CN110970887A - 一种主动配电网的两阶段线性三相状态估计方法及装置 - Google Patents
一种主动配电网的两阶段线性三相状态估计方法及装置 Download PDFInfo
- Publication number
- CN110970887A CN110970887A CN201811141851.2A CN201811141851A CN110970887A CN 110970887 A CN110970887 A CN 110970887A CN 201811141851 A CN201811141851 A CN 201811141851A CN 110970887 A CN110970887 A CN 110970887A
- Authority
- CN
- China
- Prior art keywords
- state estimation
- linear
- phase state
- active power
- voltage
- 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
Images
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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明实施例提供一种主动配电网的两阶段线性三相状态估计方法及装置,该方法包括:获取初始电压,根据初始电压将星型和三角形连接代入功率测量方程,获取对应的线性函数;根据线性函数,基于极坐标系进行线性三相状态估计,得到计算节点电压;获取非线性有功功率和无功功率,将有功功率和无功功率转换为复合电流;根据计算节点电压和复合电流执行基于导纳矩阵的三相状态估计。本发明实施例提供的主动配电网的两阶段线性三相状态估计方法及装置,先采用极坐标系下的线性三相状态估计公式和直角坐标系下的线性三相状态估计公式,来更好地满足网络约束,降低了节点电压误差较大的问题。
Description
技术领域
本发明涉及电能质量分析与控制领域,尤其涉及一种主动配电网的两阶段线性三相状态估计方法及装置。
背景技术
主动配电网状态估计技术是指根据配电系统量测信息并补充母线负荷预测、非遥感遥测数据等伪量测数据,采用合适的算法来估计出高精度的、完整的、可靠的配电系统状态。鲁棒状态估计是主动配电网(Active Distribution Network,以下简称ADN)管理和控制的基石。在配电网状态估计中,可以选取不同物理量作为系统待求的状态变量,包括节点电压、支路电流和支路功率。
与传输状态估计不同,基于节点注入电流约束和分支电流约束的线性状态估计(SE)已被广泛应用,该方法以电流为状态量,根据实时量测和伪量测估计电网的状态,其在处理电流幅值量测具有一定的优越性,但是在电压幅值,有功功率和无功功率测量被转换为具有较大节点电压误差的线性测量时,会造成节点电压误差较大的问题。
发明内容
本发明实施例为克服上述技术缺陷,提供一种一种主动配电网的两阶段线性三相状态估计方法及装置。
第一方面,本发明实施例提供一种主动配电网的两阶段线性三相状态估计方法,包括:
获取初始电压,根据所述初始电压将星型和三角形连接代入功率测量方程,获取对应的线性函数;
根据所述线性函数,基于极坐标系进行线性三相状态估计,得到计算节点电压;
获取非线性有功功率和无功功率,将所述有功功率和无功功率转换为复合电流;
根据所述计算节点电压和所述复合电流执行基于导纳矩阵的三相状态估计。
第二方面,本发明实施例提供一种主动配电网的两阶段线性三相状态估计装置,包括:
获取模块,用于获取初始电压,根据所述初始电压将星型和三角形连接代入功率测量方程,获取对应的线性函数;
极坐标估计模块,用于根据所述线性函数,基于极坐标系进行线性三相状态估计,得到计算节点电压;
转换模块,用于获取非线性有功功率和无功功率,将所述有功功率和无功功率转换为复合电流;
直角坐标估计模块,用于根据所述复合电流执行基于导纳矩阵的三相状态估计。
第三方面,本发明实施例提供一种电子设备,包括存储器和处理器,所述处理器和所述存储器通过总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如第一方面所述的方法。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所述主动配电网的两阶段线性三相状态估计方法。
本发明实施例提供的主动配电网的两阶段线性三相状态估计方法及装置,通过提出主动配电网络的两阶段三相状态估计,在第一阶段,采用极坐标系下的线性三相状态估计公式来获得足够精确的复杂节点电压,然后将非线性测量结果转换为线性测量结果。在第二阶段,直角坐标系下的线性三相状态估计公式可以更好地满足网络约束,从而降低节点电压误差较大的问题。
附图说明
图1为本发明实施例一种主动配电网的两阶段线性三相状态估计方法的流程示意图;
图2为本发明实施例一种主动配电网的两阶段线性三相状态估计装置的结构示意图;
图3为本发明实施例一种电子设备的实体结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例一种主动配电网的两阶段线性三相状态估计方法的流程示意图,如图1所示,包括:
步骤11,获取初始电压,根据所述初始电压将星型和三角形连接代入功率测量方程,获取对应的线性函数;
步骤12,根据所述线性函数,基于极坐标系进行线性三相状态估计,得到计算节点电压;
步骤13,获取非线性有功功率和无功功率,将所述有功功率和无功功率转换为复合电流;
步骤14,根据所述计算节点电压和所述复合电流执行基于导纳矩阵的三相状态估计。
主动配电网状态估计技术是指根据配电系统量测信息并补充母线负荷预测、非遥感遥测数据等伪量测数据,采用合适的算法来估计出高精度的、完整的、可靠的配电系统状态。
在配电网状态估计中,可以选取不同物理量作为系统待求的状态变量,包括节点电压、支路电流和支路功率。
本发明实施例涉及电能质量分析与控制,用来估算主动配电网状态。分布状态估计可以采用各种状态变量来解决。由于三相配电网具有大量的节点,分布式状态估计可以提高状态估计的效率。
三相不平衡网络的约束和配置应在配电状态估计中仔细考虑,包括三角形连接设备,浮点网络,零注入节点。通过适当的网络尺寸缩小,具有大规模零输入节点的配电网络状态估计可以得到有效的改善。
本发明实施例首先获取初始电压,初始电压包括初始电压角。所述初始电压通过线性网络约束获得,所述线性网络约束为:
YU=0,
其中,Y为导纳矩阵,U为所述初始电压。
获取初始电压后,根据初始电压将星型和三角形连接代入功率测量方程,获取对应的线性函数,其中,三角形连接包括D型连接和Y型连接,功率测量方程是潮流方程的线性化处理。得到对应的线性函数后,对其进行基于极坐标系的线性三相状态估计,得到计算节点电压。然后,获取非线性有功功率和无功功率,将有功功率和无功功率转换为复合电流。根据计算节点电压和复合电流执行基于导纳矩阵的三相状态估计。
本发明实施例提供的一种主动配电网的两阶段线性三相状态估计方法,通过提出主动配电网络的两阶段三相状态估计,在第一阶段,采用极坐标系下的线性三相状态估计公式来获得足够精确的复杂节点电压,然后将非线性测量结果转换为线性测量结果。在第二阶段,直角坐标系下的线性三相状态估计公式可以更好地满足网络约束。
在上述实施例的基础上,所述功率测量方程为:
其中,P为有功功率,Ui为i节点的电压,G为电导,B为电纳,θ为相角,εp为误差项,m和n表示三相计算节点abc中的某一项。
所述对应的线性函数为:
其中,Φ1、Φ2表示三相计算节点abc的相角,Φ20,Φ20表示初始相角,U表示电压相量。
首先,获取初始电压,初始电压包括初始电压角。所述初始电压通过线性网络约束获得,所述线性网络约束为:
YU=0,
其中,Y为导纳矩阵,U为所述初始电压。
初始电压角可以通过线性网络约束YU=0来获得。这里,初始电流为0,松弛母线电压包含在U中,Y是导纳矩阵。
其次,将所有星型和三角型连接注入功率测量方程转换为线性函数,功率测量方程为潮流方程的线性化处理。
其中,P为有功功率,Ui为i节点的电压,G为电导,B为电纳,θ为相角,εp为误差项,m和n表示三相计算节点abc中的某一项。
根据上述功率测量方程得到的对应的线性函数如下:
其中,Φ1、Φ2表示三相计算节点abc的相角,Φ20,Φ20表示初始相角,U表示电压相量。
在一个实施例中,所述基于极坐标系进行线性三相状态估计,得到计算节点电压,具体包括:
根据所述估计误差获取各节点的计算节点电压。
在所述根据所述估计误差获取各节点的计算节点电压之后,所述方法还包括:
根据所述各节点的计算节点电压得到对应的各节点的测量值;
将所述各节点的测量值与预设值比较,根据比较结果获取不良测量值。
在极坐标系下进行线性三相状态估计,可以得到复杂的计算节点电压;在这个阶段,不良数据处理可以被纳入状态估计。这里,卡方检验用于检测不良数据,假设检验识别可用于识别多个错误。
(1)归一化处理后获取归一化残差,根据归一化残差rN选择可疑测量集合s并计算估计误差可疑测量集合是从测量元件得到的,比如测量的电压、电流和功率,其中SSS表示对应于可疑测量集合的残余灵敏度矩阵。表示估计的测量值,Z表示测量值。
(4)若|esi|>λi,则视为可疑测量值。
(5)重复操作1-4,直到在(4)处再次选择上次迭代中怀疑的所有测量值。
然后,获取非线性有功功率和无功功率,将有功功率和无功功率转换为复合电流。根据计算节点电压和复合电流执行基于导纳矩阵的三相状态估计。
本发明实施例提供的一种主动配电网的两阶段线性三相状态估计方法,通过提出主动配电网络的两阶段三相状态估计,在第一阶段,采用极坐标系下的线性三相状态估计公式来获得足够精确的复杂节点电压,然后将非线性测量结果转换为线性测量结果。在第二阶段,直角坐标系下的线性三相状态估计公式可以更好地满足网络约束。
图2为本发明实施例一种主动配电网的两阶段线性三相状态估计装置的结构示意图,如图2所示,包括获取模块21、极坐标估计模块22、转换模块23和直角坐标估计模块24,其中:
获取模块21,用于获取初始电压,根据所述初始电压将星型和三角形连接代入功率测量方程,获取对应的线性函数;
极坐标估计模块22,用于根据所述线性函数,基于极坐标系进行线性三相状态估计,得到计算节点电压;
转换模块23,用于获取非线性有功功率和无功功率,将所述有功功率和无功功率转换为复合电流;
直角坐标估计模块24,用于根据所述复合电流执行基于导纳矩阵的三相状态估计。
本发明实施例涉及电能质量分析与控制,用来估算主动配电网状态。分布状态估计可以采用各种状态变量来解决。由于三相配电网具有大量的节点,分布式状态估计可以提高状态估计的效率。
三相不平衡网络的约束和配置应在配电状态估计中仔细考虑,包括三角形连接设备,浮点网络,零注入节点。通过适当的网络尺寸缩小,具有大规模零输入节点的配电网络状态估计可以得到有效的改善。
本发明实施例提供的主动配电网的两阶段线性三相状态估计装置,首先是获取模块21获取初始电压,初始电压包括初始电压角。所述初始电压通过线性网络约束获得,所述线性网络约束为:
YU=0,
其中,Y为导纳矩阵,U为所述初始电压。
获取初始电压后,根据初始电压将星型和三角形连接代入功率测量方程,获取对应的线性函数,其中,三角形连接包括D型连接和Y型连接,功率测量方程是潮流方程的线性化处理。得到对应的线性函数后,极坐标估计模块22对其进行基于极坐标系的线性三相状态估计,得到计算节点电压。然后,转换模块23获取非线性有功功率和无功功率,将有功功率和无功功率转换为复合电流。最后直角坐标估计模块24根据计算节点电压和复合电流执行基于导纳矩阵的三相状态估计。本发明实施例提供的装置是用于执行上述方法实施例的,具体流程请参加上述方法实施例,此处不再赘述。
本发明实施例提供的一种主动配电网的两阶段线性三相状态估计装置,通过提出主动配电网络的两阶段三相状态估计,在第一阶段,采用极坐标系下的线性三相状态估计公式来获得足够精确的复杂节点电压,然后将非线性测量结果转换为线性测量结果。在第二阶段,直角坐标系下的线性三相状态估计公式可以更好地满足网络约束。
图3示例了一种电子设备的实体结构示意图,如图3所示,该电子设备可以包括:处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和总线340,其中,处理器310,通信接口320,存储器330通过总线340完成相互间的通信。总线340可以用于电子设备与传感器之间的信息传输。处理器310可以调用存储器330中的逻辑指令,以执行如下方法:获取初始电压,根据所述初始电压将星型和三角形连接代入功率测量方程,获取对应的线性函数;根据所述线性函数,基于极坐标系进行线性三相状态估计,得到计算节点电压;获取非线性有功功率和无功功率,将所述有功功率和无功功率转换为复合电流;根据所述计算节点电压和所述复合电流执行基于导纳矩阵的三相状态估计。
此外,上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例提供一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令使计算机执行上述实施例所提供的一种主动配电网的两阶段线性三相状态估计方法,例如包括:获取初始电压,根据所述初始电压将星型和三角形连接代入功率测量方程,获取对应的线性函数;根据所述线性函数,基于极坐标系进行线性三相状态估计,得到计算节点电压;获取非线性有功功率和无功功率,将所述有功功率和无功功率转换为复合电流;根据所述计算节点电压和所述复合电流执行基于导纳矩阵的三相状态估计。
以上所述仅为本发明的优选实施例,并不用于限制本发明。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,但并不会偏离本发明的精神或者超越所附权利要求书定义的范围。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种主动配电网的两阶段线性三相状态估计方法,其特征在于,包括:
获取初始电压,根据所述初始电压将星型和三角形连接代入功率测量方程,获取对应的线性函数;
根据所述线性函数,基于极坐标系进行线性三相状态估计,得到计算节点电压;
获取非线性有功功率和无功功率,将所述有功功率和无功功率转换为复合电流;
根据所述计算节点电压和所述复合电流执行基于导纳矩阵的三相状态估计。
2.根据权利要求1所述的方法,其特征在于,所述初始电压通过线性网络约束获得,所述线性网络约束为:
YU=0,
其中,Y为导纳矩阵,U为所述初始电压。
6.根据权利要求5所述的方法,其特征在于,在所述根据所述估计误差获取各节点的计算节点电压之后,所述方法还包括:
根据所述各节点的计算节点电压得到对应的各节点的测量值;
将所述各节点的测量值与预设值比较,根据比较结果获取不良测量值。
7.一种主动配电网的两阶段线性三相状态估计装置,其特征在于,包括:
获取模块,用于获取初始电压,根据所述初始电压将星型和三角形连接代入功率测量方程,获取对应的线性函数;
极坐标估计模块,用于根据所述线性函数,基于极坐标系进行线性三相状态估计,得到计算节点电压;
转换模块,用于获取非线性有功功率和无功功率,将所述有功功率和无功功率转换为复合电流;
直角坐标估计模块,用于根据所述复合电流执行基于导纳矩阵的三相状态估计。
8.根据权利要求7所述的装置,其特征在于,所述初始电压通过线性网络约束获得,所述线性网络约束为:
YU=0,
其中,Y为导纳矩阵,U为所述初始电压。
9.一种电子设备,其特征在于,包括存储器和处理器,所述处理器和所述存储器通过总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至6任一所述的方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至6任一项所述主动配电网的两阶段线性三相状态估计方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811141851.2A CN110970887B (zh) | 2018-09-28 | 2018-09-28 | 一种主动配电网的两阶段线性三相状态估计方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811141851.2A CN110970887B (zh) | 2018-09-28 | 2018-09-28 | 一种主动配电网的两阶段线性三相状态估计方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110970887A true CN110970887A (zh) | 2020-04-07 |
CN110970887B CN110970887B (zh) | 2021-04-20 |
Family
ID=70026911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811141851.2A Active CN110970887B (zh) | 2018-09-28 | 2018-09-28 | 一种主动配电网的两阶段线性三相状态估计方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110970887B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112506909A (zh) * | 2020-12-11 | 2021-03-16 | 清华大学 | 配电系统测量数据补全方法及系统、电子设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102801162A (zh) * | 2012-08-23 | 2012-11-28 | 清华大学 | 一种两阶段线性加权最小二乘电力系统状态估计方法 |
CN103825270A (zh) * | 2014-03-04 | 2014-05-28 | 国家电网公司 | 一种配电网三相状态估计雅可比矩阵常数化的处理方法 |
-
2018
- 2018-09-28 CN CN201811141851.2A patent/CN110970887B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102801162A (zh) * | 2012-08-23 | 2012-11-28 | 清华大学 | 一种两阶段线性加权最小二乘电力系统状态估计方法 |
CN103825270A (zh) * | 2014-03-04 | 2014-05-28 | 国家电网公司 | 一种配电网三相状态估计雅可比矩阵常数化的处理方法 |
Non-Patent Citations (1)
Title |
---|
梁栋: "配电系统状态估计研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑(月刊)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112506909A (zh) * | 2020-12-11 | 2021-03-16 | 清华大学 | 配电系统测量数据补全方法及系统、电子设备及存储介质 |
CN112506909B (zh) * | 2020-12-11 | 2022-06-21 | 清华大学 | 配电系统测量数据补全方法及系统、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110970887B (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2698642B1 (en) | "Fault analysis in electric networks having a plurality of multi-phase buses" | |
US20210326728A1 (en) | Anomaly detection apparatus, anomaly detection method, and program | |
Gomez-Quiles et al. | A factorized approach to WLS state estimation | |
Dahale et al. | Sparsity based approaches for distribution grid state estimation-a comparative study | |
Jovicic et al. | Linear state estimation and bad data detection for power systems with RTU and PMU measurements | |
CN110838075A (zh) | 电网系统暂态稳定的预测模型的训练及预测方法、装置 | |
CN107749627B (zh) | 基于改进匹配追踪的智能配电网潮流雅可比矩阵估计方法 | |
Ketabi et al. | Power quality meters placement using seeker optimization algorithm for harmonic state estimation | |
CN109756740B (zh) | 基于最优测量矩阵的半张量图像压缩方法和图像恢复方法 | |
Stanković et al. | On a Gradient‐Based Algorithm for Sparse Signal Reconstruction in the Signal/Measurements Domain | |
Vishnu et al. | Power system state estimation and bad data analysis using weighted least square method | |
Korres | A Gram matrix-based method for observability restoration | |
CN108038149B (zh) | 一种温度场数据重构方法 | |
CN110970887B (zh) | 一种主动配电网的两阶段线性三相状态估计方法及装置 | |
CN111027190A (zh) | 一种用于设备模型数值相似度的评估方法及装置 | |
Andreoli et al. | Topology validation via simultaneous state & topology estimation with phasor data processing capability | |
CN110095753B (zh) | 一种基于到达角度aoa测距的定位方法及装置 | |
Chen et al. | Generalised‐fast decoupled state estimator | |
CN115828481A (zh) | 一种基于近似马尔科夫毯的配电网拓扑识别方法及系统 | |
CN114966203A (zh) | 电力系统谐波振荡的检测方法、装置和计算机设备 | |
CN114185882A (zh) | 一种不良数据修正方法、装置、存储介质及电子设备 | |
CN112698154A (zh) | 基于状态估计残差比较的配电网故障定位方法、设备及系统 | |
Kabiri et al. | Robust optimisation‐based state estimation considering parameter errors for systems observed by phasor measurement units | |
CN111723454A (zh) | 一种二阶pngv模型参数的在线生成方法、装置和计算机设备 | |
CN117748499B (zh) | 基于连接关系向量的低压台区的拓扑结构识别方法和装置 |
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 |