适用于复杂节点及大规模量测数据的快速状态估计方法

摘要

本发明公开了电力系统状态估计技术领域中的一种适用于复杂节点及大规模量测数据的快速状态估计方法。包括：分别将连续的T个时刻的M个测量值纳入到量测集合中，形成M×T二维数组；对所述M×T二维数组进行LLE非线性降维；对每个节点电压幅值和相角分别进行样本训练，生成电压幅值和相角样本模型，并利用生成的样本模型，进行节点电压幅值和相角预测；利用牛顿拉夫逊迭代法进行预测值修正，获得状态估计值；将状态估计值作为第T个时刻的状态真值放置到状态量集合中；取到第T+1个时刻为止的前T个时刻的量测数据，重复前述步骤，获得第T+1时刻的状态估计值，实现滚动预测。本发明在保证预测精度的前提下，实现了对大规模高维样本数据的快速训练和对系统状态量的预测。

主权项

一种适用于复杂节点及大规模量测数据的快速状态估计方法，其特征在于所述方法包括下列步骤：步骤1：选择连续的T个时刻，在每个时刻测量电力系统网络节点的注入功率和支路功率，并将M个测量值纳入到量测集合中，之后按照测量时刻的先后顺序，对T个时刻的测量值进行排列，形成M×T二维数组；步骤2：选定适当参数，对所述M×T二维数组进行LLE非线性降维；步骤3：对每个节点电压幅值进行样本训练，生成电压幅值样本模型，并利用生成的电压幅值样本模型，进行节点电压幅值预测；步骤4：对每个节点相角进行样本训练，生成相角样本模型，并利用生成的相角样本模型，进行节点相角预测；步骤5：利用牛顿拉夫逊迭代法进行预测值修正，继而获得状态估计值；步骤6：将状态估计值作为第T个时刻的状态真值放置到状态量集合中；步骤7：取到第T+1个时刻为止的前T个时刻的量测数据，重复步骤1到步骤5，获得第T+1个时刻的状态估计值，实现滚动预测。