CN113824114A - 基于滑模观测的配电网状态估计方法、装置、系统及介质 - Google Patents

基于滑模观测的配电网状态估计方法、装置、系统及介质 Download PDF

Info

Publication number
CN113824114A
CN113824114A CN202111382525.2A CN202111382525A CN113824114A CN 113824114 A CN113824114 A CN 113824114A CN 202111382525 A CN202111382525 A CN 202111382525A CN 113824114 A CN113824114 A CN 113824114A
Authority
CN
China
Prior art keywords
state
moment
power distribution
distribution network
sliding mode
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
CN202111382525.2A
Other languages
English (en)
Other versions
CN113824114B (zh
Inventor
刘凯
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.)
Huizhou Hongye Electric Power Co ltd
Huizhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Huizhou Hongye Electric Power Co ltd
Huizhou Power Supply Bureau of Guangdong Power Grid 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 Huizhou Hongye Electric Power Co ltd, Huizhou Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Huizhou Hongye Electric Power Co ltd
Priority to CN202111382525.2A priority Critical patent/CN113824114B/zh
Publication of CN113824114A publication Critical patent/CN113824114A/zh
Application granted granted Critical
Publication of CN113824114B publication Critical patent/CN113824114B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了基于滑模观测的配电网状态估计方法、装置、系统及介质，通过获取配电网系统k时刻的量测数据；通过预先构建的状态估计模型对量测数据进行状态预测，得到状态预测值；通过预设的滑模观测器对配电网系统的测量参量进行观测，得到量测估计值；根据量测估计值与量测数据之间的误差对状态预测值进行修正，得到k时刻的状态估计结果；获取k+1时刻的量测数据返回继续迭代，直到满足预设收敛条件。通过滑模观测器对配电网系统进行观测，并基于观测结果修正状态估计结果，使得配电网系统的状态估计轨迹能通过与系统参数无关的滑模运动逐渐趋于稳定，有效降低参数扰动与负荷模式改变对配电网状态估计精度的影响，确保配电网状态估计的精度。

Description

基于滑模观测的配电网状态估计方法、装置、系统及介质
技术领域
本发明涉及配电网技术领域，尤其涉及基于滑模观测的配电网状态估计方法、装置、系统及介质。
背景技术
目前，用户对电能质量和可靠性要求越来越高，配电SCADA系统也被越来越多地安装，从而提供实时数据供配电系统分析和控制使用。但是出于经济性的考虑，测量设备安装的数目是有限的，因此实时数据远远不足，加上设备和通讯的问题，传送到控制中心的数据存在一定的不正确、不可靠或者延时问题，配电网状态估计是解决上述问题的一种高效的方法。
传统的配电网动态系统估计准则基本都是加权最小二乘法的变形，其估计精度高度依赖于参数精度，因此当系统当前运行状态发生较大变化将导致状态估计精度急剧降低。
因此，现有技术还有待于改进和发展。
发明内容
鉴于上述现有技术的不足，本发明的目的在于提供基于滑模观测的配电网状态估计方法、装置、系统及介质，旨在降低参数扰动对配电网状态估计精度的影响。
本发明的技术方案如下：
一种基于滑模观测的配电网状态估计方法，包括：
获取配电网系统k时刻的量测数据；
通过预先构建的状态估计模型对所述量测数据进行状态预测，得到状态预测值；
通过预设的滑模观测器对所述配电网系统的测量参量进行观测，得到量测估计值；
根据所述量测估计值与所述量测数据之间的误差对所述状态预测值进行修正，得到k时刻的状态估计结果；
获取k+1时刻的量测数据返回继续迭代，直到满足预设收敛条件。
在一个实施例中，所述通过预先构建的状态估计模型对所述量测数据进行状态预测，得到状态预测值，包括：
根据所述状态估计模型中的量测方程对所述量测数据进行回推，得到k时刻状态值；
获取状态空间中上一时刻预测得到的k时刻状态预测值，并根据所述状态估计模型中的状态转移方程对所述k时刻状态值和所述k时刻状态预测值进行状态转移预测，得到k+1时刻状态预测值。
在一个实施例中，所述通过预设的滑模观测器对所述配电网系统的测量参量进行观测，得到量测估计值之前，所述方法还包括：
计算k时刻的滑模面与k+1时刻的滑模面，根据所述k时刻的滑模面与所述k+1时刻的滑模面确认当前配电网系统的状态预测轨迹是否满足预设滑模到达条件，若是，则配电网系统可观测。
在一个实施例中，所述根据所述量测估计值与所述量测数据之间的误差对所述状态预测值进行修正，得到k时刻的状态估计结果，包括：
计算所述量测估计值所述量测数据之间的误差；
根据所述误差按预设趋近律对k+1时刻的滑模面进行切换控制，使k+1时刻的滑模面趋近于0；
根据切换控制后k+1时刻的滑模面与所述滑模观测器的结构对k时刻状态预测值进行修正，得到k时刻状态估计结果。
在一个实施例中，所述量测数据
Figure 640270DEST_PATH_IMAGE001
，其中
Figure 26252DEST_PATH_IMAGE002
和
Figure 399465DEST_PATH_IMAGE003
分别为节点注入 有功功率和节点注入无功功率，选取节点电压幅值
Figure 263516DEST_PATH_IMAGE004
和相角
Figure 671363DEST_PATH_IMAGE005
作为配电系统的状 态变量
Figure 228247DEST_PATH_IMAGE006
，其中
Figure 88755DEST_PATH_IMAGE007
为节点的相序；
所述量测方程包括节点注入量测方程
Figure 756497DEST_PATH_IMAGE008
和支路量测方程
Figure 520316DEST_PATH_IMAGE009
，其中，
Figure 982521DEST_PATH_IMAGE010
和
Figure 471271DEST_PATH_IMAGE011
分别为节点
Figure 801759DEST_PATH_IMAGE012
的p相 在k时刻的有功功率和无功功率，
Figure 793985DEST_PATH_IMAGE013
为节点
Figure 82884DEST_PATH_IMAGE012
的p相在k时刻的电压幅值，
Figure 793351DEST_PATH_IMAGE014
为节 点
Figure 661950DEST_PATH_IMAGE015
的m相在k时刻的电压幅值，
Figure 774263DEST_PATH_IMAGE016
和
Figure 843850DEST_PATH_IMAGE017
分别为节点
Figure 661852DEST_PATH_IMAGE012
与节点
Figure 209508DEST_PATH_IMAGE015
之间相应相的电导和电 纳，
Figure 300961DEST_PATH_IMAGE018
为节点
Figure 807029DEST_PATH_IMAGE012
的p相相角
Figure 351142DEST_PATH_IMAGE019
与节点
Figure 702489DEST_PATH_IMAGE015
的m相相角
Figure 789394DEST_PATH_IMAGE020
之差，
Figure 325418DEST_PATH_IMAGE021
为 节点
Figure 232194DEST_PATH_IMAGE012
的p相相角
Figure 747751DEST_PATH_IMAGE019
与节点
Figure 954741DEST_PATH_IMAGE012
的m相相角
Figure 661666DEST_PATH_IMAGE022
之差，
Figure 55739DEST_PATH_IMAGE023
和
Figure 873522DEST_PATH_IMAGE024
分别为节点
Figure 669439DEST_PATH_IMAGE012
与节点
Figure 422632DEST_PATH_IMAGE015
之间支路的p相在k时刻的有功功率和无功功率，
Figure 428634DEST_PATH_IMAGE025
为节点
Figure 925474DEST_PATH_IMAGE012
的m相在k时刻的电压幅 值，
Figure 467576DEST_PATH_IMAGE026
为节点
Figure 126091DEST_PATH_IMAGE015
的p相在k时刻的电压幅值，n为节点总数，相序取a、b、c三相；
所述状态转移方程为
Figure 619389DEST_PATH_IMAGE027
，其中，
Figure 654341DEST_PATH_IMAGE028
为k+ 1时刻状态预测值，
Figure 690430DEST_PATH_IMAGE029
为k时刻状态值，
Figure 644480DEST_PATH_IMAGE030
为k时刻状态预测值，
Figure 500440DEST_PATH_IMAGE031
为k时刻水平分量，
Figure 463717DEST_PATH_IMAGE032
为k-1时刻水平分量，
Figure 88734DEST_PATH_IMAGE033
为k时刻倾斜分量，
Figure 980729DEST_PATH_IMAGE034
为k-1时刻倾斜分量，
Figure 58406DEST_PATH_IMAGE035
和
Figure 825374DEST_PATH_IMAGE036
为平滑参数。
在一个实施例中，所述配电网系统在k时刻的滑模面为
Figure 570476DEST_PATH_IMAGE037
，其中
Figure 7273DEST_PATH_IMAGE029
为 k时刻状态值，
Figure 696881DEST_PATH_IMAGE030
为k时刻状态预测值；
所述预设滑模到达条件为
Figure 142905DEST_PATH_IMAGE038
，
Figure 601569DEST_PATH_IMAGE039
为所述配电网系统在k+1 时刻的滑模面。
在一个实施例中，所述滑模观测器的结构为
Figure 209267DEST_PATH_IMAGE040
，其中
Figure 905214DEST_PATH_IMAGE028
为k+1时刻状态预测值，
Figure 889350DEST_PATH_IMAGE030
为k时刻状 态预测值，
Figure 343466DEST_PATH_IMAGE041
为k时刻的量测数据，
Figure 246699DEST_PATH_IMAGE042
为k时刻的量测估计值，
Figure 786265DEST_PATH_IMAGE043
为配电网系统的输入 参量，A、B、C为常数阶矩阵，G为输出偏差反馈增益实数矩阵。
一种基于滑模观测的配电网状态估计装置，包括：
获取模块，用于获取配电网系统k时刻的量测数据；
状态预测模块，用于通过预先构建的状态估计模型对所述量测数据进行状态预测，得到状态预测值；
滑模观测模块，用于通过预设的滑模观测器对所述配电网系统的测量参量进行观测，得到量测估计值；
修正模块，用于根据所述量测估计值与所述量测数据之间的误差对所述状态预测值进行修正，得到k时刻的状态估计结果；
迭代模块，用于获取k+1时刻的量测数据返回继续迭代，直到满足预设收敛条件。
一种基于滑模观测的配电网状态估计系统，所述系统包括至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述基于滑模观测的配电网状态估计方法。
一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行上述的基于滑模观测的配电网状态估计方法。
有益效果：本发明公开了基于滑模观测的配电网状态估计方法、装置、系统及介质，相比于现有技术，本发明实施例通过滑模观测器对配电网系统进行观测，并基于观测结果修正状态估计结果，使得配电网系统的状态估计轨迹能通过与系统参数无关的滑模运动逐渐趋于稳定，能有效降低参数扰动与负荷模式改变对配电网状态估计精度的影响，确保配电网状态估计的精度。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1为本发明实施例提供的基于滑模观测的配电网状态估计方法的一个流程图；
图2为本发明实施例提供的基于滑模观测的配电网状态估计方法中一个节点配电网示意图；
图3为本发明实施例提供的基于滑模观测的配电网状态估计装置的功能模块示意图；
图4为本发明实施例提供的基于滑模观测的配电网状态估计系统的硬件结构示意图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。以下结合附图对本发明实施例进行介绍。
请参阅图1，图1为本发明提供的基于滑模观测的配电网状态估计方法一个实施例的流程图。本实施例提供的基于滑模观测的配电网状态估计方法适用于对配电网进行状态估计的情况。如图1所示，该方法具体包括如下步骤：
S100、获取配电网系统k时刻的量测数据。
本实施例中，在进行配电网状态估计时，先进行状态估计初始化并设置状态变量以及时刻初始值，之后获取配电网系统k时刻的量测数据，其中量测数据是基于配电网的线路参数，通过SCADA（Supervisory Control And Data Acquisition，数据采集与监视控制）系统采集得到的，SCADA系统是以计算机为基础的DCS与电力自动化监控系统；它应用领域很广，可以应用于电力、冶金、石油、化工、燃气、铁路等领域的数据采集与监视控制以及过程控制等诸多领域，具体SCADA系统提供的量测数据可以包括节点电压幅值、支路有功功率，支路无功功率，节点注入有功功率和节点注入无功功率，基于采集到的量测数据对配电网中各节点的状态变量进行估计。
S200、通过预先构建的状态估计模型对量测数据进行状态预测，得到状态预测值。
本实施例中，通过预先构建的状态估计模型基于采集到的量测数据进行状态预测，由于电力系统状态量是一组因变量，例如状态变量为节点电压幅值和相角时，其会随着系统中节点负荷和发电机出力改变而改变，因此可基于当前时刻获取到的量测数据预测获取状态转移关系，进而预测下一时刻系统的状态变量值，得到具有可信性和合理性的状态预测值。
在一个实施例中，步骤S200包括：
根据状态估计模型中的量测方程对量测数据进行回推，得到k时刻状态值；
获取状态空间中上一时刻预测得到的k时刻状态预测值，并根据状态估计模型中的状态转移方程对k时刻状态值和k时刻状态预测值进行状态转移预测，得到k+1时刻状态预测值。
本实施例中，通过预先建立的配电网的状态估计模型实现状态预测，选取节点电压幅值和相角作为配电系统的状态变量，具体状态估计模型包括了用于动态估计的状态转移方程以及体现了量测数据与状态变量之间约束关系的量测方程，通过量测方程对采集到的k时刻的量测数据进行回推得到对应的k时刻状态值，之后通过两参数指数平滑法基于配电网系统当前时刻的状态预测值获取下一时刻的状态变量，即通过上一时刻预测得到的k时刻状态预测值以及回推的k时刻状态值预测得到k+1时刻状态预测值。
具体实施时，量测数据
Figure 698726DEST_PATH_IMAGE001
，其中
Figure 7348DEST_PATH_IMAGE002
和
Figure 81483DEST_PATH_IMAGE003
分别为节点注入有功功率 和节点注入无功功率，选取节点电压幅值
Figure 108345DEST_PATH_IMAGE004
和相角
Figure 434284DEST_PATH_IMAGE005
作为配电系统的状态变量
Figure 223511DEST_PATH_IMAGE006
，其中
Figure 343914DEST_PATH_IMAGE007
为节点的相序，本实施例采用极坐标形式下 的配电网状态估计三相量测方程，其中包括节点注入量测方程和支路量测方程，节点注入 量测方程为：
Figure 248285DEST_PATH_IMAGE044
（1）
路量测方程为：
Figure 112335DEST_PATH_IMAGE045
（2） 其中，
Figure 254604DEST_PATH_IMAGE010
和
Figure 811487DEST_PATH_IMAGE011
分别为节点
Figure 812941DEST_PATH_IMAGE012
的p相在k时刻的有功功率和无功功率，
Figure 605317DEST_PATH_IMAGE013
为节 点
Figure 477458DEST_PATH_IMAGE012
的p相在k时刻的电压幅值，
Figure 831341DEST_PATH_IMAGE014
为节点
Figure 320091DEST_PATH_IMAGE015
的m相在k时刻的电压幅值，
Figure 650578DEST_PATH_IMAGE016
和
Figure 642805DEST_PATH_IMAGE017
分 别为节点
Figure 666125DEST_PATH_IMAGE012
与节点
Figure 376592DEST_PATH_IMAGE015
之间相应相的电导和电纳，
Figure 245191DEST_PATH_IMAGE018
为节点
Figure 357503DEST_PATH_IMAGE012
的p相相角
Figure 787610DEST_PATH_IMAGE019
与节 点
Figure 250952DEST_PATH_IMAGE015
的m相相角
Figure 798608DEST_PATH_IMAGE020
之差，
Figure 890061DEST_PATH_IMAGE021
为节点
Figure 130549DEST_PATH_IMAGE012
的p相相角
Figure 940242DEST_PATH_IMAGE019
与节点
Figure 291589DEST_PATH_IMAGE012
的m相相角
Figure 237549DEST_PATH_IMAGE022
之 差，
Figure 914518DEST_PATH_IMAGE023
和
Figure 821294DEST_PATH_IMAGE024
分别为节点
Figure 330992DEST_PATH_IMAGE012
与节点
Figure 272403DEST_PATH_IMAGE015
之间支路的p相在k时刻的有功功率和无功功 率，
Figure 979328DEST_PATH_IMAGE025
为节点
Figure 373400DEST_PATH_IMAGE012
的m相在k时刻的电压幅值，
Figure 191183DEST_PATH_IMAGE026
为节点
Figure 252680DEST_PATH_IMAGE015
的p相在k时刻的电压幅值， n为节点总数，相序取a、b、c三相，通过量测方程中量测数据与状态变量之间的约束关系递 推迭代得到与实际采集量测数据对应的状态值。
本实施例采用两参数指数平滑法进行状态估计，具体的状态转移方程为：
Figure 5872DEST_PATH_IMAGE027
（3） 其中，
Figure 11874DEST_PATH_IMAGE028
为k+1时刻状态预测值，
Figure 243136DEST_PATH_IMAGE029
为k时刻状态值，
Figure 785238DEST_PATH_IMAGE030
为k时刻状态预测值，
Figure 709331DEST_PATH_IMAGE031
为k 时刻水平分量，
Figure 202630DEST_PATH_IMAGE032
为k-1时刻水平分量，
Figure 237582DEST_PATH_IMAGE033
为k时刻倾斜分量，
Figure 8092DEST_PATH_IMAGE034
为k-1时刻倾斜 分量，
Figure 227720DEST_PATH_IMAGE035
和
Figure 83681DEST_PATH_IMAGE036
为平滑参数。
针对已知的负荷曲线，选取节点电压幅值和相角为配电网系统的状态变量，利用 式（3）即可通过两参数指数平滑法对系统前一时刻的状态预测值获取当前时刻状态预测 值，其中，
Figure 781379DEST_PATH_IMAGE035
和
Figure 671974DEST_PATH_IMAGE036
表示两参数指数平滑法选取的平滑参数，
Figure 563969DEST_PATH_IMAGE035
表征趋势预测中对近期历 史数据的信任度，
Figure 641646DEST_PATH_IMAGE036
表征对远期历史数据的信任度，可根据实际配电网系统的运行特点例 如各变压器负荷曲线来获得各负荷节点对应的平滑参数，
Figure 408614DEST_PATH_IMAGE035
和
Figure 153716DEST_PATH_IMAGE036
的取值范围为[0,1]。
S300、通过预设的滑模观测器对配电网系统的测量参量进行观测，得到量测估计值。
本实施例中，由于传统配电网状态估计算法易受系统参数精度影响，因此针对离散的分布式配电网系统，本实施例中基于滑模观测器的滑模变结构控制，迫使系统在一定特性下沿规定的状态轨迹做小幅度高频率的上下运动，即滑动模特或滑模运动，以此来降低估计算法对系统参数的依赖程度，由于滑模变结构控制中滑动模态可以设计且与对象参数和扰动无关，因此具有快速响应、对参数变化和扰动不灵敏（鲁棒性）、无须系统在线辨识、物理实现简单等优点。具体来说需根据离散系统的状态方程预先构建相应的滑模观测器，在进行配电网状态估计时，通过该滑模观测器对配电网系统的测量参量进行观测估计，具体包括了输入参量和输出参量，输出参量即为量测数据，进而得到与采集到的量测数据相对应的量测估计值。
在一个实施例中，步骤S300之前，方法还包括：
计算k时刻的滑模面与k+1时刻的滑模面，根据k时刻的滑模面与k+1时刻的滑模面确认当前配电网系统的状态预测轨迹是否满足预设滑模到达条件，若是，则配电网系统可观测。
本实施例中，滑模观测器的结构具体为：
Figure 590514DEST_PATH_IMAGE040
（4）
其中
Figure 280121DEST_PATH_IMAGE028
为k+1时刻状态预测值，
Figure 460567DEST_PATH_IMAGE030
为k时刻状态预测值，
Figure 919230DEST_PATH_IMAGE041
为k时刻的量测 数据，
Figure 526929DEST_PATH_IMAGE042
为k时刻的量测估计值，
Figure 205297DEST_PATH_IMAGE043
为配电网系统的输入参量，A、B、C为常数阶矩阵，G为 输出偏差反馈增益实数矩阵，此外，定义滑模面
Figure 923854DEST_PATH_IMAGE037
，其中
Figure 502603DEST_PATH_IMAGE029
为k时刻状态值，
Figure 546783DEST_PATH_IMAGE030
为k时刻状态预测值，由于在进行滑模观测控制时需要依次经过到达阶段、滑动阶段以 及稳态阶段，从任意初始状态出发的离散系统的运动需满足相应的滑模到达条件，才可在 包含了滑模面的切换带内进行上下运动，即系统的状态轨迹于有限时间内到达切换带上， 此时状态轨迹的趋势是收敛的，滑动模态存在且系统可观测，具体的预设滑模到达条件为
Figure 210982DEST_PATH_IMAGE038
，
Figure 733230DEST_PATH_IMAGE039
为配电网系统在k+1时刻的滑模面，在系统可观测的前提下 再进一步进行后续的观测估计与状态修正等过程，避免前期进行无效的滑模观测控制，提 高状态估计的可靠性。
S400、根据量测估计值与量测数据之间的误差对状态预测值进行修正，得到k时刻的状态估计结果。
本实施例中，在滑模观测器经过状态估计输出得到量测估计值后，基于量测估计值与实际采集得到的量测数据之间的误差，对状态估计模型得到的状态预测值进行修正，重新构造得到更加接近真实状态的状态估计结果，以此提高配电网状态估计的精度。
在一个实施例中，步骤S400包括：
计算量测估计值量测数据之间的误差；
根据误差按预设趋近律对k+1时刻的滑模面进行切换控制，使k+1时刻的滑模面趋近于0；
根据切换控制后k+1时刻的滑模面与滑模观测器的结构对k时刻状态预测值进行修正，得到k时刻状态估计结果。
本实施例中，通过观测得到的量测估计值
Figure 307431DEST_PATH_IMAGE042
与实测测量的量测数据
Figure 381566DEST_PATH_IMAGE041
的误差 获知k时刻滑模面所处的状态区域，即当滑模面
Figure 142849DEST_PATH_IMAGE046
=0时将系统的状态空间分为上下两个部 分，
Figure 89027DEST_PATH_IMAGE046
＞0和
Figure 517735DEST_PATH_IMAGE046
＜0，根据估计值与测量值之间的误差可计算得到当前时刻滑模面的大小， 并对下一时刻的滑模面进行修正，具体来说当
Figure 762771DEST_PATH_IMAGE046
＞0时，则令
Figure 276929DEST_PATH_IMAGE039
＜0，当
Figure 265614DEST_PATH_IMAGE046
＜0，则令
Figure 548828DEST_PATH_IMAGE039
大于0，即按预设趋近律对k+1时刻的滑模面进行切换控制，使k+1时刻的滑模面趋近 于0，之后根据 k+1时刻的滑模面与k时刻状态预测值之间的约束关系即公式（4）对k时刻状 态预测值进行相应修正，进而得到k时刻状态估计结果，具体趋近律可采用等速趋近律、指 数趋近律、幂次趋近律等等，令系统的状态轨迹在滑模面等于0的上下做小幅度高频率的切 换运动，最终在滑模面等于0或者无限趋近于0时得到稳定的系统状态，此时滑模观测器修 正后的状态估计结果将无限逼近于系统的实际状态，且逼近过程与系统参数无关，从而在 降低了参数干扰的同时保证的配电网的估计精度。
S500、获取k+1时刻的量测数据返回继续迭代，直到满足预设收敛条件。
本实施例中，在当前时刻获取到修正后的状态估计结果后，则获取k+1时刻的量测数据并返回继续迭代上述状态估计过程，继续对k+1时刻的状态预测值进行修正，循环迭代至满足预设收敛条件即可得到重构得到无限趋近于系统真实状态的估计状态，实现对系统参数低依赖的配电网状态估计。
以下结合图2，以 IEEE33 节点测试系统为例展示本发明提供的基于滑模观测的配电网状态估计方法与现有状态估计算法的性能对比。
（1）含 PE/PV 随机波动配电网动态状态估计结果
本发明采用最为常用的EKF（Extended Kalman Filter，扩展卡尔曼滤波）算法与 SMO（Sliding mode observer，滑模观测器）进行算法仿真结果对比，在测试系统含PV 随机 波动情况下两个算法所获的电压幅值绝对误差
Figure 105711DEST_PATH_IMAGE047
及电压相角相对误差
Figure 966219DEST_PATH_IMAGE048
的最大值与均 值如表1所示。可见SMO算法较EKF 算法在电压幅值、相角指标的最大值及均值都要更优。
表1
Figure 633961DEST_PATH_IMAGE049
（2）系统负荷突变配电网动态状态估计结果
突发负荷改变时的状态估计指标结果对比如表2所示，能够发现对于异常配电网运行情况下，SMO算法较EKF 算法，明显提升了滤波精度，并对量测冗余有效提升。
表2
Figure 397780DEST_PATH_IMAGE050
本发明另一实施例提供一种基于滑模观测的配电网状态估计装置，包括：
获取模块11，用于获取配电网系统k时刻的量测数据；
状态预测模块12，用于通过预先构建的状态估计模型对量测数据进行状态预测，得到状态预测值；
滑模观测模块13，用于通过预设的滑模观测器对配电网系统的测量参量进行观测，得到量测估计值；
修正模块14，用于根据量测估计值与量测数据之间的误差对状态预测值进行修正，得到k时刻的状态估计结果；
迭代模块15，用于获取k+1时刻的量测数据返回继续迭代，直到满足预设收敛条件。
获取模块11、状态预测模块12、滑模观测模块13、修正模块14和迭代模块15依次连接，本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述基于滑模观测的配电网状态估计的执行过程，各模块的具体实施方式请参考上述对应的方法实施例，此处不再赘述。
本发明另一实施例提供一种基于滑模观测的配电网状态估计系统，如图4所示，系统10包括：
一个或多个处理器110以及存储器120，图4中以一个处理器110为例进行介绍，处理器110和存储器120可以通过总线或者其他方式连接，图4中以通过总线连接为例。
处理器110用于完成系统10的各种控制逻辑，其可以为通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、单片机、ARM（Acorn RISCMachine）或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。还有，处理器110还可以是任何传统处理器、微处理器或状态机。处理器110也可以被实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP和/或任何其它这种配置。
存储器120作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的基于滑模观测的配电网状态估计方法对应的程序指令。处理器110通过运行存储在存储器120中的非易失性软件程序、指令以及单元，从而执行系统10的各种功能应用以及数据处理，即实现上述方法实施例中的基于滑模观测的配电网状态估计方法。
存储器120可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据系统10使用所创建的数据等。此外，存储器120可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器120可选包括相对于处理器110远程设置的存储器，这些远程存储器可以通过网络连接至系统10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个单元存储在存储器120中，当被一个或者多个处理器110执行时，执行上述任意方法实施例中的基于滑模观测的配电网状态估计方法，例如，执行以上描述的图1中的方法步骤S100至步骤S500。
本发明实施例提供了一种非易失性计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如，执行以上描述的图1中的方法步骤S100至步骤S500。
作为示例，非易失性存储介质能够包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦ROM(EEPROM)或闪速存储器。易失性存储器能够包括作为外部高速缓存存储器的随机存取存储器(RAM)。通过说明而非限制，RAM可以以诸如同步RAM(SRAM)、动态RAM、(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、Synchlink DRAM(SLDRAM)以及直接Rambus(兰巴斯)RAM(DRRAM)之类的许多形式得到。本文中所描述的操作环境的所公开的存储器组件或存储器旨在包括这些和/或任何其他适合类型的存储器中的一个或多个。
综上，本发明公开的基于滑模观测的配电网状态估计方法、装置、系统及介质中，方法通过获取配电网系统k时刻的量测数据；通过预先构建的状态估计模型对量测数据进行状态预测，得到状态预测值；通过预设的滑模观测器对配电网系统的测量参量进行观测，得到量测估计值；根据量测估计值与量测数据之间的误差对状态预测值进行修正，得到k时刻的状态估计结果；获取k+1时刻的量测数据返回继续迭代，直到满足预设收敛条件。通过滑模观测器对配电网系统进行观测，并基于观测结果修正状态估计结果，使得配电网系统的状态估计轨迹能通过与系统参数无关的滑模运动逐渐趋于稳定，能有效降低参数扰动与负荷模式改变对配电网状态估计精度的影响，确保配电网状态估计的精度。
当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件（如处理器，控制器等）来完成，所述的计算机程序可存储于一非易失性计算机可读取的存储介质中，该计算机程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、软盘、闪存、光存储器等。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种基于滑模观测的配电网状态估计方法，其特征在于，包括：
获取配电网系统k时刻的量测数据；
通过预先构建的状态估计模型对所述量测数据进行状态预测，得到状态预测值；
通过预设的滑模观测器对所述配电网系统的测量参量进行观测，得到量测估计值；
根据所述量测估计值与所述量测数据之间的误差对所述状态预测值进行修正，得到k时刻的状态估计结果；
获取k+1时刻的量测数据返回继续迭代，直到满足预设收敛条件。
2.根据权利要求1所述的基于滑模观测的配电网状态估计方法，其特征在于，所述通过预先构建的状态估计模型对所述量测数据进行状态预测，得到状态预测值，包括：
根据所述状态估计模型中的量测方程对所述量测数据进行回推，得到k时刻状态值；
获取状态空间中上一时刻预测得到的k时刻状态预测值，并根据所述状态估计模型中的状态转移方程对所述k时刻状态值和所述k时刻状态预测值进行状态转移预测，得到k+1时刻状态预测值。
3.根据权利要求2所述的基于滑模观测的配电网状态估计方法，其特征在于，所述通过预设的滑模观测器对所述配电网系统的测量参量进行观测，得到量测估计值之前，所述方法还包括：
计算k时刻的滑模面与k+1时刻的滑模面，根据所述k时刻的滑模面与所述k+1时刻的滑模面确认当前配电网系统的状态预测轨迹是否满足预设滑模到达条件，若是，则配电网系统可观测。
4.根据权利要求3所述的基于滑模观测的配电网状态估计方法，其特征在于，所述根据所述量测估计值与所述量测数据之间的误差对所述状态预测值进行修正，得到k时刻的状态估计结果，包括：
计算所述量测估计值所述量测数据之间的误差；
根据所述误差按预设趋近律对k+1时刻的滑模面进行切换控制，使k+1时刻的滑模面趋近于0；
根据切换控制后k+1时刻的滑模面与所述滑模观测器的结构对k时刻状态预测值进行修正，得到k时刻状态估计结果。
5.根据权利要求2所述的基于滑模观测的配电网状态估计方法，其特征在于，所述量测 数据
Figure DEST_PATH_IMAGE001
，其中
Figure 433094DEST_PATH_IMAGE002
和
Figure DEST_PATH_IMAGE003
分别为节点注入有功功率和节点注入无功功率，选取 节点电压幅值
Figure 659807DEST_PATH_IMAGE004
和相角
Figure DEST_PATH_IMAGE005
作为配电系统的状态变量
Figure 215553DEST_PATH_IMAGE006
，其 中
Figure DEST_PATH_IMAGE007
为节点的相序；
所述量测方程包括节点注入量测方程
Figure 751577DEST_PATH_IMAGE008
和 支路量测方程
Figure DEST_PATH_IMAGE009
，其中，
Figure 658353DEST_PATH_IMAGE010
和
Figure DEST_PATH_IMAGE011
分别 为节点
Figure 199011DEST_PATH_IMAGE012
的p相在k时刻的有功功率和无功功率，
Figure DEST_PATH_IMAGE013
为节点
Figure 733897DEST_PATH_IMAGE012
的p相在k时刻的电压幅 值，
Figure 581767DEST_PATH_IMAGE014
为节点
Figure DEST_PATH_IMAGE015
的m相在k时刻的电压幅值，
Figure 975840DEST_PATH_IMAGE016
和
Figure DEST_PATH_IMAGE017
分别为节点
Figure 544355DEST_PATH_IMAGE012
与节点
Figure 605852DEST_PATH_IMAGE015
之间相应 相的电导和电纳，
Figure 359045DEST_PATH_IMAGE018
为节点
Figure 365047DEST_PATH_IMAGE012
的p相相角
Figure DEST_PATH_IMAGE019
与节点
Figure 861887DEST_PATH_IMAGE015
的m相相角
Figure 151792DEST_PATH_IMAGE020
之差，
Figure DEST_PATH_IMAGE021
为节点
Figure 75886DEST_PATH_IMAGE012
的p相相角
Figure 444550DEST_PATH_IMAGE019
与节点
Figure 869715DEST_PATH_IMAGE012
的m相相角
Figure 905804DEST_PATH_IMAGE022
之差，
Figure DEST_PATH_IMAGE023
和
Figure 610586DEST_PATH_IMAGE024
分 别为节点
Figure 466547DEST_PATH_IMAGE012
与节点
Figure 570769DEST_PATH_IMAGE015
之间支路的p相在k时刻的有功功率和无功功率，
Figure DEST_PATH_IMAGE025
为节点
Figure 320419DEST_PATH_IMAGE012
的m相 在k时刻的电压幅值，
Figure 851895DEST_PATH_IMAGE026
为节点
Figure 195151DEST_PATH_IMAGE015
的p相在k时刻的电压幅值，n为节点总数，相序取a、b、 c三相；
所述状态转移方程为
Figure DEST_PATH_IMAGE027
，其中，
Figure 680228DEST_PATH_IMAGE028
为k+1时 刻状态预测值，
Figure DEST_PATH_IMAGE029
为k时刻状态值，
Figure 159751DEST_PATH_IMAGE030
为k时刻状态预测值，
Figure DEST_PATH_IMAGE031
为k时刻水平分量，
Figure 721182DEST_PATH_IMAGE032
为k-1时刻水平分量，
Figure DEST_PATH_IMAGE033
为k时刻倾斜分量，
Figure 286156DEST_PATH_IMAGE034
为k-1时刻倾斜分量，
Figure DEST_PATH_IMAGE035
和
Figure 341968DEST_PATH_IMAGE036
为平滑参数。
6.根据权利要求3所述的基于滑模观测的配电网状态估计方法，其特征在于，所述配电 网系统在k时刻的滑模面为
Figure DEST_PATH_IMAGE037
，其中
Figure 535052DEST_PATH_IMAGE029
为k时刻状态值，
Figure 408330DEST_PATH_IMAGE030
为k时刻状态预 测值；
所述预设滑模到达条件为
Figure 726179DEST_PATH_IMAGE038
，
Figure DEST_PATH_IMAGE039
为所述配电网系统在k+1时刻 的滑模面。
7.根据权利要求1-6任意一项所述的基于滑模观测的配电网状态估计方法，其特征在 于，所述滑模观测器的结构为
Figure 84217DEST_PATH_IMAGE040
，其中
Figure 538332DEST_PATH_IMAGE028
为k+1时 刻状态预测值，
Figure 582511DEST_PATH_IMAGE030
为k时刻状态预测值，
Figure DEST_PATH_IMAGE041
为k时刻的量测数据，
Figure 246711DEST_PATH_IMAGE042
为k时刻的量测估 计值，
Figure DEST_PATH_IMAGE043
为配电网系统的输入参量，A、B、C为常数阶矩阵，G为输出偏差反馈增益实数矩 阵。
8.一种基于滑模观测的配电网状态估计装置，其特征在于，包括：
获取模块，用于获取配电网系统k时刻的量测数据；
状态预测模块，用于通过预先构建的状态估计模型对所述量测数据进行状态预测，得到状态预测值；
滑模观测模块，用于通过预设的滑模观测器对所述配电网系统的测量参量进行观测，得到量测估计值；
修正模块，用于根据所述量测估计值与所述量测数据之间的误差对所述状态预测值进行修正，得到k时刻的状态估计结果；
迭代模块，用于获取k+1时刻的量测数据返回继续迭代，直到满足预设收敛条件。
9.一种基于滑模观测的配电网状态估计系统，其特征在于，所述系统包括至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7任一项所述的基于滑模观测的配电网状态估计方法。
10.一种非易失性计算机可读存储介质，其特征在于，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行权利要求1-7任一项所述的基于滑模观测的配电网状态估计方法。
CN202111382525.2A 2021-11-22 2021-11-22 基于滑模观测的配电网状态估计方法、装置、系统及介质 Active CN113824114B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111382525.2A CN113824114B (zh) 2021-11-22 2021-11-22 基于滑模观测的配电网状态估计方法、装置、系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111382525.2A CN113824114B (zh) 2021-11-22 2021-11-22 基于滑模观测的配电网状态估计方法、装置、系统及介质

Publications (2)

Publication Number Publication Date
CN113824114A true CN113824114A (zh) 2021-12-21
CN113824114B CN113824114B (zh) 2022-03-18

Family

ID=78917964

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111382525.2A Active CN113824114B (zh) 2021-11-22 2021-11-22 基于滑模观测的配电网状态估计方法、装置、系统及介质

Country Status (1)

Country Link
CN (1) CN113824114B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114489010A (zh) * 2022-01-25 2022-05-13 佛山智能装备技术研究院 一种adrc扩张观测器状态观测误差实时预测方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009110900A1 (en) * 2008-03-06 2009-09-11 Brooks Instrument, Llc Mass flow controller employing sliding mode control
CN104899435A (zh) * 2015-05-25 2015-09-09 清华大学 计及零注入约束的电力系统动态状态估计方法
CN106547207A (zh) * 2016-10-13 2017-03-29 浙江理工大学 一种非线性多输入多输出系统混合式观测器构建方法
CN106707061A (zh) * 2016-12-16 2017-05-24 湖南大学 基于混合量测的配电网动态状态估计方法
CN106872904A (zh) * 2017-02-23 2017-06-20 合肥工业大学 基于离散滑模观测器的锂电池内部温度估计方法
CN107025609A (zh) * 2017-03-16 2017-08-08 河海大学 基于奇异值分解cdkf的电力系统动态状态估计方法
CN110361967A (zh) * 2019-05-20 2019-10-22 北京理工大学 滑模观测器的构建方法
CN112713587A (zh) * 2020-12-10 2021-04-27 国网上海市电力公司 一种基于平方根容积卡尔曼滤波器的配电网动态状态估计方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009110900A1 (en) * 2008-03-06 2009-09-11 Brooks Instrument, Llc Mass flow controller employing sliding mode control
CN104899435A (zh) * 2015-05-25 2015-09-09 清华大学 计及零注入约束的电力系统动态状态估计方法
CN106547207A (zh) * 2016-10-13 2017-03-29 浙江理工大学 一种非线性多输入多输出系统混合式观测器构建方法
CN106707061A (zh) * 2016-12-16 2017-05-24 湖南大学 基于混合量测的配电网动态状态估计方法
CN106872904A (zh) * 2017-02-23 2017-06-20 合肥工业大学 基于离散滑模观测器的锂电池内部温度估计方法
CN107025609A (zh) * 2017-03-16 2017-08-08 河海大学 基于奇异值分解cdkf的电力系统动态状态估计方法
CN110361967A (zh) * 2019-05-20 2019-10-22 北京理工大学 滑模观测器的构建方法
CN112713587A (zh) * 2020-12-10 2021-04-27 国网上海市电力公司 一种基于平方根容积卡尔曼滤波器的配电网动态状态估计方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王瀚东: "基于观测器的电力信息物理系统安全状态估计与攻击防御", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114489010A (zh) * 2022-01-25 2022-05-13 佛山智能装备技术研究院 一种adrc扩张观测器状态观测误差实时预测方法及系统

Also Published As

Publication number Publication date
CN113824114B (zh) 2022-03-18

Similar Documents

Publication Publication Date Title
AU2016373710B2 (en) Method for controlling power distribution
CN106602596B (zh) 一种逆变器模型预测控制的模型参数自适应方法
CN113824114B (zh) 基于滑模观测的配电网状态估计方法、装置、系统及介质
CN111884218B (zh) 一种双馈入vsc输电系统稳定性评估方法及系统
WO2018156683A1 (en) System parameter identification method based on rate-limited relay with hysteresis and sinusoidal injection
CN110707693B (zh) 一种基于ami全量测点分区的集合卡尔曼滤波动态状态估计方法
CN110502842B (zh) 功率半导体模块的热模型建模方法及其应用方法和装置
JP6782181B2 (ja) 太陽光発電量推定装置および方法
CN109698505B (zh) 大电网静态电压稳定在线防控的调控量化映射计算方法
CN113255959B (zh) 一种电力系统动态状态估计方法及系统
CN111106606B (zh) 谐波电流的补偿方法、装置、有源滤波器和存储介质
Li et al. A control parameter design method for hybrid multi-terminal HVDC system
Loh et al. Auto-tuning of phase lead/lag compensators
CN110061646B (zh) 一种三电平逆变器中点平衡的方法、设备及存储介质
Tian et al. Speed-sensorless control of induction motors based on adaptive EKF
CN103729537A (zh) 一种感知配电网实时态势的扩展锥方法
Liu Design of flow control system based on expert PID
CN110021931B (zh) 一种计及模型不确定性的电力系统辅助预测状态估计方法
CN113553538A (zh) 一种递推修正混合线性状态估计方法
CN114204812A (zh) Dc/dc变换器的电压波动处理方法、装置、介质及终端
CN116505520B (zh) 一种光伏并网发电系统振荡抑制方法及系统
CN113809779B (zh) 一种风电场接入柔直系统时稳定性检验方法
CN110445357B (zh) 一种并网逆变器谐波电流抑制方法及可读存储介质
Bislimi Analysis of Convergence Behavior and Derivation of Divergence Indicator in Continuation Power Flow Iterations.
CN113644734A (zh) 一种电网监控系统、装置、计算机设备和存储介质

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