CN110086168B - 一种基于多源数据融合的配电网运行拓扑辨识方法 - Google Patents

一种基于多源数据融合的配电网运行拓扑辨识方法 Download PDF

Info

Publication number
CN110086168B
CN110086168B CN201910426598.3A CN201910426598A CN110086168B CN 110086168 B CN110086168 B CN 110086168B CN 201910426598 A CN201910426598 A CN 201910426598A CN 110086168 B CN110086168 B CN 110086168B
Authority
CN
China
Prior art keywords
branch
node
topology
voltage
measurement
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
CN201910426598.3A
Other languages
English (en)
Other versions
CN110086168A (zh
Inventor
梅睿
袁超
范立新
李辰龙
刘亚南
单华
杨春
杨宏宇
陈燕擎
陈晨
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.)
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Jiangsu Fangtian Power Technology Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Jiangsu Fangtian Power Technology Co Ltd
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 State Grid Corp of China SGCC, State Grid Jiangsu Electric Power Co Ltd, Jiangsu Fangtian Power Technology Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201910426598.3A priority Critical patent/CN110086168B/zh
Publication of CN110086168A publication Critical patent/CN110086168A/zh
Application granted granted Critical
Publication of CN110086168B publication Critical patent/CN110086168B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70Smart grids as climate change mitigation technology in the energy generation sector
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/22Flexible AC transmission systems [FACTS] or power factor or reactive power compensating or correcting units

Abstract

本发明公开了一种基于多源数据融合的配电网运行拓扑辨识方法,在配电网安装DSCADA量测装置,在联络开关两端节点和度大于2的多支路节点安装μPMU量测装置;通过μPMU对其安装节点的电压相位进行量测,构建拓扑变化时刻辨识模型,确定拓扑变化时刻;基于拓扑变化前后的节点电压变化,构建拓扑变化趋势判据,确定运行状态发生变化的支路范围,枚举出重构后的所有可能的拓扑情形;将DSACAD和μPMU遥测数据进行融合,构建配电网状态估计模型,对所有可能的拓扑进行状态估计;构建拓扑相似度辨识模型,辨识出实际拓扑,提高了配电网拓扑辨识的可靠性。本发明在单联络开关动作和多联络开关动作情形下具有较好的适用性。

Description

一种基于多源数据融合的配电网运行拓扑辨识方法
技术领域
本发明属于电网运行拓扑技术领域,具体涉及一种基于多源数据融合的配电网运行拓扑辨识方法。
背景技术
随着智能电网建设的加快推进,配电网系统结构日趋复杂,运行拓扑变化更加频繁。配电网通过实时采集遥信数据,及时掌握网络拓扑变化情况,更新运行拓扑结构。然而配电网DSCADA的遥信数据在采集时常存在误报和未报的情形,且数据源较为单一,生成的网络拓扑的正确性具有较大的不确定性,对配电网运行拓扑的辨识可靠性不高。国内电网拓扑辨识研究大多是针对主网进行分析,对结构复杂的配电网拓扑辨识研究较少。而国外对配电网的拓扑辨识均是基于新型μPMU量测装置展开研究,并没有结合国内配电自动化安装情形,目前尚无适用于国内已安装DSCADA的配电网的拓扑辨识研究方法。
发明内容
本发明的针对现有技术中的不足,提供了一种基于多源数据融合的配电网运行拓扑辨识方法,该方法在配电网安装了配电网数据采集及监视控制系统(DSACAD),并且在部分节点安装少量微型同步相量量测装置(μPMU)情形下,基于多源数据融合实现配电网运行拓扑辨识。
为实现上述目的,本发明采用以下技术方案:一种基于多源数据融合的配电网运行拓扑辨识方法,包括以下步骤:
在配电网安装DSCADA量测装置,在联络开关两端节点和度大于2的多支路节点安装μPMU量测装置;联络开关用来联络两个电源,或者两台变压器;
通过μPMU对其安装节点的电压相位进行量测,构建拓扑变化时刻辨识模型,确定拓扑变化时刻;
基于拓扑变化前后的节点电压变化,构建拓扑变化趋势判据,确定运行状态发生变化的支路范围,枚举出重构后的所有可能的拓扑情形;
将DSACAD和μPMU遥测数据进行融合,构建基于加权最小二乘法的配电网状态估计模型,对所有可能的拓扑进行状态估计;
由节点估计电压相位和μPMU实测电压相位,构建拓扑相似度辨识模型,辨识出实际拓扑。
为优化上述技术方案,采取的具体措施还包括:
所述拓扑变化时刻辨识模型是将配电网某一时刻运行拓扑的辨识问题,转换为确定网络重构时刻,基于原始网络辨识重构后拓扑的问题;
基于μPMU节点电压相位量测构建拓扑变化时刻辨识模型,模型如下:
Figure BDA0002066144030000021
式中:向量α(t)表示t时刻所有μPMU测量的节点电压相位值所构成的向量,向量的维度等于安装μPMU的节点数;向量α(t-i)表示各安装μPMU的节点在t-i时刻测得的电压相位值构成的向量;x是时间变量;delta(t)为以时间t为变量的1-范数函数;参数w是delta(t)函数的一个时间窗,w越大,t时刻发生网络运行方式的转换时,delta(t)与delta(t-1)值之间的差越大。
将安装μPMU的节点之间除联络开关支路以外的支路定义为一个支路组,将支路组内度为2的节点进行合并,简化配电网络;
同时,拓扑变化需要满足配电网重构的必要条件:
1)为了避免网络出现孤岛运行,在每个支路组中只能打开一个分段开关,即只断开一条支路;
2)当闭合了N个联络开关时,配电网中出现N个环路,只能断开不同环路下各支路组中的N条支路。
所述拓扑变化趋势判据如下:
判据1:当只有一个联络开关动作时,可能发生分段开关动作的支路包含在与该联络开关形成环网的所有支路组中,且只有一个分段开关动作;当有N个联络开关动作时,可能发生分段开关动作的支路包含在形成的N个环网的所有支路组中,且每个环网中各有一个分段开关动作;
判据2:某一支路的分段开关的状态发生变换,那么该支路的两端节点的电压幅值和相位,相比于上一时刻变化较大,推导出判据公式如下:
Figure BDA0002066144030000022
Figure BDA0002066144030000023
式中:节点i和j是安装μPMU量测装置的节点;θi(t)和θj(t)依次为t时刻的节点i和j的电压相位;θi(t-1)和θj(t-1)依次为t-1时刻的节点i和j的电压相位;Ui(t)和Uj(t)依次为t时刻的节点i和j的电压幅值;Ui(t-1)和Uj(t-1)依次为t-1时刻的节点i和j的电压幅值;UN为额定电压;εθ为节点电压的相位波动约束值;εU为节点电压的幅值波动的约束值;
判据3:当某支路组内的某一分段开关状态发生变化时,该支路组两端的节点电压幅值之差的变化最大;
maxM=||Uj(t)-Ui(t)|-|Uj(t-1)-Ui(t-1)||
式中:M表示t时刻和t-1时刻节点电压差的变化值。
通过拓扑变化趋势判据,确定可能发生开关变位的支路,从而形成可能的重构拓扑,其方法如下:
当网络中仅有1个联络开关动作时,由判据1和判据2初步确定可能动作的支路区间范围;由判据3选择μPMU量测节点间电压差变化最大的两个量测节点,进一步缩小可能存在开关动作的支路区间;
当网络中有N个联络开关动作时,由判据1和判据2确定所有可能动作的支路组后,在形成的每个环网中,由判据3分别选择支路组两端节点电压之差变化最大的支路组,确定为可能发生开关变位的支路区间;
由判据1~3确定可能的分段开关动作的支路范围后,通过枚举法罗列所有可能形成的拓扑情形;当网络闭合N个联络开关时,根据网络重构的必要条件,在N个属于不同环网的支路组内各选取一条支路,通过排列组合方式进行枚举,列出所有可能的运行拓扑。
所述基于加权最小二乘法的状态估计模型,其目标函数的矩阵表达式如下:
J(x)=[z-h(x)]TW[z-h(x)]
式中:W为权重矩阵,且W=[w1,w2,…,wm]T,其中,wn为第n个量测量zn的权重值;J(x)为目标函数矩阵;z为量测向量,h(x)为量测函数向量;
量测误差的协方差对角矩阵R如下:
Figure BDA0002066144030000031
式中:
Figure BDA0002066144030000032
为第n个量测量zn的量测误差的方差;E(v)=0,E(vvT)=R;v为量测误差向量,且v=[v1,v2,…,vm]T,m为量测量数;
取量测权重矩阵W=R-1,那么
Figure BDA0002066144030000041
从而可以写成:
J(x)=[z-h(x)]TR-1[z-h(x)]
其迭代式可以写成:
Figure BDA0002066144030000042
式中:k表示迭代次数;
Figure BDA0002066144030000043
Figure BDA0002066144030000044
依次表示第k+1次和第k次迭代计算得出的状态量估计值;
Figure BDA0002066144030000045
表示第k次迭代计算中的状态修正量;
Figure BDA0002066144030000046
为雅克比矩阵,由量测函数h(x)对x求导并令x取值
Figure BDA0002066144030000047
得到;
采用收敛判据:
Figure BDA0002066144030000048
式中:门槛值ε取10-4~10-6,n是量测量个数变量。
所述加权最小二乘法的状态估计模型,其相应的量测方程有:
(1)注入功率量测
Figure BDA0002066144030000049
式中:m表示有网络中有m个节点;θij=θij,θi和θj分别是节点i和节点j的电压相位;Gij和Bij为节点导纳矩阵中节点i和j之间元素的实部和虚部;
Figure BDA00020661440300000417
Figure BDA00020661440300000418
分别为节点i有功和无功注入量测;Pi和Qi分别为节点i处的有功和无功量测;
Figure BDA00020661440300000415
Figure BDA00020661440300000416
为节点i处的注入功率量测误差,Ui、Uj是节点i和节点j的电压值;
(2)支路首端功率量测
Figure BDA00020661440300000410
式中:
Figure BDA00020661440300000411
Figure BDA00020661440300000412
分别为支路ij首端的有功和无功量测;Pij是由节点i流向节点j的支路功率;Qij是由节点i流向j的无功功率;
Figure BDA00020661440300000413
Figure BDA00020661440300000414
分别为对应支路功率量测的量测误差;gij和bij分别为支路ij的电导和电纳。
(3)支路末端功率量测
Figure BDA0002066144030000051
式中:
Figure BDA0002066144030000052
Figure BDA0002066144030000053
分别为支路ij末端的有功和无功量测;Pji表示由节点j流向节点i的功率;Qji是由节点i流向j的无功功率;
(4)支路电流幅值量测
Figure BDA0002066144030000054
式中:
Figure BDA0002066144030000055
为支路ij电流幅值的平方;Ui和Uj分别为节点i和节点j的电压值;
Figure BDA0002066144030000056
为电流幅值的量测误差;
根据状态变量和量测方程,求出配电网状态估计模型中对应的雅克比分块矩阵:
Figure BDA0002066144030000057
式中:矩阵
Figure BDA0002066144030000058
Figure BDA0002066144030000059
内的元素分别为节点注入功率以及支路功率对各节点电压的相位和幅值的偏导数;矩阵
Figure BDA00020661440300000510
Figure BDA00020661440300000511
内的元素分别为支路电流的幅值的平方对各节点电压的相位和幅值的偏导数。
所述拓扑相似度辨识模型根据内积原理,基于不同拓扑情形下的节点估计电压相位而构建:
Figure BDA00020661440300000512
式中:J为相似度值;αi(t)表示在第i种拓扑下的节点电压相位估计向量;α(t)表示节点电压相位实测向量,且两个向量的维度等于μPMU安装数;M为所有可能的拓扑数目。
本发明的有益效果是:本发明在配电网安装DSCADA量测装置的情形下,在联络开关两端节点和度大于2的多支路节点安装少量的μPMU量测装置,通过μPMU对其安装节点的电压相位进行量测,构建拓扑变化时刻辨识模型,确定拓扑发生变化的时刻,进而构建拓扑变化趋势判据,确定运行状态发生变化的支路范围,枚举出重构后的所有可能拓扑情形。将μPMU和DSACAD的遥测数据进行融合,通过多源遥测数据的融合实现配电网运行拓扑辨识,提高了配电网拓扑辨识的可靠性。本发明还考虑了DSCADA和μPMU的量测误差对拓扑辨识准确度的影响,以及该算法在单联络开关动作和多联络开关动作情形下具有较好的适用性。
附图说明
图1是本发明的配电网运行拓扑的辨识方法流程图。
图2是本发明的配电网运行拓扑的辨识方法的具体流程图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
如附图1、2所示,本发明提供的一种基于多源数据融合的配电网运行拓扑辨识方法,包括以下步骤:
在配电网安装DSCADA量测装置,在联络开关两端节点和度大于2的多支路节点安装μPMU量测装置。
步骤一:通过μPMU量测装置对其安装节点的电压相位进行量测,构建拓扑变化时刻辨识模型,确定拓扑变化时刻t;
拓扑变化时刻辨识模型是将配电网某一时刻运行拓扑的辨识问题,转换为确定网络重构时刻,基于原始网络辨识重构后拓扑的问题,通过此模型确定拓扑发生变化的时刻t。
基于μPMU节点电压相位量测构建拓扑变化时刻辨识模型如下:
Figure BDA0002066144030000061
式中:向量α(t)表示t时刻所有μPMU测量的节点电压向量的相位值所构成的向量,向量的维度等于安装μPMU的节点数;向量α(t-i)表示各安装μPMU的节点在t-i时刻测得的电压相位值构成的向量;x是时间变量;读取t-1时刻的拓扑结构,然后在t-1时刻拓扑上,经过判别,确定可能发生开断变化的支路,组合形成t时刻可能的拓扑,再进行辨识和筛选;delta(t)为以时间t为变量的1-范数函数;参数w是delta(t)函数的一个时间窗,w越大,t时刻发生网络运行方式的转换时,delta(t)与delta(t-1)值之间的差越大。然而,若w的值设置的较大则会增大程序的计算量,因此,合理的w的值应该满足计算速度要求,且拓扑发生变化时,使得delta(t)值在t时刻产生陡增尖峰。
步骤二:为了简化配电网,需要对网络中的支路先进行分组。将安装μPMU的节点之间的支路(联络开关支路除外)定义为一个支路组,将支路组内度为2的节点进行合并,从而简化配电网络。读取t时刻联络开关处μPMU支路电流量测,确定闭合的联络开关数N。拓扑变化需要满足配电网重构的必要条件:
1)为了避免网络出现孤岛运行,在每个支路组中只能打开一个分段开关,即只断开一条支路;
2)当闭合了N个联络开关时,配电网中出现N个环路,为了构建辐射状运行的连通配电网络,只能断开不同环路下各支路组中的N条支路。
步骤三:确定拓扑发生变化的时刻后,通过μPMU对其安装节点的电压相位进行量测,基于拓扑变化前后的节点电压变化,构建拓扑变化趋势判据,确定运行状态可能发生变化的开关支路范围,枚举出重构后的所有可能的拓扑情形;
其中拓扑变化趋势判据如下:
判据1:当只有一个联络开关动作时,可能发生分段开关动作的支路包含在与该联络开关形成环网的所有支路组中,且只有一个分段开关动作;当有N个联络开关动作时,可能发生分段开关动作的支路包含在形成的N个环网的所有支路组中,且每个环网中各有一个分段开关动作;
由于联络开关两端安装μPMU装置,监测到支路电流时,可以确定联络开关支路为连通状态。根据判据1,可以确定保证配电网辐射状运行的所有可能动作的分段开关的支路组范围。
判据2:某一支路的分段开关的状态发生变换,那么该支路的两端节点的电压幅值和相位(电压量测值由幅值和相位值构成),相比于上一时刻变化较大,推导出判据公式如下:
Figure BDA0002066144030000071
Figure BDA0002066144030000072
式中:节点i和j是安装μPMU量测装置的节点;θi(t)和θj(t)依次为t时刻的节点i和j的电压相位;θi(t-1)和θj(t-1)依次为t-1时刻的节点i和j的电压相位;Ui(t)和Uj(t)依次为t时刻的节点i和j的电压幅值;Ui(t-1)和Uj(t-1)依次为t-1时刻的节点i和j的电压幅值;UN为额定电压;εθ为节点电压的相位波动约束值;εU为节点电压的幅值波动的约束值;优选地,εθ取0.1°,εU取4%,由于μPMU量测频率较高,当配电网稳定运行,不发生拓扑变化时,连续两次节点电压相位量测可以看做不变,电压相位波动在量测误差范围内。因此,εθ取0.1°;当节点电压相位波动大于约束值,说明该节点的供电路径发生了转换,节点处发生较大的潮流变化。国家标准书中关于电压波动的规定表明:在10kV及以下的配电网中,允许的供电电压波动范围在1.25%-4%之内。因此,εU取4%,当分段开关发生开关变位,网络发生重构时,该分段开关附近支路的潮流发生很大变化,附近节点的电压幅值波动较大,不在网络稳定运行时允许的波动范围之内。读取t时刻和t-1时刻下,支路组范围内各支路组两端的μPMU节点的电压幅值和相位量测。
判据3:当某支路组内的某一分段开关状态发生变化时,该支路组两端的节点电压幅值之差的变化最大;
maxM=||Uj(t)-Ui(t)|-|Uj(t-1)-Ui(t-1)||
式中:M表示t时刻和t-1时刻节点电压差的变化值;Ui(t)和Uj(t)依次为节点i和j在t时刻的电压幅值;Ui(t-1)和Uj(t-1)依次为节点i和j在t-1时刻的电压幅值。
步骤四:通过拓扑变化趋势判据,确定可能发生开关变位的支路,从而形成可能的重构拓扑,筛选出判据1中满足判据2和判据3的支路组,其方法如下:
当网络中仅有1个联络开关动作时,由判据1和判据2初步确定可能动作的支路区间范围;由判据3选择μPMU量测节点间电压差变化最大的两个量测节点,进一步缩小可能存在开关动作的支路区间;
当网络中有N个联络开关动作时,由判据1和判据2确定所有可能动作的支路组后,在形成的每个环网中,由判据3分别选择支路组两端节点电压之差变化最大的支路组,确定为可能发生开关变位的支路区间;
由判据1~3确定可能的分段开关动作的支路范围后,通过枚举法罗列所有可能形成的拓扑情形;当网络闭合N个联络开关时,根据网络重构的必要条件,在N个属于不同环网的支路组内各选取一条支路,通过排列组合方式进行枚举,列出所有可能的运行拓扑。通过拓扑变化趋势判据,可以有效缩小需要列举的可能拓扑组合数目,从而提高辨识的运算速度。
步骤五:采集当前时刻t的遥测数据,基于DSCADA采集的节点注入功率,与μPMU装置采集的支路上的电流和功率信息进行融合,通过两种装置的遥测数据的融合,提高状态估计的冗余度和精度。考虑μPMU和DSCADA量测误差,通过WLS(加权最小二乘法)估计出所有可能的拓扑下的各节点电压相位估计向量。构建基于加权最小二乘法的状态估计模型,对所有可能的拓扑进行状态估计,其目标函数的矩阵表达式如下:
J(x)=[z-h(x)]TW[z-h(x)]
式中:W为权重矩阵,且W=[w1,w2,…,wm]T,其中,wn为第n个量测量zn的权重值;J(x)为目标函数矩阵;z为量测向量,h(x)为量测函数向量;
量测误差的协方差对角矩阵R如下:
Figure BDA0002066144030000091
式中:
Figure BDA0002066144030000092
为第n个量测量zn的量测误差的方差;E(v)=0,E(vvT)=R;v为量测误差向量,且v=[v1,v2,…,vm]T,m为量测量数。
取量测权重矩阵W=R-1,那么
Figure BDA0002066144030000093
从而可以写成:
J(x)=[z-h(x)]TR-1[z-h(x)]
其迭代式可以写成:
Figure BDA0002066144030000094
式中:k表示迭代次数;
Figure BDA0002066144030000095
Figure BDA0002066144030000096
依次表示第k+1次和第k次迭代计算得出的状态量估计值;
Figure BDA0002066144030000097
表示第k次迭代计算中的状态修正量;
Figure BDA0002066144030000098
为雅克比矩阵,由量测函数h(x)对x求导并在
Figure BDA0002066144030000099
取值求得。
采用工程中最常用的收敛判据:
Figure BDA00020661440300000910
式中:门槛值ε取10-4~10-6,n是量测量个数变量。
上述的基于加权最小二乘法的状态估计模型,其相应的量测方程有:
(1)注入功率量测
Figure BDA00020661440300000911
式中:m表示有网络中有m个节点;θij=θij,θi和θj分别是节点i和节点j的电压相位;Gij和Bij为节点导纳矩阵中节点i和j之间元素的实部和虚部;
Figure BDA00020661440300000914
Figure BDA00020661440300000915
分别为节点i有功和无功注入量测;Pi和Qi分别为节点i处的有功和无功量测;
Figure BDA00020661440300000912
Figure BDA00020661440300000913
为节点i处的注入功率量测误差,Ui、Uj是节点i和节点j的电压值。
(2)支路首端功率量测
Figure BDA0002066144030000101
式中:
Figure BDA0002066144030000102
Figure BDA0002066144030000103
分别为支路ij首端的有功和无功量测;Pij是由节点i流向节点j的支路功率,由节点i流向节点j;Qij是由节点i流向j的无功功率;
Figure BDA0002066144030000104
Figure BDA0002066144030000105
分别为对应支路功率量测的量测误差;gij和bij分别为支路ij的电导和电纳;
(3)支路末端功率量测
Figure BDA0002066144030000106
式中:
Figure BDA0002066144030000107
Figure BDA0002066144030000108
分别为支路ij末端的有功和无功量测;Pji表示由节点j流向节点i的功率;Qji是由节点i流向j的无功功率;
(4)支路电流幅值量测
Figure BDA0002066144030000109
式中:
Figure BDA00020661440300001010
为支路ij电流幅值的平方;Ui和Uj分别为节点i和节点j的电压值;
Figure BDA00020661440300001011
为电流幅值的量测误差;m表示网络中有m个节点,是下标i和j的取值范围;
根据状态变量和量测方程,求出配电网状态估计模型中对应的雅克比分块矩阵:
Figure BDA00020661440300001012
式中:矩阵
Figure BDA00020661440300001013
Figure BDA00020661440300001014
内的元素分别为节点注入功率以及支路功率对各节点电压的相位和幅值的偏导数;矩阵
Figure BDA00020661440300001015
Figure BDA00020661440300001016
内的元素分别为支路电流的幅值的平方对各节点电压的相位和幅值的偏导数。
步骤六:基于μPMU实际量测的节点电压与状态估计出的各可能拓扑下的节点估计电压,构建拓扑相似度辨识模型,由拓扑相似度辨识模型,计算出拓扑相似度J,辨识出实际运行的拓扑。该模型根据内积原理,基于不同拓扑情形下的节点估计电压相位而构建:
Figure BDA0002066144030000111
式中:J为相似度值;αi(t)表示在第i种拓扑下的节点电压相位估计向量;α(t)表示节点电压相位实测向量,且两个向量的维度等于μPMU安装数;M为所有可能的拓扑数目。
将α(t)和αi(t)进行单位化处理后,节点电压相位实测向量会和其中某拓扑的节点电压相位估计向量的夹角较为接近,其J值趋向于1,且和其他拓扑下的节点电压相位估计向量的J值小于1。因此,选取使J值最接近于1的拓扑,确定为实际运行拓扑。
本发明充分利用国内现有的配电自动化装置,在配电网安装DSCADA量测装置的情形下,结合国外新型μPMU,在联络开关两端节点和度大于2的多支路节点安装少量的μPMU量测装置,对提高辨识可靠性具有重要意义。首先,通过μPMU对其安装节点的电压相位进行量测,构建拓扑变化时刻辨识模型,确定拓扑发生变化的时刻。进而构建拓扑变化趋势判据,确定运行状态发生变化的支路范围,枚举出重构后的所有可能拓扑情形。将μPMU和DSACAD的遥测数据进行融合,对所有可能拓扑进行状态估计。由节点估计电压相位和μPMU实测电压相位,构建拓扑相似度辨识模型,辨识出实际运行的拓扑。并考虑DSCADA和μPMU的量测误差对拓扑辨识准确度的影响,以及该算法在单联络开关动作和多联络开关动作情形下的适用性,具有较好的适用性。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。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前提下的若干改进和润饰,应视为本发明的保护范围。

Claims (6)

1.一种基于多源数据融合的配电网运行拓扑辨识方法,其特征在于,包括以下步骤:
在配电网安装DSCADA量测装置,在联络开关两端节点和度大于2的多支路节点安装μPMU量测装置;
通过μPMU对其安装节点的电压相位进行量测,构建拓扑变化时刻辨识模型,确定拓扑变化时刻;
基于拓扑变化前后的节点电压变化,构建拓扑变化趋势判据,确定运行状态发生变化的支路范围,枚举出重构后的所有可能的拓扑情形;
将DSACAD和μPMU遥测数据进行融合,构建基于加权最小二乘法的配电网状态估计模型,对所有可能的拓扑进行状态估计;
由节点估计电压相位和μPMU实测电压相位,构建拓扑相似度辨识模型,辨识出实际拓扑;
所述拓扑变化趋势判据如下:
判据1:当只有一个联络开关动作时,可能发生分段开关动作的支路包含在与该联络开关形成环网的所有支路组中,且只有一个分段开关动作;当有N个联络开关动作时,可能发生分段开关动作的支路包含在形成的N个环网的所有支路组中,且每个环网中各有一个分段开关动作;
判据2:某一支路的分段开关的状态发生变换,那么该支路的两端节点的电压幅值和相位,相比于上一时刻变化较大,推导出判据公式如下:
Figure FDA0002618468970000011
Figure FDA0002618468970000012
式中:节点i和j是安装μPMU量测装置的节点;θi(t)和θj(t)依次为t时刻的节点i和j的电压相位;θi(t-1)和θj(t-1)依次为t-1时刻的节点i和j的电压相位;Ui(t)和Uj(t)依次为t时刻的节点i和j的电压幅值;Ui(t-1)和Uj(t-1)依次为t-1时刻的节点i和j的电压幅值;UN为额定电压;εθ为节点电压的相位波动约束值;εU为节点电压的幅值波动的约束值;
判据3:当某支路组内的某一分段开关状态发生变化时,该支路组两端的节点电压幅值之差的变化最大;
maxM=||Uj(t)-Ui(t)|-|Uj(t-1)-Ui(t-1)||
式中:M表示t时刻和t-1时刻节点电压差的变化值。
2.根据权利要求1所述的基于多源数据融合的配电网运行拓扑辨识方法,其特征在于,所述拓扑变化时刻辨识模型是将配电网某一时刻运行拓扑的辨识问题,转换为确定网络重构时刻,基于原始网络辨识重构后拓扑的问题;
基于μPMU节点电压相位量测构建拓扑变化时刻辨识模型,模型如下:
Figure FDA0002618468970000021
式中:向量α(t)表示t时刻所有μPMU测量的节点电压相位值所构成的向量,向量的维度等于安装μPMU的节点数;向量a(t-x)表示各安装μPMU的节点在t-x时刻测得的电压相位值构成的向量;x是时间变量;delta(t)为以时间t为变量的1-范数函数;参数w是delta(t)函数的一个时间窗,w越大,t时刻发生网络运行方式的转换时,delta(t)与delta(t-1)值之间的差越大。
3.根据权利要求2所述的基于多源数据融合的配电网运行拓扑辨识方法,其特征在于,将安装μPMU的节点之间除联络开关支路以外的支路定义为一个支路组,将支路组内度为2的节点进行合并,简化配电网络;
同时,拓扑变化需要满足配电网重构的必要条件:
1)为了避免网络出现孤岛运行,在每个支路组中只能打开一个分段开关,即只断开一条支路;
2)当闭合了N个联络开关时,配电网中出现N个环路,只能断开不同环路下各支路组中的N条支路。
4.根据权利要求3所述的基于多源数据融合的配电网运行拓扑辨识方法,其特征在于,
通过拓扑变化趋势判据,确定可能发生开关变位的支路,从而形成可能的重构拓扑,其方法如下:
当网络中仅有1个联络开关动作时,由判据1和判据2初步确定可能动作的支路区间范围;由判据3选择μPMU量测节点间电压差变化最大的两个量测节点,进一步缩小可能存在开关动作的支路区间;
当网络中有N个联络开关动作时,由判据1和判据2确定所有可能动作的支路组后,在形成的每个环网中,由判据3分别选择支路组两端节点电压之差变化最大的支路组,确定为可能发生开关变位的支路区间;
由判据1~3确定可能的分段开关动作的支路范围后,通过枚举法罗列所有可能形成的拓扑情形;当网络闭合N个联络开关时,根据网络重构的必要条件,在N个属于不同环网的支路组内各选取一条支路,通过排列组合方式进行枚举,列出所有可能的运行拓扑。
5.根据权利要求1所述的基于多源数据融合的配电网运行拓扑辨识方法,其特征在于,所述基于加权最小二乘法的状态估计模型,其目标函数的矩阵表达式如下:
J(x)=[z-h(x)]TW[z-h(x)]
式中:W为权重矩阵,且W=[w1,w2,…,wn]T,其中,wn为第n个量测量zn的权重值;J(x)为目标函数矩阵;z为量测向量,h(x)为量测函数向量;
量测误差的协方差对角矩阵R如下:
Figure FDA0002618468970000031
式中:
Figure FDA0002618468970000032
为第n个量测量zn的量测误差的方差;E(v)=0,E(vvT)=R;v为量测误差向量,且v=[v1,v2,…,vm]T,m为量测量数;
取量测权重矩阵W=R-1,那么
Figure FDA0002618468970000033
从而可以写成:
J(x)=[z-h(x)]TR-1[z-h(x)]
其迭代式可以写成:
Figure FDA0002618468970000034
式中:k表示迭代次数;
Figure FDA0002618468970000035
Figure FDA0002618468970000036
依次表示第k+1次和第k次迭代计算得出的状态量估计值;
Figure FDA0002618468970000037
表示第k次迭代计算中的状态修正量;
Figure FDA0002618468970000038
为雅克比矩阵,由量测函数h(x)对x求导并令x取值
Figure FDA0002618468970000039
得到;
采用收敛判据:
Figure FDA0002618468970000041
式中:门槛值ε取10-4~10-6,n是量测量个数变量。
6.根据权利要求5所述的基于多源数据融合的配电网运行拓扑辨识方法,其特征在于,所述加权最小二乘法的状态估计模型,其相应的量测方程有:
(1)注入功率量测
Figure FDA0002618468970000042
式中:m表示有网络中有m个节点;θij=θij,θi和θj分别是节点i和节点j的电压相位;Gij和Bij为节点导纳矩阵中节点i和j之间元素的实部和虚部;Pi m
Figure FDA0002618468970000043
分别为节点i有功和无功注入量测;Pi和Qi分别为节点i处的有功和无功量测;
Figure FDA0002618468970000044
Figure FDA0002618468970000045
为节点i处的注入功率量测误差,Ui、Uj是节点i和节点j的电压值;
(2)支路首端功率量测
Figure FDA0002618468970000046
式中:
Figure FDA0002618468970000047
Figure FDA0002618468970000048
分别为支路ij首端的有功和无功量测;Pij是由节点i流向节点j的支路功率;Qij是由节点i流向j的无功功率;
Figure FDA0002618468970000049
Figure FDA00026184689700000410
分别为对应支路功率量测的量测误差;gij和bij分别为支路ij的电导和电纳;
(3)支路末端功率量测
Figure FDA00026184689700000411
式中:
Figure FDA00026184689700000412
Figure FDA00026184689700000413
分别为支路ij末端的有功和无功量测;Pji表示由节点j流向节点i的功率;Qji是由节点i流向j的无功功率;
(4)支路电流幅值量测
Figure FDA00026184689700000414
式中:
Figure FDA00026184689700000415
为支路ij电流幅值的平方;Ui和Uj分别为节点i和节点j的电压值;
Figure FDA0002618468970000051
为电流幅值的量测误差;
根据状态变量和量测方程,求出配电网状态估计模型中对应的雅克比分块矩阵:
Figure FDA0002618468970000052
式中:矩阵
Figure FDA0002618468970000053
Figure FDA0002618468970000054
内的元素分别为节点注入功率以及支路功率对各节点电压的相位和幅值的偏导数;矩阵
Figure FDA0002618468970000055
Figure FDA0002618468970000056
内的元素分别为支路电流的幅值的平方对各节点电压的相位和幅值的偏导数。
CN201910426598.3A 2019-05-21 2019-05-21 一种基于多源数据融合的配电网运行拓扑辨识方法 Active CN110086168B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910426598.3A CN110086168B (zh) 2019-05-21 2019-05-21 一种基于多源数据融合的配电网运行拓扑辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910426598.3A CN110086168B (zh) 2019-05-21 2019-05-21 一种基于多源数据融合的配电网运行拓扑辨识方法

Publications (2)

Publication Number Publication Date
CN110086168A CN110086168A (zh) 2019-08-02
CN110086168B true CN110086168B (zh) 2020-10-09

Family

ID=67421266

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910426598.3A Active CN110086168B (zh) 2019-05-21 2019-05-21 一种基于多源数据融合的配电网运行拓扑辨识方法

Country Status (1)

Country Link
CN (1) CN110086168B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110687398A (zh) * 2019-10-12 2020-01-14 广西电网有限责任公司电力科学研究院 基于多源数据融合的配电网故障智能搜索定位方法
CN111064180B (zh) * 2019-10-23 2024-01-26 国网天津市电力公司电力科学研究院 基于ami潮流匹配的中压配电网拓扑检测与辨识方法
CN111313405B (zh) * 2020-02-29 2022-04-01 上海电力大学 一种基于多量测断面的中压配电网拓扑辨识方法
CN112398678B (zh) * 2020-10-16 2021-10-01 清华大学 适用于多源异构电网的运行方式拓扑结构特征提取方法
CN112488874B (zh) * 2020-12-07 2022-12-09 清华大学 一种数据驱动的配电网络拓扑估计与线路参数辨识方法
CN112688365B (zh) * 2020-12-26 2023-07-04 四川大川云能科技有限公司 一种基于互信息-贝叶斯网络的配电网拓扑鲁棒识别方法
CN112736911B (zh) * 2020-12-29 2023-04-14 国网河北省电力有限公司经济技术研究院 基于pmu量测相似度的配电网拓扑结构辨识方法及系统
CN112803394B (zh) * 2021-01-05 2022-06-10 武汉大学 一种基于upqc装置的配电网拓扑结构辨识方法
CN113991856B (zh) * 2021-10-29 2024-03-12 国网上海市电力公司 一种微能网多适应性μPMU最优布点方法
CN115000956B (zh) * 2022-07-18 2022-11-01 南京工程学院 一种基于数据模型联合驱动的配电网拓扑二阶辨识方法
CN117200460B (zh) * 2023-11-06 2024-01-23 国网湖北省电力有限公司经济技术研究院 一种有源配电网量测优化配置方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130049239A (ko) * 2011-09-29 2013-05-14 한국전력공사 전력계통의 부하 제어 장치 및 방법
CN108199375B (zh) * 2018-01-31 2021-01-22 天津大学 基于同步相量量测的智能配电网拓扑辨识方法
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

Also Published As

Publication number Publication date
CN110086168A (zh) 2019-08-02

Similar Documents

Publication Publication Date Title
CN110086168B (zh) 一种基于多源数据融合的配电网运行拓扑辨识方法
Gholami et al. Detecting the location of short-circuit faults in active distribution network using PMU-based state estimation
CN101958543B (zh) 一种变电站三相无阻抗非线性多源状态估计方法
CN109193635B (zh) 一种基于自适应稀疏回归方法的配电网拓扑结构重建方法
CN109378815B (zh) 一种配电网合环转供电控制方法、装置及设备
CN111064180B (zh) 基于ami潮流匹配的中压配电网拓扑检测与辨识方法
CN112117763A (zh) 一种低压配电网拓扑识别与参数估计方法
CN115693661A (zh) 一种基于图神经网络的连锁故障风险关键线路辨识方法
US20230072795A1 (en) Online State Estimation and Topology Identification Using Advanced Metering Infrastructure (AMI) Measurements
CN113078630A (zh) 一种基于实时量测数据的低压配电网拓扑辨识方法
CN110212536A (zh) 一种中压配电网联络开关状态识别方法
CN113937764A (zh) 一种低压配电网高频量测数据处理与拓扑识别方法
CN110210690B (zh) 一种配电系统微型同步相量测量单元优化配置方法
CN113468745B (zh) 一种基于历史故障的配电网可靠性快速评估方法及系统
CN102738794B (zh) 基于赛德尔式递推贝叶斯估计的电网拓扑错误辨识方法
Ren et al. Tracking transmission line parameters in power grids observed by PMUs
CN111191867B (zh) 电力系统复杂网络的可靠性评估方法
CN107565549B (zh) 一种基于同步相量量测的电力系统网络拓扑分析方法
Krishna et al. Complete and incomplete observability analysis by optimal PMU placement techniques of a network
EP4254705A1 (en) Computer-implemented method or assessment of a power distribution grid
Yamashita et al. Predicting power system voltage health index with PMUs and graph convolutional networks
CN113537338A (zh) 基于lstm神经网络和改进scada数据的抗差线路参数辨识方法
Ding et al. Research on power grid fault diagnosis method based on PMU data and convolutional neural network
CN107194594B (zh) 一种基于iec61850的背靠背换流站物理信息系统可靠性评估方法
Jiang et al. Fault location in active distribution networks using block sparse Bayesian learning

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