CN106356840A

CN106356840A - 基于同步相量量测的地区电力系统状态估计方法及系统

Info

Publication number: CN106356840A
Application number: CN201610813233.2A
Authority: CN
Inventors: 杨翾; 楼华辉; 唐剑; 李祥; 崔艳; 钱晓伟; 苏熀兴; 陆明浇; 陈嘉宁; 曹俊华; 陈煜�; 陈益强; 杨兴超; 周媚; 赵惠芬; 沈毅君; 童洁
Original assignee: State Grid Corp of China SGCC; State Grid Zhejiang Electric Power Co Ltd; Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Current assignee: State Grid Corp of China SGCC; State Grid Zhejiang Electric Power Co Ltd; Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority date: 2016-09-08
Filing date: 2016-09-08
Publication date: 2017-01-25
Anticipated expiration: 2036-09-08
Also published as: CN106356840B

Abstract

本发明公开了基于同步相量量测的地区电力系统状态估计方法及系统，该方法包括：将指定地区电力系统划分为不同的子系统及指定地区系统，获取各子系统中的内部节点的内部量测数据，边界节点的边界量测数据，边界节点上连接线的连接线量测数据；根据内部量测数据及边界量测数据，利用快速解耦估计方法计算各子系统中的内部节点的状态估计及边界节点的初步估计值，将状态估计及初步估计值传输到指定地区系统；根据初步估计值及连接线量测数据，利用线性协调估计方法计算边界节点的协调状态估计，将内部节点的状态估计及边界节点的协调状态估计作为地区电力系统状态估计；能够极大的提高电力系统状态估计的计算速度。

Description

基于同步相量量测的地区电力系统状态估计方法及系统

技术领域

本发明涉及电气技术领域，特别涉及一种基于同步相量量测的地区电力系统状态估计方法及系统。

背景技术

自从1970年出现之后，电力系统状态估计就成为每一处电网的能量管理系统(EMS)中必不可少的基础功能。状态估计模块可以从冗余的电网量测中计算估计出电网各节点(变电站)母线的电压幅值和相角。这些电压幅值和相角数据被广泛应用于电网运行中的稳定计算、潮流分析和安全评估等功能之中，为电网安全稳定的运行起到了至关重要的作用。

随着我国经济的飞速发展，电力需求的急剧增长，我国电网架构也得到了快速的膨胀。以杭州电网为例，杭州电网的变电容量在2000年首次突破1000万千伏安。到了2012年，杭州电网的变电容量已经突破了5000万千伏安，位居国网范围内全国省会城市第一。电网的快速膨胀为地区电网电力系统状态估计带来了许多困难，其中最直接的影响就是巨大的网架结构和大量的变电站数量使得电网量测数据成倍的增加，导致状态估计的速度越来越慢，逐渐难以满足电网日常运行的需求。未来，随着智能电网和特高压交直流电网的进一步推进，智能量测(如同步相量量测等)的进一步引入会加剧现行状态估计计算速度低下的问题。

在近几年智能电网的快速发展建设中，大量的微网和新能源发电并入地区电网，地区调度控制中心在日常工作中需要进一步对新能源电力调度进行研究。其中，调度自动化系统中的核心功能—电力系统状态估计功能在计及大量微网和新能源电源后，计算数据量急剧扩大，计算速度缓慢的问题日益凸显。因此，如何提高电力系统状态估计的计算速度，是本领域技术人员需要解决的技术问题。

发明内容

本发明的目的是提供一种基于同步相量量测的地区电力系统状态估计方法及系统，均能够提高电力系统状态估计的计算速度。

为解决上述技术问题，本发明提供一种基于同步相量量测的地区电力系统状态估计方法，包括：

将指定地区电力系统划分为不同的子系统及指定地区系统，并确定位于各子系统中相邻两子系统连接线上的边界节点和非位于相邻两子系统连接线上的内部节点；

获取各子系统中的内部节点的内部量测数据，边界节点的边界量测数据，及边界节点上连接线的连接线量测数据；

根据内部量测数据及边界量测数据，利用快速解耦估计方法计算各子系统中的内部节点的状态估计及边界节点的初步估计值，并将内部节点的状态估计及边界节点的初步估计值传输到指定地区系统；

根据边界节点的初步估计值及连接线量测数据，利用线性协调估计方法计算边界节点的协调状态估计，并将内部节点的状态估计及边界节点的协调状态估计作为地区电力系统状态估计。

其中，获取各子系统中的内部节点的内部量测数据，边界节点的边界量测数据，及边界节点上连接线的连接线量测数据，包括：

获取各子系统中的内部节点的RTU量测和PMU量测作为内部量测数据；

边界节点的电压量测作为边界量测数据；

边界节点上连接线的潮流量测作为连接线量测数据。

其中，根据内部量测数据及边界量测数据，利用快速解耦估计方法计算各子系统中的内部节点的状态估计，包括：

根据内部量测数据及边界量测数据，利用快速解耦估计方法模型计算各子系统中的内部节点的状态估计；

其中，下标a，r分别表示有功和无功估计的相关变量，上标RTU，PMU分别表示和RTU量测及PMU量测相关的变量，z为m×1阶的量测矢量，h为m×n阶的量测方程，e为m×1阶的量测误差矢量。

其中，根据边界节点的初步估计值及连接线量测数据，利用线性协调估计方法计算边界节点的协调状态估计，包括：

根据边界节点的初步估计值据及连接线量测数据，利用线性协调估计模型计算边界节点的协调状态估计；

其中，Z_P为连接线量测数据，Z_Psu为边界节点的初步估计值，X为边界节点的状态，B为量测转换矩阵，e_P和e_Psu分别为电压量测误差矩阵及潮流量测误差矩阵。

本发明还提供一种基于同步相量量测的地区电力系统状态估计系统，包括：

系统划分模块，用于将指定地区电力系统划分为不同的子系统及指定地区系统，并确定位于各子系统中相邻两子系统连接线上的边界节点和非位于相邻两子系统连接线上的内部节点；

量测模块，用于获取各子系统中的内部节点的内部量测数据，边界节点的边界量测数据，及边界节点上连接线的连接线量测数据；

子系统计算模块，根据内部量测数据及边界量测数据，利用快速解耦估计方法计算各子系统中的内部节点的状态估计及边界节点的初步估计值，并将内部节点的状态估计及边界节点的初步估计值传输到指定地区系统的上层计算模块；

上层计算模块，用于根据边界节点的初步估计值及连接线量测数据，利用线性协调估计方法计算边界节点的协调状态估计，并将内部节点的状态估计及边界节点的协调状态估计作为地区电力系统状态估计。

其中，所述量测模块，包括：

内部节点量测单元，用于获取各子系统中的内部节点的RTU量测和PMU量测作为内部量测数据；

边界节点量测单元，用于边界节点的电压量测作为边界量测数据；

边界连接线量测单元，用于边界节点上连接线的潮流量测作为连接线量测数据。

其中，所述子系统计算模块，包括：

内部节点计算单元，用于根据内部量测数据及边界量测数据，利用快速解耦估计方法模型计算各子系统中的内部节点的状态估计；

其中，所述上层计算模块，包括：

上层计算单元，用于根据边界节点的初步估计值及连接线量测数据，利用线性协调估计模型计算边界节点的协调状态估计；

本发明所提供的基于同步相量量测的地区电力系统状态估计方法，包括：将指定地区电力系统划分为不同的子系统及指定地区系统，并确定位于各子系统中相邻两子系统连接线上的边界节点和非位于相邻两子系统连接线上的内部节点；获取各子系统中的内部节点的内部量测数据，边界节点的边界量测数据，及边界节点上连接线的连接线量测数据；根据内部量测数据及边界量测数据，利用快速解耦估计方法计算各子系统中的内部节点的状态估计及边界节点的初步估计值，并将内部节点的状态估计及边界节点的初步估计值传输到指定地区系统；根据边界节点的初步估计值及连接线量测数据，利用线性协调估计方法计算边界节点的协调状态估计，并将内部节点的状态估计及边界节点的协调状态估计作为地区电力系统状态估计；

可见，采用分布式构架，实现了大电网的拆分，减少的估计负担；其次，利用快速解耦方法实现了县调层面状态估计速度的优化；最后，利用基于相量量测的线性协调方法实现了地调层面状态估计的速度优化，通过上述三个方面计算节点的状态估计，极大的提高了电力系统状态估计的计算速度；本发明还提供基于同步相量量测的地区电力系统状态估计系统，具有上述有益效果，在此不再赘述。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例所提供的基于同步相量量测的地区电力系统状态估计方法的流程图；

图2为本发明实施例所提供的指定地区电力系统划分的结果示意图；

图3为本发明实施例所提供的基于同步相量量测的地区电力系统状态估计方法的功能框图；

图4为本发明实施例所提供的算例1和算例3的结果比较仿真图；

图5为本发明实施例所提供的各算例电压幅值和相角的平均估计精度对比图；

图6为本发明实施例所提供的算例2和算例3的县调层计算速度对比图；

图7为本发明实施例所提供的基于同步相量量测的地区电力系统状态估计系统的结构框图。

具体实施方式

本发明的核心是提供一种基于同步相量量测的地区电力系统状态估计方法及系统，均能够提高电力系统状态估计的计算速度。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参考图1，图1为本发明实施例所提供的基于同步相量量测的地区电力系统状态估计方法的流程图；该方法可以包括：

S100、将指定地区电力系统划分为不同的子系统及指定地区系统，并确定位于各子系统中相邻两子系统连接线上的边界节点和非位于相邻两子系统连接线上的内部节点；

其中，为了提高状态估计的计算速度该步骤将大型地区电网划分为数个小型子系统即上述子系统(下文也可以称之为县调层，执行县调)，并在其上运行有上级调控系统即上述指定地区系统(下文也可以称之为地调层，执行地调)，实现并行状态估计运算，进一步优化全地区状态估计的计算效率。

在具体的划分过程中可以参考电网调控层级相匹配的独立式分区分布式架构。例如改进型的分布式状态估计算法(fast decoupled distributed state estimation inregional power grids,FDDSE)将大型地区电网按电压等级分为两层(地调和县调)，并将下层电网按地域划分为多个小型子系统，实现县域电网独立状态估计，并最终实现地区范围内统一协调估计的过程。

具体的划分过程请参考图2，基于现行电网调度分层分区的结构特点，采用了独立式的分区策略，即在小系统间的连接线划分，并假设小系统之间的信息仅通过连接线实现交互，以杭州电网为示例，如图2所示。这种分区策略保证了各子系统内状态估计的独立运行。图中杭州地调即指定地区系统，余杭，萧山，和富阳调度即子系统。

图2中各个节点被分为内部节点和边界节点两类，其中子系统连接线两端的节点为边界节点，其余节点为内部节点。

S110、获取各子系统中的内部节点的内部量测数据，边界节点的边界量测数据，及边界节点上连接线的连接线量测数据；

具体的，图2中各个子系统即调度中各个节点被分为内部节点和边界节点两类，其中子系统连接线两端的节点为边界节点，其余节点为内部节点。相对应的，量测也可被分为以下三类：子系统内部节点相关的量测为内部量测；边界节点上的电压量测为边界量测；边界节点上连接线的潮流量测为连接线量测。即该步骤具体为：

边界节点的电压量测作为边界量测数据；

边界节点上连接线的潮流量测作为连接线量测数据。

在图2所示的各子系统中，通过县调内部的状态估计由内部量测和边界量测可以有效的估计内部节点的状态，因为这些节点的相关量测都已经输入到了县调的状态估计功能之中。但是对于边界节点，由于县调的状态估计无法包含连接线量测，边界节点无法获得准确的状态估计，需要在地调层面进一步协调。在FDDSE算法中，县调层中的状态估计通过快速解耦算法实现，地调层中的协调估计通过基于PMU量测的线性估计实现。

之所以要进行状态估计是由于在电网运行的日常工作中，安装在变电站中的移动终端单元(RTU)向调度监控系统提供了大量冗余的量测。这些量测无法直接用于电网调度的诸多功能，而需要经由状态估计转化为节点电压幅值和相角。

状态估计模型包含了量测模型和估计模型两个非线性模型，即：z＝h(x)+e，

其中，z为m×1阶的量测矢量；x为n×1阶的状态矢量(n<m)；为n×1阶的估计矢量；h为m×n阶的量测方程；e为m×1阶的量测误差矢量；r为m×1阶的估计余量矢量。

电网现行使用的调度自动化系统中，经典的最小二乘解法(WLS算法)凭借其收敛性及实用性，被广泛用于状态估计功能的计算。该算法的函数和其迭代解为：

J(x)＝(z-h(x))^T·R^-1·(z-h(x))

G(x^k)＝H^T(x^k)·R^-1·H(x^k)

G(x^k)·Δx^k+1＝H^T(x^k)·R^-1·(z-h(x^k))

其中，R为m×m阶的方阵，由量测误差矢量的方差组成；上标k为迭代标识，表示第k次迭代过程；H为雅克比矩阵，是量测方程h关于状态矢量x的一阶导数，G为增益矩阵，是目标函数J关于状态矢量x的二阶导数。

S120、根据内部量测数据及边界量测数据，利用快速解耦估计方法计算各子系统中的内部节点的状态估计及边界节点的初步估计值，并将内部节点的状态估计及边界节点的初步估计值传输到指定地区系统；

具体的，根据内部量测数据及边界量测数据，利用快速解耦估计方法计算各子系统中的内部节点的状态估计，包括：

其中，该步骤的模型是基于RTU和PMU量测，快速解耦估计的量测模型。快速解耦估计方法被用来实现小系统中的状态估计，可以有效的优化非线性估计的计算效率。

该量测模型的求解过程可以分为有功和无功两个估计步奏交替执行。其中有功估计的过程计算的是电压相角的变化量，无功估计的过程求解的电压幅值的变化量。有功和无功求解的公式如下所示，其中前三个为有功估计解，后三个为无功估计解：

\begin{matrix} G_{a} Δ θ = {H_{a a}}^{T} {[\begin{matrix} {R_{a}}^{R T U} & 0 \\ 0 & {R_{a}}^{R T U} \end{matrix}]}^{- 1} [\begin{matrix} {z_{a}}^{R T U} - {h_{a}}^{R T U} (x) \\ {z_{a}}^{P M U} - {h_{a}}^{P M U} (x) \end{matrix}] \\ = {H_{a a}}^{T} R_{a} [z_{a} - h_{a} (x)] \end{matrix}

H_{a a} = - {v_{o}}^{2} \cdot [\begin{matrix} {B_{a}}^{R T U} \\ {B_{a}}^{P M U} \end{matrix}] = - {v_{o}}^{2} \cdot B_{a}

\begin{matrix} G_{a} = {v_{o}}^{4} [{(- [\begin{matrix} {B_{a}}^{R T U} \\ {B_{a}}^{P M U} \end{matrix}])}^{T} {[\begin{matrix} {R_{a}}^{R T U} & 0 \\ 0 & {R_{a}}^{R T U} \end{matrix}]}^{- 1} (- [\begin{matrix} {B_{a}}^{R T U} \\ {B_{a}}^{P M U} \end{matrix}])] \\ = {v_{o}}^{4} \cdot [{(- B_{a})}^{T} \cdot {R_{a}}^{- 1} \cdot (- B_{a})] \end{matrix}

\begin{matrix} G_{r} Δ v = {H_{r r}}^{T} {[\begin{matrix} {R_{r}}^{R T U} & 0 \\ 0 & {R_{r}}^{R T U} \end{matrix}]}^{- 1} [\begin{matrix} {z_{r}}^{R T U} - {h_{r}}^{R T U} (x) \\ {z_{r}}^{P M U} - {h_{r}}^{P M U} (x) \end{matrix}] \\ = {H_{r r}}^{T} R_{r} \cdot [z_{r} - h_{r} (x)] \end{matrix}

H_{r r} = - V_{o} \cdot [\begin{matrix} {B_{r}}^{R T U} \\ {B_{r}}^{P M U} \end{matrix}] = - v_{o} \cdot B_{r}

\begin{matrix} G_{r} = {v_{o}}^{2} [{(- [\begin{matrix} {B_{r}}^{R T U} \\ {B_{r}}^{P M U} \end{matrix}])}^{T} {[\begin{matrix} {R_{r}}^{R T U} & 0 \\ 0 & {R_{r}}^{R T U} \end{matrix}]}^{- 1} (- [\begin{matrix} {B_{r}}^{R T U} \\ {B_{r}}^{P M U} \end{matrix}])] \\ = {v_{o}}^{2} \cdot [{(- B_{r})}^{T} \cdot {R_{r}}^{- 1} \cdot (- B_{r})] \end{matrix}

其中，Δθ，Δν分别为电压相角和幅值的迭代解，当二者都小于计算阈值后，停止迭代计算，此时的估计结果为快速解耦的最终解；H_aa，H_rr为快速解耦方法中有功和无功估计各自的雅克比系数矩阵；v_o为参考电压；Ba，Br分别为系数矩阵，由系统参数确定。R为量测误差的方差矩阵，为m×m阶的对角方阵，各元素分别为相应量测误差矢量的方差；v_o为快速解耦估计求解过程中假设的电网各节点的参考电压，一般取v_o＝1.0p.u.；z为量测矢量，为m×1阶的矩阵，其中参数为系统中的量测量；h为量测方程，为m×n阶的矩阵，反应量测矢量z与状态矢量x之间的关系；下标a，r分别表示相关变量对应有功估计和无功估计的求解过程。(例如Ga为有功求解过程的增益矩阵，Gr为无功求解过程的增益矩阵)。

县调可以独立利用快速解耦估计完成县域内电网的状态估计功能，求得各节点的估计解。这些估计结果将会传输到地调系统中，作为地调协调估计的虚量测，可以提高地调状态估计最终结果的精度。

S130、根据边界节点的初步估计值及连接线量测数据，利用线性协调估计方法计算边界节点的协调状态估计，并将内部节点的状态估计及边界节点的协调状态估计作为地区电力系统状态估计。

具体的，在FDDSE算法的地调层，协调估计采取的是与DSEU算法同样的基于相量量测的线性估计。该协调估计的量测为各子系统边界节点及相应连接线上的PMU量测(Z_P)，以及各子系统中边界节点在县调层估计的结果(虚量测，Z_Psu)。

且线性协调估计模型计算边界节点的协调状态估计；

其中，Z_P为连接线量测数据，Z_Psu为边界节点的初步估计值，X为边界节点的状态，B为量测转换矩阵，e_P和e_Psu分别为电压量测误差矩阵及潮流量测误差矩阵和量测装置的精度有关。

上述线性协调估计模型的线性解为：

X = {({[\begin{matrix} B_{P} \\ B_{P s u} \end{matrix}]}^{T} \cdot {[\begin{matrix} R_{P} & 0 \\ 0 & R_{P s u} \end{matrix}]}^{- 1} \cdot [\begin{matrix} B_{P} \\ B_{P s u} \end{matrix}])}^{- 1} \cdot {[\begin{matrix} B_{P} \\ B_{P s u} \end{matrix}]}^{T} \cdot {[\begin{matrix} R_{P} & 0 \\ 0 & R_{P s u} \end{matrix}]}^{- 1} \cdot [\begin{matrix} Z_{P} \\ Z_{P s u} \end{matrix}]

其中，B为量测转换矩阵，Z_P为连接线量测数据，Z_Psu为边界量测数据，R_P为连接线量测误差的方差矩阵，为对角方阵，各元素分别为相应连接线量测误差矢量的方差；R_Psu为边界节点在县调层的估计误差的方差矩阵，为对角方阵，各元素分别为相应边界节点在初步估计误差的方差。

地区调度可以对各县域边界节点的状态进行基于连接线潮流的线性协调估计。这种线性估计的求解过程不需要进行迭代运算，大大的减轻了运算负担，极大的提高了计算效率。

由于上式中的量测量为相量形式，其求解的状态结果也是以相量形式表示，这些结果可以对应的拆分为相量的模和角度，对应各边界节点的电压幅值和相角。

FDDSE算法利用现行调度系统架构特性，将地区电网按县域划分为不同的子系统。各县调应用快速解耦估计的方法求解其系统中的内部节点状态，并将计算结果传输到地调，经上层的线性协调估计得到全地区最终的状态估计结果。

基于上述技术方案，本发明实施例提供的基于同步相量量测的地区电力系统状态估计方法即该实施例提供的方法为一种改进型的分布式状态估计算法FDDSE。该算法建立在实际电网调度架构基础上，对大电网进行分层分区，在下层中引入快速解耦状态估计算法，实现非线性状态估计的速度优化。其汲取分层分区的分布式构架和同步相量量测(相量量测单元(PMU)量测，该量测利用GPS卫星系统的时钟基准，实现了电压相角的绝对测量，可以显著的提高分布式状态估计的性能)的长处，引入了快速解耦状态估计算法的优点，实现非线性状态估计的速度优化，进一步提高了状态估计功能的计算效率。

以杭州电网为示例，FDDSE算法的功能框图如图3所示，具体计算过程如下：

1、按照地理位置，基于图2所示的分布式架构将地区电网划分为多个子系统，即区县电网；

2、县调利用快速解耦估计方法计算各自子系统中的节点状态，并将边界节点的估计状态传输到地调系统；

3、地调利用线性协调估计模型完成地区电网所有边界节点的协调估计；

4、第2步中各子系统的内部节点估计结果和第3步中边界节点的协调结果作为FDDSE算法的最终解，传输到EMS系统中，为其他应用所使用。

FDDSE算法的最大特性就是极大的提高了计算速度，解决了加入PMU量测后状态估计计算速度低下的实际电网运行问题。FDDSE的速度提升是从三个方面实现的：首先，FDDSE算法采用分布式构架，实现了大电网的拆分，减少的估计负担；其次，利用快速解耦方法实现了县调层面状态估计速度的优化；最后，利用基于相量量测的线性协调方法实现了地调层面状态估计的速度优化。

下面通过具体的仿真实验说明上述过程：

首先，建立IEEE-118节点系统的仿真平台，对FDDSE算法、DSEU算法(DistributedState Estimation in Urban Power Grid)及现行使用的最小二乘状态估计算法(WeightLeast Square，WLS)进行了估计精度和计算速度的对比，验证了FDDSE算法在计算速度上的提升。

1)算例1，基于RTU量测的WLS集中式状态估计算法；

2)算例2，基于RTU和PMU量测的DSEU分布式状态估计算法；

3)算例3，基于RTU和PMU量测的FDDSE分布式状态估计算法。

其中，RTU提供的量测量为节点的电压幅值和支路上的始端和末端潮流，量测误差为0.1％；PMU提供的量测量为电压和电流的相量测量，量测误差为0.025％。所有量测误差以添加白高斯噪音的形式来模拟，所有算例的计算速度和精度为执行1000次后平均性能。此外，为了模拟PMU被安装在枢纽变电站的实际情况，PMU仅被安装在仿真系统中的节点15,17,19,23,38,49,59,64,69,80,82,100。对于算例2和算例3的分布式状态估计算法，IEEE-118系统被划分为4个小的子系统，对应4个不同的县调。子系统的划分较为平均，每个子系统中约含有30个左右节点。算例3(FDDSE算法)中各子系统状态估计中有功和无功估计过程的量测信息如表1所示。统计后发现算例3的总和量测信息与算例2相同，这是因为两个算例采取了相同的分布式构架和算法结构。算例1采用的是集中式状态估计算法，且仅考虑了RTU量测。三个算例的量测信息对比，如表2所示。

表1算例3的量测信息

表2总和量测信息对比

下面进行三种算法精度的比较：

电网公司调度自动化系统采用算例1中的算法实现状态估计功能。将算例1与算例3(FDDSE算法)的估计误差进行对比，则可以验证FDDSE算法的估计精度，结果如下图4所示。图4中电压幅值的估计误差为相对值，以百分比表示；电压相角的估计误差为绝对值，以角度表示。

由图4可以看出，FDDSE算法对比电网公司现在使用的WLS算法在电压幅值的估计精度上略差，这主要是因为FDDSE算法的量测冗余度小于WLS算法(见表2)。另一方面，FDDSE算法在电压相角的估计精度上有明显提高，这主要是因为FDDSE算法利用PMU提供的相角量测完成状态估计计算。

为了更好的评估FDDSE算法的估计精度，本仿真引入了平均估计精度的公式，即求取系统所有节点估计误差的平均值，公式如下所示。

E_{V} = \frac{1}{n} \cdot Σ_{i = 1}^{n} | \frac{V_{i}^{E s t} - V_{i}^{T r u}}{V_{i}^{T r u}} |

E_{A} = \frac{1}{n} \cdot Σ_{i = 1}^{n} | θ_{i}^{E s t} - θ_{i}^{T r u} |

其中，上标Est和Tru分别表示估计值和真值，V和θ分别表示电压幅值和相角。类同于各个节点的误差精度计算，算例电压幅值的平均估计精度为相对值，以百分比表示；电压相角的平均估计精度为绝对值，以角度表示。

仿真中各算例电压幅值和相角的平均估计精度如图5所示：

由图5所示，FDDSE算法具有较差的电压幅值估计精度和较好的电压相角估计精度。需要说明的是在实际电网运行中，这样的电压幅值精度差可以忽略不计。此外，FDDSE算法(算例3)和DSEU算法(算例2)具有很接近的量测精度，这主要是由于两算法的分布式架构和算法冗余度(见表2)类同的缘故。

综上，本实施例提出的FDDSE算法具有令人满意的状态估计精度。

各算例速度的比较如下：

该仿真实例中仿真都执行于一台CPU为Intel Core 2Quad Q9550，主机频率为2.83GHz的台式机。每个算例的CPU时间被用于比较各算法的计算速度，时间单位为微妙，如下表3所示：

表3.计算速度对比

如上表3所示，算例3所用的CPU时间最少，即FDDSE算法具有最快的计算速度，这是因为FDDSE算法不仅在上层采用了线性协调估计算法，而且在下层采用了快速耦合估计算法。为了证明快速耦合估计的速度优势，算例2与算例3的县调层计算时间进行对比，假设算例2县调层计算时间为标准值，对比结果如下图6所示。图6中对比结果显示，算例3在县调层所耗费的时间比算例2减少约30％，这也证明了FDDSE算法比DSEU具有更佳的计算速度。

结合仿真实验结果，本实施例提供的一种新型的基于PMU量测的分布式状态估计算法—FDDSE算法。该算法建立在杭州电网调度现行架构体系之上，利用分布式并行计算、快速耦合估计及线性协调估计三个特性，极大的提高了算法的速度，解决了未来智能电网中状态估计功能缓慢的问题。同时，FDDSE算法的分布式结构非常适合未来的智能电网中的微网理念，特别是当新能源大量接入后的分布式运行、分布式控制微网。

下面对本发明实施例提供的基于同步相量量测的地区电力系统状态估计系统进行介绍，下文描述的基于同步相量量测的地区电力系统状态估计系统与上文描述的基于同步相量量测的地区电力系统状态估计方法可相互对应参照。

请参考图7，图7为本发明实施例所提供的基于同步相量量测的地区电力系统状态估计系统的结构框图；该系统可以包括：

系统划分模块100，用于将指定地区电力系统划分为不同的子系统及指定地区系统，并确定位于各子系统中相邻两子系统连接线上的边界节点和非位于相邻两子系统连接线上的内部节点；

量测模块200，用于获取各子系统中的内部节点的内部量测数据，边界节点的边界量测数据，及边界节点上连接线的连接线量测数据；

子系统计算模块300，根据内部量测数据及边界量测数据，利用快速解耦估计方法计算各子系统中的内部节点的状态估计及边界节点的初步估计值，并将内部节点的状态估计及边界节点的初步估计值传输到指定地区系统的上层计算模块；

上层计算模块400，用于根据边界节点的初步估计值及连接线量测数据，利用线性协调估计方法计算边界节点的协调状态估计，并将内部节点的状态估计及边界节点的协调状态估计作为地区电力系统状态估计。

基于上述实施例，所述量测模块200，包括：

基于上述实施例，所述子系统计算模块300，包括：

内部节点状态估计发送单元，将子系统中的内部节点的状态估计发送至上层计算模块400。

基于上述实施例，所述上层计算模块400，包括：

汇总单元，用于将内部节点的状态估计及边界节点的协调状态估计作为地区电力系统状态估计，还可以将其发送至EMS系统中以供系统使用。

上层计算模块位于地调层。

基于上述技术方案，本发明实施例提供的基于同步相量量测的地区电力系统状态估计系统，基于地区电网调度分区分层运行的特点和管理架构，引入同步相量量测的发展建设成果，在下层(县调层)采用快速解耦状态估计算法，上层(地调层)满足现行状态估计条件，在上、下两层同时优化状态估计计算效率，最终实现提高状态估计速度的目标。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本发明所提供的基于同步相量量测的地区电力系统状态估计方法及系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims

1.一种基于同步相量量测的地区电力系统状态估计方法，其特征在于，包括：

2.根据权利要求1所述的地区电力系统状态估计方法，其特征在于，获取各子系统中的内部节点的内部量测数据，边界节点的边界量测数据，及边界节点上连接线的连接线量测数据，包括：

边界节点的电压量测作为边界量测数据；

边界节点上连接线的潮流量测作为连接线量测数据。

3.根据权利要求2所述的地区电力系统状态估计方法，其特征在于，根据内部量测数据及边界量测数据，利用快速解耦估计方法计算各子系统中的内部节点的状态估计，包括：

4.根据权利要求3所述的地区电力系统状态估计方法，其特征在于，根据边界节点的初步估计值及连接线量测数据，利用线性协调估计方法计算边界节点的协调状态估计，包括：

根据边界节点的初步估计值及连接线量测数据，利用线性协调估计模型计算边界节点的协调状态估计；

5.一种基于同步相量量测的地区电力系统状态估计系统，其特征在于，包括：

6.根据权利要求5所述的地区电力系统状态估计系统，其特征在于，所述量测模块，包括：

7.根据权利要求6所述的地区电力系统状态估计系统，其特征在于，所述子系统计算模块，包括：

8.根据权利要求7所述的地区电力系统状态估计系统，其特征在于，所述上层计算模块，包括：