CN103066591B - 一种基于实时测量的电网参数偏差识别方法 - Google Patents

Abstract

一种基于实时测量的电网参数偏差识别方法：1、根据电网实时测量数据和状态估计计算解，判断电网参数是否存在大误差；2、选择可疑参数目标，依据母线功率平衡的原则，确定与可疑参数强关联的实时测量状态良好，数据可信；3、对状态良好数据可信的相关实时测量构建子目标函数；4、设定参数偏差范围，让参数在范围内变动，运行状态估计，计算相关实时测量子目标函数值，直至子目标函数值达最小；5、另选其他实时断面数据乃至历史断面数据，再次进行参数偏差识别，若多次参数识别误差值稳定则取多次识别参数偏差的平均值作为该参数的最后误差修正值。应用本发明可实现电网参数偏差的在线监视和在线校正，对电网分析和电网安全生产有积极意义。

Description

一种基于实时测量的电网参数偏差识别方法

技术领域

本发明涉及一种利用电网实时测量对电网参数偏差进行识别和校正的方法。

背景技术

现代电网的安全性分析对电网参数的正确性要求很高。电力设备投运前通常需要提供该设备的实测参数，在无实测参数的情况下，才提供理论值。例如，新建输电线路需要紧急投运而未能来得及安排参数实测，则只能提供理论值。输电线路参数理论值与实测值的差别与线路架设走廊的物理环境、塔上线路排列离地高度、线路长度的估算等因素有关。由于输电走廊的紧缺，输电线路一旦投入运行很难再安排停电实测参数，就算安排停电，停电线路周围其他带电线路电磁干扰会影响参数实测的结果。对于未提供实测参数的输电线路，能否利用电网运行实时测量，识别和校正线路参数偏差？再有，电力设备在长期带电运行过程中参数会发生变化，这些变化往往与设备安全状态相关，在线监测设备参数变化在一定意义上等同于在线监测设备安全状态。利用电网实时测量识别和校正电网参数偏差是当今电网运行分析中有现实意义的课题。

现有EMS/SCADA提供了电网运行的实时工况，但尚未提供电网参数识别和校正的应用模块，本发明的方法有现实应用的价值。

发明内容

本发明所要解决的问题就是提供一种基于实时测量的电网参数偏差识别方法，对于投入使用但未及提供实测参数的设备无需再安排停电即可得到实测参数，且可在线监测设备参数变化。

解决上述技术问题，本发明采用的技术方案是：

一种基于实时测量的电网参数偏差识别方法，包括以下步骤：

S1利用电网实时测量数据进行状态估计计算，若计算解中某些测量成为“坏数据”，而这些测量所在母线功率平衡，说明数据良好，可以初步认定“坏数据”是电网参数偏差引起。坏数据的判别准则是测量值与估计值的偏差大于或等于某个门槛值，例如对有功功率测量坏数据判别门槛值可以是10MW，对无功功率测量坏数据判别门槛值可以是10MVAR。

实时测量数据由EMS/SCADA提供，状态估计计算解采用经典加权最小二乘算法，具体如下：电网的观测方程可表示为：

Z=h(X)+v    (1)

式中Z为m维测量向量，X为n维母线电压向量，ν测量残差，h为测量和电压的观测关联；目标函数

J(X)=[Z-h(X)]^TR^-1[Z-h(X)]    (2)

趋于极小值获得最后估计解即有

式中为m×n阶雅可比矩阵，而R=E[vv^T]为测量残差期望值，是测量量权重的倒数；

测量坏数据的检测与识别采用基于残差灵敏度矩阵的再估计识别算法，假设测量系统中存在k个坏数据，是k个坏数据的真实集合，是k个坏数据的任意集合，则有

通过实时测量和状态估计识别的坏数据，可以初步判断电网参数是否存在大误差。例如，参数相同的双回输电线路，若两条线路的P或Q测量值相差较大则可能存在参数偏差，被状态估计认定为“坏数据”的测量量有时可能是电网参数偏差引起的状态估计误判，通过第一部初步定位可疑参数；

S2在状态估计识别出“坏数据”测量，而这些“坏”测量依据母线功率平衡原则判定是可信的“好”测量之后，将可疑目标锁定在与“坏”测量关联的电网参数上：

在可疑的电网参数中依据“坏数据”测量的性质选择一个目标。例如参数相同的并行双回输电线路，若两条线路有功功率测量相同且都是“好”测量，则线路电抗参数排除可疑，两条线路无功功率测量不相同且出现“坏”测量，则线路电阻参数可疑，对线路电阻参数偏差进行识别。

S3对与可疑参数强相关的实时测量建立子目标函数：

式(2)目标函数J(X)针对全体测量量，对单一电网参数的变动敏感度不够大，为此建立式(5)所示的子目标函数J_s(X)，式中Z_s为s维相关测量向量，X为n维母线电压向量，h_s为相关测量和电压的观测关联；

$J_s\left(X\right)={[Z_s-h_s\left(X\right)]}^T{R}_{\mathrm{ss}}^{-1}[Z_s-h_s\left(X\right)]---\left(5\right)$

子目标函数J_s(X)对该电网参数的变动敏感度大，用此来识别参数偏差有效而快速。

S4在给定的数值范围内变动可疑电网参数，反复进行状态估计直至子目标函数值达到最小：

设定参数的变动范围，分步调整参数，按式(2)、(3)运行状态估计，按式(5)计算子目标函数，当子目标函数获得最小值时参数值即为参数的估计值；参数的分步调整采用对分方法，以提高运算速度；

S5应用其他实时断面数据进行参数偏差识别，取多次估计的平均值作为该参数的最后修正值：

为确保分析结果的稳定性，需要应用至少5个断面数据包括历史断面数据，进行参数偏差识别，验证计算解的稳定性，若多次参数识别误差值稳定则取多次识别参数偏差的平均值作为该参数的最后误差修正值，完成参数偏差识别全过程；若参数识别误差值不稳定，说明状态估计识别的“坏”测量并非该参数偏差引起，参数偏差识别过程停止。

所述的步骤S4中参数的分步调整采用对分方法，以提高运算速度；所述的步骤S4中误差值稳定指：若多次识别参数偏差值之间的最大差值除以参数偏差平均值不大于5%，认为识别的参数偏差值稳定。

有益效果：本发明的方法利用EMS外送的实时测量数据，以及基于实时测量的电网状态估计解，寻找大误差的可疑参数，通过构建相关实时测量子目标函数，寻求子目标函数最小值的方法，求得参数偏差的估计值。本方法对电网参数的校正可以提高电网分析的准确度，对电阻值增大的输电线路给出安全告警，并可收到减少电网线损的效益。

具体实施方式

实施例

本发明的基于实时测量的电网参数偏差识别方法，包括以下步骤：

第一步、根据电网实时测量数据和状态估计计算解，判断电网参数是否存在大误差：

用经典加权最小二乘算法运算状态估计器，采用基于残差灵敏度矩阵的再估计识别算法检测和识别测量量中的坏数据，比较实时测量和状态估计坏数据列表，初步判断电网参数是否存在大误差。例如，参数相同的双回输电线路，若两条线路的P或Q测量值相差较大则可能存在参数偏差，被状态估计认定为“坏数据”的测量量有时可能是电网参数偏差引起的状态估计误判，至此初步定位可疑参数。

第二步、选择可疑参数目标，确定与可疑参数强关联的实时测量状态良好，数据可信：

在多个可疑参数中选择一个目标，依据母线功率平衡的原则，确定与该可疑参数强关联的实时测量状态良好，数据可信，数据可信的结论应该通过分析多个断面数据甚至多日数据获得。

第三步、对数据可信相关实时测量建立子目标函数：

式(2)目标函数J(X)针对全体测量量，对单一电网参数的变动敏感不够大，为此建立式(5)所示的子目标函数 $J_s\left(X\right)={[Z_s-h_s\left(X\right)]}^T{R}_{\mathrm{ss}}^{-1}[Z_s-h_s\left(X\right)],$ 式中Z_s为s维相关测量向量，X为n维母线电压向量，h_s为相关测量和电压的观测关联。

子目标函数J_s(X)对该电网参数的变动敏感度大，用此来识别参数偏差有效而快速。

第四步、在给定范围内变动参数，运行状态估计直至子目标函数值达到最小：

设定参数的变动范围，分步调整参数，按式(2)、(3)运行状态估计，按式(5)计算子目标函数，当子目标函数获得最小值时参数值即为参数的估计值。参数的分步调整采用对分方法，以提高运算速度。

第五步、应用其他实时断面数据进行参数偏差识别，取平均值作为该参数的最后修正值：

为确保分析结果的稳定性，需要应用多个断面数据包括历史断面数据，进行参数偏差识别，验证计算解的稳定性。若多次参数识别误差值稳定则取多次识别参数偏差的平均值作为该参数的最后误差修正值，完成参数偏差识别全过程。

误差值稳定指：若多次识别参数偏差值之间的最大差值除以参数偏差平均值不大于5%，认为识别的参数偏差值稳定。

以东莞电网500kV水莞乙线参数修正为例，表1列出了由BPA数据转换而来的水莞甲线和水莞乙线两条线路参数，参数基本相同，符合并行双回线路的特征。

参见表2，线路两侧水乡和莞城站EMS实时测量有功功率基本平衡，但无功功率相差较大。

用BPA提供的参数进行东莞电网状态估计计算，水莞甲乙线路的无功测量成为“坏数据”。但经连续多个月数据观测，水乡站和莞城站500kV母线无功功率平衡良好，说明水莞甲乙线线路无功功率测量是可信的，无功功率的差异可能是线路参数变更引起的。

利用状态估计算法对水莞甲乙线路参数进行校正，主要对水莞乙线的电阻参数进行了修正，由原来的0.8欧姆调高至1.55欧姆，见表1。

参见表2，用修正后的水莞甲乙线路参数进行东莞电网的状态估计计算，水莞甲乙线路的无功功率与实际测量相符，“坏数据”消失，证明参数校正缩小了状态估计与实时测量的误差。

表3列出了参数识别过程目标函数的变化，其中子目标函数J_s(X)由水莞甲乙线两侧的PQ测量组成，对水莞乙线电阻参数的变化十分敏感。在本例中用总目标函数J(X)进行参数识别也可以得到相同的结论，说明水莞乙线电阻参数的变化主要影响水莞甲乙线路两侧的PQ分布，对其他测量量的影响可以忽略。

表1线路参数

表2测量值与参数修正前后的状态估计解（实时断面2012/6/2016:15）

表3参数偏差识别过程中的目标函数值（实时断面2012/6/2016:15）

水莞乙线电阻参数增大的可能原因：开关刀闸接触不良、连接导线的线路金具出现隐患、可以用线路参数增大来等效模拟的其他原因。如果最终证明对水莞乙线电阻参数的修正与实际线路参数增大相符，说明线路存在隐患，及早消除隐患有利于电网安全。

Claims (2)

1.一种基于实时测量的电网参数偏差识别方法，包括以下步骤：

S1.利用电网实时测量数据进行状态估计计算，若计算解中某些测量数据成为坏数据，但这些测量数据所在母线的功率平衡，则说明数据良好，初步认定坏数据是电网参数偏差引起；

所述的坏数据指：测量数据与状态估计计算解的偏差大于或等于某个门槛值：对有功功率测量坏数据判别门槛值为10MW，对无功功率测量坏数据为10MVAR；

所述的实时测量数据由EMS/SCADA提供，状态估计计算解采用经典加权最小二乘算法，具体如下，电网的观测方程可表示为：

Z＝h(X)+ν      (1)

式中Z为m维测量向量，X为n维母线电压向量，ν测量残差，h为测量和电压的观测关联；

目标函数

J(X)＝[Z-h(X)]^TR^-1[Z-h(X)]     (2)

趋于极小值获得最后估计解，即有

式中阶雅可比矩阵，而R＝E[νν^T]为测量残差期望值，是测量量权重的倒数；

测量坏数据的检测与识别采用基于残差灵敏度矩阵的再估计识别算法，假设测量系统中存在k个坏数据，是k个坏数据的真实集合，是k个坏数据的任意集合，则有

S2.在状态估计识别出测量坏数据，而这些坏测量数据依据母线功率平衡原则判定是可信的好测量数据之后，将可疑目标锁定在与坏测量关联的电网参数上：

在可疑的电网参数中依据测量坏数据的性质选择一个目标：参数相同的并行双回输电线路，若两条线路有功功率测量数据相同且都是好测量数据，则线路电抗参数排除可疑，两条线路无功功率测量数据不相同且出现坏测量数据，则线路电阻参数可疑，对线路电阻参数偏差进行识别；

S3.对与可疑参数强相关的实时测量数据建立子目标函数：

子目标函数J_s(X)如下：

$J_S\left(X\right)={[Z_S-h_S\left(X\right)]}^T{R}_{\mathrm{SS}}^{-1}[Z_S-h_S\left(X\right)]---\left(5\right)$

式中Z_s为s维相关测量向量，X为n维母线电压向量，h_s为相关测量和电压的观测关联；

S4.在给定的数值范围内变动可疑电网参数，反复进行状态估计直至子目标函数值达到最小：

设定该电网参数的变动范围，分步调整该电网参数，按式(2)、(3)进行状态估计，按式(5)计算子目标函数，当子目标函数获得最小值时该电网参数值即为参数的估计值；

S5.应用其他时段的实时量测数据再进行参数偏差识别，取至少5次估计的平均值作为该参数的最后修正值：

为确保分析结果的稳定性，需要应用至少5个不同时刻的电网测量数据进行参数偏差识别，验证计算解的稳定性；

若多次参数识别误差值稳定则取多次识别参数偏差的平均值作为该参数的最后误差修正值，完成参数偏差识别全过程；

若参数识别误差值不稳定，说明状态估计识别的坏测量并非该参数偏差引起，参数偏差识别过程停止。

2.根据权利要求1所述的基于实时测量的电网参数偏差识别方法，其特征是：

所述的步骤S4中参数的分步调整采用对分方法，以提高运算速度；所述的步骤S4中误差值稳定是指：若多次识别参数偏差值之间的最大差值除以参数偏差平均值不大于5％，认为识别的参数偏差值稳定。