CN113468797A - 一种电-气综合能源系统状态估计方法和系统 - Google Patents
一种电-气综合能源系统状态估计方法和系统 Download PDFInfo
- Publication number
- CN113468797A CN113468797A CN202110494749.6A CN202110494749A CN113468797A CN 113468797 A CN113468797 A CN 113468797A CN 202110494749 A CN202110494749 A CN 202110494749A CN 113468797 A CN113468797 A CN 113468797A
- Authority
- CN
- China
- Prior art keywords
- energy system
- gas
- integrated energy
- electricity
- electric
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005259 measurement Methods 0.000 claims abstract description 53
- 239000002245 particle Substances 0.000 claims abstract description 25
- 238000005070 sampling Methods 0.000 claims abstract description 24
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 239000007789 gas Substances 0.000 claims description 147
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 140
- 239000003345 natural gas Substances 0.000 claims description 71
- 239000011159 matrix material Substances 0.000 claims description 38
- 230000008878 coupling Effects 0.000 claims description 22
- 238000010168 coupling process Methods 0.000 claims description 22
- 238000005859 coupling reaction Methods 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000002347 injection Methods 0.000 claims description 8
- 239000007924 injection Substances 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 10
- 230000006870 function Effects 0.000 description 31
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000007476 Maximum Likelihood Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- AAOVKJBEBIDNHE-UHFFFAOYSA-N diazepam Chemical compound N=1CC(=O)N(C)C2=CC=C(Cl)C=C2C=1C1=CC=CC=C1 AAOVKJBEBIDNHE-UHFFFAOYSA-N 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
-
- 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]
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/50—Controlling the sharing of the out-of-phase component
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Power Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Computer Hardware Design (AREA)
- Medical Informatics (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种电‑气综合能源系统状态估计方法和系统,包括:获取电‑气综合能源系统中多种量测量的采样值;基于电‑气综合能源系统中多种量测量的采样值,利用粒子群算法对预先构建的电‑气综合能源系统状态估计模型进行求解,确定电‑气综合能源系统中多种状态量的估计值;其中,所述电‑气综合能源系统状态估计模型以基于最小二乘法原理构建的多种量测量分别对应估计值的估计误差总和最小为目标确定多种状态量的估计值。本发明提供的技术方案能克服传统方法中因综合能源系统中多元化数据带来的估计精确性下降以及计算速度缓慢问题,能够实时反映综合能源系统内部运行状态,为综合能源态势感知工作奠定基础。
Description
技术领域
本发明涉及综合能源运行领域,具体涉及一种电-气综合能源系统状态估计方法和系统。
背景技术
在现如今越来越庞大的综合能源系统中,由于各子系统间耦合特性的关系,数据逐渐朝着多尺度、多方位的方向发展,综合能源系统所需要处理的数据复杂程度与广泛程度也在呈指数级增长,再加之系统中存在量测噪声、不良数据等异常情况,调度人员可能无法得到真实的系统运行数据而被误导,这对整个综合能源系统的安全稳定运行会造成难以估量的危害。故而开展综合能源系统状态估计工作,是综合能源系统发展建设中重要的一环,可以为综合能源系统未来发展趋势指明了方向。
状态估计工作在综合能源系统中的作用可以概括为以下内容:通过增加量测量的冗余度,提高量测数据的准确性;可以估计出综合能源系统内无法量测到的数据;状态估计还可以根据得到的数据对未来系统状态进行预测分析;在实际运行情况下,综合能源系统的量测装置配置有限,无法实现全量测,状态估计可以合理的分配综合能源系统内量测装置的位置,实现经济性与高效性兼顾。
可以看出状态估计的精确性以及速度对综合能源系统的发展而言有着极其重要的意义,因此如何提高状态估计的精确性以及速度是研究的重点。
常用的估计方法有卡尔曼滤波法与极大似然估计法。卡尔曼滤波算法是一种去除噪声,还原真实数据的一种数据处理技术,能够对现场采集的数据进行实时的更新和处理;极大似然估计的原理是通过求解状态量使得量测值被观测到的可能性最大。这两种方法在电力系统中都有着广泛的应用,但卡尔曼滤波只适用于线性系统,不适用于非线性的综合能源系统,极大似然估计则只是从概率论的角度出发,没有考虑到综合能源系统中多能流耦合特性,不能描述系统中量测量与状态量的内在联系。
基于上述背景,为了完善对综合能源系统状态的评估,亟需研究一种新的综合能源系统状态估计方法。
发明内容
针对现有技术的不足,本发明提出一种电-气综合能源系统状态估计方法,包括:
获取电-气综合能源系统中多种量测量的采样值;
基于电-气综合能源系统中多种量测量的采样值,利用粒子群算法对预先构建的电-气综合能源系统状态估计模型进行求解,确定电-气综合能源系统中多种状态量的估计值;
其中,所述电-气综合能源系统状态估计模型以基于最小二乘法原理构建的多种量测量分别对应估计值的估计误差总和最小为目标确定多种状态量的估计值。
优选的,所述电-气综合能源系统中量测量,包括但不限于:
电力系统中可量测节点的电压幅值、有功负荷和无功负荷,电力系统中可量测输电线路传输的有功功率和无功功率,天然气系统中可量测节点的压强和注入流量,以及天然气系统中可量测天然气管道传输流量;
所述电-气综合能源系统中状态量,包括但不限于:
电力系统中全部节点的电压幅值和电压相角,以及天然气系统中全部节点的压强。
进一步的,所述电-气综合能源系统状态估计模型的构建,包括:
令电-气综合能源系统中多种量测量的采样值为电-气综合能源系统状态估计模型的输入,令电-气综合能源系统中多种状态量的估计值为电-气综合能源系统状态估计模型的输出;
基于最小二乘法原理,以多种量测量分别对应估计值的估计误差总和最小为目标构建目标函数;
基于电-气综合能源系统拓扑结构参数,构建电-气耦合潮流模型;
将电-气耦合潮流模型作为所述目标函数的约束,并根据电-气综合能源系统设备特性为所述目标函数构建压缩机运行约束、GPG电-气耦合元件运行约束和P2G电-气耦合元件运行约束。
进一步的,所述目标函数的计算式如下:
式中,J(x)为所述目标函数的值,εe为电-气综合能源系统中电力系统的量测误差矩阵,εg为电-气综合能源系统中天然气系统的量测误差矩阵,Re为电-气综合能源系统中电力系统的量测误差协方差阵,Rg为电-气综合能源系统中天然气系统的量测误差协方差阵;
其中,所述电-气综合能源系统中电力系统的量测误差矩阵εe的计算式如下:
εe=ze-he(x)
式中,ze为电-气综合能源系统中电力系统中多种的量测量的采样值矩阵,he(x)为电-气综合能源系统中电力系统中多种的量测量的估计值矩阵;
所述电-气综合能源系统中天然气系统的量测误差矩阵εg的计算式如下:
εg=zg-hg(x)
式中,zg为电-气综合能源系统中天然气系统中多种量测量的采样值矩阵,hg(x)为电-气综合能源系统中天然气系统中多种量测量的估计值矩阵。
进一步的,所述电-气耦合潮流模型包括:电力系统潮流模型和天然气系统潮流模型。
进一步的,所述电力系统潮流模型的计算式如下:
式中,Vi为电力系统中节点i的电压,Vj为电力系统中节点j的电压,Gij为电力系统中线路ij的电导,Bij为电力系统中线路ij的电纳,θij为电力系统中节点i和节点j的相角差,K为变压器变比,bT为变压器标准侧电纳,yij为电力系统中线路ij的导纳,Pi为电力系统中节点i的有功负荷,Qi为电力系统中节点i的无功负荷,Pij为电力系统中线路ij传输的有功功率,Qij为电力系统中线路ij传输的无功功率,j∈(1~N),N为与节点i连接的所有节点的总和。
进一步的,所述天然气系统潮流模型的计算式如下:
式中,Kαβ为天然气系统中管道αβ的管道常数,pα为天然气系统中节点α的压强,pβ为天然气系统中节点β的压强,fαβ为天然气系统中管道αβ的传输流量,fα为天然气系统中节点α的注入流量,β∈Nα,Nα为与节点α连接的所有节点的集合,sαβ为天然气系统中管道αβ的流通方向系数,若pα>pβ,则sαβ=1;pα=pβ,则sαβ=0;若pα<pβ,则sαβ=-1。
优选的,所述PSO法的适应度函数的计算式为:
F(x)=J(x)
其中,所述F(x)为PSO法的适应度函数值,J(x)为电-气综合能源系统状态估计模型的目标函数值。
进一步的,所述电-气综合能源系统拓扑结构参数,包括:电网结构参数和气网结构参数;
所述电网结构参数包括线路对地电纳B和线路阻抗Z;
所述气网结构参数包括气网管道长度L、气网管道直径D和气网管道摩擦系数λ。
基于同一种发明构思,本发明还提供一种电-气综合能源系统状态估计系统,包括:
获取模块,用于获取电-气综合能源系统中多种量测量的采样值;
确定模块,用于基于电-气综合能源系统中多种量测量的采样值,利用粒子群算法对预先构建的电-气综合能源系统状态估计模型进行求解,确定电-气综合能源系统中多种状态量的估计值;
其中,所述电-气综合能源系统状态估计模型以基于最小二乘法原理构建的多种量测量分别对应估计值的估计误差总和最小为目标确定多种状态量的估计值。
与最接近的现有技术相比,本发明具有的有益效果:
本发明提供的一种电-气综合能源系统状态估计方法和系统,包括:获取电-气综合能源系统中多种量测量的采样值;基于电-气综合能源系统中多种量测量的采样值,利用粒子群算法对预先构建的电-气综合能源系统状态估计模型进行求解,确定电-气综合能源系统中多种状态量的估计值;其中,所述电-气综合能源系统状态估计模型以基于最小二乘法原理构建的多种量测量分别对应估计值的估计误差总和最小为目标确定多种状态量的估计值;本发明提供的技术方案能够在存在多元化数据带来的条件下避免估计精确性下降以及计算速度降低的问题出现,可靠的实现对综合能源系统状态估计,保障了综合能源系统的稳定运行,为态势感知奠定了坚实基础。
附图说明
图1为本发明提供的一种电-气综合能源系统状态估计方法流程图;
图2为本发明实施例中电-气综合能源系统状态估计的执行步骤示意图;
图3为本发明提供的一种电-气综合能源系统状态估计系统结构图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
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,都属于本发明保护的范围。
实施例1:
考虑到综合能源系统中多元化数据带来的估计精确性下降以及计算速度缓慢问题,本发明提供一种电-气综合能源系统状态估计方法,如图1所示,包括:
步骤S1.获取电-气综合能源系统中多种量测量的采样值;
步骤S2.基于电-气综合能源系统中多种量测量的采样值,利用粒子群算法对预先构建的电-气综合能源系统状态估计模型进行求解,确定电-气综合能源系统中多种状态量的估计值;
其中,所述电-气综合能源系统状态估计模型以基于最小二乘法原理构建的多种量测量分别对应估计值的估计误差总和最小为目标确定多种状态量的估计值。
本发明的具体步骤如图2所示,所述步骤S1之前还包括,步骤S0:预先构建的电-气综合能源系统状态估计模型;
所述步骤S0具体为:
步骤S0-1:初始化电-气综合能源系统拓扑结构参数,并基于电-气综合能源系统拓扑结构参数,构建电-气综合能源系统电-气耦合潮流模型h(x);
其中,电-气综合能源系统拓扑结构参数包括:电网结构参数,如线路对地电纳B、线路阻抗Z等;气网结构参数,如气网管道长度L、气网管道直径D、气网管道摩擦系数λ等;
所述h(x)=[he(x),hg(x)]T,he(x)为电力系统潮流模型,hg(x)为天然气系统潮流模型;
电力系统潮流模型如下式(1)-(6)所示:
Pij=Vi 2Gij-ViVjGijcosθij-ViVjBijsinθij (3)
Qij=-Vi 2(Bij+yij)-ViVjGijsinθij+ViVjBijcosθij (4)
式中,Vi为电力系统中节点i的电压,Vj为电力系统中节点j的电压,Gij为电力系统中线路ij的电导,Bij为电力系统中线路ij的电纳,θij为电力系统中节点i和节点j的相角差,K为变压器变比,bT为变压器标准侧电纳,yij为电力系统中线路ij的导纳,Pi为电力系统中节点i的有功负荷,Qi为电力系统中节点i的无功负荷,Pij为电力系统中线路ij传输的有功功率,Qij为电力系统中线路ij传输的无功功率,式(3)与(4)对应线路ij无变压器的情况,式(5)与(6)对应线路ij存在变压器的情况,j∈(1~N),N为与节点i连接的所有节点的总和。
天然气系统潮流模型如下式(7)-(8)所示:
式中,Kαβ为天然气系统中管道αβ的管道常数,sαβ为天然气系统中管道αβ的流通方向系数,若pα>pβ,则sαβ=1;pα=pβ,则sαβ=0;若pα<pβ,则sαβ=-1,pα为天然气系统中节点α的压强,pβ为天然气系统中节点β的压强,fαβ为天然气系统中管道αβ的传输流量,fα为天然气系统中节点α的注入流量,β∈Nα,Nα为与节点α连接的所有节点的集合。
所述h(x)能体现电-气综合能源系统中电力系统和天然气系统中量测量与状态量之间的关系;
所述电力系统的量测量包括:可量测节点的电压幅值、有功负荷和无功负荷,以及可量测输电线路传输的有功功率和无功功率;
所述电力系统的状态量包括:节点的电压幅值与电压相角;
所述天然气系统的量测量包括:可量测节点的压强和注入流量,以及可量测天然气管道传输流量;
所述天然气系统的状态量包括:节点的压强。
步骤S0-2:采用加权最小二乘法(WLS),以最小化模型误差为目标构建状态估计目标函数J(x);
考虑到综合能源系统的数据误差更加多元化及其非线性特性,给状态估计造成的负面影响更大。因此,采用加权最小二乘法(WLS),以最小化模型误差为目标构建状态估计目标函数J(x);
所述J(x)的计算式如下:
εe=ze-he(x) (10)
εg=zg-hg(x) (11)
式中,ze为电力系统的量测量的采样值矩阵,he(x)为电力系统的量测量的估计值矩阵,zg为天然气系统量测量的采样值矩阵,hg(x)为天然气系统量测量的估计值矩阵,εe为电力系统的量测误差矩阵,εg为天然气系统的量测误差矩阵,Re为电力系统的量测误差协方差阵,Rg为天然气系统的量测误差协方差阵。
步骤S0-3:根据电-气综合能源系统中耦合元件特性建立耦合元件运行约束,并建立压缩机运行约束;
其中所述耦合元件包括:燃气发电机组(GPG)和电制气机组(P2G);
压缩机运行约束:
Rkpl-po=0 (13)
式中,l与o分别为压缩机的入口与出口,Kol为压缩机流通系数,sol为压缩机流通方向系数,po为压缩机的出口压强,pl为压缩机的入口压强,Rk为压缩机的压缩比,fcom为进入压缩机的天然气流量;
GPG运行约束:
式中,fg,GPG为GPG消耗的天然气流量,Pe,GPG为GPG产生的功率,HR为GPG热率,C为天然气低热值;
P2G运行约束:
fg,P2G=CP2GPd,P2G (15)
式中,fg,P2G为P2G产生的天然气流量,CP2G为P2G的能量转换系数,Pd,P2G为P2G消耗的电能。
步骤S0-4:以J(x)为电-气综合能源系统状态估计模型的目标函数,以电-气综合能源系统电-气耦合潮流模型、压缩机运行约束、GPG运行约束和P2G运行约束为电-气综合能源系统状态估计模型的约束条件,构建电-气综合能源系统状态估计模型;
所述步骤S2具体为:
将电-气综合能源系统中待估计时刻量测量的采样值代入所述电-气综合能源系统状态估计模型,利用PSO法进行求解,得到电-气综合能源系统中待估计时刻状态量的值;
其中,粒子群算法(PSO)适应度函数F(x)是基于根据WLS构建的电-气综合能源系统状态估计目标函数设置的;
F(x)=J(x)(16)。
利用PSO法进行求解的过程为:
步骤A:设定电-气综合能源系统状态估计的最大迭代次数n与估计精度要求δ;
其中,所述综合能源系统状态估计的最大迭代次数n按照系统响应时间要求与精度要求综合选取,初始化迭代次数n为0;
所述估计精度要求δ取状态量的10-4~10-6;
步骤B:以电-气综合能源系统状态量为粒子生成初始种群,并初始化粒子的速度与位置;
步骤C:计算各粒子的适应度函数值;
步骤D:如果某粒子i当前适应度函数值小于之前局部最优适应度函数值,将pi替换为该粒子的位置,如果某粒子i当前适应度函数值小于之前全局最优适应度函数值,将gb替换为该粒子的位置;
步骤E:更新各粒子的速度与位置;
步骤F:当达到最大迭代次数或者达到估计精度要求时,输出当前最优粒子位置,该位置即为电-气综合能源系统状态估计结果E;否则,返回步骤C。
速度与位置的更新公式可写为:
其中,w为惯性权重;c1与c2均为学习因子,通常设置为2;ξ与η为[0,1]间的随机数;r为约束因子,通常设置为1;pi为粒子局部最优值;gb为粒子全局最优值,为粒子i第k次迭代位置,为粒子i第k+1次迭代位置,为粒子i第k次迭代速度,为粒子i第k+1次迭代速度。
实施例2:
本发明提供一种电-气综合能源系统状态估计系统,如图3所示,包括:
获取模块,用于获取电-气综合能源系统中多种量测量的采样值;
确定模块,用于基于电-气综合能源系统中多种量测量的采样值,利用粒子群算法对预先构建的电-气综合能源系统状态估计模型进行求解,确定电-气综合能源系统中多种状态量的估计值;
其中,所述电-气综合能源系统状态估计模型以基于最小二乘法原理构建的多种量测量分别对应估计值的估计误差总和最小为目标确定多种状态量的估计值。
具体的,所述电-气综合能源系统中量测量,包括但不限于:
电力系统中可量测节点的电压幅值、有功负荷和无功负荷,电力系统中可量测输电线路传输的有功功率和无功功率,天然气系统中可量测节点的压强和注入流量,以及天然气系统中可量测天然气管道传输流量;
所述电-气综合能源系统中状态量,包括但不限于:
电力系统中全部节点的电压幅值和电压相角,以及天然气系统中全部节点的压强。
具体的,所述系统还包括用于预先构建电-气综合能源系统状态估计模型的构建模块,所述构建模块,包括:
设定单元,用于令电-气综合能源系统中多种量测量的采样值为电-气综合能源系统状态估计模型的输入,令电-气综合能源系统中多种状态量的估计值为电-气综合能源系统状态估计模型的输出;
目标函数构建单元,用于基于最小二乘法原理,以多种量测量分别对应估计值的估计误差总和最小为目标构建目标函数;
电-气耦合潮流模型构建单元,用于基于电-气综合能源系统拓扑结构参数,构建电-气耦合潮流模型;
约束条件构建单元,用于将电-气耦合潮流模型作为所述目标函数的约束,并根据电-气综合能源系统设备特性为所述目标函数构建压缩机运行约束、GPG电-气耦合元件运行约束和P2G电-气耦合元件运行约束。
具体的,所述目标函数的计算式如下:
式中,J(x)为所述目标函数的值,εe为电-气综合能源系统中电力系统的量测误差矩阵,εg为电-气综合能源系统中天然气系统的量测误差矩阵,Re为电-气综合能源系统中电力系统的量测误差协方差阵,Rg为电-气综合能源系统中天然气系统的量测误差协方差阵;
其中,所述电-气综合能源系统中电力系统的量测误差矩阵εe的计算式如下:
εe=ze-he(x)
式中,ze为电-气综合能源系统中电力系统中多种的量测量的采样值矩阵,he(x)为电-气综合能源系统中电力系统中多种的量测量的估计值矩阵;
所述电-气综合能源系统中天然气系统的量测误差矩阵εg的计算式如下:
εg=zg-hg(x)
式中,zg为电-气综合能源系统中天然气系统中多种量测量的采样值矩阵,hg(x)为电-气综合能源系统中天然气系统中多种量测量的估计值矩阵。
进一步的,所述电-气耦合潮流模型包括:电力系统潮流模型和天然气系统潮流模型。
进一步的,所述电力系统潮流模型的计算式如下:
式中,Vi为电力系统中节点i的电压,Vj为电力系统中节点j的电压,Gij为电力系统中线路ij的电导,Bij为电力系统中线路ij的电纳,θij为电力系统中节点i和节点j的相角差,K为变压器变比,bT为变压器标准侧电纳,yij为电力系统中线路ij的导纳,Pi为电力系统中节点i的有功负荷,Qi为电力系统中节点i的无功负荷,Pij为电力系统中线路ij传输的有功功率,Qij为电力系统中线路ij传输的无功功率,j∈(1~N),N为与节点i连接的所有节点的总和。
进一步的,所述天然气系统潮流模型的计算式如下:
式中,Kαβ为天然气系统中管道αβ的管道常数,pα为天然气系统中节点α的压强,pβ为天然气系统中节点β的压强,fαβ为天然气系统中管道αβ的传输流量,fα为天然气系统中节点α的注入流量,β∈Nα,Nα为与节点α连接的所有节点的集合,sαβ为天然气系统中管道αβ的流通方向系数,若pα>pβ,则sαβ=1;pα=pβ,则sαβ=0;若pα<pβ,则sαβ=-1。
进一步的,所述PSO法的适应度函数的计算式为:
F(x)=J(x)
其中,所述F(x)为PSO法的适应度函数值,J(x)为电-气综合能源系统状态估计模型的目标函数值。
进一步的,所述电-气综合能源系统拓扑结构参数,包括:电网结构参数和气网结构参数;
所述电网结构参数包括线路对地电纳B和线路阻抗Z;
所述气网结构参数包括气网管道长度L、气网管道直径D和气网管道摩擦系数λ。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种电-气综合能源系统状态估计方法,其特征在于,所述方法包括:
获取电-气综合能源系统中多种量测量的采样值;
基于电-气综合能源系统中多种量测量的采样值,利用粒子群算法对预先构建的电-气综合能源系统状态估计模型进行求解,确定电-气综合能源系统中多种状态量的估计值;
其中,所述电-气综合能源系统状态估计模型以基于最小二乘法原理构建的多种量测量分别对应估计值的估计误差总和最小为目标确定多种状态量的估计值。
2.如权利要求1所述的方法,其特征在于,所述电-气综合能源系统中量测量,包括但不限于:
电力系统中可量测节点的电压幅值、有功负荷和无功负荷,电力系统中可量测输电线路传输的有功功率和无功功率,天然气系统中可量测节点的压强和注入流量,以及天然气系统中可量测天然气管道传输流量;
所述电-气综合能源系统中状态量,包括但不限于:
电力系统中全部节点的电压幅值和电压相角,以及天然气系统中全部节点的压强。
3.如权利要求1所述的方法,其特征在于,所述电-气综合能源系统状态估计模型的构建,包括:
令电-气综合能源系统中多种量测量的采样值为电-气综合能源系统状态估计模型的输入,令电-气综合能源系统中多种状态量的估计值为电-气综合能源系统状态估计模型的输出;
基于最小二乘法原理,以多种量测量分别对应估计值的估计误差总和最小为目标构建目标函数;
基于电-气综合能源系统拓扑结构参数,构建电-气耦合潮流模型;
将电-气耦合潮流模型作为所述目标函数的约束,并根据电-气综合能源系统设备特性为所述目标函数构建压缩机运行约束、GPG电-气耦合元件运行约束和P2G电-气耦合元件运行约束。
4.如权利要求3所述的方法,其特征在于,所述目标函数的计算式如下:
式中,J(x)为所述目标函数的值,εe为电-气综合能源系统中电力系统的量测误差矩阵,εg为电-气综合能源系统中天然气系统的量测误差矩阵,Re为电-气综合能源系统中电力系统的量测误差协方差阵,Rg为电-气综合能源系统中天然气系统的量测误差协方差阵;
其中,所述电-气综合能源系统中电力系统的量测误差矩阵εe的计算式如下:
εe=ze-he(x)
式中,ze为电-气综合能源系统中电力系统中多种的量测量的采样值矩阵,he(x)为电-气综合能源系统中电力系统中多种的量测量的估计值矩阵;
所述电-气综合能源系统中天然气系统的量测误差矩阵εg的计算式如下:
εg=zg-hg(x)
式中,zg为电-气综合能源系统中天然气系统中多种量测量的采样值矩阵,hg(x)为电-气综合能源系统中天然气系统中多种量测量的估计值矩阵。
5.如权利要求3所述的方法,其特征在于,所述电-气耦合潮流模型包括:电力系统潮流模型和天然气系统潮流模型。
8.如权利要求1所述的方法,其特征在于,所述PSO法的适应度函数的计算式为:
F(x)=J(x)
其中,所述F(x)为PSO法的适应度函数值,J(x)为电-气综合能源系统状态估计模型的目标函数值。
9.如权利要求3所述的方法,其特征在于,所述电-气综合能源系统拓扑结构参数,包括:电网结构参数和气网结构参数;
所述电网结构参数包括线路对地电纳B和线路阻抗Z;
所述气网结构参数包括气网管道长度L、气网管道直径D和气网管道摩擦系数λ。
10.一种电-气综合能源系统状态估计系统,其特征在于,所述系统包括:
获取模块,用于获取电-气综合能源系统中多种量测量的采样值;
确定模块,用于基于电-气综合能源系统中多种量测量的采样值,利用粒子群算法对预先构建的电-气综合能源系统状态估计模型进行求解,确定电-气综合能源系统中多种状态量的估计值;
其中,所述电-气综合能源系统状态估计模型以基于最小二乘法原理构建的多种量测量分别对应估计值的估计误差总和最小为目标确定多种状态量的估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110494749.6A CN113468797A (zh) | 2021-05-07 | 2021-05-07 | 一种电-气综合能源系统状态估计方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110494749.6A CN113468797A (zh) | 2021-05-07 | 2021-05-07 | 一种电-气综合能源系统状态估计方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113468797A true CN113468797A (zh) | 2021-10-01 |
Family
ID=77870606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110494749.6A Pending CN113468797A (zh) | 2021-05-07 | 2021-05-07 | 一种电-气综合能源系统状态估计方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113468797A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113919754A (zh) * | 2021-11-18 | 2022-01-11 | 华北电力大学 | 一种基于区块链的综合能源系统分布式状态估计方法 |
-
2021
- 2021-05-07 CN CN202110494749.6A patent/CN113468797A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113919754A (zh) * | 2021-11-18 | 2022-01-11 | 华北电力大学 | 一种基于区块链的综合能源系统分布式状态估计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107643507B (zh) | 一种基于电网线路运行误差远程校准的精益线损分析与管控方法 | |
CN109713685B (zh) | 一种适用于vsc接入引发次同步振荡的在线定位方法 | |
CN106796577A (zh) | 使用回归模型的能量基础设施传感器数据校正 | |
CN107727955B (zh) | 一种基于电网线路运行误差远程校准的变压器损耗分析与管控方法 | |
CN107741578B (zh) | 智能电能表运行误差远程校准的原始抄表数据处理方法 | |
CN103455716B (zh) | 一种基于超短期风电功率预测的电力系统电压稳定裕度计算方法 | |
CN115508770B (zh) | 一种基于kl-nb算法的电能表运行状态在线评估方法 | |
CN113126019A (zh) | 一种智能电表误差远程估计方法、系统、终端和存储介质 | |
US20230072795A1 (en) | Online State Estimation and Topology Identification Using Advanced Metering Infrastructure (AMI) Measurements | |
Chen et al. | Data-driven robust state estimation through off-line learning and on-line matching | |
CN111709350B (zh) | 基于fcm聚类的低频振荡模态参数识别方法及系统 | |
CN108462180B (zh) | 一种基于vine copula函数确定概率最优潮流的方法 | |
CN110224392A (zh) | 一种用于分析含风电系统电压稳定概率的无迹变换方法 | |
CN110783918A (zh) | 一种基于线性模型的配电三相区间状态估计求解算法 | |
CN109378835A (zh) | 基于互信息冗余性最优的大规模电力系统暂态稳定评估系统 | |
CN109066651A (zh) | 风电-负荷场景的极限传输功率的计算方法 | |
CN115201563A (zh) | 一种基于联合熵的多谐波源定位方法及系统 | |
CN113468797A (zh) | 一种电-气综合能源系统状态估计方法和系统 | |
CN106981872B (zh) | 一种电力系统运行可靠性的确定方法及装置 | |
CN105701265A (zh) | 一种双馈风电机组建模方法及装置 | |
CN110474323B (zh) | 一种电力系统惯性时间常数测量方法 | |
CN105140918A (zh) | 一种包含统一潮流控制器的随机最优潮流计算方法 | |
CN111179110B (zh) | 虚拟电厂可变阶聚合等效鲁棒动态模型建模方法及装置 | |
CN114221334A (zh) | 一种基于图神经网络的快速状态估计方法 | |
Zhang et al. | Parameter identification of hvdc transmission system model based on intelligent optimization algorithm |
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 |