CN113139295A - 电力系统综合状态估计方法及系统 - Google Patents

电力系统综合状态估计方法及系统 Download PDF

Info

Publication number
CN113139295A
CN113139295A CN202110485727.3A CN202110485727A CN113139295A CN 113139295 A CN113139295 A CN 113139295A CN 202110485727 A CN202110485727 A CN 202110485727A CN 113139295 A CN113139295 A CN 113139295A
Authority
CN
China
Prior art keywords
power system
suspicious
branch
state estimation
determining
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
Application number
CN202110485727.3A
Other languages
English (en)
Other versions
CN113139295B (zh
Inventor
林俊杰
陆超
宋文超
毛航银
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.)
Tsinghua University
State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Tsinghua University
State Grid Zhejiang Electric Power 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 Tsinghua University, State Grid Zhejiang Electric Power Co Ltd filed Critical Tsinghua University
Priority to CN202110485727.3A priority Critical patent/CN113139295B/zh
Publication of CN113139295A publication Critical patent/CN113139295A/zh
Application granted granted Critical
Publication of CN113139295B publication Critical patent/CN113139295B/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]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Mathematical Physics (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Pure & Applied Mathematics (AREA)
  • Operations Research (AREA)
  • Mathematical Optimization (AREA)
  • Software Systems (AREA)
  • Mathematical Analysis (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Biomedical Technology (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • Water Supply & Treatment (AREA)
  • Biophysics (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)

Abstract

本发明提供一种电力系统综合状态估计方法及系统，其中，电力系统综合状态估计方法，包括：基于电力系统测量数据，确定电力系统状态估计基本模型；基于所述电力系统基本模型，确定电力系统网络中的可疑支路区域集合；所述可疑支路相关的首端电压、末端电流、支路正向电流和支路反向电流对应的残差中，存在至少三项超过对应的预设阈值；将所有可疑支路的线路参数松弛为状态变量，确定电力系统综合状态估计模型；所述线路参数包括：电阻、电抗和电纳；基于所述可疑支路区域集合，求解所述电力系统综合状态估计模型，确定目标电力系统综合状态估计。能够同时进行电力系统状态值以及拓扑和参数的综合估计，提高电力系统状态估计的有效性和实时性。

Description

电力系统综合状态估计方法及系统
技术领域
本发明涉及电力系统技术领域，尤其涉及一种电力系统综合状态估计方法及系统。
背景技术
为了实现对电网完整准确地实时估计和感知，状态估计算法和网络拓扑分析，参数辨识都是状态估计和状态感知的重要组成部分，也有许多研究和应用成果，但是他们通常被当作相对独立的应用和研究课题，电力系统已有的状态估计算法都是假设拓扑正确和参数正确，也有许多单独处理参数辨识、拓扑分析和不良数据辨识问题的研究。
但是在电力系统状态估计过程中，电网的系统状态、模型参数以及网络拓扑是相互依赖并且紧密耦合，而且状态估计可能要面对多个以及多种不同类型的错误，这些错误数据可能独立，也可能相关。
目前来说，对于不同类型的目标数据和错误数据，大多采用独立的估计和辨识方法，在大部分情况下都能取得比较好的效果，但为了应对可能出现的复杂情况，比如大范围污染的强相关的不良数据或者大量数据缺失，就需要能同时估计拓扑和参数，以及处理不同类型多个相关错误数据的综合状态估计方法。
因此，如何提供一种电力系统综合状态估计方法及系统，同时进行电力系统状态值以及拓扑和参数的综合估计，提高电力系统状态估计的有效性和实时性，成为亟待解决的问题。
发明内容
针对现有技术中的缺陷，本发明提供一种电力系统综合状态估计方法及系统。
本发明提供一种电力系统综合状态估计方法，包括：
基于电力系统测量数据，确定电力系统状态估计基本模型；
基于所述电力系统基本模型，确定电力系统网络中的可疑支路区域集合；其中，所述可疑支路相关的首端电压、末端电流、支路正向电流和支路反向电流对应的残差中，存在至少三项超过对应的预设阈值；
将所有可疑支路的线路参数松弛为状态变量，确定电力系统综合状态估计模型；其中，所述线路参数包括：电阻、电抗和电纳；
基于所述可疑支路区域集合，求解所述电力系统综合状态估计模型，确定目标电力系统综合状态估计。
根据本发明提供的电力系统综合状态估计方法，所述基于电力系统测量数据，确定电力系统状态估计基本模型，具体包括：
基于电力系统中各支路节点的状态和测量数据，确定电力系统状态估计基本模型；
其中，所述电力系统状态估计基本模型为(电力系统状态估计以残差的最小二乘为目标函数)：
J1(x)＝(z-h(x))TW(z-h(x))；
其中，x为状态向量，z为测量向量，h(x)为所述电力系统方程。
根据本发明提供的电力系统综合状态估计方法，所述基于所述电力系统基本模型，确定电力系统网络中的可疑支路区域集合，具体包括：
基于所述电力系统基本模型，根据最小二乘法，确定各支路残差；其中，所述残差包括：首端电压、末端电流、支路正向电流和支路反向电流对应的残差；
基于所述各支路残差确定所述电力系统中所有可疑支路；
基于所述电力系统中任一可疑支路，确定对应的可疑支路区域；其中，所述可疑支路区域包括：所述可疑支路本身、所述可疑支路的首末端节点、与所述可疑支路的首末端节点相连的正常支路，以及与所述可疑支路的节点相连的正常支路的首末节点；
基于所述电力系统中所有可疑支路对应的可疑支路区域，确定所述可疑支路区域集合。
根据本发明提供的电力系统综合状态估计方法，所述将所有可疑支路的线路参数松弛为状态变量，确定电力系统综合状态估计模型，具体包括：
将所有可疑支路的线路参数松弛为状态变量，确定调参后的电力系统状态估计基本模型；
其中，所述调参后的电力系统状态估计基本模型为：
J2(x,p)＝(z-h(x,p))TW(z-h(x,p))；
基于所述调参后的电力系统状态估计基本模型，根据KCL约束，确定电力系统综合状态估计模型；
其中，所述电力系统综合状态估计模型为：
Figure BDA0003050557810000031
其中，p为将可疑支路的参数松弛后的状态变量，bus(i)表示电力系中统的节点i，branch(j)表示电力系统的支路j，所述Ai为可疑支路Li对应的可疑支路区域。
根据本发明提供的电力系统综合状态估计方法，所述基于所述可疑支路区域集合，求解所述电力系统综合状态估计模型，确定目标电力系统综合状态估计，具体包括：
对所述电力系统综合状态估计模型进行解耦，确定参数优化方程和状态优化方程；
其中，所述参数优化方程为：
Figure BDA0003050557810000032
所述状态优化方程为：
Figure BDA0003050557810000041
基于所述可疑支路区域集合，交叉迭代更新所述参数优化方程和状态优化方程，确定目标电力系统综合状态估计；
其中，t为交叉迭代更新次数。
根据本发明提供的电力系统综合状态估计方法，基于所述可疑支路区域集合，所述交叉迭代更新所述参数优化方程和状态优化方程，确定目标电力系统综合状态估计，具体包括：
在每一次交叉迭代更新过程中，若确定所述参数优化方程中存在可疑参数，对所述电力系统中每一个可疑支路区域，基于进化算法确定目标可疑参数，基于所述目标可疑参数更新状态优化方程，基于更新后的状态优化方程更新所述参数优化方程；
在确定所述交叉迭代更新过程结束后，确定当前参数优化方程和状态优化方程为目标电力系统综合状态估计；
所述确定所述交叉迭代更新过程结束，包括：确定所述参数优化方程中不存在可疑参数、确定迭代次数达到预设次数阈值或确定进化算法目标函数值小于预设函数阈值中的一项。
根据本发明提供的电力系统综合状态估计方法，所述进化算法为改进的协同粒子群优化算法；
所述改进的协同粒子群优化算法中，每个粒子群仅在可疑支路区域内进行参数的寻优求解，每个粒子均具有不同的变异能力，且粒子邻居拓扑结构为环形拓扑结构。
本发明还提供一种电力系统综合状态估计系统，包括：基本模型构建单元、可疑支路确定单元、综合模型构建单元和状态估计确定单元；
所述基本模型构建单元，用于基于电力系统测量数据，确定电力系统状态估计基本模型；
所述可疑支路确定单元，用于基于所述电力系统基本模型，确定电力系统网络中的可疑支路区域集合；其中，所述可疑支路相关的首端电压、末端电流、支路正向电流和支路反向电流对应的残差中，存在至少三项超过对应的预设阈值；
所述综合模型构建单元，用于将所有可疑支路的线路参数松弛为状态变量，确定电力系统综合状态估计模型；其中，所述线路参数包括：电阻、电抗和电纳；
所述状态估计确定单元，用于基于所述可疑支路区域集合，求解所述电力系统综合状态估计模型，确定目标电力系统综合状态估计。
本发明还提供一种电子设备，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上述电力系统综合状态估计方法的各个步骤。
本发明还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上述电力系统综合状态估计方法的各个步骤。
本发明提供的电力系统综合状态估计方法及系统，通过确定电力系统状态估计基本模型和电力系统网络中的可疑支路，将所有可疑支路的线路参数松弛为状态变量，确定电力系统综合状态估计模型，基于可疑支路区域集合，求解电力系统综合状态估计模型，确定目标电力系统综合状态估计。可以快速辨识出电力系统中存在的可疑不良参数，根据确定的可疑支路区域，通过构造可疑参数的局部电网区域使得综合状态估计能分布并行计算，求解电力系统综合状态估计模型，确定目标电力系统综合状态估计，能够同时进行电力系统状态值以及拓扑和参数的综合估计，提高电力系统状态估计的有效性、实时性和准确性。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的电力系统综合状态估计方法流程图；
图2为本发明提供的电力系统综合状态估计过程流程示意图；
图3为本发明提供的电力系统结构示意图；
图4为本发明提供的电力系统综合状态估计系统结构示意图；
图5为本发明提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、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，所描述的实施例是本发明一部分实施例，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作出创造性劳动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。
电力系统状态估计要依靠于线路参数和网络模型的准确性才能准确运行。能量管理系统数据库中的线路参数和网络模型主要依靠基于SCADA(Supervisory Control AndData Acquisition，数据采集与监视控制)系统，测量的估计和人工维护，参数的时效性和准确度有所不足。而大多数电力系统的状态估计计算、线路参数辨识和网络拓扑分析的方法又相互依赖于彼此的准确性。
图1为本发明提供的电力系统综合状态估计方法流程图，如图1所示，本发明提供一种电力系统综合状态估计方法，包括：
步骤S1，基于电力系统测量数据，确定电力系统状态估计基本模型；
步骤S2，基于所述电力系统基本模型，确定电力系统网络中的可疑支路区域集合；其中，所述可疑支路相关的首端电压、末端电流、支路正向电流和支路反向电流对应的残差中，存在至少三项超过对应的预设阈值；
步骤S3，将所有可疑支路的线路参数松弛为状态变量，确定电力系统综合状态估计模型；其中，所述线路参数包括：电阻、电抗和电纳；
步骤S4，基于所述可疑支路区域集合，求解所述电力系统综合状态估计模型，确定目标电力系统综合状态估计。
具体的，对于电力系统的综合状态估计的目标是同时估计系统状态、模型参数和网络拓扑。虽然电力系统中状态、参数和网络拓扑的时间尺度不同，数据类型也不一样，但是都反映在测量方程中。
在步骤S1中，基于电力系统测量数据，电力系统测量方程，建立电力系统状态估计基本模型(基于电力系统网络本身原始拓扑结构建立)。该电力系统状态估计基本模型用于描述电力系统网络的状态向量、测量向量，以及状态向量与测量向量的关系。
需要说明的是，电力系统测量数据为同步向量测量数据，电力系统测量数据可以基于同步相量测量装置(phasor measurement unit，简称PMU)获取，测量数据可包括电压、电流和功率等，具体采集的数据类型和采集数据的具体方法，可根据实际需求进行调整，本发明对此不做限定。
由于电力系统中，可能存在支路出现异常，设备故障，或数据丢失等情况，为了准确地对电力系统进行综合估计，在步骤S2中，基于电力系统基本模型，对电力系统中任一支路，确定与支路直接相关的四个残差值(首端电压、末端电流、支路正向电流和支路反向电流这四个物理量对应的残差)，如果有三个超过对应的预设阈值的时候，则标记该支路为存在可疑参数的支路(简称可疑支路)，并根据该可疑支路，确定电力系统网络中的可疑支路区域集合。
需要说明的是，在确定可疑支路时，残差值对应的预设阈值的具体大小，可根据实际情况进行设置，本发明对此不做限定。
其次，在确定可疑支路区域时，可以是确定该可以支路本身作为可以支路区域，也可以是该可疑支路以及其首末端节点，或是还包括与该可疑支路相连接的其他支路。具体的可疑支路区域的划分规则，可根据实际需求进行调整，本发明对此不做限定。
在步骤S3中，将电力系统状态估计基本模型中所有可疑支路的线路参数松弛为状态变量(将其由测量值转换为未知变量)，并对模型进一步进行优化，确定电力系统综合状态估计模型。
其中，线路参数包括：电阻、电抗和电纳。等效支路两端的接地导纳中电导是近似为0，忽略不计。
在步骤S4中，基于可疑支路区域集合，求解电力系统综合状态估计模型，进行分布计算，在每一个可疑支路区域内确定可疑支路参数(松弛后的状态变量)的目标值，进而确定目标电力系统综合状态估计，同时实现电力系统状态值以及拓扑和参数的综合估计。
本发明提供的电力系统综合状态估计方法，通过确定电力系统状态估计基本模型和电力系统网络中的可疑支路，将所有可疑支路的线路参数松弛为状态变量，确定电力系统综合状态估计模型，基于可疑支路区域集合，求解电力系统综合状态估计模型，确定目标电力系统综合状态估计。可以快速辨识出电力系统中存在的可疑不良参数，根据确定的可疑支路区域，通过构造可疑参数的局部电网区域使得综合状态估计能分布并行计算，求解电力系统综合状态估计模型，确定目标电力系统综合状态估计，能够同时进行电力系统状态值以及拓扑和参数的综合估计，提高电力系统状态估计的有效性、实时性和准确性。
可选的，根据本发明提供的电力系统综合状态估计方法，所述基于电力系统测量数据，确定电力系统状态估计基本模型，具体包括：
基于电力系统中各支路节点的状态和测量数据，确定电力系统状态估计基本模型；
其中，所述电力系统状态估计基本模型为(电力系统状态估计以残差的最小二乘为目标函数)：
J1(x)＝(z-h(x))TW(z-h(x))；
其中，x为状态向量，z为测量向量，h(x)为所述电力系统方程。
具体的，基于电力系统测量数据，确定电力系统状态估计基本模型，具体包括：
基于电力系统中各支路节点的状态和测量数据，确定电力系统状态估计基本模型。电力系统状态估计以残差的最小二乘为目标函数，电力系统状态估计基本模型为：
J1(x)＝(z-h(x))TW(z-h(x))；
其中，x为状态向量(电力系统中之路节点的状态，即节点电压)，z为测量向量，h(x)为电力系统方程，建立状态向量与测量向量的关系。
需要说明的是，电力系统状态估计基本模型中，对网络拓扑分析的结果实际上是通过导纳矩阵表示，导纳矩阵建立了系统节点电压和节点注入电流的关系。矩阵的每一个对角元素等于该节点相连支路的导纳值的和的相反数；矩阵的每一个非对角元素等于这两个节点对应支路的导纳值，如果这两个节点之间没有通过一条支路直接相连，那么此元素为0。
因此支路的连接和断开也利用参数估计进行分析，断开的支路等效为阻抗值很大的正常运行的线路，如果一个系统将一个断开的支路判断为正常运行的话，而很明显会被上述的检测方法辨识出来。
在此基础上，其他参数估计问题，例如，变压器接头(变比)，FACTS(FlexibleAlternative Current Transmission Systems，柔性交流输电系统)设备的补偿功率，也可以等效为支路参数求解。
本发明提供的电力系统综合状态估计方法，可以快速辨识出电力系统中存在的可疑不良参数，根据确定的可疑支路区域，通过构造可疑参数的局部电网区域使得综合状态估计能分布并行计算，求解电力系统综合状态估计模型，确定目标电力系统综合状态估计，基于同步相量测量数据，对电力系统的状态、线路参数和网络拓扑进行综合建模，能够同时进行电力系统状态值以及拓扑和参数的综合估计，能够有效面对电力系统中出现多种不同类型错误的情况，能够有效地提高电力系统状态估计的有效性、实时性和准确性。
可选的，根据本发明提供的电力系统综合状态估计方法，所述基于所述电力系统基本模型，确定电力系统网络中的可疑支路区域集合，具体包括：
基于所述电力系统基本模型，根据最小二乘法，确定各支路残差；其中，所述残差包括：首端电压、末端电流、支路正向电流和支路反向电流对应的残差；
基于所述各支路残差确定所述电力系统中所有可疑支路；
基于所述电力系统中任一可疑支路，确定对应的可疑支路区域；其中，所述可疑支路区域包括：所述可疑支路本身、所述可疑支路的首末端节点、与所述可疑支路的首末端节点相连的正常支路，以及与所述可疑支路的节点相连的正常支路的首末节点；
基于所述电力系统中所有可疑支路对应的可疑支路区域，确定所述可疑支路区域集合。
具体的，基于电力系统基本模型，确定电力系统网络中的可疑支路区域集合，具体包括：
基于电力系统基本模型，当所有测量值为同步相量测量值的时候，可以利用最小二乘法直接求解并且求得残差；残差包括：首端电压、末端电流、支路正向电流和支路反向电流对应的残差。
残差向量r的表达式为：
Figure BDA0003050557810000111
其中，
Figure BDA0003050557810000112
为经过状态估计后的状态向量。
基于各支路残差确定电力系统中所有可疑支路，若与支路直接相关的四个残差值有三个超过阈值的时候，则标记该支路为可疑支路)。
对于电力系统中每一个可疑支路Li，确定对应的可疑支路区域Ai，Ai按照如下规则组成：
(a)可疑支路本身；
(b)可疑支路的首末端节点；
(c)与可疑支路的首末端节点相连的正常支路(不包括其他可疑支路)；
(d)与可疑支路的节点相连的正常支路的首末节点。
按照所提出的检测方法遍历电力系统中所有支路，找出所有可疑支路，确定其对应的可疑支路区域，形成可疑支路区域集合。
本发明提供的电力系统综合状态估计方法，可以快速辨识出电力系统中存在的可疑不良参数，确定可疑支路，根据预设的规则，确定可疑支路区域，根据确定的可疑支路区域，通过构造可疑参数的局部电网区域使得综合状态估计能分布并行计算，求解电力系统综合状态估计模型，确定目标电力系统综合状态估计，基于同步相量测量数据，对电力系统的状态、线路参数和网络拓扑进行综合建模，能够同时进行电力系统状态值以及拓扑和参数的综合估计，能够有效面对电力系统中出现多种不同类型错误的情况，能够有效地提高电力系统状态估计的有效性、实时性和准确性。
可选的，根据本发明提供的电力系统综合状态估计方法，所述将所有可疑支路的线路参数松弛为状态变量，确定电力系统综合状态估计模型，具体包括：
将所有可疑支路的线路参数松弛为状态变量，确定调参后的电力系统状态估计基本模型；
其中，所述调参后的电力系统状态估计基本模型为：
J2(x,p)＝(z-h(x,p))TW(z-h(x,p))；
基于所述调参后的电力系统状态估计基本模型，根据KCL约束，确定电力系统综合状态估计模型；
其中，所述电力系统综合状态估计模型为：
Figure BDA0003050557810000121
其中，p为将可疑支路的参数松弛后的状态变量，bus(i)表示电力系中统的节点i，branch(j)表示电力系统的支路j，所述Ai为可疑支路Li对应的可疑支路区域。
具体的，状态估计通常假设参数和拓扑都是准确的，因此优化变量都只有电网的状态量，也就是电压相量。
当某一条支路被标记为可疑支路时，将这一条可疑支路的线路参数电阻r、电抗x和电纳b松弛为状态变量，确定调参后的电力系统状态估计基本模型。
调参后的电力系统状态估计基本模型(即综合状态估计的目标函数)为：
J2(x,p)＝(z-h(x,p))TW(z-h(x,p))；
其中，p为将可疑支路的参数松弛后的状态变量。
基于调参后的电力系统状态估计基本模型，引入KCL(基尔霍夫电流定律，Kirchoff’s Current law)约束，作为求解时候的约束条件对模型进行优化，确定电力系统综合状态估计模型。
电力系统综合状态估计模型为：
Figure BDA0003050557810000122
其中，bus(i)表示电力系统的节点i，branch(j)表示电力系统的
中
支路j，Ai为可疑支路Li对应的可疑支路区域。
本发明提供的电力系统综合状态估计方法，可以快速辨识出电力系统中存在的可疑不良参数，确定可疑支路，将可疑支路的线路参数电阻r、电抗x和电纳b松弛为状态变量，引入KCL约束，确定电力系统综合状态估计模型，通过构造可疑参数的局部电网区域使得综合状态估计能分布并行计算，求解电力系统综合状态估计模型，确定目标电力系统综合状态估计，基于同步相量测量数据，对电力系统的状态、线路参数和网络拓扑进行综合建模，能够同时进行电力系统状态值以及拓扑和参数的综合估计，能够有效面对电力系统中出现多种不同类型错误的情况，能够有效地提高电力系统状态估计的有效性、实时性和准确性。
可选的，根据本发明提供的电力系统综合状态估计方法，所述基于所述可疑支路区域集合，求解所述电力系统综合状态估计模型，确定目标电力系统综合状态估计，具体包括：
对所述电力系统综合状态估计模型进行解耦，确定参数优化方程和状态优化方程；
其中，所述参数优化方程为：
Figure BDA0003050557810000131
所述状态优化方程为：
Figure BDA0003050557810000132
基于所述可疑支路区域集合，交叉迭代更新所述参数优化方程和状态优化方程，确定目标电力系统综合状态估计；
其中，t为交叉迭代更新次数。
具体的，通过对所述电力系统综合状态估计模型分析可知，同时考虑电力系统状态，模型参数和网络拓扑的综合估计模型是一个高维非线性的数学模型，难以解析求解。因此需要系统状态与模型参数和拓扑的解耦。
基于可疑支路区域集合，求解电力系统综合状态估计模型，确定目标电力系统综合状态估计，具体包括：
对所述电力系统综合状态估计模型进行解耦，将电力系统综合状态估计模型的优化拆分为模型参数的优化和系统状态的优化。
确定参数优化方程和状态优化方程。参数优化方程用于更新电力系统模型和其中的变量，状态优化方程用于更新电力系统中的电压和电流。
其中，所述参数优化方程(高维非线性)为：
Figure BDA0003050557810000141
所述状态优化方程(线性)为：
Figure BDA0003050557810000142
其中，t为交叉迭代更新次数。
模型参数和系统状态的优化过程即相当于，基于可疑支路区域集合，交叉迭代更新所述参数优化方程和状态优化方程。
先完成搜索参数空间，得到最优的参数后，再搜索状态空间，就可以得到当前参数下的电网状态的最优估计，可以得到当前量测集下的最优结果。该方法将参数和状态的维度降低，精度可以保证，对可观性的要求较低，非线性。
得到状态后，再用状态值更新量测，参数值更新导纳矩阵，参数估计和状态估计分别进行交叉迭代进行，参数估计的时候是分布式的，即对于每个支路的邻域进行估计，进而确定目标电力系统综合状态估计。
本发明提供的电力系统综合状态估计方法，可以快速辨识出电力系统中存在的可疑不良参数，确定可疑支路，通过构造可疑参数的局部电网区域使得综合状态估计能分布并行计算，对所述电力系统综合状态估计模型进行解耦，将电力系统综合状态估计模型的优化拆分为模型参数的优化和系统状态的优化，基于可疑支路区域集合，交叉迭代更新所述参数优化方程和状态优化方程，确定电力系统状态值以及拓扑和参数的综合估计，能够有效面对电力系统中出现多种不同类型错误的情况，在计算时将参数和状态的维度降低，保证状态估计精度，能够有效地提高电力系统状态估计的有效性、实时性和准确性。
可选的，根据本发明提供的电力系统综合状态估计方法，基于所述可疑支路区域集合，所述交叉迭代更新所述参数优化方程和状态优化方程，确定目标电力系统综合状态估计，具体包括：
在每一次交叉迭代更新过程中，若确定所述参数优化方程中存在可疑参数，对所述电力系统中每一个可疑支路区域，基于进化算法确定目标可疑参数，基于所述目标可疑参数更新状态优化方程，基于更新后的状态优化方程更新所述参数优化方程；
在确定所述交叉迭代更新过程结束后，确定当前参数优化方程和状态优化方程为目标电力系统综合状态估计；
所述确定所述交叉迭代更新过程结束，包括：确定所述参数优化方程中不存在可疑参数、确定迭代次数达到预设次数阈值或确定进化算法目标函数值小于预设函数阈值中的一项。
具体的，由于本发明中使用的电力系统数据(测量值)为同步相量测量值，测量值z提供足够的测量冗余性和完备性，在参数优化方程中引入考虑节点注入约束条件，因此参数求解的子过程也变成了含有等式约束的优化模型。
Figure BDA0003050557810000151
Figure BDA0003050557810000152
为了更便于求解，在该过程中通过引入拉格朗日乘子求解，则上式可以重新整理为如下所示的无约束优化问题。
Figure BDA0003050557810000161
从数学方程中可以看出，参数优化方程是高维非线性的数学模型，该模型难以解析求解，在本方案中基于进化算法对优化整理后的参数优化方程进行求解。
图2为本发明提供的电力系统综合状态估计过程流程示意图，如图2所示，基于可疑支路区域集合，交叉迭代更新参数优化方程和状态优化方程，确定目标电力系统综合状态估计，具体包括：
在每一次交叉迭代更新过程中，若确定参数优化方程中存在可疑参数，分布式对电力系统中每一个可疑支路区域，基于进化算法确定目标可疑参数，基于目标可疑参数更新状态优化方程，基于更新后的状态优化方程更新参数优化方程；
持续重复上述迭代更新过程，直至确定参数优化方程中不存在可疑参数，则此时确定状态估计结果就是正确的估计结果，结束综合状态估计。
同时可能会出现持续迭代更新但一直存在可疑参数的情况，对此，可以预先设置迭代次数的预设次数阈值，或设置进化算法目标函数值预设函数阈值。若确定迭代次数达到预设次数阈值，或确定进化算法目标函数值小于预设函数阈值，则认为满足结束条件，结束迭代，确定当前参数优化方程和状态优化方程为目标电力系统综合状态估计。
需要说明的是，预先设置迭代次数的预设次数阈值和进化算法目标函数值预设函数阈值的具体数值，可根据实际需求今天调整，本发明对此不做限定。
其次，在本发明中，进化算法可以为粒子群算法、蚁群算法、差分进化算法或麻雀搜索算法等，其目的在于实现对形成可疑参数的可疑支路区域电网的搜索，对可疑支路对应的参数巡游求解，使用的具体算法和实现的手段，本发明对此不做限定。
以具体流程为例，对本发明进行详细的说明，具体步骤流程如下：
1、采用最小二乘方法进行基于PMU的线性状态估计，得到初始参数和网络拓扑下的状态估计结果。
2、计算正则化拉格朗日乘子和残差，并且判断是否存在可疑参数，若是进入下一步。如果不存在可疑参数，说明预状态估计结果就是正确的估计结果，结束综合状态估计。
3、对于每个可疑支路，根据进化算法搜索形成可疑参数的可疑支路区域电网。
4、采用进化算法进行可疑支路区域的可疑参数估计，用估计结果更新参数值。
5、利用更新后的参数进行线性状态估计。
6、若达到最大迭次数或者目标函数值小于是的几次方，认为设置满足要求，结束迭代，否则利用估计后的状态值计算更新测量值，回到第4步。
本发明提供的电力系统综合状态估计方法，可以快速辨识出电力系统中存在的可疑不良参数，根据确定的可疑支路区域，通过构造可疑参数的局部电网区域，对电力系统的状态、线路参数和网络拓扑进行综合建模，并且通过数学解耦，基于可疑支路区域集合，根据进化算法，交叉迭代更新参数优化方程和状态优化方程，使得综合状态估计能分布并行计算，求解电力系统综合状态估计模型，确定目标电力系统综合状态估计，能够同时进行电力系统状态值以及拓扑和参数的综合估计，提高电力系统状态估计的有效性、实时性和准确性。
可选的，根据本发明提供的电力系统综合状态估计方法，所述进化算法为改进的协同粒子群优化算法；
所述改进的协同粒子群优化算法中，每个粒子群仅在可疑支路区域内进行参数的寻优求解，每个粒子均具有不同的变异能力，且粒子邻居拓扑结构为环形拓扑结构。
具体的，本发明提供一种改进的协同粒子群优化算法，寻优求解上述综合状态估计模型，为了解决标准粒子群方法易陷入局部收敛的问题，并且提高算法的计算效率，从协同合作方法，引入变异因子，采用环形邻居拓扑结构三个方面对标准粒子群方法进行改进和提升。
(a)协同合作方法(即每个粒子群仅在可疑支路区域内进行参数的寻优求解)
在综合状态估计模型中，每个可疑支路区域电网系统是相对独立的，而可疑参数的值也只与其区域电网内的测量值紧密相关。
因此，将粒子搜索参数的多维分到多个子粒子群中，每个粒子群只在每个局部电网系统内并行进行可以参数的寻优求解，只需优化较少的维度向量，进行状态估计计算时再将这些局部估计得到的参数分量，也就是参数的最新计算值合并后，更新测量方程。
(b)引入变异因子(即每个粒子均具有不同的变异能力)
为了增加粒子种群的多样性，避免粒子群陷入局部最优，在寻优过程中引入变异因子，以增加每个粒子的局部搜索能力。
给定粒子群每个粒子的不一样的变异能力，如下所示。
Figure BDA0003050557810000181
其中，m为总粒子数，i为粒子编号，mci为第i个粒子的变异能力。
随机生成一个符合(0,1)均匀分布的随机数cr和一个符合标准正态分布的随机数cg，每个粒子各个维度的位置根据下述公式进行变异。
Figure BDA0003050557810000182
其中，xi,d和xi′,d分别为第i个粒子变异前后维度d上的位置，pu为均匀分布变异概率，可以是固定值，也是根据指定分布或者规则产生，本发明的变异概率按照如下的方式随着迭代进行而递减。
pu(t)＝1-t/gen
其中，gen为变异代数。
通过变异实现粒子群位置的分布性的随机变异，可以使得粒子群的总体多样性大大增强，有利于粒子在搜索空间内进行更全面的探索，有效地避免陷入局部最优点。
(c)环形邻居拓扑结构(即粒子邻居拓扑结构为环形拓扑结构)
粒子群寻优能力的重要来源是因为粒子之间的合作，合作的方式是与其他粒子传递信息，也就是每个粒子的位置和目标函数值。这些传递信息的粒子被称为粒子的邻居。
本发明使用环形邻居拓扑作为本发明所提的协同粒子群优化算法的粒子合作拓扑。环形拓扑是平均邻居最少的拓扑结构之一，其收敛速度虽然较慢，但是搜索到全局最优值的能力最强。
本发明提供的电力系统综合状态估计方法，利用基于相量测量装置的状态估计提取可疑支路集与可疑支路区域，针对可疑支路集与可疑支路区域，在传统状态估计加权最小二乘的基础上，解耦状态变量和线路参数与拓扑，建立交叉迭代的综合状态估计模型，采用改进的协同粒子群算法对交叉迭代的综合状态估计模型进行求解，最后得到系统的状态变量和线路参数与拓扑。可以在估计电网状态时识别和校准线路参数和网络拓扑误差，准确方便。提高电力系统状态估计的有效性、实时性和准确性。
图3为本发明提供的电力系统结构示意图，如图3所示，以3机9节点的电力系统结构为例，对本发明提供的电力系统综合状态估计方法进行详细说明：
当支路4-5被标记为可疑支路(图3中实线圈出部分)时，可疑支路区域Ai(图3中实线和虚线一同圈出部分)为包括，节点1，4，5，6，9和支路1-4，4-5，6-7和4-9形成的5节点、4支路的局部电网。对于所有的可疑参数同样进行搜索形成可疑支路区域。
将所涉及的可疑支路的线路参数松弛为状态变量，进而采用改进协同粒子群算法更新可疑线路参数，然后再进行PMU的线性状态估计，两个过程交叉迭代，直至参数和状态收敛即可确定电力系统综合状态估计。
需要说明的是，3机9节点的电力系统仅作为一个具体的例子对本发明进行说明，在实际应用中，本发明对电力系统的结构不做限制。
图4为本发明提供的电力系统综合状态估计系统结构示意图，如图4所示，本发明还提供一种电力系统综合状态估计系统，包括：基本模型构建单元410、可疑支路确定单元420、综合模型构建单元430和状态估计确定单元440；
所述基本模型构建单元410，用于基于电力系统测量数据，确定电力系统状态估计基本模型；
所述可疑支路确定单元420，用于基于所述电力系统基本模型，确定电力系统网络中的可疑支路区域集合；其中，所述可疑支路相关的首端电压、末端电流、支路正向电流和支路反向电流对应的残差中，存在至少三项超过对应的预设阈值；
所述综合模型构建单元430，用于将所有可疑支路的线路参数松弛为状态变量，确定电力系统综合状态估计模型；其中，所述线路参数包括：电阻、电抗和电纳；
所述状态估计确定单元440，用于基于所述可疑支路区域集合，求解所述电力系统综合状态估计模型，确定目标电力系统综合状态估计。
具体的，对于电力系统的综合状态估计的目标是同时估计系统状态、模型参数和网络拓扑。虽然电力系统中状态、参数和网络拓扑的时间尺度不同，数据类型也不一样，但是都反映在测量方程中。
基本模型构建单元410，用于基于电力系统测量数据，电力系统测量方程，建立电力系统状态估计基本模型(基于电力系统网络本身原始拓扑结构建立)。该电力系统状态估计基本模型用于描述电力系统网络的状态向量、测量向量，以及状态向量与测量向量的关系。
需要说明的是，电力系统测量数据可以基于同步相量测量装置(phasormeasurement unit，简称PMU)获取，测量数据可包括电压、电流和功率等，具体采集的数据类型和采集数据的具体方法，可根据实际需求进行调整，本发明对此不做限定。
由于电力系统中，可能存在支路出现异常，设备故障，或数据丢失等情况，为了准确地对电力系统进行综合估计，可疑支路确定单元420，用于基于电力系统基本模型，对电力系统中任一支路，确定与支路直接相关的四个残差值(首端电压、末端电流、支路正向电流和支路反向电流这四个物理量对应的残差)，如果有三个超过对应的预设阈值的时候，则标记该支路为存在可疑参数的支路(简称可疑支路)，并根据该可疑支路，确定电力系统网络中的可疑支路区域集合。
需要说明的是，在确定可疑支路时，残差值对应的预设阈值的具体大小，可根据实际情况进行设置，本发明对此不做限定。
其次，在确定可疑支路区域时，可以是确定该可以支路本身作为可以支路区域，也可以是该可疑支路以及其首末端节点，或是还包括与该可疑支路相连接的其他支路。具体的可疑支路区域的划分规则，可根据实际需求进行调整，本发明对此不做限定。
综合模型构建单元430，用于将电力系统状态估计基本模型中所有可疑支路的线路参数松弛为状态变量(将其由测量值转换为未知变量)，并对模型进一步进行优化，确定电力系统综合状态估计模型。
其中，线路参数包括：电阻、电抗和电纳；
状态估计确定单元440，用于基于可疑支路区域集合，求解电力系统综合状态估计模型，进行分布计算，在每一个可疑支路区域内确定可疑支路参数(松弛后的状态变量)的目标值，进而确定目标电力系统综合状态估计，同时实现电力系统状态值以及拓扑和参数的综合估计。
本发明提供的电力系统综合状态估计系统，通过确定电力系统状态估计基本模型和电力系统网络中的可疑支路，将所有可疑支路的线路参数松弛为状态变量，确定电力系统综合状态估计模型，基于可疑支路区域集合，求解电力系统综合状态估计模型，确定目标电力系统综合状态估计。可以快速辨识出电力系统中存在的可疑不良参数，根据确定的可疑支路区域，通过构造可疑参数的局部电网区域使得综合状态估计能分布并行计算，求解电力系统综合状态估计模型，确定目标电力系统综合状态估计，能够同时进行电力系统状态值以及拓扑和参数的综合估计，提高电力系统状态估计的有效性、实时性和准确性。
需要说明的是，本发明提供的电力系统综合状态估计系统用于执行上述电力系统综合状态估计方法，其具体的实施方式与方法实施方式一致，在此不再赘述。
图5为本发明提供的电子设备的实体结构示意图，如图5所示，所述电子设备可以包括：处理器(processor)510、通信接口(communication interface)520、存储器(memory)530和通信总线(bus)540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行上述电力系统综合状态估计方法，包括：基于电力系统测量数据，确定电力系统状态估计基本模型；基于所述电力系统基本模型，确定电力系统网络中的可疑支路区域集合；其中，所述可疑支路相关的首端电压、末端电流、支路正向电流和支路反向电流对应的残差中，存在至少三项超过对应的预设阈值；将所有可疑支路的线路参数松弛为状态变量，确定电力系统综合状态估计模型；其中，所述线路参数包括：电阻、电抗和电纳；基于所述可疑支路区域集合，求解所述电力系统综合状态估计模型，确定目标电力系统综合状态估计。
此外，上述的存储器530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。
另一方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的电力系统综合状态估计方法，包括：基于电力系统测量数据，确定电力系统状态估计基本模型；基于所述电力系统基本模型，确定电力系统网络中的可疑支路区域集合；其中，所述可疑支路相关的首端电压、末端电流、支路正向电流和支路反向电流对应的残差中，存在至少三项超过对应的预设阈值；将所有可疑支路的线路参数松弛为状态变量，确定电力系统综合状态估计模型；其中，所述线路参数包括：电阻、电抗和电纳；基于所述可疑支路区域集合，求解所述电力系统综合状态估计模型，确定目标电力系统综合状态估计。
又一方面，本发明实施例还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以执行上述各提供的以执行电力系统综合状态估计方法，包括：基于电力系统测量数据，确定电力系统状态估计基本模型；基于所述电力系统基本模型，确定电力系统网络中的可疑支路区域集合；其中，所述可疑支路相关的首端电压、末端电流、支路正向电流和支路反向电流对应的残差中，存在至少三项超过对应的预设阈值；将所有可疑支路的线路参数松弛为状态变量，确定电力系统综合状态估计模型；其中，所述线路参数包括：电阻、电抗和电纳；基于所述可疑支路区域集合，求解所述电力系统综合状态估计模型，确定目标电力系统综合状态估计。
以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
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发明各实施例技术方案的精神和范围。

Claims (10)

1.一种电力系统综合状态估计方法，其特征在于，包括：
基于电力系统测量数据，确定电力系统状态估计基本模型；
基于所述电力系统基本模型，确定电力系统网络中的可疑支路区域集合；其中，所述可疑支路相关的首端电压、末端电流、支路正向电流和支路反向电流对应的残差中，存在至少三项超过对应的预设阈值；
将所有可疑支路的线路参数松弛为状态变量，确定电力系统综合状态估计模型；其中，所述线路参数包括：电阻、电抗和电纳；
基于所述可疑支路区域集合，求解所述电力系统综合状态估计模型，确定目标电力系统综合状态估计。
2.根据权利要求1所述的电力系统综合状态估计方法，其特征在于，所述基于电力系统测量数据，确定电力系统状态估计基本模型，具体包括：
基于电力系统中各支路节点的状态和测量数据，确定电力系统状态估计基本模型；
其中，所述电力系统状态估计基本模型为(电力系统状态估计以残差的最小二乘为目标函数)：
J1(x)＝(z-h(x))TW(z-h(x))；
其中，x为状态向量，z为测量向量，h(x)为所述电力系统方程。
3.根据权利要求2所述的电力系统综合状态估计方法，其特征在于，所述基于所述电力系统基本模型，确定电力系统网络中的可疑支路区域集合，具体包括：
基于所述电力系统基本模型，根据最小二乘法，确定各支路残差；其中，所述残差包括：首端电压、末端电流、支路正向电流和支路反向电流对应的残差；
基于所述各支路残差确定所述电力系统中所有可疑支路；
基于所述电力系统中任一可疑支路，确定对应的可疑支路区域；其中，所述可疑支路区域包括：所述可疑支路本身、所述可疑支路的首末端节点、与所述可疑支路的首末端节点相连的正常支路，以及与所述可疑支路的节点相连的正常支路的首末节点；
基于所述电力系统中所有可疑支路对应的可疑支路区域，确定所述可疑支路区域集合。
4.根据权利要求2或3所述的电力系统综合状态估计方法，其特征在于，所述将所有可疑支路的线路参数松弛为状态变量，确定电力系统综合状态估计模型，具体包括：
将所有可疑支路的线路参数松弛为状态变量，确定调参后的电力系统状态估计基本模型；
其中，所述调参后的电力系统状态估计基本模型为：
J2(x,p)＝(z-h(x,p))TW(z-h(x,p))；
基于所述调参后的电力系统状态估计基本模型，根据KCL约束，确定电力系统综合状态估计模型；
其中，所述电力系统综合状态估计模型为：
Figure FDA0003050557800000021
其中，p为将可疑支路的参数松弛后的状态变量，bus(i)表示电力系统中的节点i，branch(j)表示电力系统的支路j，所述Ai为可疑支路Li对应的可疑支路区域。
5.根据权利要求4所述的电力系统综合状态估计方法，其特征在于，所述基于所述可疑支路区域集合，求解所述电力系统综合状态估计模型，确定目标电力系统综合状态估计，具体包括：
对所述电力系统综合状态估计模型进行解耦，确定参数优化方程和状态优化方程；
其中，所述参数优化方程为：
Figure FDA0003050557800000031
所述状态优化方程为：
Figure FDA0003050557800000032
基于所述可疑支路区域集合，交叉迭代更新所述参数优化方程和状态优化方程，确定目标电力系统综合状态估计；
其中，t为交叉迭代更新次数。
6.根据权利要求5所述的电力系统综合状态估计方法，其特征在于，基于所述可疑支路区域集合，所述交叉迭代更新所述参数优化方程和状态优化方程，确定目标电力系统综合状态估计，具体包括：
在每一次交叉迭代更新过程中，若确定所述参数优化方程中存在可疑参数，对所述电力系统中每一个可疑支路区域，基于进化算法确定目标可疑参数，基于所述目标可疑参数更新状态优化方程，基于更新后的状态优化方程更新所述参数优化方程；
在确定所述交叉迭代更新过程结束后，确定当前参数优化方程和状态优化方程为目标电力系统综合状态估计；
所述确定所述交叉迭代更新过程结束，包括：确定所述参数优化方程中不存在可疑参数、确定迭代次数达到预设次数阈值或确定进化算法目标函数值小于预设函数阈值中的一项。
7.根据权利要求6所述的电力系统综合状态估计方法，其特征在于，所述进化算法为改进的协同粒子群优化算法；
所述改进的协同粒子群优化算法中，每个粒子群仅在可疑支路区域内进行参数的寻优求解，每个粒子均具有不同的变异能力，且粒子邻居拓扑结构为环形拓扑结构。
8.一种电力系统综合状态估计系统，其特征在于，包括：基本模型构建单元、可疑支路确定单元、综合模型构建单元和状态估计确定单元；
所述基本模型构建单元，用于基于电力系统测量数据，确定电力系统状态估计基本模型；
所述可疑支路确定单元，用于基于所述电力系统基本模型，确定电力系统网络中的可疑支路区域集合；其中，所述可疑支路相关的首端电压、末端电流、支路正向电流和支路反向电流对应的残差中，存在至少三项超过对应的预设阈值；
所述综合模型构建单元，用于将所有可疑支路的线路参数松弛为状态变量，确定电力系统综合状态估计模型；其中，所述线路参数包括：电阻、电抗和电纳；
所述状态估计确定单元，用于基于所述可疑支路区域集合，求解所述电力系统综合状态估计模型，确定目标电力系统综合状态估计。
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7任一项所述的电力系统综合状态估计方法。
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7任一项所述的电力系统综合状态估计方法。
CN202110485727.3A 2021-04-30 2021-04-30 电力系统综合状态估计方法及系统 Active CN113139295B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110485727.3A CN113139295B (zh) 2021-04-30 2021-04-30 电力系统综合状态估计方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110485727.3A CN113139295B (zh) 2021-04-30 2021-04-30 电力系统综合状态估计方法及系统

Publications (2)

Publication Number Publication Date
CN113139295A true CN113139295A (zh) 2021-07-20
CN113139295B CN113139295B (zh) 2024-09-13

Family

ID=76816847

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110485727.3A Active CN113139295B (zh) 2021-04-30 2021-04-30 电力系统综合状态估计方法及系统

Country Status (1)

Country Link
CN (1) CN113139295B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113721461A (zh) * 2021-07-22 2021-11-30 中国电力科学研究院有限公司 一种基于多试验场景的新能源机组参数辨识方法及系统
CN114254888A (zh) * 2021-12-07 2022-03-29 广东电网有限责任公司江门供电局 一种0.4kV台区低电压改造方案分析方法和系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103325070A (zh) * 2013-06-05 2013-09-25 中国南方电网有限责任公司 基于交叉熵的电力系统状态估计结果精度的评估方法
CN104242304A (zh) * 2014-09-09 2014-12-24 清华大学 一种基于相量量测的电力系统状态估计方法
CN108318786A (zh) * 2017-01-18 2018-07-24 中国电力科学研究院 一种配电网电缆线路绝缘老化风险的辨识方法和装置
CN109254204A (zh) * 2018-09-30 2019-01-22 国网冀北电力有限公司电力科学研究院 基于pmu数据的输电网三相电路参数辨识方法及装置
US20190236219A1 (en) * 2016-08-31 2019-08-01 3M Innovative Properties Company Systems and methods for modeling, analyzing, detecting, and monitoring fluid networks
CN112329276A (zh) * 2021-01-04 2021-02-05 国网江西省电力有限公司电力科学研究院 一种基于综合能源系统的安全状态分析方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103325070A (zh) * 2013-06-05 2013-09-25 中国南方电网有限责任公司 基于交叉熵的电力系统状态估计结果精度的评估方法
CN104242304A (zh) * 2014-09-09 2014-12-24 清华大学 一种基于相量量测的电力系统状态估计方法
US20190236219A1 (en) * 2016-08-31 2019-08-01 3M Innovative Properties Company Systems and methods for modeling, analyzing, detecting, and monitoring fluid networks
CN108318786A (zh) * 2017-01-18 2018-07-24 中国电力科学研究院 一种配电网电缆线路绝缘老化风险的辨识方法和装置
CN109254204A (zh) * 2018-09-30 2019-01-22 国网冀北电力有限公司电力科学研究院 基于pmu数据的输电网三相电路参数辨识方法及装置
CN112329276A (zh) * 2021-01-04 2021-02-05 国网江西省电力有限公司电力科学研究院 一种基于综合能源系统的安全状态分析方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113721461A (zh) * 2021-07-22 2021-11-30 中国电力科学研究院有限公司 一种基于多试验场景的新能源机组参数辨识方法及系统
CN114254888A (zh) * 2021-12-07 2022-03-29 广东电网有限责任公司江门供电局 一种0.4kV台区低电压改造方案分析方法和系统

Also Published As

Publication number Publication date
CN113139295B (zh) 2024-09-13

Similar Documents

Publication Publication Date Title
CN107453357B (zh) 一种基于分层求解的配电网状态估计方法
Wang et al. Transmission lines positive sequence parameters estimation and instrument transformers calibration based on PMU measurement error model
Kuhar et al. The impact of model and measurement uncertainties on a state estimation in three-phase distribution networks
CN113139295A (zh) 电力系统综合状态估计方法及系统
CN110659443A (zh) 检测状态估计网络模型数据误差
CN116973694B (zh) 配电网故障诊断优化方法及系统
CN112180204A (zh) 一种基于电气量信息的电网线路故障诊断方法
Majidi et al. Distribution systems state estimation using sparsified voltage profile
CN115392141B (zh) 一种自适应的电流互感器误差评估方法
Akrami et al. Sparse distribution system state estimation: An approximate solution against low observability
CN106228459A (zh) 基于蒙特卡洛的等值可靠性评估方法
Andreoli et al. Topology validation via simultaneous state & topology estimation with phasor data processing capability
CN110658419B (zh) 基于不完备信息的微电网故障定位方法
KR101988670B1 (ko) 배전계통의 상태추정 장치
Zhang et al. Robust State Estimation Method Based on Mahalanobis Distance Under Non-Gauss Noise
Sun et al. Distribution fault location using graph neural network with both node and link attributes
CN112487590B (zh) 一种优化智能电网鲁棒性的方法及装置
Rosli et al. Improving state estimation accuracy through incremental meter placement using new evolutionary strategy
Donmez et al. A parallel framework for robust state estimation using node-breaker substation models
Reis et al. A fast and accurate sampler built on Bayesian inference and optimized Hamiltonian Monte Carlo for voltage sag assessment in power systems
Nusrat Development of novel electrical power distribution system state estimation and meter placement algorithms suitable for parallel processing
Lu et al. Graph Computing Based Distributed State Estimation with PMUs
CN106296461B (zh) 基于粒子群优化算法及局部状态估计的电网参数辨识方法
Nusrat et al. Development of novel state estimation algorithms for active distribution networks
Li et al. Location of multi-harmonic source based on FAJD method

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