CN115377977B - 含零注入节点的主动配电网高精度状态估计系统及方法 - Google Patents
含零注入节点的主动配电网高精度状态估计系统及方法 Download PDFInfo
- Publication number
- CN115377977B CN115377977B CN202211315181.8A CN202211315181A CN115377977B CN 115377977 B CN115377977 B CN 115377977B CN 202211315181 A CN202211315181 A CN 202211315181A CN 115377977 B CN115377977 B CN 115377977B
- Authority
- CN
- China
- Prior art keywords
- module
- function
- taylor expansion
- order taylor
- state estimation
- 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.)
- Active
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
- 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
- G06F17/12—Simultaneous equations, e.g. systems of linear equations
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种含零注入节点的主动配电网高精度状态估计系统及方法,包括输入模块、电力系统状态估计模型模块、一阶泰勒展开优化问题模块、最优法向解求解模块、拉格朗日函数构造模块、一阶泰勒展开的拉格朗日函数模块、最优切向解求解模块、状态变量更新模块、输出模块,将每一步的下降方向分解成法向和切向方向,首先通过一个无约束优化问题得到法向搜索方向,接着同构一个最小二乘法非精确估计零注入功率节点潮流平衡方程对应的拉格朗日乘子,最后通过一个含等式约束的二次规划问题得到切向搜索方向,本发明不仅保证了虚拟零注入量测的有效信息,而且在没有增加太大计算量的情况下保证了主动配电网状态估计的计算效。
Description
技术领域
本发明属于电力系统运行与分析领域,尤其涉及了一种含零注入节点的主动配电网高精度状态估计系统及方法。
背景技术
随着调度自动化水平的日益提高, 状态估计应用变得愈加广泛 ,目前电力系统状态估计通常采用基于加权最小二乘准则的方法,并假设系统中所有量测量的误差严格服从正态分布, 其方法主要有:基本加权最小二乘状态估计方法,加权最小二乘状态估计快速分解法,正交变换方法,带等式约束的加权最小二乘状态估计方法和带不等式约束的加权最小二乘方法等。
当前主动配电网发展迅速,大量分布式新能源机组以及需求侧响应负荷接入主动配电网电网,导致主动配电网非线性增强,运行态势复杂多变,状态估计的难度大大增加,在实际系统中, 存在许多既不挂接发电机也不挂接负荷的零注入节点,如何在保证电力系统状态估计本身的精度、效率和收敛性的同时,保证估计结果中零注入节点的注入功率严格为0,是主动配电网状态估计研究中的重要问题。
虚拟零注入量是一种非常精确、可以利用的量测类型, 并且不必增加量测设备。它的加入可以极大地影响相关节点状态量的计算精度,加快方法的收敛速度。
发明内容
发明目的:为了克服现有技术中存在的不足,本发明提供一种含零注入节点的主动配电网高精度状态估计系统及方法,针对主动配电网强非线性特征,摒弃传统的最小二乘法框架,将每一步的下降方向分解成法向和切向方向,首先通过一个无约束优化问题得到法向搜索方向,接着同构一个最小二乘法非精确估计零注入功率节点潮流平衡方程对应的拉格朗日乘子,最后通过一个含等式约束的二次规划问题得到切向搜索方向,该方法不仅保证了虚拟零注入量测的有效信息,而且在没有增加太大计算量的情况下保证了主动配电网状态估计的计算效率,实现对主动配电网的电力系统快速、高效的状态估计。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种含零注入节点的主动配电网高精度状态估计方法,包括以下步骤:
步骤1,采集量测数据,根据量测数据建立电力系统的量测方程,根据零注入节点的潮流平衡方程和电力系统的量测方程构建电力系统状态估计模型。
步骤2,令为约束条件在点处的值,为状态估计的变
量,为约束条件,为约束条件在点处的值;第j轮迭代过程中,记为第j
轮迭代过程的状态估计向量,将在处一阶泰勒展开得到,为
在处一阶泰勒展开,然后得到一阶泰勒展开优化问题。
步骤4,对电力系统状态估计模型构造拉格朗日函数。
步骤6,将一阶泰勒展开的拉格朗日函数转化成快速下降拉格朗日函数优化模型。
优选的:步骤1中电力系统的量测方程为:
电力系统状态估计模型如下:
优选的:步骤2中一阶泰勒展开优化问题:
优选的:步骤4中构造的拉格朗日函数如下:
优选的:步骤5中一阶泰勒展开的拉格朗日函数为:
优选的:步骤6中快速下降拉格朗日函数优化模型为:
将快速下降拉格朗日函数优化模型的目标函数整理有:
这里:
一种含零注入节点的主动配电网高精度状态估计系统,包括输入模块、电力系统状态估计模型模块、一阶泰勒展开优化问题模块、最优法向解求解模块、拉格朗日函数构造模块、一阶泰勒展开的拉格朗日函数模块、最优切向解求解模块、状态变量更新模块、输出模块,其中:
所述输入模块用于输入采集的量测数据。
所述电力系统状态估计模型模块用于根据量测数据建立电力系统的量测方程,根据零注入节点的潮流平衡方程和电力系统的量测方程构建电力系统状态估计模型。
所述拉格朗日函数构造模块用于对电力系统状态估计模型构造拉格朗日函数。
所述一阶泰勒展开的拉格朗日函数模块用于在第j轮迭代过程中,对构造的拉格
朗日函数进行一阶泰勒展开,得到一阶泰勒展开的拉格朗日函数。将得到的一阶泰
勒展开的拉格朗日函数转化成快速下降拉格朗日函数优化模型。
优选的:所述量测数据包括电压、电流、有功功率、无功功率。
本发明相比现有技术,具有以下有益效果:
本发明不仅保证了虚拟零注入量测的有效信息,而且在没有增加太大计算量的情况下保证了主动配电网状态估计的计算效率。
附图说明
图1为主动配电网状态估计流程。
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,应理解这些实例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
一种含零注入节点的主动配电网高精度状态估计方法,针对主动配电网强非线性特征,摒弃传统的最小二乘法框架,将每一步的下降方向分解成法向和切向方向,首先通过一个无约束优化问题得到法向搜索方向,接着同构一个最小二乘法非精确估计零注入功率节点潮流平衡方程对应的拉格朗日乘子,最后通过一个含等式约束的二次规划问题得到切向搜索方向,如图1所示,包括以下步骤:
步骤1,采集量测数据,根据量测数据建立电力系统的量测方程,根据零注入节点的潮流平衡方程和电力系统的量测方程构建电力系统状态估计模型。
电力系统的量测方程为:
电力系统状态估计模型如下:
一阶泰勒展开优化问题:
步骤4,对电力系统状态估计模型构造拉格朗日函数如下:
将快速下降拉格朗日函数优化模型的目标函数整理有:
这里:
一种含零注入节点的主动配电网高精度状态估计系统,包括输入模块、电力系统状态估计模型模块、一阶泰勒展开优化问题模块、最优法向解求解模块、拉格朗日函数构造模块、一阶泰勒展开的拉格朗日函数模块、最优切向解求解模块、状态变量更新模块、输出模块,其中:
所述输入模块用于输入采集的量测数据。所述量测数据包括电压、电流、有功功率、无功功率。
所述电力系统状态估计模型模块用于根据量测数据建立电力系统的量测方程,根据零注入节点的潮流平衡方程和电力系统的量测方程构建电力系统状态估计模型。
所述拉格朗日函数构造模块用于对电力系统状态估计模型构造拉格朗日函数。
所述一阶泰勒展开的拉格朗日函数模块用于在第j轮迭代过程中,对构造的拉格
朗日函数进行一阶泰勒展开,得到一阶泰勒展开的拉格朗日函数。将得到的一阶泰
勒展开的拉格朗日函数转化成快速下降拉格朗日函数优化模型。
一种含零注入节点的主动配电网高精度状态估计系统的求解方法,包括以下步骤:
本发明针对主动配电网强非线性特征,将每一步的下降方向分解成法向和切向方向,首先通过一个无约束优化问题得到法向搜索方向,接着同构一个最小二乘法非精确估计零注入功率节点潮流平衡方程对应的拉格朗日乘子,最后通过一个含等式约束的二次规划问题得到切向搜索方向,本发明不仅保证了虚拟零注入量测的有效信息,而且在没有增加太大计算量的情况下保证了主动配电网状态估计的计算效率。
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,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种含零注入节点的主动配电网高精度状态估计方法,其特征在于,包括以下步骤:
步骤1,采集量测数据,根据量测数据建立电力系统的量测方程,根据零注入节点的潮流平衡方程和电力系统的量测方程构建电力系统状态估计模型;
步骤2,令为约束条件在点处的值,为状态估计的变量,为约束条件,为约束条件在点处的值;第j轮迭代过程中,记为第j轮
迭代过程的状态估计向量,将在处一阶泰勒展开得到,为在处一阶泰勒展开,然后得到一阶泰勒展开优化问题;
一阶泰勒展开优化问题为:
步骤4,对电力系统状态估计模型构造拉格朗日函数;
构造的拉格朗日函数如下:
一阶泰勒展开的拉格朗日函数为:
步骤6,将一阶泰勒展开的拉格朗日函数转化成快速下降拉格朗日函数优化模型;
快速下降拉格朗日函数优化模型为:
将快速下降拉格朗日函数优化模型的目标函数整理有:
这里:
4.一种采用如权利要求1所述含零注入节点的主动配电网高精度状态估计方法的状态估计系统,其特征在于:包括输入模块、电力系统状态估计模型模块、一阶泰勒展开优化问题模块、最优法向解求解模块、拉格朗日函数构造模块、一阶泰勒展开的拉格朗日函数模块、最优切向解求解模块、状态变量更新模块、输出模块,其中:
所述输入模块用于输入采集的量测数据;
所述电力系统状态估计模型模块用于根据量测数据建立电力系统的量测方程,根据零注入节点的潮流平衡方程和电力系统的量测方程构建电力系统状态估计模型;
所述拉格朗日函数构造模块用于对电力系统状态估计模型构造拉格朗日函数;
所述一阶泰勒展开的拉格朗日函数模块用于在第j轮迭代过程中,对构造的拉格朗日
函数进行一阶泰勒展开,得到一阶泰勒展开的拉格朗日函数;将得到的一阶泰勒展
开的拉格朗日函数转化成快速下降拉格朗日函数优化模型;
5.根据权利要求4所述状态估计系统,其特征在于:所述量测数据包括电压、电流、有功功率、无功功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211315181.8A CN115377977B (zh) | 2022-10-26 | 2022-10-26 | 含零注入节点的主动配电网高精度状态估计系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211315181.8A CN115377977B (zh) | 2022-10-26 | 2022-10-26 | 含零注入节点的主动配电网高精度状态估计系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115377977A CN115377977A (zh) | 2022-11-22 |
CN115377977B true CN115377977B (zh) | 2023-02-14 |
Family
ID=84073655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211315181.8A Active CN115377977B (zh) | 2022-10-26 | 2022-10-26 | 含零注入节点的主动配电网高精度状态估计系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115377977B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976837A (zh) * | 2010-10-17 | 2011-02-16 | 华中电网有限公司 | 一种电力系统潮流无解调整方法 |
CN103390251A (zh) * | 2013-07-24 | 2013-11-13 | 大连海事大学 | 一种电力系统状态估计的量测量权重设置方法 |
CN107425520A (zh) * | 2017-06-12 | 2017-12-01 | 东南大学 | 一种含节点注入功率不确定性的主动配电网三相区间状态估计方法 |
-
2022
- 2022-10-26 CN CN202211315181.8A patent/CN115377977B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976837A (zh) * | 2010-10-17 | 2011-02-16 | 华中电网有限公司 | 一种电力系统潮流无解调整方法 |
CN103390251A (zh) * | 2013-07-24 | 2013-11-13 | 大连海事大学 | 一种电力系统状态估计的量测量权重设置方法 |
CN107425520A (zh) * | 2017-06-12 | 2017-12-01 | 东南大学 | 一种含节点注入功率不确定性的主动配电网三相区间状态估计方法 |
Non-Patent Citations (1)
Title |
---|
《基于改进两阶段鲁棒优化的电力系统状态估计方法》;王海涛等;《电网与清洁能源》;20220930;第38卷(第9期);第54-59页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115377977A (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108520325B (zh) | 一种基于多变环境下加速退化数据的集成寿命预测方法 | |
CN110570034B (zh) | 一种基于多XGBoost模型融合的母线负荷预测方法 | |
CN110543720B (zh) | 基于sdae-elm伪量测模型的状态估计方法 | |
CN101232180A (zh) | 一种配电系统负荷模糊建模装置及方法 | |
CN105182245A (zh) | 基于无迹卡尔曼滤波的大容量电池系统荷电状态估计方法 | |
CN111162533B (zh) | 一种基于凸优化的智能电网隐藏拓扑结构识别方法 | |
CN106549396A (zh) | 一种配电网多目标概率无功优化方法 | |
CN109066651B (zh) | 风电-负荷场景的极限传输功率的计算方法 | |
CN113505534A (zh) | 一种考虑需求响应的负荷预测方法 | |
CN109599866B (zh) | 一种预测辅助的电力系统状态估计方法 | |
CN108054757A (zh) | 一种内嵌无功和电压的n-1闭环安全校核方法 | |
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 | |
CN108462180B (zh) | 一种基于vine copula函数确定概率最优潮流的方法 | |
CN114740375A (zh) | 一种基于状态估计的在线锂电池荷电状态估算方法 | |
CN112711902A (zh) | 一种基于蒙特卡洛采样和深度学习的电网电压计算方法 | |
CN107069708B (zh) | 一种基于极限学习机的输电网线路有功安全校正方法 | |
CN114971090A (zh) | 一种电供暖负荷预测方法、系统、设备和介质 | |
CN113722860B (zh) | 基于降阶模型的瞬态热力状态在线评估方法、设备及介质 | |
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 | |
CN115377977B (zh) | 含零注入节点的主动配电网高精度状态估计系统及方法 | |
CN110571788A (zh) | 基于动态等值电路的静态电压稳定域边界系数的计算方法 | |
CN113093014A (zh) | 一种基于阻抗参数的soh与soc的在线协同估计方法及系统 | |
CN107846039A (zh) | 考虑风速相关性的集群风电并网建模分析方法及系统 | |
Cheng et al. | Short-term power load forecasting based on improved online ELM-K | |
CN109061544B (zh) | 一种电能计量误差估计方法 |
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 |