CN103617342B - 一种电网状态估计多算法融合系统 - Google Patents
一种电网状态估计多算法融合系统 Download PDFInfo
- Publication number
- CN103617342B CN103617342B CN201310499688.8A CN201310499688A CN103617342B CN 103617342 B CN103617342 B CN 103617342B CN 201310499688 A CN201310499688 A CN 201310499688A CN 103617342 B CN103617342 B CN 103617342B
- Authority
- CN
- China
- Prior art keywords
- algorithm
- state estimation
- state
- measurement
- power grid
- 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.)
- Expired - Fee Related
Links
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种电网状态估计多算法融合系统,包括加权最小二乘法、快速分解法、正交变换法、量测状态变换法,该系统基于数据融合思想进行设计,这些算法相互融合实现电网状态估计,使得估计结果既保留了各自算法的优点,同时又避免了单一算法的缺点。该系统支持两种算法融合模式,其一为串行模式,即按照一定顺序相继执行每一种估计算法,前一种算法的输出作为后一种算法的输入,执行完所有算法最后得到某一状态估计结果;其二为并行模式,即分别单独执行每一种估计算法得到各自的状态估计结果,然后对这些结果进行加权组合得到最后的状态估计结果。
Description
技术领域
本发明涉及电力系统数据算法领域,具体为一种电网状态估计多算法融合系统。
背景技术
随着电力系统的迅速发展,电力系统的网络结构和运行方式日趋复杂,对现代化调度系统提出了必须准确、快速、全面地掌握电力系统实际运行方式和运行状态的要求。现代电力系统能量管理系统(EMS)的各种高级应用入电压稳定性分析、暂态稳定性分析和安全约束调度等都要依赖状态估计所提供的实时可靠数据。因此,状态估计成了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。
虽然现在关于状态估计的算法很多,而且对算法的优化也是越来越完善,但是各个算法都会存在着缺点,而且每个算法也有着自身的适应条件。所以,仅仅靠某一种算法进行状态估计来满足复杂电网的大数据处理尚有难度。
发明内容
为了克服上述现有算法的不足,本发明的目的是提供一种电网状态估计多算法融合系统。
为了达到上述目的,本发明所采用的技术方案为:
一种电网状态估计多算法融合系统,其特征在于:融合有加权最小二乘法、快速分解法、正交变换法、量测状态变换法,其中:
加权最小二乘法以量测值Z的残差平方和最小为目标准则的估计方法,由于量测方程为非线性方程,因此采用迭代法求其状态量,估计具有最优一致且无偏等优良传统特性,但在实际情况下,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;
快速分解法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,还有一定自动弱化不良数据影响的功能,其中权函数的修正为该算法的核心,故需要给出功能强、修正合理的权函数;
正交变换法利用某一矩阵进行正交变换后矩阵的范数不变提出了一种新的对结点和量测的排序方法,对方程两边的系数矩阵同时进行正交变换,变换后方程的条件数不变,具有较高的数值稳定性,但计算量会增大;
量测状态变换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。
所述的一种电网状态估计多算法融合系统,其特征在于:加权最小二乘法、快速分解法、正交变换法、量测状态变换法相互联系又相互独立,其中某个算法因不适用而停止使用不会对其他算法构成影响。
所述的一种电网状态估计多算法融合系统,其特征在于:系统的启动实现了手动和自动两种模式。
所述的一种电网状态估计多算法融合系统,其特征在于:按照一定顺序相继执行每一种估计算法,前一种算法的输出作为后一种算法的输入,执行完所有算法最后得到某一状态估计结果,即串行模式:
步骤1:读入量测量,进行可观测性检验;
步骤2:将检验后的量测量作为输入,利用加权最小二乘法进行状态估计,通过迭代法求出其状态量;
步骤3:用步骤2求出的状态量进行潮流计算得到估计值,作为快速分解法的输入进行状态估计得到新的估计值;
步骤4:用步骤3得到的估计值作为输入,利用正交变换法进行状态估计,又得到一组新的估计值;
步骤5:用步骤4得到的估计值中支路潮流作为输入,利用测量状态变换法进行状态估计,得到最终的状态估计结果;
步骤6:输出最终状态估计结果并进行检测与辨识。
所述的一种电网状态估计多算法融合系统,其特征在于:分别单独执行每一种估计算法得到各自的状态估计结果,然后对这些结果进行加权组合得到最后的状态估计结果,即并行模式:
步骤1:读入量测量,进行可观测性检验;
步骤2:将检验后的量测量作为输入,分别利用加权最小二乘法、快速分解法、正交变换法、量测状态变换法进行状态估计得到四组估计值;
步骤3:对四组估计值进行加权组合得到最终的估计值并进行检测与辨识。
所述的一种电网状态估计多算法融合系统,其特征在于:同样的输入通过不同的方法得到不同的输出,实现全面的数据分析。
所述的一种电网状态估计多算法融合系统,其特征在于:支持在线状态估计和离线状态估计。
所述的一种电网状态估计多算法融合系统,其特征在于:实现了权最小二乘法、快速分解法、正交变换法、量测状态变换法在不同时间尺度上的协调。
本发明将四种算法进行融合,利用串行和并行两种模式进行状态估计,对量测量进行多次过滤,不仅提高了估计值的精度,一定程度上也提高了状态估计的效率。
本发明与现有的技术相比,具有如下优点:
(1)多算法。电网状态估计的算法有很多,每个算法都有着自己的优缺点,同时也有适用条件,尽管优化越来越完善,单一算法还是无法应用于多种电网,本发明有四种算法,扩大了适用范围,基本可以满足所有电网状态估计的需求。
(2)串行和并行模式。对算法进行融合,实现提高复杂电网大数据状态估计的精度和效率
(2.1)串行模式。读入数据按照一定顺序相继执行每一种估计算法,前一种算法的输出作为后一种算法的输入,执行完所有算法最后得到某一状态估计结果,此结果是四种算法对量测量的优化,相对单一的算法,避免了算法的缺陷,提高状态估计结果的精度。
(2.2)并行模式。分别单独执行每一种估计算法得到各自的状态估计结果,此模式由同一输入得到不同的输出,然后对这些结果进行加权组合得到最后的状态估计结果,易于分析每种算法的缺陷,同样提高了状态估计结果的精度,还提高了状态估计的效率。
(3)灵活性。相较于单一算法对不适用的电网无法进行状态估计或估计结果精度低,本发明对其中不适用的算法进行停止不参与状态估计,而不影响其他算法进行状态估计,实现了系统的灵活性。
附图说明
图1为本发明串行模式和并行模式输入输出模型。
图2为本发明登陆状态估计Web页面。
图3为本发明配置元数据及运行界面。
图4为本发明数据平台展示的测量结果。
具体实施方式
一种电网状态估计多算法融合系统,融合有加权最小二乘法、快速分解法、正交变换法、量测状态变换法,其中:
加权最小二乘法以量测值Z的残差平方和最小为目标准则的估计方法,由于量测方程为非线性方程,因此采用迭代法求其状态量,估计具有最优一致且无偏等优良传统特性,但在实际情况下,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;
快速分解法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,还有一定自动弱化不良数据影响的功能,其中权函数的修正为该算法的核心,故需要给出功能强、修正合理的权函数;
正交变换法利用某一矩阵进行正交变换后矩阵的范数不变提出了一种新的对结点和量测的排序方法,对方程两边的系数矩阵同时进行正交变换,变换后方程的条件数不变,具有较高的数值稳定性,但计算量会增大;
量测状态变换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。
加权最小二乘法、快速分解法、正交变换法、量测状态变换法相互联系又相互独立,其中某个算法因不适用而停止使用不会对其他算法构成影响。
系统的启动实现了手动和自动两种模式。
按照一定顺序相继执行每一种估计算法,前一种算法的输出作为后一种算法的输入,执行完所有算法最后得到某一状态估计结果,即串行模式:
步骤1:读入量测量,进行可观测性检验;
步骤2:将检验后的量测量作为输入,利用加权最小二乘法进行状态估计,通过迭代法求出其状态量;
步骤3:用步骤2求出的状态量进行潮流计算得到估计值,作为快速分解法的输入进行状态估计得到新的估计值;
步骤4:用步骤3得到的估计值作为输入,利用正交变换法进行状态估计,又得到一组新的估计值;
步骤5:用步骤4得到的估计值中支路潮流作为输入,利用测量状态变换法进行状态估计,得到最终的状态估计结果;
步骤6:输出最终状态估计结果并进行检测与辨识。
分别单独执行每一种估计算法得到各自的状态估计结果,然后对这些结果进行加权组合得到最后的状态估计结果,即并行模式:
步骤1:读入量测量,进行可观测性检验;
步骤2:将检验后的量测量作为输入,分别利用加权最小二乘法、快速分解法、正交变换法、量测状态变换法进行状态估计得到四组估计值;
步骤3:对四组估计值进行加权组合得到最终的估计值并进行检测与辨识。
同样的输入通过不同的方法得到不同的输出,实现全面的数据分析。
支持在线状态估计和离线状态估计。
实现了权最小二乘法、快速分解法、正交变换法、量测状态变换法在不同时间尺度上的协调。
如图1所示,本发明为一种电网状态估计多算法融合系统,该系统包括加权最小二乘法、快速分解法、正交变换法、量测状态变换法,基于数据融合思想进行设计,支持串行和并行两种算法融合模式。串行模式是读入量测量逐个执行每一种估计算法,前一个算法的输出作为下一个算法的输出,最终输出状态估计结果;并行模式则是读入量测量分别执行每一种估计算法,对输出的四种状态估计结果作加权组合得到最终状态估计结果。这两种模式解决了复杂电网大数据背景下单一算法难以满足状态估计要求的问题,提高了状态估计的精度和效率。
实施例1,手动配置元数据进行状态估计并输出结果。
在Web模式下实现状态估计,首先从Felix启动状态估计功能模块,在数据平台上通过“New Input → Get An Instance →
Start Update”新建网架元数据,在本程序中测试文件为. \_data\edata\db_data.txt,配置文件为EReaderCfg 4DB.Properties,不妨将网架元数据命名为ieee,再建立量测元数据,在本程序中测试文件为. \_data\edata\db_meas.txt,配置文件为EReaderCfg4DB.Properties,不妨将网架元数据命名为meas,然后登录状态估计页面(本次使用本地计算机测试,所以网址为:127.0.0.1:8080/ztgj/index.html),输入用户和密码进入状态估计页面如图2所示;新建一个名为result的状态估计结果元数据,然后选择上一步配置好的网架元数据和量测元数据,本次程序运行这两个元数据分别为ieee和meas,然后点击“测试计算”,运行时界面如图3所示:最后,在数据平台元数据展示中可以看到result的结果如图4所示。
Claims (7)
1.一种电网状态估计多算法融合系统,其特征在于:融合有加权最小二乘法、快速分解法、正交变换法、量测状态变换法,其中: 加权最小二乘法以量测值Z的残差平方和最小为目标准则的估计方法,由于量测方程为非线性方程,因此采用迭代法求其状态量,估计具有最优一致且无偏等优良传统特性,但在实际情况下,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; 快速分解法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,还有一定自动弱化不良数据影响的功能,其中权函数的修正为该算法的核心,故需要给出功能强、修正合理的权函数; 正交变换法利用某一矩阵进行正交变换后矩阵的范数不变提出了一种新的对结点和量测的排序方法,对方程两边的系数矩阵同时进行正交变换,变换后方程的条件数不变,具有较高的数值稳定性,但计算量会增大; 量测状态变换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;
分别单独执行每一种估计算法得到各自的状态估计结果,然后对这些结果进行加权组合得到最后的状态估计结果,即并行模式: 步骤1):读入量测量,进行可观测性检验; 步骤2):将检验后的量测量作为输入,分别利用加权最小二乘法、快速分解法、正交变换法、量测状态变换法进行状态估计得到四组估计值; 步骤3):对四组估计值进行加权组合得到最终的估计值并进行检测与辨识。
2.根据权利要求1所述的一种电网状态估计多算法融合系统,其特征在于:加权最小二乘法、快速分解法、正交变换法、量测状态变换法相互联系又相互独立,其中某个算法因不适用而停止使用不会对其他算法构成影响。
3.根据权利要求1所述的一种电网状态估计多算法融合系统,其特征在于:系统的启动实现了手动和自动两种模式。
4.根据权利要求1所述的一种电网状态估计多算法融合系统,其特征在于:按照一定顺序相继执行每一种估计算法,前一种算法的输出作为后一种算法的输入,执行完所有算法最后得到某一状态估计结果,即串行模式: 步骤1:读入量测量,进行可观测性检验; 步骤2:将检验后的量测量作为输入,利用加权最小二乘法进行状态估计,通过迭代法求出其状态量; 步骤3:用步骤2求出的状态量进行潮流计算得到估计值,作为快速分解法的输入进行状态估计得到新的估计值; 步骤4:用步骤3得到的估计值作为输入,利用正交变换法进行状态估计,又得到一组新的估计值; 步骤5:用步骤4得到的估计值中支路潮流作为输入,利用测量状态变换法进行状态估计,得到最终的状态估计结果; 步骤6:输出最终状态估计结果并进行检测与辨识。
5.根据权利要求1所述的一种电网状态估计多算法融合系统,其特征在于:同样的输入通过不同的方法得到不同的输出,实现全面的数据分析。
6.根据权利要求1所述的一种电网状态估计多算法融合系统,其特征在于:支持在线状态估计和离线状态估计。
7.根据权利要求1所述的一种电网状态估计多算法融合系统,其特征在于:实现了权最小二乘法、快速分解法、正交变换法、量测状态变换法在不同时间尺度上的协调。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310499688.8A CN103617342B (zh) | 2013-10-22 | 2013-10-22 | 一种电网状态估计多算法融合系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310499688.8A CN103617342B (zh) | 2013-10-22 | 2013-10-22 | 一种电网状态估计多算法融合系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103617342A CN103617342A (zh) | 2014-03-05 |
CN103617342B true CN103617342B (zh) | 2016-12-07 |
Family
ID=50168045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310499688.8A Expired - Fee Related CN103617342B (zh) | 2013-10-22 | 2013-10-22 | 一种电网状态估计多算法融合系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103617342B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103902814B (zh) * | 2014-03-10 | 2017-06-16 | 中国南方电网有限责任公司 | 基于动态分区的电力系统运行状态检测方法 |
CN104037763B (zh) * | 2014-07-02 | 2016-02-24 | 大连海事大学 | 一种适合含小阻抗支路系统的快速分解法潮流计算方法 |
CN106786544B (zh) * | 2017-01-05 | 2019-08-27 | 国网福建省电力有限公司 | 一种处理支路电流量测的电网快速分解状态估计方法 |
CN108984483B (zh) * | 2018-07-13 | 2020-06-09 | 清华大学 | 基于dag及矩阵重排的电力系统稀疏矩阵求解方法和系统 |
CN109711662B (zh) * | 2018-11-14 | 2021-03-09 | 华北电力大学 | 一种基于多源数据融合的电网抗差状态估计方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103336904A (zh) * | 2013-07-08 | 2013-10-02 | 国家电网公司 | 一种基于分段线性权因子函数的抗差状态估计方法 |
-
2013
- 2013-10-22 CN CN201310499688.8A patent/CN103617342B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103336904A (zh) * | 2013-07-08 | 2013-10-02 | 国家电网公司 | 一种基于分段线性权因子函数的抗差状态估计方法 |
Non-Patent Citations (2)
Title |
---|
《电力系统状态估计算法的研究现状和展望》;兰华,李积捷;《继电器》;20070516;第35卷(第10期);第78-82页 * |
《电力系统状态估计算法综述与研究趋势》;高奥,兰华,李晋;《东北电力大学学报》;20110228;第31卷(第1期);第52-56页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103617342A (zh) | 2014-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103617342B (zh) | 一种电网状态估计多算法融合系统 | |
CN106338706B (zh) | 一种电能计量装置整体误差检测的方法、装置和系统 | |
CN104134999B (zh) | 基于多数据源的配电网量测有效性分析实用化计算方法 | |
CN102163844B (zh) | 基于相量测量装置的电力系统状态检测方法 | |
Lo et al. | Non-technical loss detection using smart distribution network measurement data | |
US20140244189A1 (en) | System For Achieving Real-Time Monitoring and State Estimation in Power Distribution Networks | |
Singhal et al. | Long-term voltage stability assessment of an integrated transmission distribution system | |
CN102175922A (zh) | 基于pmu量测数据的电力线路参数的辨识与估计方法 | |
CN113010998A (zh) | 基于随动线损及遗忘因子最小二乘法的电表误差估计方法 | |
CN105510864A (zh) | 一种电能表误差计量的检测方法 | |
CN104375024A (zh) | 一种自动测试系统的原位自检、计量装置及其方法 | |
CN103324858A (zh) | 配电网三相潮流状态估计方法 | |
CN113805138A (zh) | 一种基于参数有向遍历的智能电表误差估计方法及装置 | |
CN101599013A (zh) | 一种基于缺陷驱动的迭代项目量化监控方法及其系统 | |
CN113033617A (zh) | 一种基于大数据台区线损数据深度挖掘分析方法 | |
CN111832174A (zh) | 一种基于多元回归的配线线损率处理方法及装置 | |
Amarsagar et al. | Identifying long term voltage stability caused by distribution systems vs transmission systems | |
CN105843736B (zh) | 一种电力系统状态估计软件的测试方法 | |
CN117639086A (zh) | 一种配电台区的拓扑识别功能评价方法及装置 | |
CN114693083A (zh) | 基于正态分布的误差超差电表定位分析方法及装置 | |
CN114421453A (zh) | 一种基于混合测量值的配电网参数估计方法及系统 | |
Shang et al. | Information system reliability quantitative assessment method and engineering application | |
CN110717244B (zh) | 基于平均偏离度算法的数据信任度分析计算机仿真方法 | |
CN109193617B (zh) | 基于紧约束识别的电力系统脆弱点评价方法及系统 | |
Li et al. | A smart meters optimization model for reliability prediction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20161207 Termination date: 20171022 |
|
CF01 | Termination of patent right due to non-payment of annual fee |