CN107425523A - 一种复杂电力系统运行误差识别与自动校正方法及系统 - Google Patents
一种复杂电力系统运行误差识别与自动校正方法及系统 Download PDFInfo
- Publication number
- CN107425523A CN107425523A CN201710675177.5A CN201710675177A CN107425523A CN 107425523 A CN107425523 A CN 107425523A CN 201710675177 A CN201710675177 A CN 201710675177A CN 107425523 A CN107425523 A CN 107425523A
- Authority
- CN
- China
- Prior art keywords
- node
- mrow
- error
- identification
- electric 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.)
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/22—Flexible AC transmission systems [FACTS] or power factor or reactive power compensating or correcting units
Abstract
本发明公开了一种复杂电力系统运行误差识别与自动校正方法及系统,属于电力系统运行领域。本发明基于完备数据空间,针对复杂电力系统运行信息提出一种误差辨识与自动校正方法及系统,克服了现有技术误差识别率低的问题,能够辨识WAMS获得的电力系统运行信息中的数据误差,从信息重构的角度实现误差数据的校正,具有很高的数据驱动鲁棒性;克服了现有技术未实现全部运行节点上的遍历性数据采集,通过数据遍历分析辨识电力系统各支路等效参数的误差,具有很高的模型鲁棒性;克服了现有技术多次迭代操作的不便的问题,无需进行非线性方程的近似求解,得到结果的准确度高,且能够缩短计算时间,对于复杂电力系统效果尤为明显。
Description
技术领域
本发明涉及电力系统运行领域,特别是一种复杂电力系统运行误差识别与自动校正方法及系统。
背景技术
传统电力系统中各发电、输变电、用电节点的电流信息无法实现精确检测,电力系统运行信息的计算一般基于有功无功的功率方程求解电压、再由求解出来的电压进行反向迭代完成有功无功功率校验的方式进行,功率方程与电压之间存在非线性关系,从而功率的求解过程在实际执行过程中仅能够依赖迭代求解等近似的数学方法开展,该常规方法得到的结果并非精确解,影响后续的反向迭代校验过程无法达到既定目的。
传统电力系统运行信息检测方式下数据空间不完备,一方面运行节点上无法实现有功功率、无功功率、电压电流的幅值与相角等的全维检测,另一方面未实现全部运行节点上的遍历性数据采集。这种现有技术的计算过程一方面由于元件参数偏差、检测偏差等确定因素或随机因素导致迭代结果往往偏离节点运行的真实信息,另一方面随着电力系统复杂程度的迅速提高,采用传统方法进行运行信息计算的任务量和误差大幅增加,此外,计算过程中运行信息的检测误差将直接反映在计算结果中,计算过程对运行信息的检测误差不具有鲁棒性。
现有技术华南理工大学陈波博士论文《电力系统的不良测量数据的辩识的研究》研究了电力系统的不良测量数据的识别方法,然而所述这些方法依赖于电力自动化系统中检测到的部门数据,数据不够全面;其次该辨识与纠正方法多采用神经网络、SVM(即支持向量机)等智能算法,这就决定了相关方法必须与专门的硬件去实现,操作复杂。
随着广域测量系统(Wide Area Measurement System,WAMS)的逐步应用,电力系统中节点运行信息的数据采集逐渐趋向完备,而数据冗余量的增加一定程度上造成运行信息估计过程中算法复杂度以及计算过程受数据驱动误差的影响程度大幅提高,然而计算过程需要多次迭代操作,且需进行非线性方程的近似求解,尤其是复杂电力系统结果准确度低,计算时间长。如何在完备信息检测条件下实现网络运行信息的精确重构,实现复杂电力系统精准全面误差识别与自动校正,目前还没有现有技术披露。
发明内容
本发明的目的是为克服已有技术的不足之处,提出一种复杂电力系统运行信息误差辨识与自动校正方法及系统。本发明克服了已有现有技术误差识别率低的问题,能够辨识WAMS获得的电力系统运行信息中的数据误差,从信息重构的角度实现误差数据的校正,具有很高的数据驱动鲁棒性。本发明克服了现有技术未实现全部运行节点上的遍历性数据采集,通过数据遍历分析辨识电力系统各支路等效参数的误差,具有很高的模型鲁棒性。1发明克服了现有技术多次迭代操作的不便的问题,无需进行非线性方程的近似求解,得到结果的准确度高,且能够缩短计算时间,对于复杂电力系统效果尤为明显。
为了实现上述目的,根据本发明的一个方面,提供了一种复杂电力系统运行误差识别与自动校正方法,采用下述技术方案实现的:
步骤1:基于复杂电力系统中各节点全维运行信息的数据驱动,由各PMU得到电压电流有功无功向量、频率的原始采样值;
步骤2:基于网络中支路与节点的相互关系建立各节点的关联模型,表征各节点运行信息中各维分量的耦合关系,继而建立各节点运行信息的全维特征方程;
建立各节点的全维特征方程:
式(1)中,P′kl为第l个节点流入其周围第k个支路此节点的有功功率值,Q′kl为第l个节点流入其周围第k个支路的无功功率值,rl为第l个节点周围所连接的支路总数,m为电力系统中的节点总数,
uk为第l个节点的电压取值,i′kq为第l个节点流入其周围第k个支路的电流值,Re表示取复数的实部,Im表示取复数的虚部,uk和i′kq可表示为
式(1)中,Ul为第l个节点的电压幅值,δl为第l个节点的电压相角,I′kl为第l个节点流入其周围第k个支路的电流的幅值,θ′kl为第l个节点流入其周围第k个支路的电流的相角。
步骤3:在复杂电力系统运行误差辨识与自动校正主机中基于各节点的全维特征方程完成对应节点检测信息误差的自辨识;
进一步的,通过WAMS获得电力系统网络中全部节点的ul以及i′kl、P′kl、Q′kl后,需要首先通过各节点的全维特征方程进行全维信息的自辨识。自辨识过程主要是通过式(1)和式(2)校验ul以及i′kq、P′kl、Q′kl之间是否具备严格一一对应关系。进一步的,若WAMS获得的全维信息不满足式(7)和式(2),则执行关联辨识;
步骤4:复杂电力系统运行信息误差辨识与自动校正主机基于各节点的关联模型,完成对应节点检测信息误差的关联辨识;
基于各节点的关联模型,完成对应节点检测信息误差的关联辨识,具体步骤如下:
通过WAMS获得的ul以及i′kl、P′kl、Q′k后,围绕各节点与支路的拓扑关系生成电压、电流和功率关联方程中所需变量,继而按照下步骤进行:
S1:进行电流关联校验,若电流关联校验未通过,则相对应的节点记入状态集S2内;
S2:进行电压关联校验,若电压关联校验未通过,则相对应的支路首末端节点记入状态集S3内;
S3:进行功率关联校验,若功率关联校验未通过,则相对应的支路首末端节点记入状态集S4内;
S4:基于S1、S2、S3、S4获得最终S5中存放的即为运行信息异常的节点名;
S5:构建复杂电力系统运行误差辨识与自动校正主机将节点检测信息误差的关联辨识;
S6:复杂电力系统运行信息误差辨识与自动校正主机将节点检测信息误差的自辨识结果存入异常信息状态集;
S7:复杂电力系统运行信息辨识与自动校正主机完成数据错误节点的对应维数据的重构和复杂电力系统运行信息的自动校正;
步骤5:复杂电力系统运行主机将节点检测信息误差的自辨识结果存入异常信息状态集S1;
步骤6:复杂电力系统运行信息误差辨识与自动校正主机完成数据错误节点的对应维数据的重构和复杂电力系统运行信息的自动校正,具体包括下述子步骤:
(一)基于各节点的关联模型完成对应节点检测信息误差的关联重构,主要分为如下步骤:
S1:基于S1、S2获得S6=S1∩S2,继而针对S6中相关节点的运行信息中的电流检测值,通过该节点周围不属于S6的节点的电流检测值进行重构,从而达到校正的目的;
S2:基于S1、S2、S3获得继而针对S7中相关节点的运行信息中的电压检测值,通过该节点周围不属于S7的节点的电压检测值进行重构,从而达到校正的目的;
S3:基于S1、S2、S4获得继而针对S8中相关节点的运行信息中的有功功率与无功功率检测值,通过该节点周围不属于S6的节点的有功功率与无功功率检测值进行重构,从而达到校正的目的;
S4:基于S1、S2、S3、S4获得S9=S3-S1∩S3最终S9中存放的节点之间的支路即为等效参数异常的支路。
(二)基于各节点的全维特征方程完成对应节点检测信息误差的自重构:
基于S1、S2、S3、S4获得S10=S1-S5,对S10中节点的各维检测量进行重构,从而达到校正的目的。
步骤7:校正后的PMU采样数据经由光纤网络传输回应的PMU单元;返回步骤1。
为了实现上述目的,根据本发明的另一个方面,提供了一种复杂电力系统运行误差识别与自动校正系统,该系统是采用上述方法完成复杂电力系统运行误差识别与自动校正,包括与以太网相连的数据采集系统、数据分析系统、误差辨识系统、自动校正系统。数据采集系统与数据分析系统相连,分析后的数据进入误差辨识系统,随后对辨识的误差进行自动校正。
所述数据采集系统为误差辨识系统及自动校正系统提供基础数据,如电压、电流、功率、电压电流有功无功向量等。
所述数据分析系统为基础数据整理及分析,统计分析与基础信息联系紧密的特征数据。
所述误差辨识系统为电网运行误差辨识核心,采用上述误差辨识方法完成
所述自动校正系统为电网运行误差辨识系统识别到的误差进行自动校正功能,在物理上通过以太网路由器,与以太网其他主机相连接。
附图说明
图1是一种复杂电力系统运行误差识别与自动校正方法流程图。
图2是一种复杂电力系统运行误差识别与自动校正系统框架图。
具体实施方式
下面结合上述各个附图对本发明提出的具体实施方式做进一步的说明。如图1所示,提供了一种复杂电力系统运行误差识别与自动校正方法,采用下述技术方案实现的:
步骤1:基于复杂电力系统中各节点全维运行信息的数据驱动,由各PMU得到电压电流有功无功向量、频率的原始采样值;
步骤2:基于网络中支路与节点的相互关系建立各节点的关联模型,表征各节点运行信息中各维分量的耦合关系,继而建立各节点运行信息的全维特征方程;
进一步的,具体步骤如下:
1)建立各节点的电流关联模型:
式(1)中,l为电力系统网络中的第l个节点,m为电力系统中的节点总数,n为第l个节点所连接的支路数量,ilk为第k个支路流入第l个节点的电流值;
式(2)中,Ilk为第k个支路流入第l个节点的电流的幅值,θlk为第k个支路流入第l个节点的电流的相角,i′kl为第l个节点流入第k个支路的电流值,I′kl为第l个节点流入第k个支路的电流的幅值,θ′kl为第l个节点流入第k个支路的电流的相角。
围绕支路建立各节点的电压关联模型:
uq1+uq2+Δuq=0,q=1~p (3)
式(3)中,uq1为第q个支路顺时针方向首端节点的电压,uq2为第q个支路顺时针方向末端节点的电压,Δuq为第q个支路上的电压降落,p为电力系统网络中的支路数量,此外,
式(4)中,Uq1为第q个支路顺时针方向首端节点的电压幅值,Uq2为第q个支路顺时针方向末端节点的电压幅值,δq1为第q个支路顺时针方向首端节点的电压相角,δq2为第q个支路顺时针方向末端节点的电压相角,Zl为第l个支路顺时针的等效阻抗,ill2为第l支路流入顺时针方向末端节点的电流值。
2)建立各节点的功率关联模型:
式(5)中,l为电力系统网络中的第l个节点,m为电力系统中的节点总数,rl为第l个节点所连接的支路数量,Plk为第k个支路流入第l个节点的有功功率值,Qlk为第k个支路流入第l个节点的无功功率值;
式(6)中,P′kl为第l个节点流入第k个支路的有功功率值,Q′kl为第l个节点流入第k个支路的无功功率值。
建立各节点的全维特征方程:
式(7)中,P′kl为第l个节点流入其周围第k个支路此节点的有功功率值,Q′kl为第l个节点流入其周围第k个支路的无功功率值,rl为第l个节点周围所连接的支路总数,m为电力系统中的节点总数,
uk为第l个节点的电压取值,i′kq为第l个节点流入其周围第k个支路的电流值,Re表示取复数的实部,Im表示取复数的虚部,uk和i′kq可表示为
式(7)中,Ul为第l个节点的电压幅值,δl为第l个节点的电压相角,I′kl为第l个节点流入其周围第k个支路的电流的幅值,θ′kl为第l个节点流入其周围第k个支路的电流的相角。
步骤3:在复杂电力系统运行误差辨识与自动校正主机中基于各节点的全维特征方程完成对应节点检测信息误差的自辨识;
进一步的,通过WAMS获得电力系统网络中全部节点的ul以及i′kl、P′kl、Q′kl后,需要首先通过各节点的全维特征方程进行全维信息的自辨识。自辨识过程主要是通过式(7)和式(8)校验ul以及i′kq、P′kl、Q′kl之间是否具备严格一一对应关系。进一步的,若WAMS获得的全维信息不满足式(7)和式(8),则执行关联辨识;
步骤4:复杂电力系统运行信息误差辨识与自动校正主机基于各节点的关联模型,完成对应节点检测信息误差的关联辨识;
基于各节点的关联模型,完成对应节点检测信息误差的关联辨识,具体步骤如下:
通过WAMS获得的ul以及i′kl、P′kl、Q′kl后,围绕各节点与支路的拓扑关系生成电压、电流和功率关联方程中所需变量(详见式(1)~(6)),继而按照下步骤进行:
S1:按照式(1)中所述进行电流关联校验,若电流关联校验未通过,则相对应的节点记入状态集S2内;
S2:按照式(3)中所述进行电压关联校验,若电压关联校验未通过,则相对应的支路首末端节点记入状态集S3内;
S3:按照式(5)中所述进行功率关联校验,若功率关联校验未通过,则相对应的支路首末端节点记入状态集S4内;
S4:基于S1、S2、S3、S4获得最终S5中存放的即为运行信息异常的节点名;
S5:构建复杂电力系统运行误差辨识与自动校正主机将节点检测信息误差的关联辨识;
S6:复杂电力系统运行信息误差辨识与自动校正主机将节点检测信息误差的自辨识结果存入异常信息状态集;
S7:复杂电力系统运行信息辨识与自动校正主机完成数据错误节点的对应维数据的重构和复杂电力系统运行信息的自动校正;
步骤5:复杂电力系统运行主机将节点检测信息误差的自辨识结果存入异常信息状态集S1;
步骤6:复杂电力系统运行信息误差辨识与自动校正主机完成数据错误节点的对应维数据的重构和复杂电力系统运行信息的自动校正,具体包括下述子步骤:
(一)基于各节点的关联模型完成对应节点检测信息误差的关联重构,主要分为如下步骤:
S1:基于S1、S2获得S6=S1∩S2,继而针对S6中相关节点的运行信息中的电流检测值(幅值、相角),基于式(1),通过该节点周围不属于S6的节点的电流检测值(幅值、相角)进行重构,从而达到校正的目的;
S2:基于S1、S2、S3获得继而针对S7中相关节点的运行信息中的电压检测值(幅值、相角),基于式(3),通过该节点周围不属于S7的节点的电压检测值(幅值、相角)进行重构,从而达到校正的目的;
S3:基于S1、S2、S4获得继而针对S8中相关节点的运行信息中的有功功率与无功功率检测值,基于式(5),通过该节点周围不属于S6的节点的有功功率与无功功率检测值进行重构,从而达到校正的目的。
S4:基于S1、S2、S3、S4获得S9=S3-S1∩S3最终S9中存放的节点之间的支路即为等效参数异常的支路。
(二)基于各节点的全维特征方程完成对应节点检测信息误差的自重构:
基于S1、S2、S3、S4获得S10=S1-S5,基于式(7)对S10中节点的各维检测量进行重构,从而达到校正的目的。
步骤7:校正后的PMU采样数据经由光纤网络传输回应的PMU单元;返回步骤1。
根据本发明的另一个方面,提供了一种复杂电力系统运行误差识别与自动校正系统,如图2所示该系统是采用上述方法完成复杂电力系统运行误差识别与自动校正,包括与以太网相连的数据采集系统、数据分析系统、误差辨识系统、自动校正系统。数据采集系统与数据分析系统相连,分析后的数据进入误差辨识系统,随后对辨识的误差进行自动校正。
所述数据采集系统为误差辨识系统及自动校正系统提供基础数据,如电压、电流、功率、电压电流有功无功向量等。
所述数据分析系统为基础数据整理及分析,统计分析与基础信息联系紧密的特征数据。
所述误差辨识系统为电网运行误差辨识核心,采用上述误差辨识方法完成
所述自动校正系统为电网运行误差辨识系统识别到的误差进行自动校正功能,在物理上通过以太网路由器,与以太网其他主机相连接。
以上给出了具体的实施方式,但本发明不局限于所描述的实施方式。本发明的基本思路在于上述基本方案,对本领域普通技术人员而言,根据本发明的教导,设计出各种变形的模型、公式、参数并不需要花费创造性劳动。在不脱离本发明的原理和精神的情况下对实施方式进行的变化、修改、替换和变型仍落入本发明的保护范围内。
Claims (10)
1.一种复杂电力系统运行误差识别与自动校正方法,采用下述技术方案实现的:
步骤1:基于复杂电力系统中各节点全维运行信息的数据驱动,由各PMU得到电压电流有功无功向量、频率的原始采样值;
步骤2:基于网络中支路与节点的相互关系建立各节点的关联模型,表征各节点运行信息中各维分量的耦合关系,继而建立各节点运行信息的全维特征方程;
步骤3:在复杂电力系统运行误差辨识与自动校正主机中基于各节点的全维特征方程完成对应节点检测信息误差的自辨识;
步骤4:复杂电力系统运行信息误差辨识与自动校正主机基于各节点的关联模型,完成对应节点检测信息误差的关联辨识;
步骤5:复杂电力系统运行主机将节点检测信息误差的自辨识结果存入异常信息状态集S1;
步骤6:复杂电力系统运行信息误差辨识与自动校正主机完成数据错误节点的对应维数据的重构和复杂电力系统运行信息的自动校正;
步骤7:校正后的PMU采样数据经由光纤网络传输回应的PMU单元;返回步骤1。
2.如权利要求1所述一种复杂电力系统运行误差识别与自动校正方法,其特征在于,步骤2采用如下步骤:
建立各节点的全维特征方程:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>k</mi>
<mi>l</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<mi>Re</mi>
<mo>&lsqb;</mo>
<msub>
<mi>u</mi>
<mi>l</mi>
</msub>
<mo>&times;</mo>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>i</mi>
<mrow>
<mi>k</mi>
<mi>l</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mo>*</mo>
</msup>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>k</mi>
<mi>l</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<mi>Im</mi>
<mo>&lsqb;</mo>
<msub>
<mi>u</mi>
<mi>l</mi>
</msub>
<mo>&times;</mo>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>i</mi>
<mrow>
<mi>k</mi>
<mi>l</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mo>*</mo>
</msup>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
<mo>~</mo>
<msub>
<mi>r</mi>
<mi>l</mi>
</msub>
<mo>,</mo>
<mi>l</mi>
<mo>=</mo>
<mn>1</mn>
<mo>~</mo>
<mi>m</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
式(1)中,P′kl为第l个节点流入其周围第k个支路此节点的有功功率值,Q′kl为第l个节点流入其周围第k个支路的无功功率值,rl为第l个节点周围所连接的支路总数,m为电力系统中的节点总数,
uk为第l个节点的电压取值,i′kq为第l个节点流入其周围第k个支路的电流值,Re表示取复数的实部,Im表示取复数的虚部,uk和i′kq可表示为
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>u</mi>
<mi>l</mi>
</msub>
<mo>=</mo>
<msub>
<mi>U</mi>
<mi>l</mi>
</msub>
<mo>&times;</mo>
<msup>
<mi>e</mi>
<mrow>
<msub>
<mi>j&delta;</mi>
<mi>l</mi>
</msub>
</mrow>
</msup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>i</mi>
<mrow>
<mi>k</mi>
<mi>l</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>I</mi>
<mrow>
<mi>k</mi>
<mi>l</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>&times;</mo>
<msup>
<mi>e</mi>
<mrow>
<msubsup>
<mi>j&theta;</mi>
<mrow>
<mi>k</mi>
<mi>l</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
</mrow>
</msup>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
<mo>~</mo>
<msub>
<mi>r</mi>
<mi>l</mi>
</msub>
<mo>,</mo>
<mi>l</mi>
<mo>=</mo>
<mn>1</mn>
<mo>~</mo>
<mi>m</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
式(1)中,Ul为第l个节点的电压幅值,δl为第l个节点的电压相角,I′kl为第l个节点流入其周围第k个支路的电流的幅值,θ′kl为第l个节点流入其周围第k个支路的电流的相角。
3.如权利要求1所述一种复杂电力系统运行误差识别与自动校正方法,其特征在于,步骤3通过WAMS获得电力系统网络中全部节点的ul以及i′kl、P′kl、Q′kl后,需要首先通过各节点的全维特征方程进行全维信息的自辨识。
4.如权利要求3所述一种复杂电力系统运行误差识别与自动校正方法,其特征在于,步骤3自辨识过程主要是通过式(1)和式(2)校验ul以及i′kq、P′kl、Q′kl之间是否具备严格一一对应关系。进一步的,若WAMS获得的全维信息不满足式(1)和式(2),则执行关联辨识。
5.如权利要求1所述一种复杂电力系统运行误差识别与自动校正方法,其特征在于,步骤4将节点检测信息误差的自辨识结果存入异常信息状态集S1;通过WAMS获得的ul以及i′kl、P′kl、Q′kl后,围绕各节点与支路的拓扑关系生成电压、电流和功率关联方程中所需变量,进行如下步骤:
S1:进行电流关联校验,若电流关联校验未通过,则相对应的节点记入状态集S2内;
S2:进行电压关联校验,若电压关联校验未通过,则相对应的支路首末端节点记入状态集S3内;
S3:进行功率关联校验,若功率关联校验未通过,则相对应的支路首末端节点记入状态集S4内;
S4:基于S1、S2、S3、S4获得最终S5中存放的即为运行信息异常的节点名;
S5:构建复杂电力系统运行误差辨识与自动校正主机将节点检测信息误差的关联辨识;
S6:复杂电力系统运行信息误差辨识与自动校正主机将节点检测信息误差的自辨识结果存入异常信息状态集;
S7:复杂电力系统运行信息辨识与自动校正主机完成数据错误节点的对应维数据的重构和复杂电力系统运行信息的自动校正。
6.如权利要求1所述一种复杂电力系统运行误差识别与自动校正方法,其特征在于,步骤6自动校正包括两个步骤:(一)基于各节点的关联模型完成对应节点检测信息误差的关联重构;(二)基于各节点的全维特征方程完成对应节点检测信息误差的自重构。
7.如权利要求1所述一种复杂电力系统运行误差识别与自动校正方法,其特征在于,步骤6自动校正步骤(一)基于各节点的关联模型完成对应节点检测信息误差的关联重构,具体步骤如下:
S1:基于S1、S2获得S6=S1∩S2,继而针对S6中相关节点的运行信息中的电流检测值,通过该节点周围不属于S6的节点的电流检测值进行重构,从而达到校正的目的;
S2:基于S1、S2、S3获得继而针对S7中相关节点的运行信息中的电压检测值,通过该节点周围不属于S7的节点的电压检测值进行重构,从而达到校正的目的;
S3:基于S1、S2、S4获得继而针对S8中相关节点的运行信息中的有功功率与无功功率检测值,通过该节点周围不属于S6的节点的有功功率与无功功率检测值进行重构,从而达到校正的目的;
S4:基于S1、S2、S3、S4获得S9=S3-S1∩S3最终S9中存放的节点之间的支路即为等效参数异常的支路。
8.如权利要求1所述一种复杂电力系统运行误差识别与自动校正方法,其特征在于,步骤6自动校正步骤(二)基于各节点的全维特征方程完成对应节点检测信息误差的自重构,基于S1、S2、S3、S4获得S10=S1-S5,对S10中节点的各维检测量进行重构,从而达到校正的目的。
9.一种复杂电力系统运行误差识别与自动校正系统,其特征在于,该系统是采用上述方法完成复杂电力系统运行误差识别与自动校正。该系统包括与以太网相连的数据采集系统、数据分析系统、误差辨识系统、自动校正系统;其中数据采集系统与数据分析系统相连,分析后的数据进入误差辨识系统,随后对辨识的误差进行自动校正。
10.如权利要求9所述一种复杂电力系统运行误差识别与自动校正系统,其特征在于,所述数据采集系统为误差辨识系统及自动校正系统提供基础数据;所述数据分析系统为基础数据整理及分析,统计分析与基础信息联系紧密的特征数据;所述误差辨识系统为电网运行误差辨识核心,采用上述误差辨识方法完成;所述自动校正系统为电网运行误差辨识系统识别到的误差进行自动校正功能,在物理上通过以太网路由器,与以太网其他主机相连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710675177.5A CN107425523B (zh) | 2017-08-09 | 2017-08-09 | 一种复杂电力系统运行误差识别与自动校正方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710675177.5A CN107425523B (zh) | 2017-08-09 | 2017-08-09 | 一种复杂电力系统运行误差识别与自动校正方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107425523A true CN107425523A (zh) | 2017-12-01 |
CN107425523B CN107425523B (zh) | 2020-05-22 |
Family
ID=60436762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710675177.5A Active CN107425523B (zh) | 2017-08-09 | 2017-08-09 | 一种复杂电力系统运行误差识别与自动校正方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107425523B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110011301A (zh) * | 2019-03-29 | 2019-07-12 | 国网浙江省电力有限公司 | 一种省级电网在线动态分区方法 |
CN110515309A (zh) * | 2019-05-31 | 2019-11-29 | 国网辽宁省电力有限公司电力科学研究院 | 一种利用wams数据电力系统动态仿真验证误差溯源的辨识方法 |
CN112421616A (zh) * | 2020-11-06 | 2021-02-26 | 广东电网有限责任公司东莞供电局 | 一种电网主网中设备参数的辨识方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120283967A1 (en) * | 2009-09-25 | 2012-11-08 | Beijing Sifang Engineering Co., Ltd. | State-matrix-independent dynamic process estimation method in real-time for weakly observable measurement nodes without pmu |
CN103326358A (zh) * | 2013-06-17 | 2013-09-25 | 西南交通大学 | 基于同步相角测量装置的电力系统动态状态估计方法 |
CN103474992A (zh) * | 2013-10-08 | 2013-12-25 | 东南大学 | 电力系统节点电压稳定状态的实时在线辨识判据 |
CN103972884A (zh) * | 2014-04-24 | 2014-08-06 | 西南交通大学 | 一种电力系统状态估计方法 |
CN106405474A (zh) * | 2016-08-31 | 2017-02-15 | 中国电力科学研究院 | 一种具备自动量值溯源功能的电能表现场检测设备 |
-
2017
- 2017-08-09 CN CN201710675177.5A patent/CN107425523B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120283967A1 (en) * | 2009-09-25 | 2012-11-08 | Beijing Sifang Engineering Co., Ltd. | State-matrix-independent dynamic process estimation method in real-time for weakly observable measurement nodes without pmu |
CN103326358A (zh) * | 2013-06-17 | 2013-09-25 | 西南交通大学 | 基于同步相角测量装置的电力系统动态状态估计方法 |
CN103474992A (zh) * | 2013-10-08 | 2013-12-25 | 东南大学 | 电力系统节点电压稳定状态的实时在线辨识判据 |
CN103972884A (zh) * | 2014-04-24 | 2014-08-06 | 西南交通大学 | 一种电力系统状态估计方法 |
CN106405474A (zh) * | 2016-08-31 | 2017-02-15 | 中国电力科学研究院 | 一种具备自动量值溯源功能的电能表现场检测设备 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110011301A (zh) * | 2019-03-29 | 2019-07-12 | 国网浙江省电力有限公司 | 一种省级电网在线动态分区方法 |
CN110011301B (zh) * | 2019-03-29 | 2020-09-29 | 国网浙江省电力有限公司 | 一种省级电网在线动态分区方法 |
CN110515309A (zh) * | 2019-05-31 | 2019-11-29 | 国网辽宁省电力有限公司电力科学研究院 | 一种利用wams数据电力系统动态仿真验证误差溯源的辨识方法 |
CN110515309B (zh) * | 2019-05-31 | 2022-09-16 | 国网辽宁省电力有限公司电力科学研究院 | 一种利用wams数据电力系统动态仿真验证误差溯源的辨识方法 |
CN112421616A (zh) * | 2020-11-06 | 2021-02-26 | 广东电网有限责任公司东莞供电局 | 一种电网主网中设备参数的辨识方法及系统 |
CN112421616B (zh) * | 2020-11-06 | 2022-12-30 | 广东电网有限责任公司东莞供电局 | 一种电网主网中设备参数的辨识方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107425523B (zh) | 2020-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105699907B (zh) | 一种基于动态阻抗校正的电池soc估计方法及系统 | |
CN108173263A (zh) | 一种基于ami量测信息的配电网拓扑错误辨识算法 | |
CN101635457B (zh) | 一种基于状态估计残差参数灵敏度的电网参数估计方法 | |
CN103728535B (zh) | 一种基于小波变换暂态能量谱的特高压直流输电线路故障测距方法 | |
CN107016489A (zh) | 一种电力系统抗差状态估计方法和装置 | |
CN101958543B (zh) | 一种变电站三相无阻抗非线性多源状态估计方法 | |
CN106324521A (zh) | 一种联合估计动力电池系统参数与荷电状态的方法 | |
CN103020726B (zh) | 面向全pmu量测的抗差状态估计方法 | |
CN107425523A (zh) | 一种复杂电力系统运行误差识别与自动校正方法及系统 | |
CN104836223A (zh) | 电网参数错误与不良数据协同辨识与估计方法 | |
CN105938578A (zh) | 一种基于聚类分析的大规模光伏电站等值建模方法 | |
CN106383296A (zh) | 一种基于相量分析的改进阻抗型有源配电网故障测距算法 | |
CN107453484B (zh) | 一种基于wams信息的scada数据校准方法 | |
CN103793585B (zh) | 一种提高理论线损计算完整性和准确性的方法 | |
CN107589341A (zh) | 一种基于配电自动化主站的单相接地在线故障定位方法 | |
CN106443340A (zh) | 一种同杆并架双回直流输电线路双端行波故障定位方法 | |
CN110289613A (zh) | 基于灵敏度矩阵的配电网拓扑识别与线路参数辨识方法 | |
CN113937764A (zh) | 一种低压配电网高频量测数据处理与拓扑识别方法 | |
CN105787604B (zh) | 一种输配协同的配网态势快速感知方法 | |
CN107104430A (zh) | 一种配电网双解耦状态估计方法 | |
CN107958120B (zh) | 一种基于幂级数展开的系统戴维南等值参数计算方法 | |
CN103825270B (zh) | 一种配电网三相状态估计雅可比矩阵常数化的处理方法 | |
CN109829246A (zh) | 一种基于参数综合可疑度的线路参数辨识方法 | |
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 | |
CN103942416B (zh) | 基于加权节点生成树的电压估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |