基于同步相角测量装置的电力系统动态状态估计方法

摘要

本发明涉及电力系统运行与控制技术领域。本发明公开了一种基于同步相角测量装置的电力系统动态状态估计方法。本发明的技术方案包括步骤：A、读取电力系统当前网络参数和网络拓扑结构，并由此形成节点导纳矩阵和支路-节点关联矩阵；B、根据电力系统网络拓扑结构建立等效电路，配置电力系统量测函数和PMU，系统的量测包括节点电压幅值量测、节点电流幅值量测、节点功率注入量测和节点潮流量测；C、在扩展卡尔曼滤波基础上对系统进行动态状态估计；D、收敛条件判断。本发明中PMU的引入能够为系统提供实时准确的电压、相角等量测信息，保证系统获得更高的量测冗余度，进而提高状态估计的精度。具有鲁棒性好，状态估计精度高，收敛性好的特点。

主权项

1.基于同步相角测量装置的电力系统动态状态估计方法，其特征在于，包括以下步骤：A、读取电力系统当前网络参数和网络拓扑结构，并由此形成节点导纳矩阵和支路-节点关联矩阵；B、根据电力系统网络拓扑结构建立等效电路，配置电力系统量测函数和PMU，系统的量测包括节点电压幅值量测、节点电流幅值量测、节点功率注入量测和节点潮流量测；C、在扩展卡尔曼滤波基础上对系统进行动态状态估计一个电力系统的状态可以由一个包含一系列复杂电压幅值和相角的n维状态向量x来表示，系统通常使用状态估计每隔几分钟或者一定的采样间隔更新一次状态；在已知量测z_k后，系统在第k次采样时的状态x_k由下式表示：z_k=h(x_k)+v_k其中，h(·)表示m维非线性函数向量；v_k是服从正态分布的随机白噪声，即v_k～N(0,R_k)，R_k是量测误差的方差；对系统进行动态状态估计，主要包括参数辨识、状态预测和状态滤波：参数辨识：电力系统运行状态的变化可由以下线性化的准稳态模型来描述：x_k+1=F_kx_k+G_k+w_k其中，F_k,G_k是n维非零对角动态模型参数矩阵；F_k是状态转移矩阵；G_k是控制向量；w_k是服从正态分布的随机白噪声，即w_k～N(0,Q_k)，Q_k是系统模型误差的方差；参数F_k,G_k由Holt’s两参数线性指数平滑法求得；状态预测：一个含n节点系统的状态和协方差矩阵M_k+1预测结果为：${\tilde{x}}_{k+1}=F_k{\hat{x}}_k+G_k$$M_{k+1}=F_k{P}_k{F}_k^T+Q_k$其中，是一个(2n-1)×1维状态向量的估计值,P_k是误差协方差关联矩阵；状态滤波：假设已经获得一组电力系统的实时量测值z_k，则通过对预测的状态向量进行滤波可得到新的状态估计向量因此在k+1时刻，状态估计的目标函数为：$J_k\left(x\right)={[z-h\left(x\right)]}^T{R}^{-1}[z-h\left(x\right)]+[x-\tilde{x}]M^{-1}[x-\tilde{x}]$其中，R为量测误差矩阵，W=R^-1是一个对角权重矩阵，它的对角元素由每个量测的标准差决定；D、收敛条件判断若算法收敛，输出各个节点剔除不良数据之后系统更准确的电压幅值和相角，否则转步骤C。