一种用于配电网状态估计的伪量测生成方法

摘要

本发明涉及一种应用于配电网状态估计的伪量测生成方法，属于电力系统调度自动化与电网仿真技术领域。首先将电量计费系统采集的负荷数据作为负荷量测；并利用holt-winter模型进行超短期负荷预测；然后把配电网中的原始数据与预测值进行三次样条插值获得伪量测；来补充配电网量测装置的不足。本发明的伪量测生成方法充分利用了配电网计量系统中的负荷数据，且方法实现简单，计算速度快，结果准确，能够使非量测点的伪量测负荷的准确度达到或者接近实际量测值，进而提高了配电网状态估计准确度。

主权项

1.一种用于配电网状态估计的伪量测生成方法，其特征在于该方法包括以下步骤：（1）选择配电网中需要预测的负荷，从配电网计量系统中分别获取预测日前n天的历史负荷数据，历史负荷数据中每一天的负荷数据记为历史日负荷数据，将预测日前n天划分为工作日和假日；（2）建立一个与预测日前的历史负荷数据相对应的时间序列Y，时间序列Y为等时间间隔的实数值序列，其中的时间间隔为15分钟，根据时间序列Y分别形成预测日前每一天的负荷时间序列X^l，记为历史日负荷时间序列，l＝1,2,...,n；（3）以15分钟的时间间隔，从配电网计量系统中获取预测日的预测当前时刻至预测日零点的负荷数据，得到预测日负荷数据，并得到预测日负荷时间序列X^f；（4）分别计算预测日前每一天的负荷时间序列Xl与预测日负荷时间序列X^f的相似度，相似度M的计算公式如下：$M=\frac{{\left(X^f\right)}^T{X}^l}{\left|X^f\right|\left|x^l\right|}$其中，T为预测日负荷时间序列数据X^f的倒置；（5）保留与相似度M在0.75<M<1.25范围内的相应历史日的负荷数据；（6）用以下公式计算预测日负荷数据与相似度在0.75<M<1.25范围内的历史日的负荷数据之间的距离N：$N=\sqrt{\underset{k=0}{\overset{m-1}{\Sigma }}(X_k^f-X_k^f)}$其中：为预测日负荷数据时间序列X^f中的第k个分量，是预测日前的每一天的负荷时间序列数据X^l的第k个分量，m是预测日负荷数据时间序列X^f的长度；（7）设定一个大于或等于零的阈值θ，将上述距离值N与阈值θ进行比较，若N<θ，则判定该历史日是预测日的相似日，若N≥θ，则历史日不是预测日的相似日；重复步骤（1）-步骤（7），得到预测日前n天内的所有相似日，并形成相似日的负荷时间序列D,进行步骤（8）；（8）采用温特斯的超短期负荷预测模型，对预测日的预测当前时刻15分钟后的负荷数据进行预测，预测过程包括以下步骤：（8-1）建立温特斯超短期预测模型：$S_t=\alpha \frac{D_t}{I_{t-L}}+(1-\alpha )(S_{t-1}+b_{t-1})$b_t＝β(S_t-S_t-1)+(1-β)b_t-1$I_t=\gamma \frac{D_t}{S_t}+(1-\gamma )I_{t-L}$上述模型中，D_t是与上述相似日的负荷时间序列D中时刻t相对应的负荷数据，S_t为时刻t负荷数据中的稳定成分，S_t-1为时刻t-1负荷数据中的稳定成分，b_t是时刻t负荷数据中的线性成分，b_t-1为时刻t-1负荷数据的线性成分，I_t是时刻t负荷数据的季节成分I_t-L是时刻t-L负荷数据的季节成分，L是上述相似日的负荷时间序列数据D中的季节长度或时间周期，α,β,γ分别是平滑参数，α,β,γ的取值范围分别为∈[0，1]；（8-2）利用上述超短期预测模型，进行超短期负荷预测，具体步骤如下：（8-2-1）将步骤（7）得到的相似日的负荷时间序列数据D输入到上述超短期负荷预测模型中；（8-2-2）设定相似日的负荷时间序列数据D中的周期为一天一个周期，设定L＝96；（8-2-3）开始预测时，根据第一个相似日的负荷数据，计算上述超短期预测模型的初始值：$S_1=\underset{T=1}{\overset{L}{\Sigma }}\frac{D_t}{L};$b₁＝(D_L-D₁)/(L-1)；令t=97开始，计算第一天内每相隔15分钟的初始值：$I_{t-L}=\frac{D_{t-L}}{S_1}$上式中，D_L,D₁分别为相似日的负荷时间序列数据D中第一周期中的第一个和最后一个的负荷数据，D_t-L为相似日的负荷时间序列数据D中时刻t-L的负荷数据；（8-2-4）将步骤（8-2-3）的计算结果代入步骤（8-2-1）的超短期预测模型中，进行递推计算，得到超短期预测的不同时刻t的S_t，b_t和I_t；（8-2-5）通过如下公式，计算得到预测当前时刻15分钟后的负荷数据：${\hat{D}}_{t+p}=(S_t+p{b}_t)I_{t-L+p}$上式中：是t+p时刻的负荷数据预测值，p是待预测时刻与预测当前时刻的时刻间隔；（8-2-6）利用寻优目标函数，分别确定平滑参数α,β,γ的最优值：$\underset{\arg (\alpha ,\beta ,\gamma )}{\min }f(\alpha ,\beta ,\gamma )=\underset{t}{\Sigma }{(D_t-{\hat{D}}_t)}^2$上式中，D_t是与上述相似日的负荷时间序列D中时刻t相对应的负荷数据，是时刻t的负荷数据预测值，使f(α,β,γ)达到最小值时的α,β,γ为最优参数；（9）根据步骤（8）计算得到的预测当前时刻15分钟后的负荷数据，得到用于配电网状态估计的伪量测，具体过程如下：（9-1）将预测当前时刻前的最近5个历史负荷数据记为x₁,…,x₅,将超短期负荷预测数据记为：x₆，将与历史负荷数据和超短期负荷预测数据相对应的采样时间记为：t₁,…,t₅,t₆；（9-2）设定一个三次样条函数：$S\left(t\right)=\frac{1}{6h_i}[{(t_i-t)}^3{M}_{i-1}+{(t-t_{i-1})}^3{M}_i]+(x_{i-1}-\frac{h_i^2}{6}{M}_{i-1})\frac{t_6-t}{h_i}+(x_i-\frac{h_i^2}{6}{M}_i)\frac{t-t_{i-1}}{h_i}$上式中,t∈[t_i-1,t_i]，i＝2,…,6，x∈[x_i-1,x_i]，i＝2,…,6，h_i＝t_i-t_i-1,i＝2,…,6，M_i＝S''(t_i),i＝1,…,6；（9-3）根据S(t_i)＝x_i，且S(t_i)在采样时间t_i处具有连续的二阶导数，利用三次样条函数的自然边界条件S''(t₁)＝0;S''(t₆)＝0，计算得到M_i,i＝1,…,6；（9-4）将上述M_i代入三次样条函数中，并在小区间[t₅,t₆]给出三次样条插值多项式：$S\left(t\right)=\frac{1}{6h_6}[{(t_6-t)}^3{M}_5+{(t-t_5)}^3{M}_6]+(x_5-\frac{h_i^2}{6}{M}_5)\frac{t_6-t}{h_6}+(x_6-\frac{h_6^2}{6}{M}_6)\frac{t-t_5}{h_6}$（9-5）将t＝t₅+jΔt代入步骤（9-4）多项式中，求负荷数据插值，该负荷数据插值即为用于配电网状态估计的伪量测，其中t∈[t₅,t₆]，Δt＝1分钟，j=1，2,...,14。