CN104407256A - 一种处理量测断面时延的电力系统动态状态更新方法 - Google Patents
一种处理量测断面时延的电力系统动态状态更新方法 Download PDFInfo
- Publication number
- CN104407256A CN104407256A CN201410734586.4A CN201410734586A CN104407256A CN 104407256 A CN104407256 A CN 104407256A CN 201410734586 A CN201410734586 A CN 201410734586A CN 104407256 A CN104407256 A CN 104407256A
- Authority
- CN
- China
- Prior art keywords
- value
- state
- covariance
- prime
- cov
- 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.)
- Granted
Links
Landscapes
- Measuring Magnetic Variables (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种处理量测断面时延的电力系统动态状态更新方法,在电力系统动态状态估计的基础上利用时延的量测断面修正最新的状态滤波值。首先,利用当前动态状态滤波值进行倒推,计算时延量测断面下的状态倒推值。接着,计算状态倒推值误差的协方差、当前状态滤波值与状态倒推值误差的交叉协方差,计算当前状态滤波值的协方差。然后,计算时延断面下的状态滤波值的协方差以及量测值协方差,并计算两者的交叉协方差。最后,利用时延断面量测值和状态倒推值,计算状态更新值,并计算状态更新值的协方差。本发明由于在动态状态估计计算过程中处理了由量测断面时延的问题,从而在发生量测时延时提高了动态状态估计的精度。而且易于与已有的动态状态估计软件相结合。
Description
技术领域
本发明涉及一种处理量测断面时延的电力系统动态状态更新方法,属于电力系统运行和控制技术领域。
背景技术
在电力系统迅速发展以及电力市场逐步推行的现阶段,系统的结构和运行方式日趋复杂,因此对能量管理系统(energy management system,EMS)在系统分析、决策方面的要求也越来越高。系统实时状态监控是EMS的重要组成部分,其中状态估计可以实现对系统当前运行状态的安全监视,因此是电力系统运行和控制中不可或缺的部分。状态估计分为静态状态估计和动态状态估计,静态状态估计进行系统当前潮流断面的运行状态解算,结果提供给安全监控、稳定控制等系统使用。针对当前所面临的超大规模系统运行状态监测,要实现系统经济分配、安全预估和预防控制等在线功能,仅有系统当前运行状态的信息是远远不够的,还需要获得系统运行状态的预报信息。动态状态估计除了拥有静态状态估计的功能外,还能够实时提供系统运行状态的预报值,准确而全面地掌握电力系统的实际运行状态,体现了动态状态估计的重要性。
为了确定电力系统的安全与经济状况,保证电力系统实时数据的质量就成为进一步提高动态状态估计在线应用水平的关键。随着电力系统的迅速发展,各个时段的运行状态必须得到实时的监测和控制。在实际量测数据中,由于现场遥测装置及传输通道可能出现的故障,遥测装置出现不同的采样率、预处理时间和数据通信延迟,因而会出现量测系统中量测量不同步到达SCADA中心的现象。当正常时刻产生的量测在较晚时刻到达监控中心时,动态状态估计的实时跟踪性能将受到影响。
发明内容
发明目的:针对现有技术中存在的问题,本发明提供一种处理量测断面时延的电力系统动态状态更新方法。利用了当前电力系统状态滤波值并结合时延断面数据对不准确的动态状态跟踪值进行更新,以期提高动态状态估计的估计精度,进而提高整个数据系统的质量和可靠性。
技术方案:提供一种处理量测断面时延的电力系统动态状态更新方法,包括以下步骤:
(1)读取k-1量测断面中的数据,包括:电网模型参数以及前一断面的电力系统动态估计值,并在k-1断面下进行动态估计,求得状态滤波值xk-1|k-1,最优滤波增益矩阵kk-1,最优滤波方差阵Pk-1|k-1,计算步骤为:
a.预测步:
b.滤波步:
(2)当k量测断面数据未按时传输到达时,在k+1量测断面下,利用k-1量测断面的状态滤波值计算当前的状态预测值xk+1|k-1和状态滤波值xk+1|k+1。
(3)计算状态倒推关联矩阵:
利用当前的状态预测值xk+1|k-1计算时延量测断面下状态倒推值:
在实际计算中,为了提高计算效率,可以简化为:
(4)计算k+1断面下状态倒推值误差的协方差:
同时,计算当前状态滤波值与状态倒推值误差的交叉协方差:
在此基础上计算当前状态滤波值的协方差:
(5)结合步骤(4)中得到的各协方差值,计算时延断面下的状态滤波值的协方差:
同时,计算时延断面的量测值协方差:
在此基础上,计算当前状态滤波值和时延断面的交叉协方差:
(6)利用时延的k断面量测数据和状态倒推值,在步骤(4)和(5)中已求得的协方差计算基础上计算状态更新值:
最后,计算状态更新值的协方差:
传统的电力系统动态状态估计中,利用连续的量测断面进行状态跟踪,获得电网当前的运行状态估计值。根据前一量测断面的状态滤波值预测下一量测断面的状态量,在下一量测断面数据传输到达时,利用该量测数据并结合状态预测值进行状态滤波,得到动态状态估计值。量测数据经数据采集与监控系统(supervisory control and data acquisition,SCADA)并以若干分钟为一断面集中上报至调度中心,动态状态估计亦以若干分钟进行一次计算。然而,通信传输通常会出现部分量测数据时延到达或丢失等情况,导致在某一断面下的状态动态跟踪无法连续进行。并且监控系统有不同类型的数据源,例如SCADA和安全稳定控制这两种系统的不同时序信息源。因此,在传统电力系统传统动态状态估计中处理此类不同时序量测数据是保证动态状态估计结果更接近于真值的关键。
本发明在动态状态估计的基础上,对量测断面延迟到达时重新计算了各状态量间的协方差及交叉协方差值,根据延时断面信息更新当前状态量,更为全面而准确的动态状态估计对于状态量的实时跟踪特性。若存在SCADA正常量测时序的间断,抑或未有安稳系统信息的补充,必然会导致在监控数据出现非同步时序的情况下,动态跟踪结果与实际出现偏差,降低了动态状态预估值的精度,尤其对系统非平稳变化情况下的影响更甚。本发明通过处理量测断面时延时的状态跟踪信息,有效地提高了动态状态滤波值的可靠性,并使状态估计的结果更加准确。
附图说明
图1为本发明实施例的方法流程图。
具体实施方式
下面结合具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
目前电力系统动态状态估计模型主要采用的是在20世纪70年代初由R.E.Larson和Debs提出的卡尔曼滤波(Kalman filter,KF)算法基础之上发展而来的扩展卡尔曼滤波(extended Kalman filter,EKF)算法。
卡尔曼滤波是一种递推回归方法,它的基本思想是根据新量测的数据和由前面一步量测数据计算而得的估计值,再来推算出新的估计值,即
新估计值=旧估计值十修正值
由于大多数系统的模型是非线性的,因此上述卡尔曼滤波算法在应用上受到了很大的限制,扩展卡尔曼滤波算法的思路就是先将非线性模型线性化,然后再应用卡尔曼滤波算法。对于电力系统而言,在正常情况下,其状态变量随着负荷的变化遵循着一种慢变化过程,因此可以用下面的准稳态模型进行描述:
式中:下标k表示为第k时刻,Xk为状态向量,Zk为量测向量,Fk为状态转移矩阵,Gk为控制向量,Hk为量测雅克比矩阵,ωk为模型误差,vk为量测噪声,且ωk,vk设定为零均值的正态白噪声序列,两者协方差矩阵分别为Qk,Rk。
扩展卡尔曼滤波的本质是求出k+1时刻状态量真值xk+1的最优估计值估计的准则是以状态量的估计误差方差阵Pk+1|k+1最小为目标函数,即:
式中xk+1为k+1时刻状态量的真值,为k+1时刻状态量的估计值。
基于扩展卡尔曼滤波算法的完整的动态状态估计计算公式如下:
预测步:
滤波步:
式中:Pk+1|k为k到k+1时刻状态量预测误差协方差矩阵,Pk|k为k时刻状态滤波值误差协方差矩阵,h(xk+1|k)为k到k+1时刻的量测预测值,Kk+1为k+1时刻的增益矩阵。
预测步采用Holt两参数指数平滑法进行状态量预测,系统模型矩阵为:
式中:ak为水平分量,bk为倾斜分量,α、β为平滑参数。Holt两参数指数平滑预报模型是目前常规电力系统动态状态估计预测步中应用最广泛的模型。
在动态状态估计模型中,若量测断面zk中部分数据出现传输时延而造成xk+1|k无法预测时,为获得xk+1|k+1,须利用xk-1|k-1预测xk+1|k-1,但此刻系统状态的预测值和估计值精度都偏低。因此,当量测断面zk延迟到达监控中心后,则须在zk上对xk+1|k+1进行状态更新,以获得准确的动态跟踪值。
系统的状态量由k-1时刻变化到k+1时刻,在k时刻的量测数据传输延迟,则k+1时刻状态量为:
xk+1=Fk+1|k-1(xk-1-vk+1|k-1)
式中,下标表示时间序列,Fk+1|k-1为k-1时刻到k+1时刻状态转移矩阵,vk+1|k-1为量测断面间的累积过程误差。根据动态状态估计模型:
zk+1=Hk+1xk+1+wk+1
并且v和w各自为相互独立的标准白噪声误差,为零均值且方差表达如下:
E[vvT]=Q E[wwT]=R
式中,Q和R分别为已知的方差对角阵。
因此,对于k时刻到k+1时刻的状态量为:
xk+1=Fk+1|k(xk-vk+1|k)
则k时刻的状态量可表达为:
xk=Fk|k+1(xk+1-vk+1|k)
式中,为倒推转移矩阵。
则在k+1时刻的状态估计值及最优滤波方差为:
式中,k+1时刻量测量累积值κ为选取任意时刻κ为起始点。
则在k时刻可得量测量表达式为:
zk=Hkxk+wk
根据以上公式得到k时刻到k+1时刻的状态估计值及最优滤波方差为:
Pk+1|k=cov[xk+1|Zk]
其中,k时刻量测量累积值
状态量倒推计算步骤总结如下:
步骤1:在当前量测累计值Zk+1基础上,计及过程噪声vk+1|k,利用当前k+1时刻的状态量倒推k+1时延时刻的状态量;
步骤2:进行最优滤波方差估计;
步骤3:在时延量测断面zk下计算滤波增益;
步骤4:计算状态估计值及相应的协方差。
因此,根据以上步骤,状态倒推值为:
其中,以可根据之前的公式获得,而状态倒推值协方差的计算需要条件状态Zk+1下xk+1与vk+1|k两者的交叉协方差值,先构建如下公式:
此时,需要计算
以及
其中,Sk+1的具体表达式为:
并且,
其中:Hk+1为k+1时刻的量测雅克比矩阵,Sk+1为量测预测协方差。
因此,可得状态倒推值的推导公式为:
上式在实际计算中进一步简化可得:
由k+1时刻的状态滤波值倒推得到k时刻的状态倒推值后,此时,需要求解各状态量间的协方差及交叉协方差。
在推导状态倒推值时,vk+1,k|Zk+1的协方差为:
xk+1和vk+1,k的交叉协方差为:
此时,xk+1的协方差:
由此,结合上述三个推导公式得xk的协方差为:
继续求得k时zk的协方差为:
则xk+1与zk的交叉协方差为:
最后,利用zk及更新状态量得:
其中,
得到的协方差为:
式中,表示为的转置。
则处理量测断面实验的电力系统动态状态更新方法的详细技术方案总结如下:
从当前k+1时刻到延迟k时刻的状态量倒推值为:
计算与相关的各协方差值:
则状态倒推值的协方差为:
基于状态倒推值的时延量测估计值协方差为:
则当前量测断面与时延量测断面的协方差值为:
因此,状态更新增益为:
由此,则状态更新值计算式为:
状态更新值协方差为:
本发明处理量测断面时延的电力系统动态状态更新方法利用当前动态估计值倒推得到时延量测断面下的状态估计值,通过估计值间的协方差及交叉协方差矩阵计算,结合当前量测值重新滤波得到状态更新值。该方法与常规动态状态估计程序相结合,由于在状态量预测及滤波计算过程中于考虑到量测断面数据偶尔的缺失而造成相继的估计结果不准确,并在量测数据延迟到达时进行及时的更新,从而最终能够更精确地估计出系统的实时状态量。
Claims (1)
1.一种处理量测断面时延的电力系统动态状态更新方法,其特征在于,包括以下步骤:
(1)读取k-1量测断面中的数据,包括:电网模型参数以及前一断面的电力系统动态估计值,并在k-1断面下进行动态估计,求得状态滤波值xk-1|k-1,最优滤波增益矩阵kk-1,最优滤波方差阵Pk-1|k-1;
(2)当k量测断面数据未按时传输到达时,在k+1量测断面下,利用k-1量测断面的状态滤波值计算当前的状态预测值xk+1|k-1和状态滤波值xk+1|k+1;
(3)计算状态倒推关联矩阵:
利用xk+1|k-1计算时延量测断面下状态倒推值:
在实际计算中,为了提高计算效率,可以简化为:
(4)计算k+1断面下状态倒推值误差的协方差:
同时,计算当前状态滤波值与状态倒推值误差的交叉协方差:
在此基础上计算当前状态滤波值的协方差:
(5)结合步骤(4)中得到的各协方差值,计算时延断面下的状态滤波值的协方差:
同时,计算时延断面的量测值协方差:
在此基础上,计算此两者的交叉协方差:
(6)利用时延的k断面量测数据和状态倒推值,在已步骤(4)和(5)中已求得的协方差计算基础上计算状态更新值:
最后,计算状态更新值的协方差:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410734586.4A CN104407256B (zh) | 2014-12-04 | 2014-12-04 | 一种处理量测断面时延的电力系统动态状态更新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410734586.4A CN104407256B (zh) | 2014-12-04 | 2014-12-04 | 一种处理量测断面时延的电力系统动态状态更新方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104407256A true CN104407256A (zh) | 2015-03-11 |
CN104407256B CN104407256B (zh) | 2017-11-03 |
Family
ID=52644901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410734586.4A Active CN104407256B (zh) | 2014-12-04 | 2014-12-04 | 一种处理量测断面时延的电力系统动态状态更新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104407256B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110971492A (zh) * | 2019-12-23 | 2020-04-07 | 国电南瑞科技股份有限公司 | 考虑广域量测时延的rtu全网同时断面生成方法及系统 |
CN111245099A (zh) * | 2020-03-19 | 2020-06-05 | 山东科技大学 | 基于事件触发传输机制和混合量测的配电网状态估计方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615794A (zh) * | 2009-08-05 | 2009-12-30 | 河海大学 | 基于无迹变换卡尔曼滤波的电力系统动态状态估计方法 |
KR20110027380A (ko) * | 2009-09-10 | 2011-03-16 | 한국전력공사 | 가스터빈의 향상된 동적 상태 감시 방법 및 장치 |
CN102638040A (zh) * | 2012-04-16 | 2012-08-15 | 中国南方电网有限责任公司 | 电力系统安全稳定紧急控制定值在线整定方法 |
EP2597429A1 (de) * | 2011-11-25 | 2013-05-29 | Dr. Fritz Faulhaber GmbH & Co. KG | Verfahren und Anordnung zur Bestimmung des dynamischen Zustands eines Elektromotors |
CN103324847A (zh) * | 2013-06-17 | 2013-09-25 | 西南交通大学 | 电力系统动态不良数据检测与辨识方法 |
-
2014
- 2014-12-04 CN CN201410734586.4A patent/CN104407256B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615794A (zh) * | 2009-08-05 | 2009-12-30 | 河海大学 | 基于无迹变换卡尔曼滤波的电力系统动态状态估计方法 |
KR20110027380A (ko) * | 2009-09-10 | 2011-03-16 | 한국전력공사 | 가스터빈의 향상된 동적 상태 감시 방법 및 장치 |
EP2597429A1 (de) * | 2011-11-25 | 2013-05-29 | Dr. Fritz Faulhaber GmbH & Co. KG | Verfahren und Anordnung zur Bestimmung des dynamischen Zustands eines Elektromotors |
CN102638040A (zh) * | 2012-04-16 | 2012-08-15 | 中国南方电网有限责任公司 | 电力系统安全稳定紧急控制定值在线整定方法 |
CN103324847A (zh) * | 2013-06-17 | 2013-09-25 | 西南交通大学 | 电力系统动态不良数据检测与辨识方法 |
Non-Patent Citations (4)
Title |
---|
CHUN-LIEN SU等: "Interconnected Network State Estimation Using Randomly Delayed Measurements", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 * |
Interconnected Network State Estimation Using Randomly Delayed Measurements;Chun-Lien Su等;《IEEE TRANSACTIONS ON POWER SYSTEMS》;20011130;第16卷(第4期);870-878 * |
张伯明等: "电力系统实时运行状态的估计和预报", 《中国电机工程学报》 * |
电力系统实时运行状态的估计和预报;张伯明等;《中国电机工程学报》;19910428;第11卷;68-74 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110971492A (zh) * | 2019-12-23 | 2020-04-07 | 国电南瑞科技股份有限公司 | 考虑广域量测时延的rtu全网同时断面生成方法及系统 |
CN111245099A (zh) * | 2020-03-19 | 2020-06-05 | 山东科技大学 | 基于事件触发传输机制和混合量测的配电网状态估计方法 |
CN111245099B (zh) * | 2020-03-19 | 2021-03-12 | 山东科技大学 | 基于事件触发传输机制和混合量测的配电网状态估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104407256B (zh) | 2017-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7009554B1 (en) | Reduced state estimation with multisensor fusion and out-of-sequence measurements | |
CN111143989B (zh) | 频率调整量计算方法、模块、系统、存储介质和设备 | |
CN103927436A (zh) | 一种自适应高阶容积卡尔曼滤波方法 | |
CN102968552B (zh) | 一种卫星轨道数据预估与修正方法 | |
CN111127523B (zh) | 基于量测迭代更新的多传感器gmphd自适应融合方法 | |
CN102322861A (zh) | 一种航迹融合方法 | |
CN102853836B (zh) | 一种基于航迹质量的反馈加权融合方法 | |
CN108831181A (zh) | 一种用于公交车辆行程时间预测的模型建立方法及系统 | |
CN105305426A (zh) | 基于偏差控制机制的Mapreduce化两步法短期负荷预测方法 | |
CN103646670B (zh) | 一种评估存储系统性能的方法和设备 | |
JP2017221102A5 (zh) | ||
CN104899457A (zh) | 基于改进无偏gm(1,1)模型的卫星数据预测方法 | |
CN104407256A (zh) | 一种处理量测断面时延的电力系统动态状态更新方法 | |
US10263426B2 (en) | System stabilizing control device and method | |
CN109557371A (zh) | 一种用于配电网相量测量的同步授时守时方法 | |
CN105071961A (zh) | 一种Web服务的服务质量预测方法和装置 | |
CN104537233A (zh) | 一种基于核密度估计的配电网伪量测生成方法 | |
CN104754606B (zh) | 一种基于信道预测的中继选择方法和系统 | |
CN108399415B (zh) | 一种基于设备所处生命周期阶段的自适应数据采集方法 | |
CN111340853B (zh) | 基于ospa迭代的多传感器gmphd自适应融合方法 | |
CN103616680A (zh) | 基于离散变速率采样的机动弱目标检测前跟踪方法 | |
Gather et al. | Methods and algorithms for robust filtering | |
CN105654189A (zh) | 基于时间序列分析与卡尔曼滤波算法的覆冰短期预测方法 | |
CN103914628B (zh) | 一种空间遥操作系统输出状态预测方法 | |
Seppänen et al. | Analysis of electromechanical modes using multichannel Yule-Walker estimation of a multivariate autoregressive model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |