CN110378041B - 一种电网状态估计方法、系统、设备及计算机存储介质 - Google Patents

一种电网状态估计方法、系统、设备及计算机存储介质 Download PDF

Info

Publication number
CN110378041B
CN110378041B CN201910667313.5A CN201910667313A CN110378041B CN 110378041 B CN110378041 B CN 110378041B CN 201910667313 A CN201910667313 A CN 201910667313A CN 110378041 B CN110378041 B CN 110378041B
Authority
CN
China
Prior art keywords
state estimation
disturbance
information
preset
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
CN201910667313.5A
Other languages
English (en)
Other versions
CN110378041A (zh
Inventor
刘新展
李星南
李伟坚
亢中苗
施展
朱文红
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.)
Guangdong Power Grid Co Ltd
Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Electric Power Dispatch Control Center of Guangdong Power Grid 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 Guangdong Power Grid Co Ltd, Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN201910667313.5A priority Critical patent/CN110378041B/zh
Publication of CN110378041A publication Critical patent/CN110378041A/zh
Application granted granted Critical
Publication of CN110378041B publication Critical patent/CN110378041B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/36—Circuit design at the analogue level
    • G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请公开了一种电网状态估计方法、系统、设备及计算机存储介质，包括：获取对电网中的预设测量节点进行测量后得到的原始信息量测值；通过最小二乘状态估计模型，基于原始信息量测值计算预设测量节点的扰动灵敏度；根据扰动灵敏度确定对预设测量节点进行测量的设备信息；通过与设备信息对应的设备对预设测量节点进行测量，得到测量结果；基于测量结果对电网进行状态估计。本申请提供的一种电网状态估计方法，使得对预设测量节点进行测量的设备与该节点的扰动灵敏度相关联、相对应，可以提高测量结果的准确性，进而提高对电网进行状态估计的准确性。本申请提供的一种电网状态估计系统、设备及计算机可读存储介质也解决了相应技术问题。

Description

一种电网状态估计方法、系统、设备及计算机存储介质
技术领域
本申请涉及信息物理耦合电力系统扰动分析技术领域，更具体地说，涉及一种电网状态估计方法、系统、设备及计算机存储介质。
背景技术
在智能电网不断建设发展的过程中，网络也更为开放，高度发达的信息系统使得电网更高效运行的同时，也使得电力系统存在更多安全隐患。在这一背景下，关注电力系统的信息安全问题已十分迫切。状态估计是电网能量管理系统最为重要的一个环节，因为状态估计存在的冗余特性，采用最小二乘法进行估计时必然会因为数据的冗余而导致不同量测结果之间的折衷取舍，进而许多现场实际的状态估计方法都采用了加权最小二乘拟合方法，对于精度更高的量测节点所获取的量测数据应当设置更高的权重，即意味着更高的可信度。状态估计也即通过采集有限的实时量测值如节点电压幅值、电压相角和线路有功无功，通过最小二乘拟合减小错误量测的影响，实现对电力系统全网如电压幅值、电压相角的感知，从而进行安全评估分析和优化调度。
然而受限于成本和现有设备量测精度差异，对电网状态估计的结果并不准确。
综上所述，如何提高电网状态估计结果的准确性是目前本领域技术人员亟待解决的问题。
发明内容
本申请的目的是提供一种电网状态估计方法，其能在一定程度上解决如何提高电网状态估计结构的准确性的技术问题。本申请还提供了一种电网状态估计系统、设备及计算机可读存储介质。
为了实现上述目的，本申请提供如下技术方案：
一种电网状态估计方法，包括：
获取对所述电网中的预设测量节点进行测量后得到的原始信息量测值；
通过最小二乘状态估计模型，基于所述原始信息量测值计算所述预设测量节点的扰动灵敏度；
根据所述扰动灵敏度确定对所述预设测量节点进行测量的设备信息；
通过与所述设备信息对应的设备对所述预设测量节点进行测量，得到测量结果；
基于所述测量结果对所述电网进行状态估计。
优选的，所述通过最小二乘状态估计模型，基于所述原始信息量测值计算所述预设测量节点的扰动灵敏度，包括：
基于所述原始信息量测值的扰动量确定扰动信息量测值；
通过所述最小二乘状态估计模型，基于所述原始信息量测值确定所述电网的原始物理状态估计信息；
通过所述最小二乘状态估计模型，基于所述扰动信息量测值确定所述电网的扰动物理状态估计信息；
基于所述原始物理状态估计信息、所述扰动物理状态估计信息和所述扰动量确定所述预设测量节点的所述扰动灵敏度。
优选的，所述基于所述原始信息量测值的扰动量确定扰动信息量测值，包括：
确定所述原始信息量测值的扰动量；
将所述扰动量与所述原始信息量测值的和作为所述扰动信息量测值。
优选的，所述确定所述原始信息量测值的扰动量，包括：
通过扰动量确定公式确定所述扰动量；
所述扰动量确定公式包括：
εi＝λ·mi；
其中，εi表示所述预设测量节点中第i个测量节点的扰动量；λ表示预设权重值；mi表示所述预设测量节点中第i个测量节点的原始信息量测值。
优选的，所述基于所述原始物理状态估计信息、所述扰动物理状态估计信息和所述扰动量确定所述预设测量节点的所述扰动灵敏度，包括：
通过灵敏度计算公式，基于所述原始物理状态估计信息、所述扰动物理状态估计信息和所述扰动量确定所述预设测量节点的所述扰动灵敏度；
所述灵敏度计算公式包括：
Figure BDA0002140553910000031
其中，seni表示所述预设测量节点中第i个测量节点的扰动灵敏度；
Figure BDA0002140553910000032
表示所述原始物理状态估计信息；
Figure BDA0002140553910000033
表示所述扰动物理状态估计信息。
优选的，所述根据所述扰动灵敏度确定对所述预设测量节点进行测量的设备信息，包括：
按照SEN＝[sen1,sen2,...,senn]的格式将每个测量节点的扰动灵敏度组合成灵敏度矩阵；
通过求和公式计算所述灵敏度矩阵中每列元素的和，得到状态估计精度向量；
按照状态估计精度向量值高的测量节点分配精度高的设备的分配规则，根据所述状态估计精度向量确定所述预设测量节点的设备信息；
所述求和公式包括：
Acc＝[sum(sen1),sum(sen2),...,sum(senn)]；
其中，Acc表示所述状态估计精度向量；sum表示求和函数；n表示测量节点的总数量。
优选的，所述基于所述测量结果对所述电网进行状态估计之后，还包括：
根据状态估计结果对所述电网进行性能分析。
一种电网状态估计系统，包括：
第一获取模块，用于获取对所述电网中的预设测量节点进行测量后得到的原始信息量测值；
第一计算模块，用于通过最小二乘状态估计模型，基于所述原始信息量测值计算所述预设测量节点的扰动灵敏度；
第一确定模块，用于根据所述扰动灵敏度确定对所述预设测量节点进行测量的设备信息；
第一测量模块，用于通过与所述设备信息对应的设备对所述预设测量节点进行测量，得到测量结果；
第一估计模块，用于基于所述测量结果对所述电网进行状态估计。
一种电网状态估计设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上任一所述电网状态估计方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如上任一所述电网状态估计方法的步骤。
本申请提供的一种电网状态估计方法，包括：获取对电网中的预设测量节点进行测量后得到的原始信息量测值；通过最小二乘状态估计模型，基于原始信息量测值计算预设测量节点的扰动灵敏度；根据扰动灵敏度确定对预设测量节点进行测量的设备信息；通过与设备信息对应的设备对预设测量节点进行测量，得到测量结果；基于测量结果对电网进行状态估计。本申请提供的一种电网状态估计方法，计算各个预设测量节点的扰动灵敏度，并根据扰动灵敏度确定对各个预设测量节点进行测量的设备信息，使得对预设测量节点进行测量的设备与该节点的扰动灵敏度相关联、相对应，与现有的随意应用设备对测量节点进行测量的现有技术相比，可以提高测量结果的准确性，进而提高对电网进行状态估计的准确性。本申请提供的一种电网状态估计系统、设备及计算机可读存储介质也解决了相应技术问题。
附图说明
为了更清楚地说明本申请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申请的实施例，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为本申请实施例提供的一种电网状态估计方法的第一流程图；
图2为本申请中扰动灵敏度的计算过程示意图；
图3为本申请实施例提供的一种电网状态估计系统的结构示意图；
图4为本申请实施例提供的一种电网状态估计设备的结构示意图；
图5为本申请实施例提供的一种电网状态估计设备的另一结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
请参阅图1，图1为本申请实施例提供的一种电网状态估计方法的第一流程图。
本申请实施例提供的一种电网状态估计方法，可以包括以下步骤：
步骤S11：获取对电网中的预设测量节点进行测量后得到的原始信息量测值。
实际应用中，可以先获取对电网中的预设测量节点进行测量后得到的原始信息量测值，预设测量节点的数量可以根据实际需要确定，比如为1个或者多个等；预设测量节点的原始信息量测值可以为历史测量过程中得到的量测值等。应当指出，原始信息量测值的类型可以根据对预设测量节点进行测量的设备类型来确定，比如测量设备为电压测量设备时，原始信息量测值的类型便为电压，测量设备为电流测量设备时，原始信息量测值的类型便为电流等。
步骤S12：通过最小二乘状态估计模型，基于原始信息量测值计算预设测量节点的扰动灵敏度。
实际应用中，由于不同测量节点对扰动的抵抗性不同，比如有的测量节点对扰动的抵抗性强，意味着扰动对该测量节点的影响较弱，扰动出现的话，该类测量节点的测量结果无多大变化，对最终电网状态估计的影响较弱；而有的测量节点对扰动的抵抗性若，意味着扰动对该测量节点的影响较强，扰动出现的话，该类测量节点的测量结果变化较大，对最终电网状态估计的影响较强，为了降低扰动对电网状态估计的影响，可以通过最小二乘状态估计模型，基于原始信息量测值计算预设测量节点的扰动灵敏度，根据扰动灵敏度确定对预设测量节点进行测量的设备信息。
步骤S13：根据扰动灵敏度确定对预设测量节点进行测量的设备信息。
实际应用中，在测量设备以固定的情况下，可以按照扰动灵敏度高的预设测量节点所需的测量设备的精度高的原则，确定对预设测量节点进行测量的设备信息，也即将精度高的设备优先分配给扰动灵敏度高的预设测量节点。
步骤S14：通过与设备信息对应的设备对预设测量节点进行测量，得到测量结果。
步骤S15：基于测量结果对电网进行状态估计。
实际应用中，在确定对预设测量节点进行测量的设备信息后，便可以通过与设备信息对应的设备对预设测量节点进行测量，得到测量结果，并基于测量结果对电网进行状态估计。具体应用场景中，在基于测量结果对电网进行状态估计之后，还可以根据状态估计结果对电网进行性能分析。
本申请提供的一种电网状态估计方法，包括：获取对电网中的预设测量节点进行测量后得到的原始信息量测值；通过最小二乘状态估计模型，基于原始信息量测值计算预设测量节点的扰动灵敏度；根据扰动灵敏度确定对预设测量节点进行测量的设备信息；通过与设备信息对应的设备对预设测量节点进行测量，得到测量结果；基于测量结果对电网进行状态估计。本申请提供的一种电网状态估计方法，计算各个预设测量节点的扰动灵敏度，并根据扰动灵敏度确定对各个预设测量节点进行测量的设备信息，使得对预设测量节点进行测量的设备与该节点的扰动灵敏度相关联、相对应，与现有的随意应用设备对测量节点进行测量的现有技术相比，可以提高测量结果的准确性，进而提高对电网进行状态估计的准确性。
请参阅图2，图2为本申请中扰动灵敏度的计算过程示意图。
本申请提供的一种电网状态估计方法中，步骤S12：通过最小二乘状态估计模型，基于原始信息量测值计算预设测量节点的扰动灵敏度，可以具体包括以下步骤：
步骤S121：基于原始信息量测值的扰动量确定扰动信息量测值。
实际应用中，可以先确定扰动量，再确定扰动信息量测值，则在基于原始信息量测值的扰动量确定扰动信息量测值时，可以确定原始信息量测值的扰动量；将扰动量与原始信息量测值的和作为扰动信息量测值。
具体应用场景中，在确定原始信息量测值的扰动量时，可以通过扰动量确定公式确定扰动量；
扰动量确定公式包括：
εi＝λ·mi；
其中，εi表示预设测量节点中第i个测量节点的扰动量；λ表示预设权重值，其值可以为0.001等；mi表示预设测量节点中第i个测量节点的原始信息量测值。
步骤S122：通过最小二乘状态估计模型，基于原始信息量测值确定电网的原始物理状态估计信息。
步骤S123：通过最小二乘状态估计模型，基于扰动信息量测值确定电网的扰动物理状态估计信息。
步骤S124：基于原始物理状态估计信息、扰动物理状态估计信息和扰动量确定预设测量节点的扰动灵敏度。
实际应用中，在基于原始物理状态估计信息、扰动物理状态估计信息和扰动量确定预设测量节点的扰动灵敏度时，可以通过灵敏度计算公式，基于原始物理状态估计信息、扰动物理状态估计信息和扰动量确定预设测量节点的扰动灵敏度；
灵敏度计算公式可以包括：
Figure BDA0002140553910000071
其中，seni表示预设测量节点中第i个测量节点的扰动灵敏度；
Figure BDA0002140553910000072
表示原始物理状态估计信息；
Figure BDA0002140553910000073
表示扰动物理状态估计信息。
相应的，在根据扰动灵敏度确定对预设测量节点进行测量的设备信息时，可以按照SEN＝[sen1,sen2,...,senn]的格式将每个测量节点的扰动灵敏度组合成灵敏度矩阵；通过求和公式计算灵敏度矩阵中每列元素的和，得到状态估计精度向量；按照状态估计精度向量值高的测量节点分配精度高的设备的分配规则，根据状态估计精度向量确定预设测量节点的设备信息；
求和公式包括：
Acc＝[sum(sen1),sum(sen2),...,sum(senn)]；
其中，Acc表示状态估计精度向量；sum表示求和函数；n表示测量节点的总数量。应当指出，本申请中的原始信息量测值、扰动信息量测值、原始物理状态估计信息、扰动物理状态估计信息均为n*1维的向量，n由状态变量的数量决定。
请参阅图3，图3为本申请实施例提供的一种电网状态估计系统的结构示意图。
本申请实施例提供的一种电网状态估计系统，可以包括：
第一获取模块101，用于获取对电网中的预设测量节点进行测量后得到的原始信息量测值；
第一计算模块102，用于通过最小二乘状态估计模型，基于原始信息量测值计算预设测量节点的扰动灵敏度；
第一确定模块103，用于根据扰动灵敏度确定对预设测量节点进行测量的设备信息；
第一测量模块104，用于通过与设备信息对应的设备对预设测量节点进行测量，得到测量结果；
第一估计模块105，用于基于测量结果对电网进行状态估计。
本申请实施例提供的一种电网状态估计系统，第一计算模块可以包括：
第一确定子模块，用于基于原始信息量测值的扰动量确定扰动信息量测值；
第二确定子模块，用于通过最小二乘状态估计模型，基于原始信息量测值确定电网的原始物理状态估计信息；
第三确定子模块，用于通过最小二乘状态估计模型，基于扰动信息量测值确定电网的扰动物理状态估计信息；
第四确定子模块，用于基于原始物理状态估计信息、扰动物理状态估计信息和扰动量确定预设测量节点的扰动灵敏度。
本申请实施例提供的一种电网状态估计系统，第一确定子模块可以包括：
第一确定单元，用于确定原始信息量测值的扰动量；
第一设置单元，用于将扰动量与原始信息量测值的和作为扰动信息量测值。
本申请实施例提供的一种电网状态估计系统，第一确定单元可以包括：
第二确定单元，用于通过扰动量确定公式确定扰动量；
扰动量确定公式包括：
εi＝λ·mi；
其中，εi表示预设测量节点中第i个测量节点的扰动量；λ表示预设权重值；mi表示预设测量节点中第i个测量节点的原始信息量测值。
本申请实施例提供的一种电网状态估计系统，第四确定子模块可以包括：
第三确定单元，用于通过灵敏度计算公式，基于原始物理状态估计信息、扰动物理状态估计信息和扰动量确定预设测量节点的扰动灵敏度；
灵敏度计算公式包括：
Figure BDA0002140553910000091
其中，seni表示预设测量节点中第i个测量节点的扰动灵敏度；
Figure BDA0002140553910000092
表示原始物理状态估计信息；
Figure BDA0002140553910000093
表示扰动物理状态估计信息。
本申请实施例提供的一种电网状态估计系统，第一确定模块可以包括：
第一组合单元，用于按照SEN＝[sen1,sen2,...,senn]的格式将每个测量节点的扰动灵敏度组合成灵敏度矩阵；
第一计算单元，用于通过求和公式计算灵敏度矩阵中每列元素的和，得到状态估计精度向量；
第四确定单元，用于按照状态估计精度向量值高的测量节点分配精度高的设备的分配规则，根据状态估计精度向量确定预设测量节点的设备信息；
求和公式包括：
Acc＝[sum(sen1),sum(sen2),...,sum(senn)]；
其中，Acc表示状态估计精度向量；sum表示求和函数；n表示测量节点的总数量。
本申请实施例提供的一种电网状态估计系统，还可以包括：
第一分析模块，用于第一估计模块基于测量结果对电网进行状态估计之后，根据状态估计结果对电网进行性能分析。
本申请还提供了一种电网状态估计设备及计算机可读存储介质，其均具有本申请实施例提供的一种电网状态估计方法具有的对应效果。请参阅图4，图4为本申请实施例提供的一种电网状态估计设备的结构示意图。
本申请实施例提供的一种电网状态估计设备，包括存储器201和处理器202，存储器201中存储有计算机程序，处理器202执行计算机程序时实现如下步骤：
获取对电网中的预设测量节点进行测量后得到的原始信息量测值；
通过最小二乘状态估计模型，基于原始信息量测值计算预设测量节点的扰动灵敏度；
根据扰动灵敏度确定对预设测量节点进行测量的设备信息；
通过与设备信息对应的设备对预设测量节点进行测量，得到测量结果；
基于测量结果对电网进行状态估计。
本申请实施例提供的一种电网状态估计设备，包括存储器201和处理器202，存储器201中存储有计算机程序，处理器202执行计算机程序时实现如下步骤：基于原始信息量测值的扰动量确定扰动信息量测值；通过最小二乘状态估计模型，基于原始信息量测值确定电网的原始物理状态估计信息；通过最小二乘状态估计模型，基于扰动信息量测值确定电网的扰动物理状态估计信息；基于原始物理状态估计信息、扰动物理状态估计信息和扰动量确定预设测量节点的扰动灵敏度。
本申请实施例提供的一种电网状态估计设备，包括存储器201和处理器202，存储器201中存储有计算机程序，处理器202执行计算机程序时实现如下步骤：确定原始信息量测值的扰动量；将扰动量与原始信息量测值的和作为扰动信息量测值。
本申请实施例提供的一种电网状态估计设备，包括存储器201和处理器202，存储器201中存储有计算机程序，处理器202执行计算机程序时实现如下步骤：通过扰动量确定公式确定扰动量；扰动量确定公式包括：
εi＝λ·mi；
其中，εi表示预设测量节点中第i个测量节点的扰动量；λ表示预设权重值；mi表示预设测量节点中第i个测量节点的原始信息量测值。
本申请实施例提供的一种电网状态估计设备，包括存储器201和处理器202，存储器201中存储有计算机程序，处理器202执行计算机程序时实现如下步骤：通过灵敏度计算公式，基于原始物理状态估计信息、扰动物理状态估计信息和扰动量确定预设测量节点的扰动灵敏度；灵敏度计算公式包括：
Figure BDA0002140553910000111
其中，seni表示预设测量节点中第i个测量节点的扰动灵敏度；
Figure BDA0002140553910000112
表示原始物理状态估计信息；
Figure BDA0002140553910000113
表示扰动物理状态估计信息。
本申请实施例提供的一种电网状态估计设备，包括存储器201和处理器202，存储器201中存储有计算机程序，处理器202执行计算机程序时实现如下步骤：按照SEN＝[sen1,sen2,...,senn]的格式将每个测量节点的扰动灵敏度组合成灵敏度矩阵；通过求和公式计算灵敏度矩阵中每列元素的和，得到状态估计精度向量；按照状态估计精度向量值高的测量节点分配精度高的设备的分配规则，根据状态估计精度向量确定预设测量节点的设备信息；求和公式包括：
Acc＝[sum(sen1),sum(sen2),...,sum(senn)]；
其中，Acc表示状态估计精度向量；sum表示求和函数；n表示测量节点的总数量。
本申请实施例提供的一种电网状态估计设备，包括存储器201和处理器202，存储器201中存储有计算机程序，处理器202执行计算机程序时实现如下步骤：基于测量结果对电网进行状态估计之后，根据状态估计结果对电网进行性能分析。
请参阅图5，本申请实施例提供的另一种电网状态估计设备中还可以包括：与处理器202连接的输入端口203，用于传输外界输入的命令至处理器202；与处理器202连接的显示单元204，用于显示处理器202的处理结果至外界；与处理器202连接的通信模块205，用于实现电网状态估计设备与外界的通信。显示单元204可以为显示面板、激光扫描使显示器等；通信模块205所采用的通信方式包括但不局限于移动高清链接技术(HML)、通用串行总线(USB)、高清多媒体接口(HDMI)、无线连接：无线保真技术(WiFi)、蓝牙通信技术、低功耗蓝牙通信技术、基于IEEE802.11s的通信技术。
本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如下步骤：
获取对电网中的预设测量节点进行测量后得到的原始信息量测值；
通过最小二乘状态估计模型，基于原始信息量测值计算预设测量节点的扰动灵敏度；
根据扰动灵敏度确定对预设测量节点进行测量的设备信息；
通过与设备信息对应的设备对预设测量节点进行测量，得到测量结果；
基于测量结果对电网进行状态估计。
本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如下步骤：基于原始信息量测值的扰动量确定扰动信息量测值；通过最小二乘状态估计模型，基于原始信息量测值确定电网的原始物理状态估计信息；通过最小二乘状态估计模型，基于扰动信息量测值确定电网的扰动物理状态估计信息；基于原始物理状态估计信息、扰动物理状态估计信息和扰动量确定预设测量节点的扰动灵敏度。
本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如下步骤：确定原始信息量测值的扰动量；将扰动量与原始信息量测值的和作为扰动信息量测值。
本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如下步骤：通过扰动量确定公式确定扰动量；扰动量确定公式包括：
εi＝λ·mi；
其中，εi表示预设测量节点中第i个测量节点的扰动量；λ表示预设权重值；mi表示预设测量节点中第i个测量节点的原始信息量测值。
本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如下步骤：通过灵敏度计算公式，基于原始物理状态估计信息、扰动物理状态估计信息和扰动量确定预设测量节点的扰动灵敏度；灵敏度计算公式包括：
Figure BDA0002140553910000121
其中，seni表示预设测量节点中第i个测量节点的扰动灵敏度；
Figure BDA0002140553910000122
表示原始物理状态估计信息；
Figure BDA0002140553910000123
表示扰动物理状态估计信息。
本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如下步骤：按照SEN＝[sen1,sen2,...,senn]的格式将每个测量节点的扰动灵敏度组合成灵敏度矩阵；通过求和公式计算灵敏度矩阵中每列元素的和，得到状态估计精度向量；按照状态估计精度向量值高的测量节点分配精度高的设备的分配规则，根据状态估计精度向量确定预设测量节点的设备信息；求和公式包括：
Acc＝[sum(sen1),sum(sen2),...,sum(senn)]；
其中，Acc表示状态估计精度向量；sum表示求和函数；n表示测量节点的总数量。
本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时实现如下步骤：基于测量结果对电网进行状态估计之后，根据状态估计结果对电网进行性能分析。
本申请所涉及的计算机可读存储介质包括随机存储器(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。
本申请实施例提供的一种电网状态估计系统、设备及计算机可读存储介质中相关部分的说明请参见本申请实施例提供的一种电网状态估计方法中对应部分的详细说明，在此不再赘述。另外，本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种电网状态估计方法，其特征在于，包括：
获取对所述电网中的预设测量节点进行测量后得到的原始信息量测值；
通过最小二乘状态估计模型，基于所述原始信息量测值计算所述预设测量节点的扰动灵敏度；所述通过最小二乘状态估计模型，基于所述原始信息量测值计算所述预设测量节点的扰动灵敏度，包括：
基于所述原始信息量测值的扰动量确定扰动信息量测值；
通过所述最小二乘状态估计模型，基于所述原始信息量测值确定所述电网的原始物理状态估计信息；
通过所述最小二乘状态估计模型，基于所述扰动信息量测值确定所述电网的扰动物理状态估计信息；
基于所述原始物理状态估计信息、所述扰动物理状态估计信息和所述扰动量确定所述预设测量节点的所述扰动灵敏度；
根据所述扰动灵敏度确定对所述预设测量节点进行测量的设备信息；
通过与所述设备信息对应的设备对所述预设测量节点进行测量，得到测量结果；
基于所述测量结果对所述电网进行状态估计。
2.根据权利要求1所述的方法，其特征在于，所述基于所述原始信息量测值的扰动量确定扰动信息量测值，包括：
确定所述原始信息量测值的扰动量；
将所述扰动量与所述原始信息量测值的和作为所述扰动信息量测值。
3.根据权利要求2所述的方法，其特征在于，所述确定所述原始信息量测值的扰动量，包括：
通过扰动量确定公式确定所述扰动量；
所述扰动量确定公式包括：
εi＝λ·mi；
其中，εi表示所述预设测量节点中第i个测量节点的扰动量；λ表示预设权重值；mi表示所述预设测量节点中第i个测量节点的原始信息量测值。
4.根据权利要求3所述的方法，其特征在于，所述基于所述原始物理状态估计信息、所述扰动物理状态估计信息和所述扰动量确定所述预设测量节点的所述扰动灵敏度，包括：
通过灵敏度计算公式，基于所述原始物理状态估计信息、所述扰动物理状态估计信息和所述扰动量确定所述预设测量节点的所述扰动灵敏度；
所述灵敏度计算公式包括：
Figure FDA0003545368390000021
其中，seni表示所述预设测量节点中第i个测量节点的扰动灵敏度；
Figure FDA0003545368390000022
表示所述原始物理状态估计信息；
Figure FDA0003545368390000023
表示所述扰动物理状态估计信息。
5.根据权利要求4所述的方法，其特征在于，所述根据所述扰动灵敏度确定对所述预设测量节点进行测量的设备信息，包括：
按照SEN＝[sen1,sen2,...,senn]的格式将每个测量节点的扰动灵敏度组合成灵敏度矩阵；
通过求和公式计算所述灵敏度矩阵中每列元素的和，得到状态估计精度向量；
按照状态估计精度向量值高的测量节点分配精度高的设备的分配规则，根据所述状态估计精度向量确定所述预设测量节点的设备信息；
所述求和公式包括：
Acc＝[sum(sen1),sum(sen2),...,sum(senn)]；
其中，Acc表示所述状态估计精度向量；sum表示求和函数；n表示测量节点的总数量。
6.根据权利要求1至5任一项所述的方法，其特征在于，所述基于所述测量结果对所述电网进行状态估计之后，还包括：
根据状态估计结果对所述电网进行性能分析。
7.一种电网状态估计系统，其特征在于，包括：
第一获取模块，用于获取对所述电网中的预设测量节点进行测量后得到的原始信息量测值；
第一计算模块，用于通过最小二乘状态估计模型，基于所述原始信息量测值计算所述预设测量节点的扰动灵敏度；所述通过最小二乘状态估计模型，基于所述原始信息量测值计算所述预设测量节点的扰动灵敏度，包括：基于所述原始信息量测值的扰动量确定扰动信息量测值；通过所述最小二乘状态估计模型，基于所述原始信息量测值确定所述电网的原始物理状态估计信息；通过所述最小二乘状态估计模型，基于所述扰动信息量测值确定所述电网的扰动物理状态估计信息；基于所述原始物理状态估计信息、所述扰动物理状态估计信息和所述扰动量确定所述预设测量节点的所述扰动灵敏度；
第一确定模块，用于根据所述扰动灵敏度确定对所述预设测量节点进行测量的设备信息；
第一测量模块，用于通过与所述设备信息对应的设备对所述预设测量节点进行测量，得到测量结果；
第一估计模块，用于基于所述测量结果对所述电网进行状态估计。
8.一种电网状态估计设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至6任一项所述电网状态估计方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述电网状态估计方法的步骤。
CN201910667313.5A 2019-07-23 2019-07-23 一种电网状态估计方法、系统、设备及计算机存储介质 Active CN110378041B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910667313.5A CN110378041B (zh) 2019-07-23 2019-07-23 一种电网状态估计方法、系统、设备及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910667313.5A CN110378041B (zh) 2019-07-23 2019-07-23 一种电网状态估计方法、系统、设备及计算机存储介质

Publications (2)

Publication Number Publication Date
CN110378041A CN110378041A (zh) 2019-10-25
CN110378041B true CN110378041B (zh) 2022-05-27

Family

ID=68255145

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910667313.5A Active CN110378041B (zh) 2019-07-23 2019-07-23 一种电网状态估计方法、系统、设备及计算机存储介质

Country Status (1)

Country Link
CN (1) CN110378041B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101291061B (zh) * 2008-05-16 2010-04-21 南京南瑞继保电气有限公司 一种电力系统动态过程状态估计方法
CN101566648A (zh) * 2009-06-05 2009-10-28 哈尔滨工业大学 计及pmu的等效电压量测变换状态估计方法
CN101661069B (zh) * 2009-09-25 2011-07-20 北京四方继保自动化股份有限公司 不依赖状态矩阵的弱可观非pmu测点动态过程实时估计方法
US10551471B2 (en) * 2016-12-05 2020-02-04 GEIRI North America Data mining based approach for online calibration of phasor measurement unit (PMU)
CN106909989A (zh) * 2017-02-24 2017-06-30 国网河南省电力公司电力科学研究院 一种电网扰动预测方法及装置

Also Published As

Publication number Publication date
CN110378041A (zh) 2019-10-25

Similar Documents

Publication Publication Date Title
CN108875178A (zh) 用于减小结构模态识别不确定性的传感器布置方法
KR20190095587A (ko) 실시간 수집된 수요자 부하 정보를 이용하는 스마트 전력 수요 관리 시스템
CN110440893A (zh) 重量校准方法、装置及称重设备
CN115549084A (zh) 配电网故障确定方法、装置、计算机设备和存储介质
JP2015010927A (ja) 観測値処理装置、観測値処理方法及び観測値処理プログラム
Wei et al. Multiscale dynamic construction for abnormality detection and localization of Li-ion batteries
CN115158076A (zh) 计量误差评估方法、装置及计算机可读存储介质
Azmy et al. Robust quality metric for scarce mobile crowd-sensing scenarios
CN115248906A (zh) 一种发电机出线双电流互感器的状态误差识别方法及系统
CN108846200A (zh) 一种基于迭代法的准静态桥梁影响线识别方法
CN110378041B (zh) 一种电网状态估计方法、系统、设备及计算机存储介质
CN112505386B (zh) 一种用于检定直流充电桩电流值的方法及系统
CN117767275A (zh) 电压支撑强度实时监测方法、系统、存储介质及电子设备
CN109190749A (zh) 一种用于智能电表寿命的预测方法及装置
CN111766557A (zh) 一种基于K-Means算法分析影响电能表检测精度的方法
CN109975607B (zh) 配电台区容量识别方法、装置、存储介质及电子设备
CN116227045A (zh) 一种结构试件的局部应力应变场构造方法及系统
Xia et al. Real time localization algorithm based on local linear embedding optimization in sensor networks
CN112731150B (zh) 电压暂降状态估计方法、装置、计算机设备和存储介质
CN110380413B (zh) 一种电网中pmu安置方法、系统、设备及计算机介质
CN115728383B (zh) 桥梁结构损伤定位方法、装置、计算机设备和介质
CN111799005A (zh) 一种不同量程归一化方法、存储介质和实时在线反应性仪
CN111916238A (zh) 一种实时在线反应性仪
CN102354159B (zh) 一种床身动静态变形的主动检测与监控系统
CN115469136A (zh) 一种基于电场传感器阵列的非侵入式三相电压测量方法

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