CN106921156A - 一种基于多采样周期混合量测的主动配电网状态估计方法 - Google Patents
一种基于多采样周期混合量测的主动配电网状态估计方法 Download PDFInfo
- Publication number
- CN106921156A CN106921156A CN201510997556.7A CN201510997556A CN106921156A CN 106921156 A CN106921156 A CN 106921156A CN 201510997556 A CN201510997556 A CN 201510997556A CN 106921156 A CN106921156 A CN 106921156A
- Authority
- CN
- China
- Prior art keywords
- measurement
- state estimation
- measured
- node
- linear
- 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
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及一种基于多采样周期混合量测的主动配电网状态估计方法,包括:1)判断是否是AMI的采样时刻,如果是,则将RTU、PMU与AMI组成混合量测,转下一步;否则,将上一时刻线性动态状态估计的预测结果、RTU与PMU组成混合量测,并判断是否是非线性静态状态估计的启动时刻,如果是则转第二步,否则转第三步;进行非线性静态状态估计,并转第四步;判断是否是线性静态状态估计的启动时刻,是,则进行线性静态状态估计,否则继续等待直到线性静态状态估计的启动时刻,线性静态状态估计完后转第四步;进行基于节点注入功率的主动配电网线性动态状态估计的状态滤波计算;进行状态预测计算;缩短非线性静态状态估计的周期,提高非线性静态状态估计的精度。
Description
技术领域
本发明涉及一种配电自动化领域的主动配电网状态估计方法,具体涉及一种基于多采样周期混合量测的主动配电网状态估计方法。
背景技术
主动配电网是智能配电网技术发展的高级阶段技术。智能配电网技术的发展是一个长时间的过程,也是能量流和信息流不断融合的过程。智能配电网发展的早期阶段强调能量的价值,随着智能化程度的不断提高,更多地强调信息的价值。主动配电网是利用先进的信息、通信以及电力电子技术对规模化接入分布式能源的配电网实施主动管理,能够自主协调控制间歇式新能源与储能装置等DG单元,积极消纳可再生能源并确保网络的安全经济运行。
配电网状态估计能够为电力系统提供更为可靠与精确的实时数据,是智能配电网态势感知的基础工具。针对配电网量测配置覆盖率低、网络拓扑以辐射状为主、弱环以及配电网三相不平衡的特点,目前,配电网状态估计通常选择节点电压、支路复电流、支路复功率、节点注入复电流等为状态量,利用加权最小二乘(WLS)、加权最小绝对值(WLAV)、量测匹配算法等方法求解配电网状态量。动态状态估计能够提供系统的估计值和预测值,在电力系统状态估计中得到了广泛的研究。动态状态估计通过模型和量测量进行一次运算,得到状态估计值和预报值;由于动态状态估计能够对系统下一时刻的状态量进行预测,且不需迭代,与静态状态估计相比更有优势。电力系统动态状态估计主要以扩展卡尔曼滤波方法(ExtendKalman Filter,EKF)为主,以及在此基础上提出的改进算法。
新型廉价的PMU将是主动配电网运行与控制必要手段。在主动配电网中,以RTU、新型廉价的PMU以及AMI数据将长期共存。由于配电网的特点,RTU与PMU总体的配置覆盖率较低,基于RTU与PMU量测无法满足智能配电网的全网状态估计,而AMI数据的采样周期较长,实时性较差,因此,在RTU、新型廉价的PMU以及AMI数据长期共存的情况下,主动配电网状态估计仍然具有一定的难度。
发明内容
为解决上述现有技术中的不足,本发明的目的是提供一种基于多采样周期混合量测的主动配电网状态估计方法,
本发明的目的是采用下述技术方案实现的:
本发明提供一种基于多采样周期混合量测的主动配电网状态估计方法,其改进之处在于,所述方法包括下述步骤:
1)判断是否是高级量测体系AMI的采样时刻,如果是,则将RTU量测、PMU量测与AMI量测组成混合量测,转向步骤2);否则,将上一时刻线性动态状态估计的预测结果、RTU量测与PMU量测组成混合量测,并判断是否是非线性静态状态估计的启动时刻,如果是则转向步骤2),否则转向步骤3);
2)进行非线性静态状态估计,并转向步骤4);
3)判断是否是线性静态状态估计的启动时刻,如果是,则进行线性静态状态估计;否则,继续等待直到线性静态状态估计的启动时刻再启动线性静态状态估计,线性静态状态估计计算完毕后转向步骤4);
4)基于AMI量测,或将静态状态估计结果中对应AMI量测的部份作为AMI的虚拟量测,进行基于节点注入功率的主动配电网线性动态状态估计的状态滤波计算;
5)基于状态滤波计算的估计结果,更新线性动态状态估计的状态转移函数与控制向量,基于新的状态转移函数与控制向量进行状态预测计算;
6)返回步骤1)。
进一步地,所述步骤1)包括:
1.1主动配电网中的多采样周期混合量测:
AMI量测:以实现对用户用电信息的测量、传输、储存、分析和应用功能分析;量测量包括电量信息、节点电压幅值、节点负荷以及与其相关支路的支路功率;AMI量测的采样周期为15分钟;
RTU量测:在配电网中,根节点、馈线主干和分支线的开关上配置有三相电流与功率量测,重要负荷节点(重要负荷包括重要行政机关,比如政府机关,重要公共事业单位,比如医院与银行)存在实时功率量测;采样周期为1秒到10秒;
PMU量测:采样周期为1秒以内;
1.2确定基于多采样周期混合量测的主动配电网状态估计总体架构,包括:
在AMI数据的采样时刻,进行两种状态估计,一是基于PMU、RTU与AMI全量测的非线性静态状态估计,另一个是基于AMI量测的线性动态状态估计;在非AMI采样时刻的X时刻,基于线性动态状态估计的预测结果、RTU与PMU量测,进行线性静态状态估计,并将线性静态状态估计结果中对应AMI的部分作为非AMI采样时刻AMI的虚拟量测,进行线性动态状态估计;
当到达非线性静态状态估计的启动时刻时,将线性动态状态估计的预测结果补充为非线性静态状态估计的虚拟量测,并根据线性动态状态估计状态预测的协方差信息设置虚拟量测在非线性静态状态估计的权重;线性动态状态估计与线性静态状态估计的目的是利用PMU量测与RTU量测,实时跟踪系统节点注入量的变化,在非线性静态状态估计的一个周期内使节点注入量为实时状态,缩短非线性静态状态估计的计算周期,从15分钟降至1分钟。
进一步地,所述步骤2的非线性静态状态估计包括:
2.1确定非线性静态状态估计的混合量测:
PMU装置用于测量的是安装处母线电压相量,以及与其相连支路电流相量,因此将PMU量测作如下转换:
式中:与分别为支路ij的等效有功量测与无功量测,与分别为节点i电压相量量测的幅值与相角,与分别为支路ij电流相量量测的幅值与相角;
在AMI采样时刻,将经过变换的PMU量测,与不经变换RTU与AMI量测组成非线性静态状态估计的混合量测;在非AMI采样时刻,将经过变换的PMU量测、不经变换的RTU量测与节点注入伪量测组成非线性静态状态估计的混合量测;
2.2确定非线性静态状态估计的模型:
电力系统的非线性量测方程:
z=h(x)+v (3)
加权最小二乘问题表示为:
Min{J(x)=[z-h(x)]TR-1[z-h(x)]} (4)
基本加权最小二乘法状态估计的求解公式为:
Δx=[HTR-1H]-1R-1HTR-1[z-h(x)] (5)
式中:z为量测量向量,x为状态量向量,v为量测量误差向量,h(x)为量测函数向量,在电力系统状态估计中为非线性函数;R-1为电力系统的量测权重矩阵;为量测量的雅可比矩阵,在非线性静态状态估计中的每次迭代计算都需要重新计算。
进一步地,所述步骤3的线性静态状态估计包括:
3.1线性静态状态估计混合量测系统的形成:
在直角坐标系下,将PMU量测中的母线电压相量量测作如下变换:
将PMU量测中的支路电流相量量测做如下变换:
在直角坐标系下,对于RTU采集的量测量,通过量测变换技术转换为等效的节点注入电流的实部量测与虚部量测,以及支路电流的实部量测与虚部量测;支路功率量测转换为等效的支路电流实部量测与虚部量测:
节点注入功率量测等效变换为节点注入电流相量的实部量测与虚部量测:
支路电流幅值量测作如下变换:
节点电压幅值量测做如下变换:
式中:Ui,r与Ui,r分别节点i等效的电压实部量测与虚部量测;Iij,r与Iij,i分别为支路ij等效的电流实部量测与虚部量测;Pij与Qij分别支路ij的有功量测与无功量测,ei与fi分别为状态估计计算中节点i的电压实部与虚部;Pi与Qi分别节点i的有功量测与无功量测;Iij-m与θij-cal分别为支路ij的电流幅值量测与状态估计计算中电流的相角;Ui-m与θi-cal分别节点i的电压幅值量测与线性静态状态估计计算中电压的相角;
对于节点注入功率伪量测,根据公式(9)进行量测变换,变换为相应的等效注入电流;将上述由PMU量测、RTU量测与节点注入功率伪量测变换得到的等效支路电流实部与虚部量测、等效节点注入电流实部与虚部量测、等效节点电压实部与虚部量测组成线性静态状态估计的混合量测;
3.2确定线性静态状态估计的模型:
等效支路电流的量测函数为:
等效节点电压的的量测函数为:
混合量测下,系统的量测雅可比矩阵为:
式中:j∈i表示与节点i相连接的所有节点,包括节点i;ej与fj分别为节点j电压的实部与虚部,Bij与Gij分别为节点导纳矩阵中节点i与节点j之间互导纳的实部与虚部;gij与bij分别为支路ij的电导与电纳,bi0与bij为支路ij的i端对地的电导与电纳;Ir与Ii分别为等效注入电流量测或等效支路电流量测的实部向量与虚部向量;Ur与Ui分别为等效电压量测的实部与虚部向量;ek与ef分别为该等效电流量测所关联节点k的电压直角坐标分量;
由于量测雅可比矩阵为常数矩阵,则信息矩阵HTR-1H为常数矩阵,利用公式(5)求解电力系统状态变量的迭代过程中保持不变。
进一步地,所述步骤4的基于节点注入功率的主动配电网线性动态状态估计包括:
4.1确定基于节点注入功率的主动配电网线性动态状态估计状态量:选择节点间相关性较弱的节点注入有功和无功功率作为主动配电网线性动态状态估计的状态量;
4.2确定基于节点注入功率的主动配电网线性动态状态估计量测量:在AMI的采样时刻,采用AMI量测中注入节点的有功功率量测与无功功率量测作为量测量;在非AMI量测采样的时刻,将基于RTU量测与PMU量测进行静态线性状态估计的估计结果作为量测量;
4.3基于节点注入功率的主动配电网线性动态状态估计:
电力系统用下列状态方程和量测方程描述其动态行为:
xk+1=f(xk)+μk (16)
zk=h(xk)+vk (17)
式中:xk和zk分别为k时刻n×1维状态变量和m×1维的量测向量,f(xk)和h(xk)分别是状态转移函数和量测函数,μk为电力系统的模型误差,vk为量测误差,均服从零均值的正态分布,即μk~N(0,Qk)和vk~N(0,Rk),其中Qk为n×n维模型误差方差矩阵,Rk为量测误差方差矩阵,m和n分别为电力系统的量测量数目和状态变量数目。
进一步地,所述步骤5包括:
基于扩展卡尔曼滤波EKF递推算法的滤波公式为:
状态预测:
式中:为在k时刻对k+1时刻状态的预测向量;为k时刻状态的估计向量;Fk为状态转移矩阵;Gk为控制向量;Pk+1|k为状态预测误差协方差矩阵;Pk|k为状态滤波误差协方差矩阵;Qk为n×n维模型误差方差矩阵;
状态滤波:
Pk+1|k+1=[I-Kk+1Hk+1]Pk+1|k (22)
式中:为k+1时刻状态量的估计向量;Kk+1为增益矩阵,xk+1和zk+1分别为为k+1时刻n×1维状态变量和m×1维的量测向量;Pk+1|k+1为状态滤波误差协方差矩阵,I为单位矩阵。
与最接近的现有技术相比,本发明提供的技术方案具有的优异效果是:
(1)本发明由非线性静态状态估计、线性静态状态估计、线性动态状态估计三种算法组成。线性动态状态估计与线性静态状态估计利用PMU量测、RTU量测,实时跟踪系统注入节点的有功功率与无功功率的变化,在非线性静态状态估计的一个计算周期内使节点注入有功功率与无功功率尽量接近实时状态,相当于利用RTU、PMU的量测跟踪了节点注入量的变化,为非线性静态状态估计提供高精度的虚拟量测;
(2)缩短非线性静态状态估计的周期,提高非线性静态状态估计的精度,并且通过线性动态状态估计提升对智能配电网运行态势的预测能力。
(3)使RTU、PMU与AMI的量测互相校验,互为初值。
(4)提出的混合算法具有高精度的系统状态预测能力。
附图说明
图1是本发明提供的基于多采样周期混合量测的主动配电网状态估计架构图。
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。
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求,否则单独的组件和功能是可选的,并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发明的实施方案的范围包括权利要求书的整个范围,以及权利要求书的所有可获得的等同物。在本文中,本发明的这些实施方案可以被单独地或总地用术语“发明”来表示,这仅仅是为了方便,并且如果事实上公开了超过一个的发明,不是要自动地限制该应用的范围为任何单个发明或发明构思。
术语及定义:
1)主动配电网:主动配电网是具备组合控制各种分布式能源(D G、可控负荷、储能、需求侧管理)能力的配电网络,其目的是加大配电网对于可再生能源的接纳能力、提升配电网资产的利用率、延缓配电网的升级投资,以及提高用户的用电质量和供电可靠性。
2)状态估计:状态估计也称滤波,它是利用实时量测系统的冗余度来提高数据精度,排除随机干扰所引起的错误信息,估计或预报系统的运行状态。电力系统状态估计分为静态和动态状态估计。静态状态估计目前应用较为成熟,以最小二乘法等为主,静态状态估计的局限性是没有考虑系统的动态。
3)动态状态估计:通过模型和量测量进行一次运算,得到状态估计值和预报值;由于动态状态估计能够对系统下一时刻的状态量进行预测,且不需迭代,与静态状态估计相比更有优势。
4)AMI:高级量测体系(advanced metering infrastructure,AMI)是一个用来量测、收集、储存、分析和运用用户用电信息的完整网络和系统。它由安装在用户端的智能电表,位于电力公司内的量测数据管理系统,连接它们的通信网络,和用户住宅之内的室内网络组成。高级量测体系中的智能电表能按照预先设定的时间间隔(分钟,小时等)记录用户的多种用电信息,把这些信息通过通信网络传到数据中心。
本发明针对主动配电网量测系统的特点,设计一种综合利用PMU、RTU与AMI量测的主动配电网状态估计混合算法,其技术难点在于:
①如何建立主动配电网混合算法的总体框架;
②如何综合利用PMU、RTU与AMI的量测数据。
本发明提供一种基于多采样周期混合量测的主动配电网状态估计方法,包括下述步骤:
1)判断是否是AMI的采样时刻,如果是则将RTU、PMU与AMI组成混合量测,转向步骤2);否则将上一时刻线性动态状态估计的预测结果、RTU与PMU组成混合量测,并判断是否是非线性静态状态估计的启动时刻,如果是则转向步骤2),否则转向步骤3);
1.1主动配电网中的多采样周期量测
1)AMI量测:
AMI是一套先进的网络和系统,以实现对用户用电信息的测量、传输、储存、分析和应用等功能,量测量包括电量信息、节点电压幅值、节点负荷以及与其相关支路的支路功率。AMI数据的采样周期较长,一般为15分钟。
2)RTU量测:
在配电网中,根节点、馈线主干和分支线的开关上配置有三相电流与功率量测,部份重要负荷节点存在实时功率量测。采样周期一般为1秒到10秒。
3)PMU量测:
新型廉价高效PMU装置的出现,以及主动配电网运行与控制的需要,在未来主动配电网中的重要节点安装PMU装置具有很大的可行性与必要性。采样周期一般为一秒以内。
1.2基于多采样周期混合量测的主动配电网状态估计总体架构:
本发明提出的基于多采样周期混合测量的主动配电网状态估计总体架构如图1所示:
图1中,SE表示状态估计,N表示非线性静态状态估计的计算周期,X表示非线性静态状态估计一个计算周期内的某一时刻。在AMI数据的采样时刻,进行两种状态估计,一是基于PMU、RTU与AMI数据的非线性静态状态估计,另一个是基于AMI数据的线性动态状态估计。在非AMI采样时刻的X时刻,基于线性动态状态估计的预测结果、RTU与PMU量测,进行线性静态状态估计,并将线性静态状态估计结果中对应AMI的部分作为非AMI采样时刻AMI的伪量测,进行线性动态状态估计。当到达非线性静态状态估计的启动周期时,将线性动态状态估计的预测结果补充为非线性静态状态估计的伪量测,并根据线性动态状态估计状态预测的协方差信息设置伪量测在非线性静态状态估计中的权重。线性动态状态估计与线性静态状态估计的目的是利用PMU与RTU量测,实时跟踪系统节点注入量的变化,在非线性静态状态估计的一个周期内使节点注入量尽量接近实时状态,从而缩短非线性状态估计的计算周期,可以从15分钟降至1分钟甚至更低。
2)利用公式(5)进行非线性静态状态估计,转向步骤4);
2.1非线性静态状态估计混合量测系统的形成:
PMU装置主要测量的是安装处母线电压相量,以及与其相连支路电流相量,因此将PMU量测作如下转换:
式中:与分别为支路ij的等效有功量测与无功量测,与分别为节点i电压相量量测的幅值与相角,与分别为支路ij电流相量量测的幅值与相角。
在AMI采样时刻,将经过变换的PMU量测,与不经变换RTU与AMI量测组成非线性静态状态估计的混合量测;在非AMI采样时刻,将经过变换的PMU量测、不经变换的RTU量测与节点注入伪量测组成非线性静态状态估计的混合量测。
2.2确定非线性静态状态估计的模型:
电力系统的非线性量测方程:
z=h(x)+v (3)
加权最小二乘问题表示为:
Min{J(x)=[z-h(x)]TR-1[z-h(x)]} (4)
基本加权最小二乘法状态估计的求解公式为:
Δx=[HTR-1H]-1R-1HTR-1[z-h(x)] (5)
式中:z为量测量向量,x为状态量向量,v为量测量误差向量,h(x)为量测函数向量,在电力系统状态估计中为非线性函数;R-1为电力系统的量测权重矩阵;为量测量的雅可比矩阵,在非线性静态状态估计中的每次迭代计算都需要重新计算。
3)判断是否是线性静态状态估计的启动时刻,是则基于公式(15)组成的常雅可比矩阵,利用公式(5)进行线性静态状态估计,否则继续等待直到线性静态状态估计的启动时刻,线性静态状态估计计算完毕后转向步骤4);
3.1线性静态状态估计混合量测系统的形成:
在直角坐标系下,将PMU量测中的母线电压相量量测作如下变换:
式中:Ui,r与Ui,r分别节点i等效的电压实部量测与虚部量测。
将PMU量测中的支路电流相量量测做如下变换:
式中:Iij,r与Iij,i分别为支路ij等效的电流实部量测与虚部量测。
在直角坐标系下,对于RTU采集的量测量,通过量测变换技术转换为等效的节点注入电流的实部量测与虚部量测,以及支路电流的实部量测与虚部量测。支路功率量测转换为等效的支路电流实部量测与虚部量测:
式中:Pij与Qij分别支路ij的有功量测与无功量测,ei与fi分别为状态估计计算中节点i的电压实部与虚部。
节点注入功率量测等效变换为节点注入电流相量的实部量测与虚部量测:
式中:Pi与Qi分别节点i的有功与无功量测,Ii,r与Ii,i分别为节点i等效的注入电流实部量测与虚部量测。
支路电流幅值量测作如下变换:
式中:Iij-m与θij-cal分别为支路ij的电流幅值量测与状态估计计算中支路电流的相角。
节点电压幅值量测做如下变换:
式中:Ui-m与θi-cal分别节点i的电压幅值量测与状态估计计算中节点电压的相角。
对于节点注入功率伪量测,也需根据公式(9)进行量测变换,变换为相应的等效注入电流。将上述由PMU量测、RTU量测与节点注入功率伪量测变换得到的等效支路电流实部与虚部量测、等效节点注入电流实部与虚部量测、等效节点电压实部与虚部量测组成线性静态状态估计的混合量测。
3.2确定线性静态状态估计的模型:
以节点电压的实部与虚部为状态量,通过等效量测变换后,等效节点注入电流的量测函数为:
式中:j∈i表示与节点i相连接的所有节点,包括节点i;ej与fj分别为节点j电压的实部与虚部,Bij与Gij分别为节点导纳矩阵中节点i与节点j之间互导纳的实部与虚部。
等效支路电流的量测函数为:
式中:gij与bij分别为支路ij的电导与电纳,bij0为支路ij的i端对地的电导与电纳。
等效节点电压的的量测函数为:
混合量测下,系统的量测雅可比矩阵为:
式中:Ir与Ii分别为等效注入电流量测或等效支路电流量测的实部向量与虚部向量;Ur与Ui分别为等效电压量测的实部与虚部向量;ek与fk分别为该等效电流量测所关联节点k的电压直角坐标分量。
由于量测雅可比矩阵为常数矩阵,则信息矩阵HTR-1H为常数矩阵,利用公式(5)求解电力系统状态变量的迭代过程中保持不变。
4)基于AMI量测,或将静态状态估计结果中对应AMI量测的部份作为AMI的虚拟量测,根据公式(20)、(21)与(22)进行线性动态状态估计的状态滤波计算;
4.1确定基于节点注入功率的主动配电网线性动态状态估计状态量:电力系统通用的状态变量是节点电压的幅值和相角,由于电力系统中节点间的相关性较强,不易进行预测,也没有物理意义,因此选择节点间相关性较弱的节点注入有功和无功功率作为主动配电网动态状态估计的状态量,从而提高主动配电网动态状态估计状态预测计算的精度。
4.2确定基于节点注入功率的主动配电网线性动态状态估计量测量:采用AMI量测中注入节点的有功功率量测与无功功率量测作为量测量,由于AMI量测的采集周期长达数分钟,因此在非AMI量测的采样时刻,将基于RTU与PMU进行静态线性状态估计的估计结果做为量测量。在网络拓扑结构不发生变化的条件下,可知该量测相量和状态变量之间的关系为线性关系,即雅可比(Jacobian)矩阵为常数阵。
4.3基于节点注入功率的主动配电网线性动态状态估计:
电力系统用下列状态方程和量测方程描述其动态行为:
xk+1=f(xk)+μk (16)
zk=h(xk)+vk (17)
式中:xk和zk分别为k时刻n×1维状态变量和m×1维的量测向量,f(xk)和h(xk)分别是状态转移函数和量测函数,μk为电力系统的模型误差,vk为量测误差,均服从零均值的正态分布,即μk~N(0,Qk)和vk~N(0,Rk),其中Qk为n×n维模型误差方差矩阵,Rk为量测误差方差矩阵,m和n分别为电力系统的量测量数目和状态变量数目。
5)基于状态滤波计算的估计结果,更新线性动态状态估计的状态转移函数Fk与控制向量Gk,基于新的Fk与Gk利用公式(18)与(19)进行状态预测计算;
基于扩展卡尔曼滤波EKF递推算法的滤波公式为:
状态预测:
式中:为在k时刻对k+1时刻状态的预测向量;为k时刻状态的估计向量;Fk为状态转移矩阵;Gk为控制向量;Pk+1|k为状态预测误差协方差矩阵;Pk|k为状态滤波误差协方差矩阵;Qk为n×n维模型误差方差矩阵;
状态滤波:
Pk+1|k+1=[I-Kk+1Hk+1]Pk+1|k (22)
式中:为k+1时刻状态量的估计向量;Kk+1为增益矩阵,xk+1和zk+1分别为为k+1时刻n×1维状态变量和m×1维的量测向量;Pk+1|k+1为状态滤波误差协方差矩阵,I为单位矩阵。
6)转向步骤1)。
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,这些未脱离本发明精神和范围的任何修改或者等同替换,均在申请待批的本发明的权利要求保护范围之内。
Claims (6)
1.一种基于多采样周期混合量测的主动配电网状态估计方法,其特征在于,所述方法包括下述步骤:
1)确定高级量测体系AMI的采样时刻,如果是,则将RTU量测、PMU量测与AMI量测组成混合量测,转向步骤2);否则,将上一时刻线性动态状态估计的预测结果、RTU量测与PMU量测组成混合量测,并判断是否是非线性静态状态估计的启动时刻,如果是则转向步骤2),否则转向步骤3);
2)若确定是采样时刻,进行非线性静态状态估计,并转向步骤4);
3)如确定是线性静态状态估计的启动时刻,进行线性静态状态估计;
4)基于AMI量测,或将静态状态估计结果中对应AMI量测的部份作为AMI的虚拟量测,进行基于节点注入功率的主动配电网线性动态状态估计的状态滤波计算;
5)基于状态滤波计算的估计结果,更新线性动态状态估计的状态转移函数与控制向量,基于新的状态转移函数与控制向量进行状态预测计算;
6)返回步骤1)。
2.如权利要求1所述的主动配电网状态估计方法,其特征在于,所述步骤1)包括:
1.1主动配电网中的多采样周期混合量测:
AMI量测:包括:电量信息、节点电压幅值、节点负荷以及与其相关支路的支路功率,采样周期为15分钟,以实现对用户用电信息的测量、传输、储存、分析和应用功能分析;
RTU量测:在配电网中,根节点、馈线主干和分支线的开关上配置有三相电流与功率量测,重要负荷节点存在实时功率量测;采样周期为1秒到10秒;
PMU量测:采样周期为1秒以内;
1.2确定基于多采样周期混合量测的主动配电网状态估计总体架构,包括:
在AMI数据的采样时刻,进行两种状态估计,一是基于PMU、RTU与AMI全量测的非线性静态状态估计,另一个是基于AMI量测的线性动态状态估计;
在非AMI采样时刻的X时刻,基于线性动态状态估计的预测结果、RTU与PMU量测,进行线性静态状态估计,并将线性静态状态估计结果中对应AMI的部分作为非AMI采样时刻AMI的虚拟量测,进行线性动态状态估计;
当到达非线性静态状态估计的启动时刻时,将线性动态状态估计的预测结果补充为非线性静态状态估计的虚拟量测,并根据线性动态状态估计状态预测的协方差信息设置虚拟量测在非线性静态状态估计的权重;线性动态状态估计与线性静态状态估计的目的是利用PMU量测与RTU量测,实时跟踪系统节点注入量的变化,在非线性静态状态估计的一个周期内使节点注入量为实时状态,缩短非线性静态状态估计的计算周期,从15分钟降至1分钟。
3.如权利要求1所述的主动配电网状态估计方法,其特征在于,所述步骤2的非线性静态状态估计包括:
2.1确定非线性静态状态估计的混合量测:
PMU装置用于测量的是安装处母线电压相量,以及与其相连支路电流相量,PMU量测作如下转换:
式中:与分别为支路ij的等效有功量测与无功量测,与分别为节点i电压相量量测的幅值与相角,与分别为支路ij电流相量量测的幅值与相角;
在AMI采样时刻,将经过变换的PMU量测,与不经变换RTU与AMI量测组成非线性静态状态估计的混合量测;在非AMI采样时刻,将经过变换的PMU量测、不经变换的RTU量测与节点注入伪量测组成非线性静态状态估计的混合量测;
2.2确定非线性静态状态估计的模型:
电力系统的非线性量测方程:
z=h(x)+v (3)
加权最小二乘问题表示为:
Min{J(x)=[z-h(x)]TR-1[z-h(x)]} (4)
基本加权最小二乘法状态估计的求解公式为:
Δx=[HTR-1H]-1R-1HTR-1[z-h(x)] (5)
式中:z为量测量向量,x为状态量向量,v为量测量误差向量,h(x)为量测函数向量,在电力系统状态估计中为非线性函数;R-1为电力系统的量测权重矩阵;为量测量的雅可比矩阵,在非线性静态状态估计中的每次迭代计算都需要重新计算。
4.如权利要求1所述的主动配电网状态估计方法,其特征在于,所述步骤3的线性静态状态估计包括:
3.1建立线性静态状态估计混合量测系统:
在直角坐标系下,将PMU量测中的母线电压相量量测作如下变换:
将PMU量测中的支路电流相量量测做如下变换:
在直角坐标系下,对于RTU采集的量测量,通过量测变换技术转换为等效的节点注入电流的实部量测与虚部量测,以及支路电流的实部量测与虚部量测;支路功率量测转换为等效的支路电流实部量测与虚部量测:
节点注入功率量测等效变换为节点注入电流相量的实部量测与虚部量测:
支路电流幅值量测作如下变换:
节点电压幅值量测做如下变换:
式中:Ui,r与Ui,r分别节点i等效的电压实部量测与虚部量测;Iij,r与Iij,i分别为支路ij等效的电流实部量测与虚部量测;Pij与Qij分别支路ij的有功量测与无功量测,ei与fi分别为状态估计计算中节点i的电压实部与虚部;Pi与Qi分别节点i的有功量测与无功量测;Iij-m与θij-cal分别为支路ij的电流幅值量测与状态估计计算中电流的相角;Ui-m与θi-cal分别节点i的电压幅值量测与线性静态状态估计计算中电压的相角;
对于节点注入功率伪量测,根据公式(9)进行量测变换,变换为相应的等效注入电流;将上述由PMU量测、RTU量测与节点注入功率伪量测变换得到的等效支路电流实部与虚部量测、等效节点注入电流实部与虚部量测、等效节点电压实部与虚部量测组成线性静态状态估计的混合量测;
3.2确定线性静态状态估计的模型:
等效支路电流的量测函数为:
等效节点电压的的量测函数为:
混合量测下,系统的量测雅可比矩阵为:
式中:j∈i表示与节点i相连接的所有节点,包括节点i;ej与fj分别为节点j电压的实部与虚部,Bij与Gij分别为节点导纳矩阵中节点i与节点j之间互导纳的实部与虚部;gij与bij分别为支路ij的电导与电纳,bi0与bij为支路ij的i端对地的电导与电纳;Ir与Ii分别为等效注入电流量测或等效支路电流量测的实部向量与虚部向量;Ur与Ui分别为等效电压量测的实部与虚部向量;ek与ef分别为该等效电流量测所关联节点k的电压直角坐标分量;
由于量测雅可比矩阵为常数矩阵,则信息矩阵HTR-1H为常数矩阵,利用公式(5)求解电力系统状态变量的迭代过程中保持不变。
5.如权利要求1所述的主动配电网状态估计方法,其特征在于,所述步骤4的基于节点注入功率的主动配电网线性动态状态估计包括:
4.1确定基于节点注入功率的主动配电网线性动态状态估计状态量:选择节点间相关性较弱的节点注入有功和无功功率作为主动配电网线性动态状态估计的状态量;
4.2确定基于节点注入功率的主动配电网线性动态状态估计量测量:在AMI的采样时刻,采用AMI量测中注入节点的有功功率量测与无功功率量测作为量测量;在非AMI量测采样的时刻,将基于RTU量测与PMU量测进行静态线性状态估计的估计结果作为量测量;
4.3基于节点注入功率的主动配电网线性动态状态估计:
电力系统用下列状态方程和量测方程描述其动态行为:
xk+1=f(xk)+μk (16)
zk=h(xk)+vk (17)
式中:xk和zk分别为k时刻n×1维状态变量和m×1维的量测向量,f(xk)和h(xk)分别是状态转移函数和量测函数,μk为电力系统的模型误差,vk为量测误差,均服从零均值的正态分布,即μk~N(0,Qk)和vk~N(0,Rk),其中Qk为n×n维模型误差方差矩阵,Rk为量测误差方差矩阵,m和n分别为电力系统的量测量数目和状态变量数目。
6.如权利要求1所述的主动配电网状态估计方法,其特征在于,所述步骤5包括:
基于扩展卡尔曼滤波EKF递推算法的滤波公式为:
状态预测:
式中:为在k时刻对k+1时刻状态的预测向量;为k时刻状态的估计向量;Fk为状态转移矩阵;Gk为控制向量;Pk+1|k为状态预测误差协方差矩阵;Pk|k为状态滤波误差协方差矩阵;Qk为n×n维模型误差方差矩阵;
状态滤波:
Pk+1|k+1=[I-Kk+1Hk+1]Pk+1|k (22)
式中:为k+1时刻状态量的估计向量;Kk+1为增益矩阵,xk+1和zk+1分别为为k+1时刻n×1维状态变量和m×1维的量测向量;Pk+1|k+1为状态滤波误差协方差矩阵,I为单位矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510997556.7A CN106921156B (zh) | 2015-12-25 | 2015-12-25 | 一种基于多采样周期混合量测的主动配电网状态估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510997556.7A CN106921156B (zh) | 2015-12-25 | 2015-12-25 | 一种基于多采样周期混合量测的主动配电网状态估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106921156A true CN106921156A (zh) | 2017-07-04 |
CN106921156B CN106921156B (zh) | 2019-11-01 |
Family
ID=59455012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510997556.7A Active CN106921156B (zh) | 2015-12-25 | 2015-12-25 | 一种基于多采样周期混合量测的主动配电网状态估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106921156B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107453351A (zh) * | 2017-07-12 | 2017-12-08 | 河海大学 | 一种基于节点注入功率的配电网运行拓扑辨识方法 |
CN107887907A (zh) * | 2017-11-17 | 2018-04-06 | 广西大学 | 一种电力系统动态状态估计多时段滚动优化方法 |
CN108400592A (zh) * | 2018-03-19 | 2018-08-14 | 国网江西省电力有限公司电力科学研究院 | 一种计及潮流约束的配电网区间状态估计算法 |
CN108448568A (zh) * | 2018-03-08 | 2018-08-24 | 国网山东省电力公司潍坊供电公司 | 基于多种时间周期测量数据的配电网混合状态估计方法 |
CN108614190A (zh) * | 2018-06-04 | 2018-10-02 | 华中科技大学 | 基于μPMU与AMI的配电网T接线路参数估计方法 |
CN108649574A (zh) * | 2018-06-15 | 2018-10-12 | 华北电力大学 | 一种基于三种量测数据的配电网快速状态估计方法 |
CN108695864A (zh) * | 2018-06-06 | 2018-10-23 | 国网上海市电力公司 | 基于μPMU与SCADA的配电网网络拓扑分析方法 |
CN109586289A (zh) * | 2018-12-13 | 2019-04-05 | 国网山东省电力公司青岛供电公司 | 一种配电网多时间尺度递归动态状态估计方法及系统 |
CN109975739A (zh) * | 2019-04-11 | 2019-07-05 | 宁夏隆基宁光仪表股份有限公司 | 一种新型高精度智能电能表的调测方法 |
CN110034559A (zh) * | 2019-04-18 | 2019-07-19 | 南京邮电大学 | 基于切换系统模型的电力系统融合状态估计方法 |
CN110222966A (zh) * | 2019-05-28 | 2019-09-10 | 天津大学 | 面向配电网分布式状态估计的同步相量量测配置分区方法 |
CN110362782A (zh) * | 2019-07-29 | 2019-10-22 | 天津大学 | 一种基于iggiii的配电网抗差状态估计方法 |
CN110707693A (zh) * | 2019-10-18 | 2020-01-17 | 燕山大学 | 一种基于ami全量测点分区的集合卡尔曼滤波动态状态估计方法 |
CN110764462A (zh) * | 2019-11-27 | 2020-02-07 | 珠海横琴华迪科技有限公司 | Plc智能电柜控制方法、装置及plc控制服务器 |
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 |
CN111797974A (zh) * | 2020-06-01 | 2020-10-20 | 武汉大学 | 一种联合粒子滤波和卷积神经网络的电力系统状态估计方法 |
CN113488989A (zh) * | 2021-06-09 | 2021-10-08 | 河海大学 | 一种基于流计算的局部混合线性状态估计方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101924364A (zh) * | 2010-07-23 | 2010-12-22 | 清华大学 | 变电站-调度中心两级分布式电网的非线性状态估计方法 |
CN102497019A (zh) * | 2011-12-02 | 2012-06-13 | 清华大学 | 变电站-调度中心两级状态估计多源数据对时与拼接方法 |
CN103840452A (zh) * | 2014-03-04 | 2014-06-04 | 国家电网公司 | 一种引入pmu量测信息的大电网状态估计方法 |
CN104462813A (zh) * | 2014-12-05 | 2015-03-25 | 国家电网公司 | 一种变电站变结构双尺度数据融合方法 |
-
2015
- 2015-12-25 CN CN201510997556.7A patent/CN106921156B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101924364A (zh) * | 2010-07-23 | 2010-12-22 | 清华大学 | 变电站-调度中心两级分布式电网的非线性状态估计方法 |
CN102497019A (zh) * | 2011-12-02 | 2012-06-13 | 清华大学 | 变电站-调度中心两级状态估计多源数据对时与拼接方法 |
CN103840452A (zh) * | 2014-03-04 | 2014-06-04 | 国家电网公司 | 一种引入pmu量测信息的大电网状态估计方法 |
CN104462813A (zh) * | 2014-12-05 | 2015-03-25 | 国家电网公司 | 一种变电站变结构双尺度数据融合方法 |
Non-Patent Citations (1)
Title |
---|
LIU GUANGYI 等: "the theory and algorithm of detection measurement biases in power system state estimation", 《1991 INTERNATIONAL CONFERENCE ON ADVANCES IN POWER SYSTEM CONTROL,OPERATION AND MANAGEMENT,APSCOM-91》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107453351A (zh) * | 2017-07-12 | 2017-12-08 | 河海大学 | 一种基于节点注入功率的配电网运行拓扑辨识方法 |
CN107453351B (zh) * | 2017-07-12 | 2020-12-11 | 河海大学 | 一种基于节点注入功率的配电网运行拓扑辨识方法 |
CN107887907A (zh) * | 2017-11-17 | 2018-04-06 | 广西大学 | 一种电力系统动态状态估计多时段滚动优化方法 |
CN108448568A (zh) * | 2018-03-08 | 2018-08-24 | 国网山东省电力公司潍坊供电公司 | 基于多种时间周期测量数据的配电网混合状态估计方法 |
CN108400592A (zh) * | 2018-03-19 | 2018-08-14 | 国网江西省电力有限公司电力科学研究院 | 一种计及潮流约束的配电网区间状态估计算法 |
CN108614190A (zh) * | 2018-06-04 | 2018-10-02 | 华中科技大学 | 基于μPMU与AMI的配电网T接线路参数估计方法 |
CN108695864A (zh) * | 2018-06-06 | 2018-10-23 | 国网上海市电力公司 | 基于μPMU与SCADA的配电网网络拓扑分析方法 |
CN108695864B (zh) * | 2018-06-06 | 2021-07-27 | 国网上海市电力公司 | 基于μPMU与SCADA的配电网网络拓扑分析方法 |
CN108649574A (zh) * | 2018-06-15 | 2018-10-12 | 华北电力大学 | 一种基于三种量测数据的配电网快速状态估计方法 |
CN109586289A (zh) * | 2018-12-13 | 2019-04-05 | 国网山东省电力公司青岛供电公司 | 一种配电网多时间尺度递归动态状态估计方法及系统 |
CN109975739A (zh) * | 2019-04-11 | 2019-07-05 | 宁夏隆基宁光仪表股份有限公司 | 一种新型高精度智能电能表的调测方法 |
CN109975739B (zh) * | 2019-04-11 | 2021-01-08 | 宁夏隆基宁光仪表股份有限公司 | 一种高精度智能电能表的调测方法 |
CN110034559A (zh) * | 2019-04-18 | 2019-07-19 | 南京邮电大学 | 基于切换系统模型的电力系统融合状态估计方法 |
CN110222966A (zh) * | 2019-05-28 | 2019-09-10 | 天津大学 | 面向配电网分布式状态估计的同步相量量测配置分区方法 |
CN110222966B (zh) * | 2019-05-28 | 2023-03-28 | 天津大学 | 面向配电网分布式状态估计的同步相量量测配置分区方法 |
CN110362782A (zh) * | 2019-07-29 | 2019-10-22 | 天津大学 | 一种基于iggiii的配电网抗差状态估计方法 |
CN110707693A (zh) * | 2019-10-18 | 2020-01-17 | 燕山大学 | 一种基于ami全量测点分区的集合卡尔曼滤波动态状态估计方法 |
CN110707693B (zh) * | 2019-10-18 | 2023-06-16 | 燕山大学 | 一种基于ami全量测点分区的集合卡尔曼滤波动态状态估计方法 |
CN110764462B (zh) * | 2019-11-27 | 2021-05-18 | 珠海横琴华迪科技有限公司 | Plc智能电柜控制方法、装置及plc控制服务器 |
CN110764462A (zh) * | 2019-11-27 | 2020-02-07 | 珠海横琴华迪科技有限公司 | Plc智能电柜控制方法、装置及plc控制服务器 |
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 |
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 |
CN111797974A (zh) * | 2020-06-01 | 2020-10-20 | 武汉大学 | 一种联合粒子滤波和卷积神经网络的电力系统状态估计方法 |
CN113488989A (zh) * | 2021-06-09 | 2021-10-08 | 河海大学 | 一种基于流计算的局部混合线性状态估计方法 |
CN113488989B (zh) * | 2021-06-09 | 2023-08-01 | 河海大学 | 一种基于流计算的局部混合线性状态估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106921156B (zh) | 2019-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106921156A (zh) | 一种基于多采样周期混合量测的主动配电网状态估计方法 | |
Della Giustina et al. | Electrical distribution system state estimation: measurement issues and challenges | |
CN103840452B (zh) | 一种引入pmu量测信息的大电网状态估计方法 | |
Hayes et al. | State estimation techniques for electric power distribution systems | |
CN108448568B (zh) | 基于多种时间周期测量数据的配电网混合状态估计方法 | |
CN107453357B (zh) | 一种基于分层求解的配电网状态估计方法 | |
CN110880760A (zh) | 一种低压配电网线损与无功补偿协同优化方法 | |
CN101958543B (zh) | 一种变电站三相无阻抗非线性多源状态估计方法 | |
CN107843810A (zh) | 一种基于状态估计的有源配电网故障区段在线定位方法 | |
CN103972884A (zh) | 一种电力系统状态估计方法 | |
CN106707061A (zh) | 基于混合量测的配电网动态状态估计方法 | |
CN103606113A (zh) | 基于pmu装置的电力系统静态状态估计方法 | |
CN104778367A (zh) | 基于单一状态断面的广域戴维南等值参数在线计算方法 | |
CN103199528A (zh) | 广域电力系统状态估计协调方法 | |
Cataliotti et al. | An improved load flow method for MV networks based on LV load measurements and estimations | |
Li et al. | Forecasting aided distribution network state estimation using mixed μPMU-RTU measurements | |
CN110707693A (zh) | 一种基于ami全量测点分区的集合卡尔曼滤波动态状态估计方法 | |
CN110417009A (zh) | 基于不同采样周期数据的配电网混合抗差状态估计方法 | |
CN104537233A (zh) | 一种基于核密度估计的配电网伪量测生成方法 | |
CN107046285A (zh) | 一种基于混合量测的配电网状态评估方法 | |
CN109494711A (zh) | 一种多区域并行的全分布式状态估计方法 | |
CN109586289A (zh) | 一种配电网多时间尺度递归动态状态估计方法及系统 | |
CN107169881A (zh) | 引入pmu支路电流相量的电力系统静态状态估计方法 | |
CN107069710A (zh) | 计及新能源时空相关性的电力系统状态估计方法 | |
CN108376981A (zh) | 含柔性直流的电力系统静态电压稳定域边界搜索方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |