CN112993989A - 一种主动配电系统抗差状态估计数据处理方法 - Google Patents

Abstract

本申请提供了一种主动配电系统抗差状态估计数据处理方法，包括：通过主动配电系统的节点，以及节点对应的量测参数、量测值以及扩展不确定度，通过相对偏差计算公式，计算节点的量测相对偏差值，根据量测相对偏差值与预设偏差阈值的比较结果，确定节点中的不良节点；根据不良节点的目标量测值，计算目标量测值与不良节点的历史量测值的加权平均值，用加权平均值替换目标量测值。本申请通过计算得到量测参数与实测得到的量测值计算量测相对偏差值确定不良节点，并通过状态估计对不良节点的量测值进行加权平均值替换处理，以消除量测数据误差，从得到主动配电网更为精确的运行状态，解决了现有的配电网状态估计存在准确度低的技术问题。

Description

一种主动配电系统抗差状态估计数据处理方法

技术领域

本申请涉及配电网技术领域，尤其涉及一种主动配电系统抗差状态估计数据处理方法。

背景技术

在如今新能源不断发展的时代下，使得越来越多的光伏发电系统、电动汽车等新能源设备接入微电网，从而形成光-车-储能的微电网群架构，具体架构如图1所示。

微电网群将某一区域相邻微电网集成，将集成的微电网看成主动配电系统，微电网群构成的配电系统各微电网传输给能量管理系统的数据由于不同的量测设备的量测精度不一，所获得的数据准确度难以统一；数据传递的过程中可能会由于一些人为操作或设备运转问题使得最终传递的数据误差较大；又或者由于量测设备在采样过程中获得较为极端的数据。不能保证所观测到的光储微电网运行状态是完全正确的，无法完全信赖所获得的某些数据。

电力系统状态估计技术可以集合可观测到的所有数据，当量测数据仅受量测设备精度的影响时，采用电力系统状态估计技术可以获得比潮流计算更加精确的结果，从而使可以获得更加准确的系统运行状态。当所观测到的数据中含有不良数据的影响时，利用状态估计技术亦可以在一定程度上降低不良数据对最终结果的不良影响。

以往电力系统状态估计技术大多在状态估计前或状态估计后采用机器学习的方法进行对不良数据的甄别和处理。又或者是采用残差、区间分析的抗差状态估计方法，对不良数据进行辨别。采用区间分析的抗差状态估计方法在处理不良数据方面有着不错的效果，但是以往的采用区间分析的抗差状态估计方法在状态估计后要么直接采用估计后的结果，其结果在一定程度上还是受到了不良数据的影响。要么将不良数据直接剔除，再进行状态估计，删减了不良数据的量测方程，减少了状态估计的冗余度，对状态估计的结果的精度造成一定的影响。从而导致了目前的配电网状态估计存在准确度低的技术问题。

发明内容

本申请提供了一种主动配电系统抗差状态估计数据处理方法，用于解决目前的配电网状态估计存在准确度低的技术问题。

本申请提供了一种主动配电系统抗差状态估计数据处理方法，包括：

通过主动配电系统的节点，以及所述节点对应的量测参数、量测值以及扩展不确定度，通过相对偏差计算公式，计算所述节点的量测相对偏差值，其中，所述量测参数为通过主动配电系统量测方程计算得到的，所述量测值为通过量测设备对所述节点进行测量得到的；

根据所述量测相对偏差值与预设偏差阈值的比较结果，确定所述节点中的不良节点；

根据所述不良节点的目标量测值，计算所述目标量测值与所述不良节点的历史量测值的加权平均值，用所述加权平均值替换所述目标量测值，其中所述历史量测值为与所述目标量测值同属一个区间时段的量测值；

根据替换后的量测值，重新确定所述节点中的不良节点，当所述不良节点少于预设的不良节点阈值时，则根据当前的量测值进行主动配电系统抗差状态估计，以获得估计结果。

优选地，所述相对偏差计算公式具体为：

式中，h_i(x)为节点i在状态量x下计算得到的量测参数，Z_i为所述节点i的量测值，U_i为所述节点i的扩展不确定度，d_i为所述节点i的量测相对偏差值。

优选地，所述主动配电系统量测方程具体包括：光伏列阵量测方程、储能单元量测方程、直流负荷量测方程、电动汽车支路量测方程、微电网主支路量测方程、系统电气幅值量测方程、系统功率量测方程。

优选地，所述光伏列阵量测方程具体为：

式中，下标z用于表示参数为量测参数；I₀为二极管反向饱和电流；I_ph为光伏电池的光生电流；N_p和N_s分别是光伏电池串联数和并联数；R_s和R_p分别是光伏等效串联电阻和电池旁路电阻；G、T、I_pvs、V_pvs分别是光照强度、温度、光伏列阵输出电流和光伏列阵输出电压；n和U分别为二极管的理想因子和光伏电池热电压。

优选地，所述储能单元量测方程具体为：

I_os.z＝I_os

式中，I_os为储能电池组的输出电流；S为电池电量，下标z用于表示参数为量测参数。

优选地，所述直流负荷量测方程具体为

I_l.z＝I_l

式中，I_l为光伏列阵和储能电池组直接供应负荷支路的电流大小，下标z表示量测参数。

优选地，所述电动汽车支路量测方程具体为：

N_evp.z＝N_ev

P_ev.z＝N_evP_evs

V_dc.z＝V_dc

P_ev.z＝I_evV_dc

I_ev.z＝I_ev

式中，P_evs为单个充电桩的充电功率，N_ev为电动汽车充电站的充电汽车数量；I_ev为电动汽车支路电流向量，N_evp为不确定性模型所得的电动汽车充电站的充电汽车数量；P_ev为电动汽车支路消耗的功率；V_dc为DC/DC变换器输出电压，下标z用于表示参数为量测参数。

优选地，所述微电网主支路量测方程具体为：

V_dc.z＝V_dc

E_ac.z＝E_ac

θ_z＝θ₀-θ_ac

式中，I_dc为DC/DC变换器输出电流；D_m为DC/DC变换器工作在恒压状态下的占空比；I_ac为DC/AC逆变器的输出电流；M和θ分别为逆变器的调制比和调制相角；P和Q分别为微电网输入配电网的有功和无功功率，E_ac为逆变器输出电压幅值；θ_o为逆变器输出相角；V_dc为DC/DC变换器输出电压，η_dc为DC/DC变换器的效率；η_ac为逆变器的变换效率；x_T为变压器等效阻抗,k为变压器变比；V_ac为微电网接入点电压，θ_ac为微电网接入点相角。

优选地，所述系统电气幅值量测方程具体包括：

式中，V_s为节点s的电压幅值量测参数；e_s和f_s分别为节点s的电压分解在实轴和虚轴上大小，I_st是节点s和t之间的电流幅值量测参数；G_st和B_st分别为节点s和t之间的电导和电纳；e_t和f_t分别为节点t的电压分解在实轴和虚轴上大小。

优选地，所述系统功率量测方程具体包括：

式中，P_s和Q_s分别为节点s上的注入有功功率和无功功率的量测参数，P_st和Q_st分别为节点s所测得的往节点t流向的有功功率和无功功率的量测参数；y_c为支路接地导纳，G_st和B_st分别为节点s和t之间的电导和电纳；e_s和f_s分别为节点s的电压分解在实轴和虚轴上大小，e_t和f_t分别为节点t的电压分解在实轴和虚轴上大小，k为变压器变比。

从以上技术方案可以看出，本申请实施例具有以下优点：

本申请提供了一种主动配电系统抗差状态估计数据处理方法，包括：通过主动配电系统的节点，以及所述节点对应的量测参数、量测值以及扩展不确定度，通过相对偏差计算公式，计算所述节点的量测相对偏差值，其中，所述量测参数为通过主动配电系统量测方程计算得到的，所述量测值为通过量测设备对所述节点进行测量得到的；根据所述量测相对偏差值与预设偏差阈值的比较结果，确定所述节点中的不良节点；根据所述不良节点的目标量测值，计算所述目标量测值与所述不良节点的历史量测值的加权平均值，用所述加权平均值替换所述目标量测值，其中所述历史量测值为与所述目标量测值同属一个区间时段的量测值；根据替换后的量测值，重新确定所述节点中的不良节点，当所述不良节点少于预设的不良节点阈值时，则根据当前的量测值进行主动配电系统抗差状态估计，以获得估计结果。

本申请通过计算得到量测参数与实测得到的量测值计算量测相对偏差值根据量测相对偏差值确定不良节点，并通过状态估计对不良节点的量测值进行加权平均值替换处理，以消除量测数据误差，从得到主动配电网更为精确的运行状态，解决了现有的配电网状态估计存在准确度低的技术问题。

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一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为光-车-储能的微电网群的主动配电网架构示意图。

图2为本申请提供的一种主动配电系统抗差状态估计数据处理方法的流程示意图。

具体实施方式

本申请实施例提供了一种主动配电系统抗差状态估计数据处理方法，用于解决目前的配电网状态估计存在准确度低的技术问题。

为使得本申请的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本申请一部分实施例，而非全部的实施例。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它实施例，都属于本申请保护的范围。

请参阅图2，本申请实施例提供了一种主动配电系统抗差状态估计数据处理方法，包括：

步骤101、通过主动配电系统的节点，以及节点对应的量测参数、量测值以及扩展不确定度，通过相对偏差计算公式，计算节点的量测相对偏差值，其中，量测参数为通过主动配电系统量测方程计算得到的，量测值为通过量测设备对节点进行测量得到的。

需要说明的是，本实施例提及的主动配电系统量测方程具体包括：微电网群内部量测方程和配电系统量测方程：其中，微电网群内部量测方程具体分为：光伏列阵量测方程、储能单元量测方程、直流负荷量测方程、电动汽车支路量测方程、微电网主支路量测方程；而配电系统量测方程则分为：系统电气幅值量测方程、系统功率量测方程。

首先是光-车-储微电网内部可获得的量测数据的各个量测方程，即微电网群内部量测方程的详细说明。

1)光伏阵列量测方程：本实施例提及的光伏列阵采用五参数模型，选取其状态变量为：

x_pv＝[G,T,I_pvs,V_pvs,]^T

其中，G、T、I_pvs、V_pvs分别是光照强度、温度、光伏列阵输出电流和光伏列阵输出电压。

光伏列阵的量测变量为：

z_pv＝[G,T,I_pvs,V_pvs,]^T

光伏列阵的具体量测方程如下：

G_z＝G

T_z＝T

V_pvs.z＝V

其中，下标z用于表示参数为量测参数；I₀为二极管反向饱和电流；I_ph为光伏电池的光生电流；N_p和N_s分别是光伏电池串联数和并联数；R_s和R_p分别是光伏等效串联电阻和电池旁路电阻，G、T、I_pvs、V_pvs分别是光照强度、温度、光伏列阵输出电流和光伏列阵输出电压，n和U分别为二极管的理想因子和光伏电池热电压，这些参数可以根据光伏电池标准状况下的开路电压、短路电流、最大功率处电压和电流以及修正系数算出。

2)储能单元量测方程：本实施例的储能电池组输出电压与光伏列阵输出电压一致，选取其状态变量为：

x_os＝[I_os,S]^T

其中，I_os为储能电池组的输出电流；S为电池电量。

储能电池组量测参数为：

z_os＝[I_os,V_os]^T

其中，V_os为储能电池组的输出电压。

储能系统具体量测方程如下：

I_os.z＝I_os

其中，下标z用于表示参数为量测参数；N_L和N_J分别为蓄电池的串联数与并联数；R_Ω和R_p分别为蓄电池的内阻和极化电阻；E_os为储能电池的内部电势，其值与电池SOC有关。

3)直流负荷量测方程：本实施例的直流负荷支路直接量测其电流大小，对于光伏列阵和储能电池组直接供应负荷支路，状态变量取光伏列阵和储能电池组直接供应负荷支路的电流大小。量测变量和状态变量选取如下：

x_d＝I_l

z_d＝I_l

光伏列阵和储能电池组直接供应负荷支路对应的量测方程为：

I_l.z＝I_l

其中，I_l为光伏列阵和储能电池组直接供应负荷支路的电流大小。

4)电动汽车支路量测方程：本实施例结合电动汽车的不确定性模型和电动汽车支路量测设备，建立电动汽车支路的状态估计模型。将不确定性模型得到的电动汽车负荷作为伪量测参数，结合量测设备所测的量测参数来减小电动汽车负荷不确定性模型的误差过大，或量测设备由于量测精度、数据传输产生的误差对电动汽车支路状态估计精度的影响。由于电动汽车快速充电过程中大部分时间处在恒流限压阶段，而恒压限流阶段仅出现在充电结束前，因此一般将整个快速充电过程视为恒功率充电过程。因此当充电汽车数量确定时，电动汽车支路功率也可以确定，将由概率分布得到的电动汽车数量推算出的支路功率作为伪量测。电动汽车支路状态变量选取如下：

x_ev＝[N_ev,I_ev]^T

其中，N_ev为电动汽车充电站的充电汽车数量；I_ev为电动汽车支路电流向量。

量测参数选取包含不确定性模型所得的伪测量和量测设备所得的量测参数：

z_ev＝[N_evp,P_ev,V_dc,I_ev]^T

其中，N_evp为不确定性模型所得的电动汽车充电站的充电汽车数量；P_ev为电动汽车支路消耗的功率；V_dc为DC/DC变换器输出电压。

电动汽车支路量测方程如下，：

N_evp.z＝N_ev

P_ev.z＝N_evP_evs

V_dc.z＝V_dc

P_ev.z＝I_evV_dc

I_ev.z＝I_ev

其中，下标z表示量测参数，P_evs为单个充电桩的充电功率。

5)微电网主支路量测方程：光-车-储微电网主支路上含有DC/DC变换器和逆变器，假设DC/DC变换器的效率为η_dc；逆变器的变换效率为η_ac；变压器等效阻抗为x_T,变比为k；微电网接入点电压为V_ac，相角为θ_ac；选取状态变量为：

x_m＝[V_dc,E_ac,θ_o]^T

其中；E_ac为逆变器输出电压幅值；θ_o为逆变器输出相角；V_dc为DC/DC变换器输出电压。

光-车-储微电网主支路的量测参数选取为：

z_m＝[I_dc,V_dc,D_m,I_ac,M,θ,E,P,Q]^T

其中，I_dc为DC/DC变换器输出电流；D_m为DC/DC变换器工作在恒压状态下的占空比；I_ac为DC/AC逆变器的输出电流；M和θ分别为逆变器的调制比和调制相角；P和Q分别为微电网输入配电网的有功和无功功率。

因此，本实施例的微电网主支路量测方程具体如下：

V_dc.z＝V_dc

E_ac.z＝E_ac

θ_z＝θ₀-θ_ac

然后是由微电网群组成的配电系统可获得的量测数据的量测方程，即配电系统量测方程的详细说明。

1)系统电气幅值量测方程具体包括：

节点电压幅值的量测方程。以节点s的电压幅值为量测参数时，量测方程表示为：

其中，V_s为节点s的电压幅值量测参数；e_s和f_s分别为节点s的电压分解在实轴和虚轴上大小。

支路电流幅值的量测方程。当量测参数为支路s所测得的往节点t流向的支路电流幅值时，量测方程表示为：

其中，I_st是节点s和t之间的电流幅值量测参数；G_st和B_st分别为节点s和t之间的电导和电纳；e_t和f_t分别为节点t的电压分解在实轴和虚轴上大小。

2)系统功率量测方程具体包括：

节点注入功率的量测方程。当量测参数为节点注入有功功率和无功功率时，量测方程表示为：

其中，P_s和Q_s分别为节点s上的注入有功功率和无功功率的量测参数。

支路功率的量测方程。中低压配电网所需考虑的电压等级为10kV和0.4kV，其主体框架线路的电压等级为10kV，当供电给0.4kV电压等级负荷时，需要变压器进行降压。因此当配电网支路涉及变压器时，量测方程为：

其中，k为变压器变比，当该支路不含变压器设备时，则k取1，P_st和Q_st分别为节点s所测得的往节点t流向的有功功率和无功功率的量测参数；y_c为支路接地导纳。

以节点正常率最大为目标，根据扩展不确定度的概念，节点量测值的概率分布决定了其合成标准不确定度，进而决定了其扩展不确定的值，与量测装置本身的量测精度以及数据传输的精度有关。若量测真实值在区间[Z_i-U_i,Z_i+U_i]的概率为p，可以知道：

P(h_i(x^r)-Z_i)≤U_i)＝p

其中，x^r为状态变量的真值；h_i(x^r)为节点i在状态变量x^r的真值下的量测方程；Z_i为i点量测值；U_i为节点在置信概率p下的扩展不确定度，其值与量测装置的精度有关。

节点i为正常节点时，其量测值满足下式时，该节点为正常节点：

|h_i(x)-Z_i|≤U_i

其中，x为状态估计所得状态量的值，h_i(x)为节点i在状态x下的量测方程。

对于节点i，可以定义节点在x下的相对偏差为：

步骤102、根据量测相对偏差值与预设偏差阈值的比较结果，确定节点中的不良节点。

需要说明的是，本实施例通过采取投票思想来定义节点是否为正常节点的评价函数，当节点在令节点i在x下的相对偏差|d_i|≤1时，节点为正常节点，当|d_i|＞1时，节点为不正常节点，即不良节点。

更具体地，本实施例通过定义评价函数为：

以节点非正常率最小为目标函数建立状态估计模型，可得抗差状态估计模型：

其中，m为节点数。

上述抗差状态估计模型不是处处可导，将其近似为一个连续可导的评价函数得：

其中，λ为大于0的常数

因此，将节点评价函数定义为

其中，r一般取大于2的自然数。包括如下约束条件：

1)配电网0注入功率节点潮流约束：所求的电压状态量代入配电网0注入功率节点的节点注入功率后求得的节点注入功率为0，假设s点为0注入功率节点：

2)线路潮流约束：线路传递的功率应该小于或等于线路承受功率的最大值：

其中

分别为线路所能承受的最大有功功率和最大无功功率。

步骤103、根据不良节点的目标量测值，计算目标量测值与不良节点的历史量测值的加权平均值，用加权平均值替换目标量测值，其中历史量测值为与目标量测值同属一个区间时段的量测值。

例如，，不良数据发现在2021年1月20日10时57分，则本实施例提及的区间时段可以为10时57分始到10时57分末，对应的历史量测值可以是前几年1月20日10时57分的历史量测值和/或2021年1月20日之前几天的10时57分这些时间点。采用上述时间点的历史数据平均值，根据情况赋予权重，获得加权平均数，如采用2011年—2020年的1月20日10时57分的历史数据和2021年1月10日—1月19日的10时57分的历史数据，求得2011年—2020年的1月20日10时57分的历史数据的平均值x和2021年1月10日—1月19日的10时57分的历史数据的平均值y后，根据需要，将这两个平均值分别乘以权重系数后相加得到加权平均数。

可以理解的是，本实施例的目标量测值，即不良节点中的一个不良数据

步骤104、根据替换后的量测值，重新确定节点中的不良节点，当不良节点少于预设的不良节点阈值时，则根据当前的量测值进行主动配电系统抗差状态估计，以获得估计结果。

需要说明的是，本实施例可以通过采用通用的数学方法，如牛顿法、内点法等，或采用群体智能优化算法，如粒子群算法、遗传算法、模拟退火算法等，求解出面向光-车-储微电网群的主动配电网抗差状态估计模型。求解步骤为先用数学方法或群体智能优化算法对基于区间分析方法的抗差状态估计模型求解后，基于将甄别出的不良数据节点进行处理，本实施例对不良数据的处理方法为，采用同时期量测量的历史加权平均值作为不良数据的替换值，再采用基于区间分析方法的抗差状态估计技术对光-车-储微电网群的主动配电网进行状态估计，直到不良数据个数为0为止。最后根据当前的量测值进行主动配电系统抗差状态估计，以获得相应的估计结果。

以上为本申请提供的一种主动配电系统抗差状态估计数据处理方法的一个实施例的详细说明。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例，例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以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全部或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-OnlyMemory)、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。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：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申请各实施例技术方案的精神和范围。

Claims (10)

1.一种主动配电系统抗差状态估计数据处理方法，其特征在于，包括：

通过主动配电系统的节点，以及所述节点对应的量测参数、量测值以及扩展不确定度，通过相对偏差计算公式，计算所述节点的量测相对偏差值，其中，所述量测参数为通过主动配电系统量测方程计算得到的，所述量测值为通过量测设备对所述节点进行测量得到的；

根据所述量测相对偏差值与预设偏差阈值的比较结果，确定所述节点中的不良节点；

根据所述不良节点的目标量测值，计算所述目标量测值与所述不良节点的历史量测值的加权平均值，用所述加权平均值替换所述目标量测值，其中所述历史量测值为与所述目标量测值同属一个区间时段的量测值；

根据替换后的量测值，重新确定所述节点中的不良节点，当所述不良节点少于预设的不良节点阈值时，则根据当前的量测值进行主动配电系统抗差状态估计，以获得估计结果。

2.根据权利要求1所述的一种主动配电系统抗差状态估计数据处理方法，其特征在于，所述相对偏差计算公式具体为：

式中，h_i(x)为节点i在状态量x下计算得到的量测参数，Z_i为所述节点i的量测值，U_i为所述节点i的扩展不确定度，d_i为所述节点i的量测相对偏差值。

3.根据权利要求1所述的一种主动配电系统抗差状态估计数据处理方法，其特征在于，所述主动配电系统量测方程具体包括：光伏列阵量测方程、储能单元量测方程、直流负荷量测方程、电动汽车支路量测方程、微电网主支路量测方程、系统电气幅值量测方程、系统功率量测方程。

4.根据权利要求3所述的一种主动配电系统抗差状态估计数据处理方法，其特征在于，所述光伏列阵量测方程具体为：

式中，下标z用于表示参数为量测参数；I₀为二极管反向饱和电流；I_ph为光伏电池的光生电流；N_p和N_s分别是光伏电池串联数和并联数；R_s和R_p分别是光伏等效串联电阻和电池旁路电阻，G、T、I_pvs、V_pvs分别是光照强度、温度、光伏列阵输出电流和光伏列阵输出电压，n和U分别为二极管的理想因子和光伏电池热电压。

5.根据权利要求3所述的一种主动配电系统抗差状态估计数据处理方法，其特征在于，所述储能单元量测方程具体为：

I_os.z＝I_os

式中，I_os为储能电池组的输出电流；S为电池电量，下标z用于表示参数为量测参数，V_os为储能电池组的输出电压，N_L和N_J分别为蓄电池的串联数与并联数；R_Ω和R_p分别为蓄电池的内阻和极化电阻；E_os为储能电池的内部电势。

6.根据权利要求3所述的一种主动配电系统抗差状态估计数据处理方法，其特征在于，所述直流负荷量测方程具体为

I_l.z＝I_l

式中，I_l为光伏列阵和储能电池组直接供应负荷支路的电流大小，下标z表示量测参数。

7.根据权利要求3所述的一种主动配电系统抗差状态估计数据处理方法，其特征在于，所述电动汽车支路量测方程具体为：

N_evp.z＝N_ev

P_ev.z＝N_evP_evs

V_dc.z＝V_dc

P_ev.z＝I_evV_dc

I_ev，z＝I_ev

式中，P_evs为单个充电桩的充电功率，N_ev为电动汽车充电站的充电汽车数量；I_ev为电动汽车支路电流向量，N_evp为不确定性模型所得的电动汽车充电站的充电汽车数量；P_ev为电动汽车支路消耗的功率；V_dc为DC/DC变换器输出电压，下标z用于表示参数为量测参数。

8.根据权利要求3所述的一种主动配电系统抗差状态估计数据处理方法，其特征在于，所述微电网主支路量测方程具体为：

V_dc.z＝V_dc

E_ac.z＝E_ac

θ_z＝θ₀-θ_ac

式中，I_dc为DC/DC变换器输出电流；D_m为DC/DC变换器工作在恒压状态下的占空比；I_ac为DC/AC逆变器的输出电流；M和θ分别为逆变器的调制比和调制相角；P和Q分别为微电网输入配电网的有功和无功功率，E_ac为逆变器输出电压幅值；θ_o为逆变器输出相角；V_dc为DC/DC变换器输出电压，η_dc为DC/DC变换器的效率；η_ac为逆变器的变换效率；x_T为变压器等效阻抗,k为变压器变比；V_ac为微电网接入点电压，θ_ac为微电网接入点相角。

9.根据权利要求3所述的一种主动配电系统抗差状态估计数据处理方法，其特征在于，所述系统电气幅值量测方程具体包括：

式中，V_s为节点s的电压幅值量测参数；e_s和f_s分别为节点s的电压分解在实轴和虚轴上大小，I_st是节点s和t之间的电流幅值量测参数；G_st和B_st分别为节点s和t之间的电导和电纳；e_t和f_t分别为节点t的电压分解在实轴和虚轴上大小。

10.根据权利要求3所述的一种主动配电系统抗差状态估计数据处理方法，其特征在于，所述系统功率量测方程具体包括：

式中，P_s和Q_s分别为节点s上的注入有功功率和无功功率的量测参数，P_st和Q_st分别为节点s所测得的往节点t流向的有功功率和无功功率的量测参数；y_c为支路接地导纳，G_st和B_st分别为节点s和t之间的电导和电纳；e_s和f_s分别为节点s的电压分解在实轴和虚轴上大小，e_t和f_t分别为节点t的电压分解在实轴和虚轴上大小，k为变压器变比。

Images