测方程为非线性方程,因此采用迭代法 求其状态量,迭代修正公式为:
ˆ ∆x = H ˆ ∆x
(l + 1)
ˆ ˆ [ (x )R H (x )]
T
(l )
−1
(l )
−1
H
T
ˆ =l )
ˆ ˆ (x )R [z − h(x )],
(l )
−1
(l )
这种方法的优点是不需要随机变量的统计特 性,它是以量测值的残差平方和最小为目标准 则的估计方法。
从图中可以看出,电力系统状态估计是在给 定网络接线,支路参数和量测系统的条件下 所进行的估计以及对不良数据进行的检测辨 识过程。 它与常规潮流所求的状态量相同,但应用的 量测量在种类和数量上远远多于常规潮流 (量测方程大于所求状态量数)。其功能流 程图如下图所示:
图 2 状态估计功能流程框图
四、状态估计的数学模型
电力系统的量测方程可表示为:
ˆ z = h(x ) + v
z 式中:为量测量,假定维数为m ˆ x为量测量的计算值矢量,若母线数为n,则 维数为2n v 为量测误差矢量,m维 ˆ h(x ) 是基于基尔霍夫定律建立的量测函数方程, 维数和量测量一致,m维
状态估计的量测量主要来自于: (1)SCADA系统中的实时量测数据 (2)量测不变时使用的预报和计划型伪量测 (3)第Ⅰ类基尔霍夫型伪量测,即无源母线 上的零注入量测 (4)第Ⅱ类基尔霍夫型伪量测,即零阻抗支 路上的零电压差量测 量测量给定以后,状态估计量就是使量测量残 差平方和达到最小的值,即:
3)基于等效电流量测变换法的估计质量和收 敛性能与快速分解状态估计算法相近,节省 内存,算法效率高,是一种实用价值很高的 算法。
八、状态估计研究方向展望
随着电力系统规模的不断扩大,各种新理论、 新技术的不断涌现,无论从理论方面还是从 实际应用需求方面,状态估计算法仍有许多 问题需研究。状态估计算法在以下方面有重 要的研究价值:
3、基于量测变换的状态估计算法 、 在进行基本加权最小二乘法的状态估计中, 状态估计迭代方程组的雅克比矩阵在每次迭 代过程都须重新形成并重新因子化,因此算 法的效率较低,无法满足电力系统实时在线 的要求。量测变换状态估计算法在进行状态 估计计算时所需的原始信息仅仅包含支路潮 流量测量,假设运行电压变化不大,信息矩 阵为常实数、对称的稀疏矩阵。该算法计算 速度快,节省内存,但难以处理注入型量测 量。
三、什么是状态估计
状态估计被称为滤波,它是利用实时量测系 统的冗余度来提高数据精度,自动排除随干 扰引起的错误信息的手段,估计或预报系统 的运行状态的一种方法。 状态估计也叫做实时潮流,它是由SCADA系 统的实时量测数据估计出来的,其程序的输 入和输出数据内容如下图所示:
图 1 状态估计输入输出模型
电力系统状态估计
一、状态估计的必要性
调度系统需要准确,完整的实时数据,而收 集到的信息存在误差,不可靠性和不完整性。
二、名词解释
量测误差:量测值与真实值的差,具有正态 分布的性质。 不良数据:误差大于3倍标准误差的量测值。 生数据:远动来的含有误差和不良数据的数。 熟数据:经状态估计处理后的数。
4、三种状态估计算法的各自主要特点是: 1) 基本加权最小二乘法状态估计质量和收敛性 能最好,是状态估计的经典解法和理论基础, 适应各种类型的量测系统。其缺点是使用内 存多,计算量大,计算时间长,不适用于大 型电力系统的实时状态估计。 2) 快速分解状态估计算法的估计质量和收 敛性能在实用精度范围内与加权最小二乘法 相近,而在计算速度和使用内存方面优于加 权最小二乘法。
它是假定量测量按照理想的正态分布,对理想 正态分布的量测量,估计具有最优一致且无偏 等优良传统特性。但当正态分布的数据中含 有坏数据时,WLS的估计结果会偏离真值较 远。而且,在实际情况下,量测数据并不完全 严格服从正态分布,导致坏数据很难完成检测 与辨识。
2、P-Q快速分解法 快速分解法
P-Q分解法是基于加权的最小二乘法发展而 的,这种算法是将电力系统中有功和无功进行分解, 将雅克比矩阵常数化,降低了问题的阶次减少了雅 克比矩阵的重复计算,大大的加快了潮流的计算速 度。 1)有功和无功的分解:在高压电网中,正常运 行条件下有功P 和电压V、无功 Q和电压相角θ之间 联系很弱, 在雅克比矩阵中 ∂ P / ∂ V和 ∂ Q /∂ θ 项接近于0,忽略掉这些元素 就可以将 P-θ 与 Q-V 分开。
相关文档
最新文档