CN107229595B - 一种soa架构的电网实时抗差状态估计方法 - Google Patents

一种soa架构的电网实时抗差状态估计方法 Download PDF

Info

Publication number
CN107229595B
CN107229595B CN201710327108.5A CN201710327108A CN107229595B CN 107229595 B CN107229595 B CN 107229595B CN 201710327108 A CN201710327108 A CN 201710327108A CN 107229595 B CN107229595 B CN 107229595B
Authority
CN
China
Prior art keywords
measurement
power grid
delta
data
state estimation
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
Application number
CN201710327108.5A
Other languages
English (en)
Other versions
CN107229595A (zh
Inventor
张弛
韦化
祝云
谢代钰
章勇
王宇飞
吕中梁
李滨
阳育德
李佩杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangxi University
Original Assignee
Guangxi University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangxi University filed Critical Guangxi University
Priority to CN201710327108.5A priority Critical patent/CN107229595B/zh
Publication of CN107229595A publication Critical patent/CN107229595A/zh
Application granted granted Critical
Publication of CN107229595B publication Critical patent/CN107229595B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/11Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Computing Systems (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种SOA架构的电网实时抗差状态估计系统及方法。解决电力导读系统中数据传输会渗入噪音,影响系统正确计算的问题。系统,包括相连的用户端、服务器端,用户端与电网系统相连接。服务端包括处理单元、服务接口单元,用户端与服务接口单元通过网络相连接。方法对采集的量测和拓扑信息采用最小绝对值法进行状态估计计算,有效降低了电力调度自动化系统中原始数据所含的噪声及剔除其中的不良数据,保证了电力调度系统软件计算的准确性。

Description

一种SOA架构的电网实时抗差状态估计方法
技术领域
本发明涉及一种电力调度自动化技术领域,尤其是涉及一种SOA 架构的电网实时抗差状态估计方法。
背景技术
电力系统中的运行数据从变电站RTU采集到经过网络传输到电力调度自动化系统中时,往往会受到随机干扰而渗入误差,甚至会产生严重不良数据,这些数据也称为生数据。生数据往往会影响调度系统高级应用软件的准确计算。因此,降低电力调度自动化系统中生数据所含的噪声及剔除其中的不良数据对于调度系统的正常运行至关重要。
此外,当电网中出现因不同电源供电而造成电网分为多区域独立运行的情况时,在调度自动化系统中,通常状态估计方法需要对不同的区域分别进行独立计算,将就会增加计算流程和时间。因此,发明了一种将所有独立区域的状态估计计算过程合并为一个计算过程的计算方法,以达到简化计算流程、减少计算时间的效果。
发明内容
本发明主要是解决电力调度自动化系统中的生数据传输含有噪声或不良数据,影响系统高级应用软件准确计算的问题,提供了一种 SOA架构的电网实时抗差状态估计方法。
本发明的上述技术问题主要是通过下述技术方案得以解决的:一种SOA架构的电网实时抗差状态估计系统,包括
部署在云计算平台上对状态估计系统进行设置和结果显示的用户端,用户端与电网系统相连接,接收来自电力系统的量测值和网架拓扑信息,将这两类数据编辑为标准格式的数据文件,并将数据文件传输给服务端进行状态估计计算;其中量测值包括节点注入功率量测值、支路功率量测和电压幅值量测;网架拓扑信息包括系统节点数、平衡节点、线路支路参数和变压器支路参数。
部署在云计算平台上用于实现状态估计逻辑计算的服务端,服务端包括根据电网量测值和网架拓扑信息进行状态估计计算的处理单元,以及供用户端接收数据的服务接口单元,用户端与服务接口单元通过网络相连接。本发明中用户端和服务端均部署在云计算平台,与传统的双机热备用模式相比,不仅节约了成本,更重要的是提高了应用本身的运行可靠性和应对各种灾害的能力,具有自动灾备功能。状态估计系统采用SOA构架,以面向服务的形式搭建,使得应用具有松散耦合、跨平台和可复用等优点,与电网调度自动化系统的结合具有高度灵活性。并采用B/S模式,将计算的结果以网页形式显示,用户端只需浏览器便可进行访问。状态估计应用的界面中的主网图采用 SVG可伸缩矢量图形技术,主网图显示了实时遥测数据和实时状态估计结果,以及显示了状态估计计算过程中的收敛曲线及各量测值对应的计算值。服务端采用IIS托管。本发明服务端通过状态估计计算,有效降低了电力调度自动化系统中生数据所含的噪声及剔除其中的不良数据。
一种SOA架构的电网实时抗差状态估计方法,包括以下步骤:
S1.用户端获取电网量测值和网架拓扑信息;
S2.根据用户对量测值的选择调整作为状态估计计算的原始数据;
S3.根据原始数据分析电网在电气上是否为单一区域运行情况,若是,则直接将原始数据处理生成一个区域的标准格式数据文件,若不是,则按照多区域处理办法生成合并计算的标准格式数据文件;
S4.将标准格式的数据文件发送给服务端;
S5.服务端读取数据文件中的数据进行状态估计计算,计算结果供用户端进行调用。状态估计应用服务端内嵌了五种特点各异的状态估计方法,用户可根据实际电网情况选择一种运行,本发明优先采用最小绝对值法。
作为一种优选方案,步骤S1中获取的电网量测值包括节点注入功率量测值、节点电压量测值、支路功率量测值、零注入功率量测值;网架拓扑信息包括电网节点数、平衡节点号、节点连接关系、线路和变压器支路阻抗参数、接地支路参数。
作为一种优选方案,步骤S2的具体过程包括:
S21.将电网中所有可以选择的量测数据点在用户端上显示并供用户选择;
S22.根据用户选择的量测数据点并结合默认选择的量测数据点,与上一次进行状态估计计算的量测数据点进行比较;
S23.将上一次进行状态估计计算的量测数据点作为原始数据,若比较为增加了量测数据点,将增加的数据点添加到原始数据中,若比较为减少了量测数据点,将减少的数据点从原始数据中删除,若比较为没有改变,则保持原始数据量测点不变。
作为一种优选方案,步骤3中计算标准格式数据文件的具体过程包括:
S31.根据网架拓扑连接关系识别电网在电气关系上是一个电气区域,还是相互独立的多个电气区域,即是否为多区域独立运行情况;
S32.若是一个区域,则按常规方法将原始数据处理为标准格式数据文件,进入步骤S4;若为多个区域,则将每个区域的原始数据分别处理为标准格式数据文件;
S33.以节点最多的电气区域为基础,保持该区域所有节点的编号不变,其他区域的节点号依次按顺序递增,并重新按照标准格式数据文件进行处理,直到将所有区域的标准格式数据合并为一个多平衡节点的标准格式数据文件;假如整个电网有100个节点,分成3个独立的区域运行,区域1、2和3的节点数分别为50、30和20。则将节点数为50的区域1设为基础区域,将其所有节点分别编号为1~50,将区域2的节点编号为51~80,将区域3的节点编号为81~100。若电网分为更多的区域,以此类推进行处理。
S34.合并后,按常规方法将原始数据处理为标准格式数据文件。本方案采用对电网中所有独立运行的区域合并计算的方法,计算结果与独立计算结果一致,避免了计算重复性,有效简化了计算流程,提高了计算效率。
该标准格式数据文件的具体数据结构为:
1)节点数,支路数,基准功率,迭代次数,中心参数;
2)收敛精度;
3)序号,平衡节点1,平衡节点2,…;
4)线路参数(序号,节点i,节点j,r,x,b/2);
5)变压器参数(序号,节点i,节点j,r,x,k0);
6)接地支路参数(节点i,gi,bi);
7)零注入量测(序号,节点i);
8)节点零注入量测(序号,节点i,Pgi,Qgi,Pdi,Qdi);
9)支路量测(序号,节点i,节点j,Pij,Qij);
10)电压量测(序号,节点i,Vi);
11)电压运行限制(序号,节点i,下限,上限);
12)有功出力限制(序号,节点i,下限,上限);
13)无功出力限制(序号,节点i,下限,上限);
如果为电网多区域运行。则3)处有多个平衡节点,若只有一个网架,则只有平衡节点1;r表示电阻,x表示电抗,b表示电纳,k0 表示变压器当前变比。
作为一种优选方案,步骤5中状态估计计算的具体过程包括:
S51.读取数据文件,根据状态估计的非线性量测方程
z=g(x)+ε
采用最小绝对值法进行计算,最小绝对值模型为
Figure GDA0002576230120000051
其中z为m维量测向量,即三类量测值中用于计算的m各量测值组成的向量,z=[Pi,Qi;Vi;Pij,Qij],Pi、Qi分别为节点注入有功率和无功功率量测值,Vi为节点电压幅值量测值,Pij、Qij为支路功率量测值;x为n维状态向量,即x=[V,δ],V、δ分别为电网节点电压幅值和相角,共n个;g(x)为m维量测函数向量,为量测值z中m 个量测值对应的m个函数表达式向量,即为估计值,
Figure GDA0002576230120000052
Figure GDA0002576230120000053
为节点注入功率估计值,
Figure GDA0002576230120000054
为节点电压估计值,
Figure GDA0002576230120000055
为支路功率估计值;ε为m维量测残差,h(x)为节点零节点注入功率量测值,w为m维权重向量;T为矩阵运算符号,表示对向量的转置;
S52.初始化参数,设定迭代次数k=0,kmax=20中心参数σ=0.1, l=u=λ=[1,…,1]T∈Rm,y=0,α=β=w,收敛精度e=10-5,状态变量x采用平启动,即V=1,δ=0,其中l,u为松弛变量, (l,u)∈Rm≥0,y、λ、α、β为拉格朗日乘子向量, y∈Rc,λ、α、β∈Rm,Rc、Rm分别为c维和m维实数向量;
S53.判断是否k<kmax,若是,进入下一步骤,若否,最小绝对值模型不收敛,计算结束;
S54.计算互补间隙Gap=αTl+βTu,若Gap<e,则最小绝对值模型收敛,输出结果x,若否继续下一步骤;
S55.计算扰动因子
Figure GDA0002576230120000061
S56.根据最小绝对值模型获得修正方程,求解修正方程得到修正量Δx,Δλ,Δy,Δα,Δβ,Δl,Δu;
S57.求出原始对偶步长
Figure GDA0002576230120000062
i=1,…,m;
S58.修正原始、对偶变量
Figure GDA0002576230120000063
Figure GDA0002576230120000064
将k=k+1,返回步骤S53 。
作为一种优选方案,步骤S56 修正量获取的过程包括:
S561.等价转化最小绝对值模型,获得最小值等价模型
Figure GDA0002576230120000071
引入松弛变量(l,u)∈Rm≥0将不等式转化为等式,并进行等价转换,得到
Figure GDA0002576230120000072
S562.构建拉格朗日函数:
L=wT(l+u)-yTh(x)-λT(z-g(x)+l-u)-αTl-βTu (3)
求取拉格朗日函数极限,即为所求状态估计结果,导出下一阶最优性条件:
Figure GDA0002576230120000073
Ly≡h(x)=0 (5)
Lλ≡z-g(x)+l-u=0 (6)
Ll≡w-λ-α=0 (7)
Lu≡w+λ-β=0 (8)
Lα≡diag(α)diag(l)e=0 (9)
Lβ≡diag(β)diag(u)e=0 (10)
其中,e=[1,…,1]T∈Rm,引入扰动参数
Figure GDA0002576230120000075
对互补项(9)、 (10)实施扰动松弛得到:
Figure GDA0002576230120000074
Figure GDA0002576230120000081
S563.对以上非线性方程采用牛顿法求解,线性化得到:
Figure GDA0002576230120000082
Figure GDA0002576230120000083
Figure GDA0002576230120000084
-Δλ-Δα=-Ll (16)
Δλ-Δβ=-Lu (17)
Figure GDA0002576230120000085
Figure GDA0002576230120000086
S564.变量α,β,λ选取合适初始值,使得Ll=Lu=0,由公式 (16)、(17)、(18)、(19)求得以下关系式:
Figure GDA0002576230120000087
求得Δα,Δβ,Δl,Δu;
S565.将Δl、Δu代入公式(15),得到:
Figure GDA0002576230120000088
公式中S=diag(α)-1diag(l)+diag(β)-1 diag(u);
由公式(13)、(14)、(21)得到修正方程:
Figure GDA0002576230120000089
公式中
Figure GDA00025762301200000810
求解修正方程得到Δx,Δλ,Δy。
因此,本发明的优点是:
1.通过状态估计计算,有效降低了电力调度自动化系统中生数据所含的噪声及剔除其中的不良数据,保证了电力调度系统软件计算的准确性。
2.采用对电网中所有独立运行的区域合并计算的方法,计算结果与独立计算结果一致,避免了计算重复性,有效简化了计算流程,提高了计算效率。
3.采用SOA架构搭建状态估计系统,有效解决了传统软件架构紧耦合的问题,使得状态估计系统具备松散耦合特性,灵活性高,能跨平台且功能复用,提高了系统的可拓展性。
4.采用B/S模式,克服了C/S模式对单机内存的高要求和固定地点办公的缺点,使得用户使用轻型设备通过互联网便可访问状态估计系统,且具备移动办公功能。
5.SOA架构的状态估计系统部署于云计算平台,克服了传统双机热备用抗灾能力不足的缺点,具有异地灾备能力,能抵抗例如台风、地震等自然灾害;还充分利用了云计算的弹性计算技术,能快速地扩充计算能力。
附图说明
附图1是本发明中状态估计计算的流程示意图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
实施例:
本实施例一种SOA架构的电网实时抗差状态估计系统,包括
部署在云计算平台上对状态估计系统进行设置和结果显示的用户端,用户端与电网系统相连接,接收来自电力系统的量测值和网架拓扑信息,
部署在云计算平台上用于实现状态估计逻辑计算的服务端,服务端包括根据电网量测值和网架拓扑信息进行状态估计计算的处理单元,以及供用户端接收计算结果的服务接口单元,用户端与服务接口单元通过网络相连接。
一种SOA架构的电网实时抗差状态估计方法,包括以下步骤:
S1.用户端获取电网量测值和网架拓扑信息;
电网量测值包括节点注入功率量测值、节点电压量测值、支路功率量测值、零注入功率量测值;网架拓扑信息包括电网节点数、平衡节点号、节点连接关系、线路和变压器支路阻抗参数、接地支路参数。
S2.根据用户对量测值的选择调整作为状态估计计算的原始数据;具体过程为:
S21.将电网中所有可以选择的量测数据点在用户端上显示并供用户选择;
S22.根据用户选择的量测数据点并结合默认选择的节点量测数据点,与上一次进行状态估计计算的量测数据点进行比较;
S23.将上一次进行状态估计计算的量测数据点作为原始数据,若比较为增加了量测数据点,将增加的数据点添加到原始数据中,若比较为减少了量测数据点,将减少的数据点从原始数据中删除,若比较为没有改变,则保持原始数据量测点不变。
S3.根据原始数据分析电网在电气上是否为单一区域运行情况,若是,则直接将原始数据处理生成一个区域的标准格式数据文件,若不是,则按照多区域处理办法生成合并计算的标准格式数据文件;具体过程为:
S31.根据网架拓扑连接关系识别电网在电气关系上是一个电气区域,还是相互独立的多个电气区域,即是否为多区域独立运行情况;
S32.若是一个区域,则按常规方法将原始数据处理为标准格式数据文件,进入步骤S4;若为多个区域,则将每个区域的原始数据分别处理为标准格式数据文件;
S33.以节点最多的电气区域为基础,保持该区域所有节点的编号不变,其他区域的节点号依次按顺序递增,并重新按照标准格式数据文件进行处理,直到将所有区域的标准格式数据合并为一个多平衡节点的标准格式数据文件;
S34.合并后,按常规方法将原始数据处理为标准格式数据文件。
本实施例以IEEE4和IEEE14节点系统为例。IEEE4和IEEE14 节点系统为独立区域,仿真多区域合并计算方法,计算如下:
设IEEE14节点系统为区域1,标准格式数据文件为:
Figure GDA0002576230120000111
Figure GDA0002576230120000121
Figure GDA0002576230120000131
设IEEE4节点系统为区域2,标准格式数据文件为:
Figure GDA0002576230120000141
区域1和区域2合并后,标准格式数据文件为:
Figure GDA0002576230120000151
Figure GDA0002576230120000161
Figure GDA0002576230120000171
,则IEEE14和IEEE4节点独立计算和合并计算迭代次数及分别进行 10次的平均耗时如下表所示:
Figure GDA0002576230120000172
Figure GDA0002576230120000181
。从表中可知区域1和区域2合并计算后,比独立计算具有更高的效率。合并计算使得多个区域的网架能一次性完成计算,减少了基础计算量。对于规模较小的系统,合并计算能有效减少计算实际,具有一定的工程应用价值。
S4.将标准格式的数据文件发送给服务端;
S5.服务端读取数据文件中的数据进行状态估计计算,计算结果供用户端进行调用。
如图1所示,状态估计计算过程包括:
S51.读取数据文件,根据状态估计的非线性量测方程
z=g(x)+ε
采用最小绝对值法进行计算,最小绝对值模型为
Figure GDA0002576230120000182
其中z为m维量测向量,即三类量测值中用于计算的m各量测值组成的向量,z=[Pi,Qi;Vi;Pij,Qij],Pi、Qi分别为节点注入有功率和无功功率量测值,Vi为节点电压幅值量测值,Pij、Qij为支路功率量测值;x为n维状态向量,即x=[V,δ],V、δ分别为电网节点电压幅值和相角,共n个;g(x)为m维量测函数向量,为量测值z中m 个量测值对应的m个函数表达式向量,即为估计值,
Figure GDA0002576230120000183
Figure GDA0002576230120000184
为节点注入功率估计值,
Figure GDA0002576230120000185
为节点电压估计值,
Figure GDA0002576230120000186
为支路功率估计值;ε为m维量测残差,h(x)为节点零节点注入功率量测值,w为m维权重向量;T为矩阵运算符号,表示对向量的转置;
S52.初始化参数,设定迭代次数k=0,kmax=20中心参数σ=0.1, l=u=λ=[1,…,1]T∈Rm,y=0,α=β=w,收敛精度e=10-5,状态变量x采用平启动,即V=1,δ=0,其中l,u为松弛变量, (l,u)∈Rm≥0,y、λ、α、β为拉格朗日乘子向量, y∈Rc,λ、α、β∈Rm,Rc、Rm分别为c维和m维实数向量;
S53.判断是否k<kmax,若是,进入下一步骤,若否,最小绝对值模型不收敛,计算结束;
S54.计算互补间隙Gap=αTl+βTu,若Gap<e,则最小绝对值模型收敛,输出结果x,若否继续下一步骤;
S55.计算扰动因子
Figure GDA0002576230120000191
S56.根据最小绝对值模型获得修正方程,求解修正方程得到修正量Δx,Δλ,Δy,Δα,Δβ,Δl,Δu;其过程包括:
S561.等价转化最小绝对值模型,获得最小值等价模型
Figure GDA0002576230120000192
引入松弛变量(l,u)∈Rm≥0将不等式转化为等式,并进行等价转换,得到
Figure GDA0002576230120000193
S562.构建拉格朗日函数:
L=wT(l+u)-yTh(x)-λT(z-g(x)+l-u)-αTl-βTu (3)
求取拉格朗日函数极限,导出下一阶最优性条件:
Figure GDA0002576230120000201
Ly≡h(x)=0 (5)
Lλ≡z-g(x)+l-u=0 (6)
Ll≡w-λ-α=0 (7)
Lu≡w+λ-β=0 (8)
Lα≡diag(α)diag(l)e=0 (9)
Lβ≡diag(β)diag(u)e=0 (10)
其中,e=[1,…,1]T∈Rm,引入扰动参数
Figure GDA0002576230120000209
对互补项(9)、 (10)实施扰动松弛得到:
Figure GDA0002576230120000202
Figure GDA0002576230120000203
S563.对以上非线性方程采用牛顿法求解,线性化得到:
Figure GDA0002576230120000204
Figure GDA0002576230120000205
Figure GDA0002576230120000206
-Δλ-Δα=-Ll (16)
Δλ-Δβ=-Lu (17)
Figure GDA0002576230120000207
Figure GDA0002576230120000208
S564.变量α,β,λ选取合适初始值,使得Ll=Lu=0,由公式(16)、 (17)、(18)、(19)求得以下关系式:
Figure GDA0002576230120000211
求得Δα,Δβ,Δl,Δu;
S565.将Δl、Δu代入公式(15),得到:
Figure GDA0002576230120000212
公式中S=diag(α)-1diag(l)+diag(β)-1 diag(u);
由公式(13)、(14)、(21)得到修正方程:
Figure GDA0002576230120000213
公式中
Figure GDA0002576230120000214
求解修正方程得到Δx,Δλ,Δy。
S57.求出原始对偶步长
Figure GDA0002576230120000215
i=1,…,m;
S58.修正原始、对偶变量
Figure GDA0002576230120000216
Figure GDA0002576230120000217
将k=k+1,返回步骤S53 。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了用户端,服务端,处理单元、网页单元等术语,但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质;把它们解释成任何一种附加的限制都是与本发明精神相违背的。

Claims (5)

1.一种SOA架构的电网实时抗差状态估计方法,采用一种SOA架构的电网实时抗差状态估计系统,系统包括部署在云计算平台上对状态估计系统进行设置和结果显示的用户端,用户端与电网系统相连接,接收来自电力系统的量测值和网架拓扑信息,部署在云计算平台上用于实现状态估计逻辑计算的服务端,服务端包括根据电网量测值和网架拓扑信息进行状态估计计算的处理单元,以及供用户端接收数据的服务接口单元,用户端与服务接口通过网络相连接,其特征是包括以下步骤:
S1.用户端获取电网量测值和网架拓扑信息;
S2.根据用户对量测值的选择调整作为状态估计计算的原始数据;
S3.根据原始数据分析电网在电气上是否为单一区域运行情况,若是,则直接将原始数据处理生成一个区域的标准格式数据文件,若不是,则按照多区域处理办法生成合并计算的标准格式数据文件;计算标准格式数据文件的具体过程包括:
S31.根据网架拓扑连接关系识别电网在电气关系上是一个电气区域,还是相互独立的多个电气区域,即是否为多区域独立运行情况;
S32.若是一个区域,则按常规方法将原始数据处理为标准格式数据文件,进入步骤S4;若为多个区域,则将每个区域的原始数据分别处理为标准格式数据文件;
S33.以节点最多的电气区域为基础,保持该区域所有节点的编号不变,其他区域的节点号依次按顺序递增,并重新按照标准格式数据文件进行处理,直到将所有区域的标准格式数据合并为一个多平衡节点的标准格式数据文件;
S34.合并后,按常规方法将原始数据处理为标准格式数据文件;
S4.将标准格式的数据文件发送给服务端;
S5.服务端读取数据文件中的数据进行状态估计计算,计算结果供用户端进行调用。
2.根据权利要求1所述的一种SOA架构的电网实时抗差状态估计方法,其特征是步骤S1中获取的电网量测值包括节点注入功率量测值、节点电压量测值、支路功率量测值、零注入功率量测值;网架拓扑信息包括电网节点数、平衡节点号、节点连接关系、线路和变压器支路阻抗参数、接地支路参数。
3.根据权利要求1所述的一种SOA架构的电网实时抗差状态估计方法,其特征是步骤S2的具体过程包括:
S21.将电网中所有可以选择的量测数据点在用户端上显示并供用户选择;
S22.根据用户选择的量测数据点并结合默认选择的节点量测数据点,与上一次进行状态估计计算的量测数据点进行比较;
S23.将上一次进行状态估计计算的量测数据点作为原始数据,若比较为增加了量测数据点,将增加的数据点添加到原始数据中,若比较为减少了量测数据点,将减少的数据点从原始数据中删除,若比较为没有改变,则保持原始数据量测点不变。
4.根据权利要求1或2所述的一种SOA架构的电网实时抗差状态估计方法,其特征是步骤5中状态估计计算的具体过程包括:
S51.读取数据文件,根据状态估计的非线性量测方程
z=g(x)+ε
采用最小绝对值法进行计算,最小绝对值模型为
Figure FDA0002576230110000031
其中z为m维量测向量,即三类量测值中用于计算的m各量测值组成的向量,z=[Pi,Qi;Vi;Pij,Qij],Pi、Qi分别为节点注入有功率和无功功率量测值,Vi为节点电压幅值量测值,Pij、Qij为支路功率量测值;x为n维状态向量,即x=[V,δ],V、δ分别为电网节点电压幅值和相角,共n个;g(x)为m维量测函数向量,为量测值z中m个量测值对应的m个函数表达式向量,即为估计值,
Figure FDA0002576230110000032
Figure FDA0002576230110000033
Figure FDA0002576230110000034
为节点注入功率估计值,
Figure FDA0002576230110000035
为节点电压估计值,
Figure FDA0002576230110000036
为支路功率估计值;ε为m维量测残差,h(x)为节点零节点注入功率量测值,w为m维权重向量;T为矩阵运算符号,表示对向量的转置;
S52.初始化参数,设定迭代次数k=0,kmax=20中心参数σ=0.1,l=u=λ=[1,…,1]T∈Rm,y=0,α=β=w,收敛精度e=10-5,状态变量x采用平启动,即V=1,δ=0,其中l,u为松弛变量,(l,u)∈Rm≥0,y、λ、α、β为拉格朗日乘子向量,y∈Rc,λ、α、β∈Rm,Rc、Rm分别为c维和m维实数向量;
S53.判断是否k<kmax,若是,进入下一步骤,若否,最小绝对值模型不收敛,计算结束;
S54.计算互补间隙Gap=αTl+βTu,若Gap<e,则最小绝对值模型收敛,输出结果x,若否继续下一步骤;
S55.计算扰动因子
Figure FDA0002576230110000041
S56.根据最小绝对值模型获得修正方程,求解修正方程得到修正量Δx,Δλ,Δy,Δα,Δβ,Δl,Δu;
S57.求出原始对偶步长
Figure FDA0002576230110000042
i=1,…,m;
S58.修正原始、对偶变量
Figure FDA0002576230110000043
Figure FDA0002576230110000044
将k=k+1,返回步骤S53 。
5.根据权利要求1所述的一种SOA架构的电网实时抗差状态估计方法,其特征是步骤S56 修正量获取的过程包括:
S561.等价转化最小绝对值模型,获得最小值等价模型
Figure FDA0002576230110000045
引入松弛变量(l,u)∈Rm≥0将不等式转化为等式,并进行等价转换,得到
Figure FDA0002576230110000051
S562.构建拉格朗日函数:
L=wT(l+u)-yTh(x)-λT(z-g(x)+l-u)-αTl-βTu (3)
求取拉格朗日函数极限,导出下一阶最优性条件:
Figure FDA0002576230110000052
Ly≡h(x)=0 (5)
Lλ≡z-g(x)+l-u=0 (6)
Ll≡w-λ-α=0 (7)
Lu≡w+λ-β=0 (8)
Lα≡diag(α)diag(l)e=0 (9)
Lβ≡diag(β)diag(u)e=0 (10)
其中,e=[1,…,1]T∈Rm,引入扰动参数μ>0,对互补项(9)、(10)实施扰动松弛得到:
Figure FDA0002576230110000053
Figure FDA0002576230110000054
S563.对以上非线性方程采用牛顿法求解,线性化得到:
Figure FDA0002576230110000055
Figure FDA0002576230110000056
Figure FDA0002576230110000057
-Δλ-Δα=-Ll (16)
Δλ-Δβ=-Lu (17)
Figure FDA0002576230110000061
Figure FDA0002576230110000062
S564.变量α,β,λ选取合适初始值,使得Ll=Lu=0,由公式(16)、(17)、(18)、(19)求得以下关系式:
Figure FDA0002576230110000063
求得Δα,Δβ,Δl,Δu;
S565.将Δl、Δu代入公式(15),得到:
Figure FDA0002576230110000064
公式中S=diag(α)-1diag(l)+diag(β)-1diag(u);
由公式(13)、(14)、(21)得到修正方程:
Figure FDA0002576230110000065
公式中
Figure FDA0002576230110000066
求解修正方程得到Δx,Δλ,Δy。
CN201710327108.5A 2017-05-10 2017-05-10 一种soa架构的电网实时抗差状态估计方法 Active CN107229595B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710327108.5A CN107229595B (zh) 2017-05-10 2017-05-10 一种soa架构的电网实时抗差状态估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710327108.5A CN107229595B (zh) 2017-05-10 2017-05-10 一种soa架构的电网实时抗差状态估计方法

Publications (2)

Publication Number Publication Date
CN107229595A CN107229595A (zh) 2017-10-03
CN107229595B true CN107229595B (zh) 2020-11-03

Family

ID=59934171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710327108.5A Active CN107229595B (zh) 2017-05-10 2017-05-10 一种soa架构的电网实时抗差状态估计方法

Country Status (1)

Country Link
CN (1) CN107229595B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108074036A (zh) * 2017-11-30 2018-05-25 国网江苏省电力有限公司电力科学研究院 一种考虑负载率均衡度的含upfc的最优潮流计算方法
CN114372036B (zh) * 2022-03-23 2022-06-14 广东电网有限责任公司江门供电局 电力系统的状态估计方法、装置、设备和计算机存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101251835A (zh) * 2008-04-07 2008-08-27 昆明理工大学 一种±800kV换流站主接线可靠性评估方法
CN102801173A (zh) * 2012-08-28 2012-11-28 东方电子股份有限公司 一种基于电气特点分解归并的电网分区方法
CN103279676A (zh) * 2013-06-07 2013-09-04 河海大学 一种基于变量代换的电力系统wlav抗差估计方法
CN103902814A (zh) * 2014-03-10 2014-07-02 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
CN104200331A (zh) * 2014-09-11 2014-12-10 国家电网公司 一种电力系统的电网模型拼接方法及系统
CN104218673A (zh) * 2014-08-06 2014-12-17 国网上海市电力公司 电网自动化智能分区方法
CN105449676A (zh) * 2015-12-30 2016-03-30 广东电网有限责任公司惠州供电局 配电网区域节点网络生成方法与系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101251835A (zh) * 2008-04-07 2008-08-27 昆明理工大学 一种±800kV换流站主接线可靠性评估方法
CN102801173A (zh) * 2012-08-28 2012-11-28 东方电子股份有限公司 一种基于电气特点分解归并的电网分区方法
CN103279676A (zh) * 2013-06-07 2013-09-04 河海大学 一种基于变量代换的电力系统wlav抗差估计方法
CN103902814A (zh) * 2014-03-10 2014-07-02 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
CN104218673A (zh) * 2014-08-06 2014-12-17 国网上海市电力公司 电网自动化智能分区方法
CN104200331A (zh) * 2014-09-11 2014-12-10 国家电网公司 一种电力系统的电网模型拼接方法及系统
CN105449676A (zh) * 2015-12-30 2016-03-30 广东电网有限责任公司惠州供电局 配电网区域节点网络生成方法与系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
SOA架构的电力调度自动化图模数一体化系统研究;黄勤钰;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20170215(第02期);正文第21-23、29-30、32、54、79、82页,图4-2,图5-2,图5-18,图5-33 *
一种多分区互联电网分布式无功优化算法;赵晋泉等;《电力系统保护与控制》;20141201;第42卷(第23期);9-15 *
基于CIM模型的县级电网加权L1范数状态估计研究;傅聪;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20150215(第02期);VII、正文第41、47-52页 *
大规模GNSS网分布式存储与解算方法;李林阳等;《网络出版地址:https://kns.cnki.net/kcms/detail/41.1385.P.20170113.0906.010.html》;20170113;正文第1节,图1 *

Also Published As

Publication number Publication date
CN107229595A (zh) 2017-10-03

Similar Documents

Publication Publication Date Title
CN111144663B (zh) 计及出力波动过程的海上风电场超短期风功率预测方法
JPWO2015079554A1 (ja) 電力系統の状態推定装置、その状態推定方法および電力系統制御システム
CN107229595B (zh) 一种soa架构的电网实时抗差状态估计方法
CN111563077B (zh) 一种电网电压数据缺失填补方法、系统、终端及存储介质
CN117314883B (zh) 基于EWT和VGGNet的配电网故障选线方法及系统
CN110443724A (zh) 一种基于深度学习的电力系统快速状态估计方法
CN111654392A (zh) 基于互信息的低压配电网拓扑识别方法及系统
CN103607292B (zh) 面向电力通信网络业务的快速分布式监测方法
CN114204560A (zh) 一种中压配电网线路参数识别方法
Zamani et al. Dynamic characteristics preserving data compressing algorithm for transactive energy management frameworks
Karimi et al. Compressive sensing based state estimation for three phase unbalanced distribution grid
CN115877312A (zh) 一种基于台区电能量守恒的电能表信息化评价校准模型
CN114498678A (zh) 一种基于频率空间相关性的电力系统惯量在线评估方法
Schwefel et al. Using smart meter measurements to manage accuracy of current calculations in lv feeders
CN108764738B (zh) 一种考虑弹性裕度的城市输电网安全概率评估方法
CN108446861A (zh) 基于有向图排序的电力调度系统多源数据质量评价方法
CN106159941B (zh) 一种考虑实际量测误差传递特性的电力系统状态估计方法
Kamal et al. Physics-conditioned generative adversarial networks for state estimation in active power distribution systems with low observability
CN103942416B (zh) 基于加权节点生成树的电压估计方法
CN109638811A (zh) 基于模型等值的配电网电压功率灵敏度鲁棒估计方法
CN115564106A (zh) 一种基于电力数据的碳排放测算方法
CN109255541A (zh) 一种基于最小二乘和一乘之和的配电网抗差状态估计方法
CN106684854B (zh) 一种基于节点等效的有源配电网电压越限风险分析方法
CN110232199B (zh) 一种考虑矩阵尺度伸缩的双线性wlav抗差状态估计方法
CN114091344A (zh) 基于数据耦合的输电线路风险评估模型训练方法及装置

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