CN111221811A - 一种基于集抄系统的低压配电网络线路参数估计方法 - Google Patents
一种基于集抄系统的低压配电网络线路参数估计方法 Download PDFInfo
- Publication number
- CN111221811A CN111221811A CN202010095278.7A CN202010095278A CN111221811A CN 111221811 A CN111221811 A CN 111221811A CN 202010095278 A CN202010095278 A CN 202010095278A CN 111221811 A CN111221811 A CN 111221811A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- estimation
- low
- voltage distribution
- meter reading
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Databases & Information Systems (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Power Engineering (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开一种基于集抄系统的低压配电网络线路参数估计方法,包括以下几个步骤:第一步,根据低压配电网网络拓扑,对电力线路段和节点进行编号,同时根据基尔霍夫电压定律和基尔霍夫电流定律建立方程组;第二步,从集抄系统中读取多个时间断面下的量测数据,并进行异常数据清洗;第三步,采取窗口滑动处理,将目标函数由局部误差平方和最小改为窗口误差平方和最小,增加估计的抗噪声能力和估计精度,再根据最小二乘法进行线路参数估计;第四步,采用核估计和点估计对线路参数估计结果进行可信度分析。
Description
技术领域
本发明涉及一种基于集抄系统的低压配电网络线路参数估计方法,属于配网状态估计领域。
背景技术
随着时代的高速发展,低压配电网网络分支众多、结构复杂、变化快,给配网安全稳定运行带来极大的挑战。一方面,由于线路使用时间增加,恶劣自然环境的侵蚀等原因引起线路老化,加上由于施工、改造、事故等影响,线路参数发生较大变化;另一方面,面对分支庞大而复杂的低压配电网,线路参数仍是监测空白,额外安装量测装置需要巨大的人力物力。
PMU由于成本高昂,主要装备于500kV变电站及重要电厂出线处,因此低压配网线路一般不配备PMU同步量测装置,在低压配电网中可以大量获得的是基于集抄系统或家用智能电表的量测数据。测量数据存在不可避免的误差,最小二乘法作为一种非统计学的参数估计方法,在随机环境中,并不需要知道测量数据的概率统计信息,但获得的估计结果却有较好的统计性质,因而具有较好的容差能力。因此如何利用现有的量测数据,针对低压配电网线路参数特性,建立一种简单实用而又准确的线路参数估计方法,对提高配电网分析和运行水平,具有极强的现实意义。
发明内容
发明目的:针对上述现有技术中存在的问题与不足,本发明提出一种基于集抄系统的低压配电网络线路参数估计方法,可简单而准确估计低压配电网线路参数。
技术方案:一种基于集抄系统的低压配电网络线路参数估计方法,其特征在于,包括以下几个步骤:
第一步,根据低压配电网网络拓扑,对电力线路段和节点进行编号,同时根据基尔霍夫电压定律和基尔霍夫电流定律建立方程组;
第二步,从集抄系统中读取多个时间断面下的N组量测数据,并进行异常数据清洗;
第三步,对清洗后的量测数据采取窗口滑动处理,将目标函数由局部误差平方和最小改为窗口误差平方和最小,增加估计的抗噪声能力和估计精度,再根据最小二乘法进行线路参数估计;
第四步,采用核估计和点估计对线路参数估计结果进行可信度分析。
优选的,在所述第一步中,以低压配网变压器二次侧为首节点,配网其余节点依次编号,根据KVL、KCL建立方程组,并改写成矩阵形式,最后通过矩阵初等变换的性质得到低压配电网络拓扑的状态估计方程。
优选的,在所述第二步中,所述异常数据清洗是将某一时刻量测值与一段时间内的量测平均值进行比较,若某一时刻量测值与一段时间内的量测平均值相差超过某一限定值,则将其视为异常数据进行清洗。
优选的,在所述第二步中,从集抄系统中取得N组量测数据,以i节点的电压测量值对节点i的N个集抄系统电压测量值ui_j(j=1,2,…,N)按照下式计算第j个测量值ui_j与测量平均值的偏差百分比δj,当δj>ε时视为异常数据进行清除,并用均值替代:
优选的,在所述第三步中,在同一个时间窗内,低压配电网线路参数视为不变,将从集抄系统获得的电压电流有效值带入所述第一步中的状态估计方程进行计算。
优选的,在所述第四步中,首先从集抄系统获得配电网量测数据,进而得到多时间断面的大量线路参数估计结果,再采用核密度估计和点估计方法,得到线路参数估计结果的概率密度分布、置信区间、期望以及方差,然后对线路参数估计结果进行可信度分析。
优选的,在第四步中,采用高斯核函数对结果进行可行度分析,线路参数估计结果经过高斯核密度估计可得到其概率密度函数,再通过
P{θ1<x<θ2}=1-α
获得包含参数真值p的置信度为1-α的置信区间。
优选的,在第四步中,所述点估计方法采用矩估计,无需假设其数据分布:
式中,μ和σ2分别为低压配网线路参数估计结果样本X的期望和方差,n表示总样本数。
有益效果:与现有技术相比,本发明所提供的低压配电网络线路参数估计方法具备异常数据清洗能力,有一定的容错性;本发明所需量测信息少,只需集抄系统或家用智能仪表即可准确估计线路参数,不需要PMU等昂贵的同步测量装置和额外附加试验装置即可准确估计线路参数,极具工程实用价值;本发明提供的利用滑窗最小二乘法估计线路参数方法计算简单准确、速度快,抗噪声能力强;本发明从低压配电网线路参数的特性出发,研究出一种简单实用的、针对配网线路特性的线路参数识别方法。
附图说明
图1为本发明实施例中低压配电网络拓扑结构分析原理示意图。
图2为本发明实施例流程图。
图3为滑动窗口计算示意图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明。
如图1-3所示,本实施例提出一种基于集抄系统的低压配电网络线路参数估计方法,具体方法包括以下几个步骤:
第一步,首先根据低压配电网网络拓扑,对电力线路段和节点进行编号,同时根据基尔霍夫电压定律(KVL)和基尔霍夫电流定律(KCL)建立方程组;
如图1所示,对该实例中低压配电网拓扑进行读取,对各节点编号为1-10,其中ug表示配网变压器二次侧电压,x表示线路参数,u2…u4,u6…u10表示各节点电压,i3,i4,i6…i10分别表示各负荷电流,i12表示线路电流;
以节点10为例,根据KVL、KCL建模:
ug=x12i12+x25(i6+i7+i8+i9+i10)+x89(i9+i10)+x910i10+u10
附图1中虚线标注处参数为测量所得量,改写上式为:
ug-x12i12-x25(i6+i7+i8+i9+i10)-x89(i9+i10)-x910i10=u10
同理对节点2-4,6-9分别建立上述方程,并改写成矩阵形式,再根据矩阵初等变换的性质可得该低压配电网络拓扑的状态估计方程如下:
即
Hx=y
第二步,从集抄系统中读取多个时间断面下的N组量测数据,并进行异常数据清洗。
本专利中异常数据是指在某个时间断面下的数据远远偏离其他时间断面下的数据,与量测随机误差引起的数据波动有所不同。由于集抄系统中由于人为数据记录等原因会产生异常数据,影响最小二乘法的计算精度,因此本专利采取一种异常数据清洗方法,降低由于人为数据记录原因等原因带来的异常数据对结果的影响,其基本思想是将量测值与一段时间内的量测平均值进行比较,若某一时刻量测值与各时间断面量测数据的平均值相差超过某一限定值,实际工程中可取8%,则可将其视为异常数据进行清洗,并用均值替代异常数据。本实例中每30分钟从集抄系统中得到一组数据,对节点i的N个集抄系统电压测量值ui_j(j=1,2,…,N)按照下式计算第j个测量值ui_j与测量平均值的偏差百分比δj,当δj>ε时视为异常数据进行清除,并用均值替代:
第三步,对集抄系统量测数据采取窗口滑动处理,将目标函数由局部误差平方和最小改为窗口误差平方和最小,增加估计的抗噪声能力和估计精度再根据最小二乘法进行线路参数估计。
本步骤中的基于滑窗最小二乘法的线路参数估计方法,在同一个时间窗内,低压配电网线路参数视为不变,并由于低压配电网络线路较短,线路参数基本呈现纯电阻特性,因此低压配电网络可以近似为纯电阻网络,可以采用集抄系统获得的电压电流有效值带入状态估计方程进行计算,无需PMU等同步测量装置。
滑窗计算示意图如图3所示,在本实例中采用三个窗口进行滑动计算,即令Hw-k=[Hk-1、Hk、Hk+1]T,yw-k=[yk-1、yk、yk+1],即可建立配电网线路参数估计超定方程组:
Hw-kx=yw-k
根据最小二乘法进行线路参数估计:
其中,T表示矩阵转置,w-k表示滑窗后的第k个矩阵。
第四步,根据集抄系统可获得大量配电网量测数据,进而得到多时间断面的大量线路参数估计结果,因此本步骤采用核密度估计和点估计方法,得到线路参数估计结果的概率密度分布、置信区间、期望以及方差等,从而对线路参数估计结果进行可信度分析。
核密度估计无需有关数据分布的先验知识,即对数据分布无任何假设,是一种直接从样本数据本身出发研究数据分布特征的方法,本步骤采用高斯核函数对结果进行可行度分析。大量线路参数估计结果经过高斯核密度估计可得到其概率密度函数,再通过
P{θ1<x<θ2}=1-α
获得包含参数真值p的置信度为1-α的置信区间。
另外,低压配网线路参数估计结果一般为单个结果,点估计是一种用样本统计量来估计总体参数的方法,包括矩估计和最大似然估计等。本步骤采用的矩估计,无需假设其数据分布,具有无偏性、有效性与一致性等特点。
式中,μ和σ2分别为配网线路参数估计结果样本X的期望和方差,n表示总样本数。
本实施例采用的方法基于集抄系统,不需要额外附加量测装置,通过异常数据清洗和滑窗的使用,增加了估计方法的容错性和抗噪声能力,最后通过核估计和点估计方法量化了线路参数估计结果的可信度。
以上所述仅是本发明的优选实施方式,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的前提下,还可以作出若干改进,这些改进也应视为本发明的保护范围。
Claims (8)
1.一种基于集抄系统的低压配电网络线路参数估计方法,其特征在于,包括以下几个步骤:
第一步,根据低压配电网网络拓扑,对电力线路段和节点进行编号,同时根据基尔霍夫电压定律和基尔霍夫电流定律建立方程组;
第二步,从集抄系统中读取多个时间断面下的N组量测数据,并进行异常数据清洗;
第三步,对清洗后的量测数据采取窗口滑动处理,将目标函数由局部误差平方和最小改为窗口误差平方和最小,增加估计的抗噪声能力和估计精度,再根据最小二乘法进行线路参数估计;
第四步,采用核估计和点估计对线路参数估计结果进行可信度分析。
2.根据权利要求1所述的基于集抄系统的低压配电网络线路参数估计方法,其特征在于,在所述第一步中,以低压配网变压器二次侧为首节点,配网其余节点依次编号,根据KVL、KCL建立方程组,并改写成矩阵形式,最后通过矩阵初等变换的性质得到低压配电网络拓扑的状态估计方程。
3.根据权利要求2所述的基于集抄系统的低压配电网络线路参数估计方法,其特征在于,在所述第二步中,所述异常数据清洗是将某一时刻量测值与一段时间内的量测平均值进行比较,若某一时刻量测值与一段时间内的量测平均值相差超过某一限定值,则将其视为异常数据进行清洗,并用均值替代异常数据。
5.根据权利要求4所述的基于集抄系统的低压配电网络线路参数估计方法,其特征在于,在所述第三步中,在同一个时间窗内,低压配电网线路参数视为不变,将从集抄系统获得的电压电流有效值带入所述第一步中的状态估计方程进行计算。
6.根据权利要求5所述的基于集抄系统的低压配电网络线路参数估计方法,其特征在于,在所述第四步中,首先从集抄系统获得配电网量测数据,进而得到多时间断面的大量线路参数估计结果,再采用核密度估计和点估计方法,得到线路参数估计结果的概率密度分布、置信区间、期望以及方差,最后对线路参数估计结果进行可信度分析。
7.根据权利要求6所述的基于集抄系统的低压配电网络线路参数估计方法,其特征在于,在第四步中,采用高斯核函数对结果进行可行度分析,线路参数估计结果经过高斯核密度估计可得到其概率密度函数,再通过
P{θ1<x<θ2}=1-α
获得包含参数真值p的置信度为1-α的置信区间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010095278.7A CN111221811A (zh) | 2020-02-15 | 2020-02-15 | 一种基于集抄系统的低压配电网络线路参数估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010095278.7A CN111221811A (zh) | 2020-02-15 | 2020-02-15 | 一种基于集抄系统的低压配电网络线路参数估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111221811A true CN111221811A (zh) | 2020-06-02 |
Family
ID=70811148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010095278.7A Pending CN111221811A (zh) | 2020-02-15 | 2020-02-15 | 一种基于集抄系统的低压配电网络线路参数估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111221811A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507497A (zh) * | 2020-08-26 | 2021-03-16 | 光一科技股份有限公司 | 一种基于积分状态观测的分布式低压配电网络线路参数估计方法 |
CN112632456A (zh) * | 2020-12-09 | 2021-04-09 | 国网四川省电力公司电力科学研究院 | 一种基于遗忘因子的配电网参数校验方法及装置 |
WO2022021726A1 (zh) * | 2020-07-29 | 2022-02-03 | 国网上海市电力公司 | 一种基于pmu的电力系统状态估计性能评价方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109494719A (zh) * | 2018-11-18 | 2019-03-19 | 国网安徽省电力公司 | 一种中低压混合配电网层次化阻抗分析方法 |
CN110389269A (zh) * | 2019-07-25 | 2019-10-29 | 广州市奔流电力科技有限公司 | 基于电流优化匹配的低压台区拓扑关系识别方法及其装置 |
-
2020
- 2020-02-15 CN CN202010095278.7A patent/CN111221811A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109494719A (zh) * | 2018-11-18 | 2019-03-19 | 国网安徽省电力公司 | 一种中低压混合配电网层次化阻抗分析方法 |
CN110389269A (zh) * | 2019-07-25 | 2019-10-29 | 广州市奔流电力科技有限公司 | 基于电流优化匹配的低压台区拓扑关系识别方法及其装置 |
Non-Patent Citations (1)
Title |
---|
毕天姝 等: "基于窗口滑动总体最小二乘法的输电线路参数辨识", 《电力科学与技术学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022021726A1 (zh) * | 2020-07-29 | 2022-02-03 | 国网上海市电力公司 | 一种基于pmu的电力系统状态估计性能评价方法 |
CN112507497A (zh) * | 2020-08-26 | 2021-03-16 | 光一科技股份有限公司 | 一种基于积分状态观测的分布式低压配电网络线路参数估计方法 |
CN112632456A (zh) * | 2020-12-09 | 2021-04-09 | 国网四川省电力公司电力科学研究院 | 一种基于遗忘因子的配电网参数校验方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110471024B (zh) | 一种基于量测数据分析的智能电表在线远程校验方法 | |
CN111221811A (zh) | 一种基于集抄系统的低压配电网络线路参数估计方法 | |
US5627760A (en) | Method and apparatus for real time recursive parameter energy management system | |
CN110348114B (zh) | 一种电网完备性状态信息重构的非精确故障识别方法 | |
CN114460445B (zh) | 考虑老化阈值与寿命的变压器老化不可用率评估方法 | |
CN111669123B (zh) | 用于对光伏组串进行故障诊断的方法和装置 | |
CN113239132B (zh) | 一种电压互感器的超差在线辨识方法 | |
CN105699849A (zh) | 一种基于量子行为粒子群优化算法的电压暂降估计方法 | |
Badawi et al. | Weibull probability distribution of wind speed for gaza strip for 10 years | |
CN112883522A (zh) | 一种基于gru循环神经网络的微电网动态等效建模方法 | |
CN110932755A (zh) | 基于递推最小二乘法的分布式低压配电网络线路参数估计方法 | |
CN109447512B (zh) | 基于均匀设计的大电网可靠性评估方法 | |
CN112345972B (zh) | 基于停电事件的配电网线变关系异常诊断方法、装置及系统 | |
CN107204616B (zh) | 基于自适应稀疏伪谱法的电力系统随机状态估计方法 | |
CN111999695B (zh) | 一种变电站计量装置状态评估与异常诊断方法 | |
CN109684749B (zh) | 一种考虑运行特性的光伏电站等值建模方法 | |
CN112347655B (zh) | 一种基于机组运行性能评估的风电场理论功率计算方法 | |
Barra et al. | Fault location in radial distribution networks using ANN and superimposed components | |
Zhou | Transformer lifetime modelling based on condition monitoring data | |
Raczka et al. | Identification of relevant local grid stations for a smart grid automation system | |
CN106022972B (zh) | 一种基于状态矩阵对称性的配电网异常数据辨识方法 | |
Kong et al. | Advanced load modelling techniques for state estimation on distribution networks with multiple distributed generators | |
CN114236236A (zh) | 一种基于区间动态状态估计的谐波源定位方法 | |
Biscaro et al. | Optimal phasor measurement units placement for fault location on overhead electric power distribution feeders | |
CN113468797A (zh) | 一种电-气综合能源系统状态估计方法和系统 |
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 |