CN105071388B - 一种基于极大似然估计的配电网状态估计方法 - Google Patents
一种基于极大似然估计的配电网状态估计方法 Download PDFInfo
- Publication number
- CN105071388B CN105071388B CN201510500524.1A CN201510500524A CN105071388B CN 105071388 B CN105071388 B CN 105071388B CN 201510500524 A CN201510500524 A CN 201510500524A CN 105071388 B CN105071388 B CN 105071388B
- Authority
- CN
- China
- Prior art keywords
- sigma
- measurement
- distribution network
- node
- power
- 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
- 238000007476 Maximum Likelihood Methods 0.000 title claims abstract description 19
- 238000005259 measurement Methods 0.000 claims abstract description 87
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000002347 injection Methods 0.000 claims description 18
- 239000007924 injection Substances 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000003990 capacitor Substances 0.000 claims description 3
- 238000004088 simulation Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种基于极大似然估计的配电网状态估计方法,属于电力系统调度自动化与电网仿真技术领域。假设配电网负荷伪量测已经通过某种方法得到,与配电网负荷真值相,得到了伪量测误差组,然后采用核密度估计方法来生成伪量测误差的分布模型,并通过极大似然估计原理建立了考虑负荷伪量测的状态估计模型。本发明方法具有很好的拟合分布效果。只要该数据样本的概率是存在与连续,它可以拟合数据的任何分布形式,且不需要任何先验的概率分布假设。所以,本方法可以解决配电网的负荷伪量测不服从正态分布难题,进一步提出了考虑新概率密度函数的极大似然估计,提高了配电网状态估计结果的精度。
Description
技术领域
本发明涉及一种基于极大似然估计的配电网状态估计方法,利用配电网的历史数据和伪量测数据与一种核密度估计方法来生成伪量测误差的分布模型,从而通过极大似然估计原理建立了考虑负荷伪量测的状态估计模型,属于电力系统调度自动化与电网仿真技术领域。
背景技术
状态估计作为智能配电网的核心技术之一,而现在的配电网数据的采集量庞大而复杂,测点的硬件安装需要耗费大量的资金和精力,也不现实,导致配电网量测数据严重不足,因此配网状态估计依赖负荷伪量测,而伪量测的误差分布模型显著影响状态估计的精度。伪量测误差模型可以通过负荷误差的概率密度函数来表示,一般可以采用正太分布方法,由于伪量测误差在不同节点变化不同,所以传统的正态分布方法不能满足伪量测模型的统计性。配电网中实时量测很少,主要依赖于通过计量系统获得的非实时量测计算得到的伪量测。考虑到配电网规模庞大,限于投资和维护成本,实际安装的实时测量装置少,实时量测数据严重不足,因此配网状态估计依赖负荷伪量测,而伪量测的误差分布模型显著影响状态估计的精度。
发明内容
本发明的目的是提出一种基于极大似然估计的配电网状态估计方法,以此获得配电网的状态估计模型,以提高状态估计的精度。
本发明提出的基于极大似然估计的配电网状态估计方法,包括以下步骤:
(1)从配电网的配电管理系统数据库中获取系统状态变量(包括有功功率、无功功率、电压幅值、相角等)的实时量测值从历史数据库中获取同一时刻的配电网负荷,利用短期负荷预测方法生成负荷伪量测值j=(1,2,..,m),其中j为配电网的节点编号,通过下式计算量测误差:
或
其中,vj为节点j的量测误差,为节点j的量测真值(由已知配电网节点的注入功率和部分电压值,通过潮流计算得到潮流分布,作为量测真值);
(2)对于步骤(1)中得到的伪量测误差vj,计算伪量测误差vj概率密度函数为:
其中,是上述vj的第i个采样值(i=1,2,...,n),dj为节点j核密度估计函数的宽带,σj是节点j核密度估计函数的标准差,K(.)是标准高斯核函数,定义为:
其中,y为标准高斯核函数的自变量取值,R为实数集合;
(3)设步骤(1)中的实时量测满足正态分布,则实时量测误差的概率密度函数为:
其中,x为状态变量,hj(x)是节点j真值的概率分布;
(4)建立用于配电网状态估计极大似然估计目标函数如下:
s.t.
c(x)=0(零注入量测方程)
其中,x为状态变量矢量,hij(x)为步骤(1)中的量测真值对状态变量的函数,该函数的具体表达式由配电网络拓扑和潮流方程决定,是负荷伪量测值的第i个采样值;
(5)建立配电网状态估计模型,步骤如下:
(5-1)模型简化:
(5-2)根据琴生(Jensen)不等式:
而:
不等式取等号条件:
c为常数
则:
(4-3)得到配电网状态估计模型如下:
s.t.c(x)=0
其中,c(x)=0是零注入母线的约束方程,其中包括配电网的有功功率零注入和无功功率零注入方程,x是状态变量矢量,包括支路首端功率Plj,Qlj和支路电流幅值Ilj;
其中:
支路电流幅值量测方程:
支路首端功率量测方程:
支路末端功率量测方程:
节点注入功率量测方程:
节点电压平方的量测方程:
节点j的电压约束方程:
其中,l,k∈j表示配电网中与节点j相连的节点,Xcj为节点j的电容器和充电电容的电抗值,Ilj为支路电流幅值,Plj,Qlj为支路首端功率,Pj,Qj分别表示节点注入有功和无功功率,v*是对应量测的误差,Rlj,Xlj分别为支路电阻和电抗,是出现的概率。
本发明提出的基于极大似然估计的配电网状态估计方法,其优点是:
1、本发明方法充分利用了配电网中的负荷伪量测,针对量测有限的配电网有效地产生伪量测误差模型,便于进行配电网状态估计。
2、本发明方法充分利用了数据样本的概率,有效拟合负荷伪量测的误差分布,进而提高了配电网状态估计准确度。
3、本发明方法可以拟合数据的任何分布形式,且不需要任何先验的概率分布假设,收敛性能得到保证,所以,此方法可以解决配电网的负荷伪量测不服从正态分布难题,能获得所要求的分布精度。
4、本发明方法结合实时量测和负荷伪量测模型进行状态估计,在线跟踪电力系统的状态变化,生成负荷伪量测误差模型,通过一种强大的极大似然估计为配电网的状态估计提供可靠的信息。
附图说明
图1是本发明提出的基于极大似然估计的配电网状态估计方法的流程框图。
具体实施方式
本发明提出的基于极大似然估计的配电网状态估计方法,其流程框图如图1所示,包括以下步骤:
(1)从配电网的配电管理系统数据库中获取系统状态变量(包括有功功率、无功功率、电压幅值、相角等)的实时量测值从历史数据库中获取同一时刻的配电网负荷,利用短期负荷预测方法生成负荷伪量测值j=(1,2,..,m),其中j为配电网的节点编号,通过下式计算量测误差:
或
其中,vj为节点j的量测误差,为节点j的量测真值(由已知配电网节点的注入功率和部分电压值,通过潮流计算得到潮流分布,作为量测真值);
(2)对于步骤(1)中得到的伪量测误差vj,计算伪量测误差vj概率密度函数为:
其中,是上述vj的第i个采样值(i=1,2,...,n),dj为节点j核密度估计函数的宽带,σj是节点j核密度估计函数的标准差,K(.)是标准高斯核函数,定义为:
其中,y为标准高斯核函数的自变量取值,R为实数集合;
(3)设步骤(1)中的实时量测满足正态分布,则实时量测误差的概率密度函数为:
其中,x为状态变量,hj(x)是节点j真值的概率分布;
(4)建立用于配电网状态估计极大似然估计目标函数如下:
s.t.
c(x)=0(零注入量测方程)
其中,x为状态变量矢量,hij(x)为步骤(1)中的量测真值对状态变量的函数,该函数的具体表达式由配电网络拓扑和潮流方程决定,是负荷伪量测值的第i个采样值;
(5)建立配电网状态估计模型,步骤如下:
(5-1)模型简化:
(5-2)根据琴生(Jensen)不等式:
而:
不等式取等号条件:
c为常数
则:
(4-3)得到配电网状态估计模型如下:
s.t.c(x)=0
其中,c(x)=0是零注入母线的约束方程,其中包括配电网的有功功率零注入和无功功率零注入方程,x是状态变量矢量,包括支路首端功率Plj,Qlj和支路电流幅值Ilj;
其中:
支路电流幅值量测方程:
支路首端功率量测方程:
支路末端功率量测方程:
节点注入功率量测方程:
节点电压平方的量测方程:
节点j的电压约束方程:
其中,l,k∈j表示配电网中与节点j相连的节点,Xcj为节点j的电容器和充电电容的电抗值,Ilj为支路电流幅值,Plj,Qlj为支路首端功率,Pj,Qj分别表示节点注入有功和无功功率,v*是对应量测的误差,Rlj,Xlj分别为支路电阻和电抗,是出现的概率。
本发明提出一种基于极大似然估计的配电网状态估计方法,假设配电网负荷伪量测已经通过某种方法得到,与配电网负荷真值相,得到了伪量测误差组,然后采用核密度估计方法来生成伪量测误差的分布模型,并通过极大似然估计原理建立了考虑负荷伪量测的状态估计模型。该方法在线跟踪电力系统的状态变化,可以很好考虑伪量测误差分布模型,为配电网的状态估计提供可靠的信息,从而改善状态估计结果的质量。
Claims (1)
1.一种基于极大似然估计的配电网状态估计方法,其特征在于,该方法包括以下步骤:
(1)从配电网的配电管理系统数据库中获取系统状态变量的实时量测值从历史数据库中获取同一时刻的配电网负荷,利用短期负荷预测方法生成负荷伪量测值其中j为配电网的节点编号,通过下式计算量测误差:
或
其中,vj为节点j的量测误差,为节点j的量测真值,由已知配电网节点的注入功率和部分电压值,通过潮流计算得到潮流分布,作为量测真值;
(2)对于步骤(1)中得到的伪量测误差vj,计算伪量测误差vj概率密度函数为:
其中,是上述vj的第i个采样值,i=1,2,...,n,dj为节点j核密度估计函数的宽带,σj是节点j核密度估计函数的标准差,K(.)是标准高斯核函数,定义为:
其中,y为标准高斯核函数的自变量取值,R为实数集合;
(3)或设步骤(1)中的实时量测满足正态分布,则实时量测误差的概率密度函数为:
其中,x为状态变量,hj(x)是节点j真值的概率分布;
(4)建立用于配电网状态估计极大似然估计目标函数如下:
s.t.
c(x)=0,为零注入母线的约束方程,
其中,x为状态变量矢量,hij(x)为步骤(1)中的量测真值对状态变量的函数,该函数的具体表达式由配电网络拓扑和潮流方程决定,是负荷伪量测值的第i个采样值;
(5)建立配电网状态估计模型,步骤如下:
(5-1)模型简化:
(5-2)根据琴生不等式:
而:
不等式取等号条件:
c为常数
则:
(5-3)得到配电网状态估计模型如下:
s.t.c(x)=0
其中,c(x)=0是零注入母线的约束方程,其中包括配电网的有功功率零注入和无功功率零注入方程,x是状态变量矢量,包括支路首端功率Plj,Qlj和支路电流幅值Ilj;
其中:
支路电流幅值量测方程:
支路首端功率量测方程:
支路末端功率量测方程:
节点注入功率量测方程:
节点电压平方的量测方程:
节点j的电压约束方程:
其中,l,k∈j表示配电网中与节点j相连的节点,Xcj为节点j的充电电容的电抗值,Uj为节点电压幅值,Ilj和Ijk分别为支路lj和支路jk电流幅值,Plj、Pjk、Qlj和Qjk分别为支路lj与支路jk的首端有功功率和首端无功功率,Pj,Qj分别表示节点注入有功和无功功率,是节点j的电压量测误差,是支路lj的电流量测的误差,和分别是支路lj的有功功率量测误差和有功功率量测误差,和分别是节点j的有功功率量测误差和无功功率量测误差,Rlj,Xlj分别为支路电阻和电抗,是出现的概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510500524.1A CN105071388B (zh) | 2015-08-14 | 2015-08-14 | 一种基于极大似然估计的配电网状态估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510500524.1A CN105071388B (zh) | 2015-08-14 | 2015-08-14 | 一种基于极大似然估计的配电网状态估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105071388A CN105071388A (zh) | 2015-11-18 |
CN105071388B true CN105071388B (zh) | 2017-06-13 |
Family
ID=54500701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510500524.1A Active CN105071388B (zh) | 2015-08-14 | 2015-08-14 | 一种基于极大似然估计的配电网状态估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105071388B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106655152B (zh) * | 2016-10-11 | 2018-08-24 | 天津大学 | 一种基于ami量测特性的配电网状态估计方法 |
CN107817681B (zh) * | 2017-10-16 | 2020-04-24 | 清华大学 | 一种基于双侧等效模型的热网稳态运行状态估计方法 |
CN109188080B (zh) * | 2018-08-01 | 2021-07-27 | 中国南方电网有限责任公司 | 一种仿真试验平台及相量测量单元的误差测算方法 |
CN110504676B (zh) * | 2019-07-05 | 2021-01-26 | 国网浙江平湖市供电有限公司 | 一种基于apso-bp的配电网状态估计方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5627760A (en) * | 1995-04-17 | 1997-05-06 | Slutsker; Ilya | Method and apparatus for real time recursive parameter energy management system |
CN101635456A (zh) * | 2009-06-23 | 2010-01-27 | 上海申瑞电力科技股份有限公司 | 输配电网联合状态估计的方法 |
CN102590685A (zh) * | 2012-03-08 | 2012-07-18 | 清华大学 | 一种配电网电流匹配状态估计方法 |
CN103336891A (zh) * | 2013-06-09 | 2013-10-02 | 广东电网公司佛山供电局 | 一种用于配电网状态估计的伪量测生成方法 |
-
2015
- 2015-08-14 CN CN201510500524.1A patent/CN105071388B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5627760A (en) * | 1995-04-17 | 1997-05-06 | Slutsker; Ilya | Method and apparatus for real time recursive parameter energy management system |
CN101635456A (zh) * | 2009-06-23 | 2010-01-27 | 上海申瑞电力科技股份有限公司 | 输配电网联合状态估计的方法 |
CN102590685A (zh) * | 2012-03-08 | 2012-07-18 | 清华大学 | 一种配电网电流匹配状态估计方法 |
CN103336891A (zh) * | 2013-06-09 | 2013-10-02 | 广东电网公司佛山供电局 | 一种用于配电网状态估计的伪量测生成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105071388A (zh) | 2015-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107590317B (zh) | 一种计及模型参数不确定性的发电机动态估计方法 | |
Yang et al. | Probabilistic short-term wind power forecast using componential sparse Bayesian learning | |
WO2020140128A8 (en) | Scalable system and method for forecasting wind turbine failure with varying lead time windows | |
CN105429129B (zh) | 一种考虑网络约束的间歇性能源发电容量置信度评估方法 | |
CN105071388B (zh) | 一种基于极大似然估计的配电网状态估计方法 | |
CN102087332B (zh) | 一种基于波速寻优的直流行波故障测距方法 | |
CN101615794A (zh) | 基于无迹变换卡尔曼滤波的电力系统动态状态估计方法 | |
CN109088407B (zh) | 基于深度信念网络伪量测建模的配电网状态估计方法 | |
CN105633956A (zh) | 一种基于Spiking神经网络伪量测建模的配电网三相状态估计方法 | |
CN105069535A (zh) | 一种基于arima模型的配电网运行可靠性的预测方法 | |
CN102508086B (zh) | 一种t形连接电力线路的参数估计方法 | |
Chen et al. | Distributional analysis for model predictive deferrable load control | |
CN103778341B (zh) | 一种谐波污染用户的概率潮流评估方法 | |
CN104036356A (zh) | 一种利用分形算法对电网未来运行状态进行预测的方法 | |
CN104882884A (zh) | 基于马尔可夫链-蒙特卡罗法的系统谐波概率评估方法 | |
CN104537233B (zh) | 一种基于核密度估计的配电网伪量测生成方法 | |
CN104795819A (zh) | 一种基于强跟踪集员估计的电力系统状态估计方法 | |
CN106980044A (zh) | 一种适应风电接入的电力系统谐波电流估计方法 | |
CN104168131A (zh) | 一种基于组播通信的电力调度交换网的流量生成方法 | |
Wang et al. | Parameters estimation of electromechanical oscillation with incomplete measurement information | |
Xiyun et al. | Wind power probability interval prediction based on bootstrap quantile regression method | |
CN106372440B (zh) | 一种并行计算的配电网自适应抗差状态估计方法及装置 | |
CN105868918A (zh) | 一种谐波电流类监测样本的相似度指标计算方法 | |
Xia et al. | Outlier reconstruction based distribution system state estimation using equivalent model of long short-term memory and Metropolis-Hastings sampling | |
CN104239716A (zh) | 一种基于参数偏差灵敏度的电网设备参数识别与估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |