CN103269279B - 一种主子站联合拓扑辨识方法 - Google Patents
一种主子站联合拓扑辨识方法 Download PDFInfo
- Publication number
- CN103269279B CN103269279B CN201310141994.4A CN201310141994A CN103269279B CN 103269279 B CN103269279 B CN 103269279B CN 201310141994 A CN201310141994 A CN 201310141994A CN 103269279 B CN103269279 B CN 103269279B
- Authority
- CN
- China
- Prior art keywords
- topology identification
- substation
- state estimation
- identification
- boss
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000003068 static effect Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000010937 topological data analysis Methods 0.000 claims description 3
- 230000011664 signaling Effects 0.000 abstract description 19
- 238000005259 measurement Methods 0.000 description 10
- 230000001131 transforming effect Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012850 discrimination method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010068052 Mosaicism Diseases 0.000 description 1
- WCUXLLCKKVVCTQ-UHFFFAOYSA-M Potassium chloride Chemical compound [Cl-].[K+] WCUXLLCKKVVCTQ-UHFFFAOYSA-M 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 210000003765 sex chromosome Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种主子站联合拓扑辨识方法，包括以下步骤：（1）估计子站状态；（2）发送估计结果；（3）主站状态估计拓扑辨识。本发明通过将变电站系统遥信辨识结果在线应用到主站状态估计拓扑辨识，该方法能够充分利用变电站遥测信息充分冗余、时间一致性好的特点，提高了主站系统拓扑辨识的准确性和实用性，进而提高电网在线调度分析软件结果的准确性和可用性。
Description
技术领域
本发明属于电力系统计算领域，具体涉及一种主子站联合拓扑辨识方法。
背景技术
随着经济的快速发展，电力系统规模越来越大，同时，大规模的新能源接入电网，也使得电网潮流变化的不可预知性大大增加。传统的依靠经验和离线分析的调度模式难以满足对电网安全经济运行的要求，这对在线分析软件提出了更高要求，而在线分析软件计算结果的准确性依赖于状态估计结果的合理性。拓扑信息的准确是状态估计结果准确可行的基础，因而需要研究提高状态估计拓扑结果准确性的实用化方法，提升在线分析软件结果的可信度。
在状态估计遥信辨识方面，目前电网调度系统中常用方法是规则法。此方法编程简单，计算快速，但对于十分复杂并且遥信变化比较频繁的大规模电网，由于难以建立完备的规则库，一些复杂的拓扑错误难以用简单的规则加以描述，同时，规则之间的冲突也是一个实践中的难题。在状态估计遥信辨识理论研究方面，文章《加权新息图法识别小潮流支路拓扑错误》及《信息图发拓扑错误辨识》通过分析遥测突变与遥信变位的一致性，改变对原有遥信辨识方法孤立地研究单断面的遥测遥信是否符合既定规则的思路，提高了遥信辨识的准确性；《最小信息损失状态估计在拓扑错误辨识中的应用》、《最小信息损失状态估计中潮流和拓扑统一估计的通用理论》等文章从最小信息损失决策原理出发，通过建立电力系统遥测的广义信道模型，将最小信息损失应用到拓扑错误辨识。这些新研究的遥信辨识方法目前还缺乏大量工程应用的实例。
在主子站联合辨识方面，目前还缺乏一套完整的交互标准、数据传输及工程应用方法。
发明内容
针对现有技术的不足，本发明首先基于变电站冗余的量测信息，进行变电站遥信拓扑辨识。在此基础上，通过制定相应接口标准和传输标准，使得调度主站系统能够快速获取子站状态估计结果，并将该结果应用于主站状态估计的拓扑辨识中，提高主站状态估计拓扑辨识的准确性，为在线分析软件提供可靠的数据基础。
状态估计结果是电网调度系统在线分析、辅助决策及实时控制的基础。状态估计拓扑的正确性是保证其计算结果准确性的最基本要求，而实际调度系统中模型的不完备、连接关系的错误以及遥信状态的不正确都对状态估计的拓扑结果造成影响。传统的拓扑辨识的方法主要是采用规则法的遥信辨识，该方法数据冗余性小、规则不能覆盖所有运行方式，这导致其结果的准确性还不够高。
变电站状态估计目的是通过变电站冗余信息的处理在子站侧解决基础数据的可靠性问题，其基本思想是评估三相量测信息，并在此基础上首先剔除显著坏数据，在评估三相量测信息时采用一系列技术，可采用基于基尔霍夫量测一致性检验、支路状态与量测一致性检验、多时间断面拓扑结构一致性检验等方法。
本方法利用变电站大量的数据源信息，进行变电站状态估计的分析计算；通过建立主子站统一的数据规范，实现子站状态估计拓扑信息的上传与应用；利用子站状态估计信息，实现主子站系统的模型一致性校验、遥信辨识，提高了状态估计拓扑辨识的准确性。
本发明的目的是采用下述技术方案实现的：
一种主子站联合拓扑辨识方法，其特征在于，包括以下步骤：
（1）估计子站状态；
（2）发送估计结果；
（3）主站状态估计拓扑辨识。
优选的，所述步骤（1）包括：
（1.1）形成变电站静态连接关系模型；
（1.2）获取变电站信息；
（1.3）拓扑辨识分析。
进一步地，所述步骤（1.3）包括：
（2.1）量测数据采样；
（2.2）电压等级分层，建立零阻抗状态估计方程；
（2.3）闭合开关，形成无阻抗电压岛；
（2.4）零阻抗电压状态估计；
（2.5）零阻抗功率状态估计；
（2.6）坏数据的检测与辨识；
（2.7）拓扑分析。
进一步地，所述步骤（2.1）中数据包括三相电流幅值、三相电压和三相功率。
进一步地，所述步骤（2.5）在电压岛中分别进行基于KCL的零阻抗功率状态估计。
进一步地，所述步骤（2.6）根据量测的正则化残差辨识数据。
优选的，所述步骤（3）包括：
a、解析子站结果文件；
b、建立主子站对应关系；
c、形成辨识后主站拓扑结构；
d、将主站拓扑结果与子站拓扑结果比对，提示信息及拓扑辨识结束。
8、如权利要求7所述主子站联合拓扑辨识方法，其特征在于，所述步骤a中结果文件时间与当前时间相差大于给定阀值，则给出告警并退出。
与现有技术比，本发明的有益效果为：
本发明通过将变电站系统遥信辨识结果在线应用到主站状态估计拓扑辨识，该方法能够充分利用变电站遥测信息充分冗余、时间一致性好的特点，提高了主站系统拓扑辨识的准确性和实用性，进而提高电网在线调度分析软件结果的准确性和可用性。
本发明除了能够解决状态估计开关刀闸状态遥信辨识的问题，还能够对状态估计设备连接关系以及设备模型错误进行判断，解决了传统状态估计拓扑辨识算法只能进行遥信辨识，而不能进行模型和连接关系判定问题。
本发明切合数据模型“源端维护、全网共享”的思想，也符合智能变电站的发展趋势。对未来可能在电力系统中实际应用的“调度主站子站一体化”调度模式，本发明也有很好的适应性。
附图说明
图1为本发明提供的主子站联合拓扑辨识方法流程图。
图2为本发明提供的符合IEC61850-6标准SSD文件中变电站描述示例图。
图3为本发明提供的符合IEC61970标准E格式文件中设备量测描述示例图。
图4为本发明提供的变电站拓扑辨识分析流程图。
图5为本发明提供的子站状态估计上传结果信息示例图。
图6为本发明提供的主站状态估计拓扑辨识流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
实施例
（1）子站状态估计
子站状态估计功能主要包括三个方面：形成变电站一次设备静态连接关系模型、读取变电站实时数据信息、变电站拓扑辨识分析。
1)形成变电站一次设备静态连接关系模型
一次设备静态连接关系是变电站分布式状态估计的前提，其内容主要包括设备名称、类型、拓扑连接关系等。
如附图2所示，变电站SSD文件是符合IEC61850-6标准的XML配置文件，该文件包含了变电站设备、拓扑连接以及与一次设备关联的逻辑节点等重要一次系统模型信息。通过解析变电站SSD文件的一次系统模型部分，生成变电站一次设备拓扑关系，为变电站分布式状态估计提供静态模型支撑。
2)读取变电站实时数据信息
变电站数据处理模块多源信息主要变电站遥测和遥信等三相实时信息。考虑到子站状态估计功能的相对独立性，这些数据的获取拟采用由变电站综自系统通过转发方式向变电站分布式状态估计运行主机发送数据文件方式。
如附图3所示，数据文件采用遵循IEC61970标准的CIM/E格式。
3)变电站拓扑辨识分析流程
如附图4所示，变电站拓扑分析采用基于零阻抗支路模型的变电站三相状态估计算法，首先以变压器为分界点，按电压等级划分为不同层，基于基尔霍夫电流定律对各电压等级的三相量测数据建立量测方程，对各开关支路进行线性或非线性状态估计，得到各开关支路及节点注入的三相电压，电流和功率大小，计算三相不平衡度，并判断开关真实的开合状态。具体计算步骤如下：
a、量测采样：以T为时间周期（例如，200ms）进行数据采样。需采集的量测数据有三相电流幅值，三相电压，三相功率等；
b、电压等级分层：以变压器为分界点，将该变电站分为不同电压等级层。各电压等级层需要建立零阻抗状态估计方程；
c、闭合开关，形成电压岛：假设各开关刀闸均闭合，形成一个无阻抗的电压岛；
d、零阻抗电压状态估计：对各电压岛进行零阻抗电压状态估计，确定该电压岛的电压大小；
e、零阻抗功率状态估计：在各电压岛中分别进行基于KCL（基尔霍夫定律）的零阻抗功率状态估计。根据量测数据类型可分别进行线性的状态估计或混合非线性状态估计；
f、坏数据的检测与辨识：根据各量测的正则化残差辨识坏数据并剔除。重复零阻抗功率状态估计，直到没有坏数据；
g、拓扑分析及形成状态估计结果：根据估计结果确定开关开合状态，进行拓扑分析，形成该电压等级拓扑结果。
h、当一个电压等级的状态估计结束后，转入下一个电压等级进行状态估计，直至所有电压等级拓扑辨识全部完成。
（2）子站状态估计结果信息导出与上传
子站状态估计结果采用遵循IEC61970标准的CIM/E格式进行导出，用于主子站间的交互。该文件格式主要包含两方面信息，一是拓扑节点与其所连设备信息，另一个是变电站开关刀闸遥信值及其辨识值信息。具体格式如附图5所示。
主子站间数据通讯方式拟采用扩展IEC104规约方式。如附图1所示，站端与调度主站系统信息交互方式采用标准规约方式（IEC104规约扩展）进行交互。在变电站端先将量测熟数据和拓扑结构信息等转换为直观的、可识别的ASCII文件，再由变电站的发送程序利用IEC104规约扩展的文件传送功能将文件传送至主站，主站的前置规约处理程序把状态估计熟数据文件转发至分布式状态估计应用服务器，用于主站拓扑辨识。
（3）主站状态估计拓扑辨识
如附图6所示，利用变电站结果信息的主站状态估计拓扑辨识流程主要包含变电站结果信息解析、建立主子站设备模型对应关系、主站拓扑辨识对等几个方面。具体计算步骤如下：
a、获取和解析子站结果文件，如果结果文件时间与当前时间相差大于给定阀值，则给出告警并退出利用子站结果进行拓扑辨识流程；
b、通过模糊匹配规则和主子站设备模型模糊匹配两种原则建立主子站设备对应关系。
c、对主站状态估计进行传统遥信辨识，形成辨识后拓扑结构。（如果主站状态估计没有遥信辨识功能，可以直接形成拓扑结果）；
d、将主站拓扑结果与子站拓扑结果比对，对在主站系统无法找到对应的设备，则给出如“子站设备**不能在主站系统找到对应”告警信息。
e、对于拓扑结果一致情况，给出“**站状态估计拓扑校验正常运行”提示信息，拓扑辨识正常结束。
f、对于拓扑结果不一致，而开关刀闸状态一致情况，给出“主站系统某设备连接间隔存在连接关系错误”告警信息。
g、拓扑结果不一致，开关刀闸状态也不一致情况，给出“**开关或刀闸遥信错误”告警信息。
h、拓扑辨识结束。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种主子站联合拓扑辨识方法，其特征在于，包括以下步骤：
(1)估计子站状态；
(1.1)形成变电站静态连接关系模型；
(1.2)获取变电站信息；
(1.3)拓扑辨识分析；
(1.3.1)量测数据采样；
(1.3.2)电压等级分层，建立零阻抗状态估计方程；
(1.3.3)闭合开关，形成无阻抗电压岛；
(1.3.4)零阻抗电压状态估计；
(1.3.5)零阻抗功率状态估计；
(1.3.6)坏数据的检测与辨识；
(1.3.7)拓扑分析；
(2)发送估计结果；
(3)主站状态估计拓扑辨识；
(3.1)解析子站结果文件；
所述结果文件时间与当前时间相差大于给定阀值，则给出告警并退出；
(3.2)基于模糊匹配规则和主子站设备模型模糊匹配原则建立主子站设备对应关系；
(3.3)形成辨识后主站拓扑结构；
(3.4)将主站拓扑结果与子站拓扑结果比对，提示信息及拓扑辨识结束。
2.如权利要求1所述主子站联合拓扑辨识方法，其特征在于，所述步骤(1.3.1)中数据包括三相电流幅值、三相电压和三相功率。
3.如权利要求1所述主子站联合拓扑辨识方法，其特征在于，所述步骤(1.3.5)在电压岛中分别进行基于KCL的零阻抗功率状态估计。
4.如权利要求1所述主子站联合拓扑辨识方法，其特征在于，所述步骤(1.3.6)根据量测的正则化残差辨识数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310141994.4A CN103269279B (zh) | 2013-04-22 | 2013-04-22 | 一种主子站联合拓扑辨识方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310141994.4A CN103269279B (zh) | 2013-04-22 | 2013-04-22 | 一种主子站联合拓扑辨识方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103269279A CN103269279A (zh) | 2013-08-28 |
| CN103269279B true CN103269279B (zh) | 2016-08-10 |
Family
ID=49012889
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310141994.4A Active CN103269279B (zh) | 2013-04-22 | 2013-04-22 | 一种主子站联合拓扑辨识方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103269279B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103595137B (zh) * | 2013-11-25 | 2016-05-11 | 国家电网公司 | 一种变电站拓扑网络遥信数据辨识实现方法 |
| CN103825364B (zh) * | 2014-03-04 | 2016-08-17 | 国家电网公司 | 一种应用于电力系统状态估计的主子站信息交互方法 |
| CN104283220B (zh) * | 2014-10-31 | 2017-03-08 | 南京因泰莱电器股份有限公司 | 一种智能配网联切自动化系统及其实现方法 |
| CN104332997B (zh) * | 2014-11-18 | 2016-03-02 | 国电南瑞科技股份有限公司 | 一种变电站三相线性广义状态估计方法 |
| CN106786498B (zh) * | 2016-11-10 | 2023-02-03 | 中国电力科学研究院 | 一种主站-变电站数据协同辨识方法及其装置 |
| CN108695849A (zh) * | 2018-06-07 | 2018-10-23 | 国电南瑞科技股份有限公司 | 基于广域服务总线的主子站一体化建模系统及方法 |
| CN109165865B (zh) * | 2018-09-07 | 2021-07-06 | 国电南瑞科技股份有限公司 | 基于边界开关连通性分析的主配一体化模型校验方法及系统 |
| CN111064198A (zh) * | 2019-12-31 | 2020-04-24 | 南京因泰莱电器股份有限公司 | 多回路供电配电网的快速负荷调控方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101499659A (zh) * | 2009-03-06 | 2009-08-05 | 清华大学 | 基于基尔霍夫电流定律的变电站分布式状态估计方法 |
| CN101958543A (zh) * | 2010-04-02 | 2011-01-26 | 清华大学 | 一种变电站三相无阻抗非线性多源状态估计方法 |
| CN102496072A (zh) * | 2011-12-19 | 2012-06-13 | 国电南瑞科技股份有限公司 | 智能变电站分布式状态估计系统 |
-
2013
- 2013-04-22 CN CN201310141994.4A patent/CN103269279B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101499659A (zh) * | 2009-03-06 | 2009-08-05 | 清华大学 | 基于基尔霍夫电流定律的变电站分布式状态估计方法 |
| CN101958543A (zh) * | 2010-04-02 | 2011-01-26 | 清华大学 | 一种变电站三相无阻抗非线性多源状态估计方法 |
| CN102496072A (zh) * | 2011-12-19 | 2012-06-13 | 国电南瑞科技股份有限公司 | 智能变电站分布式状态估计系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103269279A (zh) | 2013-08-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103269279B (zh) | 一种主子站联合拓扑辨识方法 | |
| CN110516837B (zh) | 一种基于ai的智能化诊断方法、系统及装置 | |
| CN103454559B (zh) | 一种配电网单相接地故障区段定位方法及定位装置 | |
| CN103245881B (zh) | 一种基于潮流分布特征的配电网故障分析方法及装置 | |
| CN109145949A (zh) | 基于集成学习的非侵入式电力负荷监测与分解方法及系统 | |
| CN103825364B (zh) | 一种应用于电力系统状态估计的主子站信息交互方法 | |
| CN103745119A (zh) | 一种基于故障概率模型的油浸式变压器故障诊断方法 | |
| CN106682407B (zh) | 基于戴维南等值和支路传输功率极限的电压稳定评估方法 | |
| CN106054019B (zh) | 基于故障辅助因子的配电网高容错性在线故障定位方法 | |
| CN111628494B (zh) | 一种基于逻辑回归法的低压配电网拓扑识别方法及系统 | |
| CN108199891B (zh) | 一种基于人工神经网络多角度综合决策的cps网络攻击辨识方法 | |
| CN109902373A (zh) | 一种辖区变电站故障诊断、定位方法及系统 | |
| CN110363334B (zh) | 基于灰色神经网络模型的光伏并网的电网线损预测方法 | |
| CN109001596A (zh) | 一种电网故障诊断与输电线路参数辨识系统 | |
| CN107591802A (zh) | 一种配网模型的抽象校验方法 | |
| CN107453354A (zh) | 一种配电网的薄弱环节识别方法 | |
| CN113220751A (zh) | 多源数据状态量的计量系统及评估方法 | |
| WO2019140553A1 (zh) | 配电系统的健康指数确定方法及装置、计算机存储介质 | |
| CN108988496A (zh) | 一种智能变电站二次系统故障的诊断方法、装置及设备 | |
| CN107016066A (zh) | 一种电网模型建模过程中测点匹配方法及装置 | |
| CN115455802A (zh) | 一种基于数据驱动的低压配电网网络建模及其可视化方法 | |
| Gao et al. | A model for identifying the feeder-transformer relationship in distribution grids using a data-driven machine-learning algorithm | |
| CN113687292B (zh) | 大数据、云环境下电能表错误接线的检测系统及方法 | |
| CN111614083B (zh) | 一种适用于400v供电网络拓扑识别的大数据分析方法 | |
| CN104393593A (zh) | 一种基于三态数据有效融合的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |