基于云计算的省地协调分布式状态估计方法
【技术领域】
[0001] 本发明属于电网调控技术领域，具体涉及一种基于云计算的省地协调分布式状态 估计方法。
【背景技术】
[0002] 随着电力系统互联电网的发展，现代电力系统正在演变成一个积聚大量数据和信 息的计算系统，这样的发展给目前调度系统状态估计分析计算带来了巨大的困难，具体表 现如下，一方面随着电网规模的扩大使得状态估计计算规模逐级倍增，通过加强调度系统 硬件配置及提高计算能力从计算性能、速度等方面已难以满足应用需求；另一方面随着高 级分析软件在调度运行管理中的作用日益增强，需要状态估计提供更加详细准确的电网模 型数据。
[0003] 目前，调度系统对互联电网采用分层分区分别独立进行管理的模式，省地调度系 统则根据管辖范围的不同进行建模，对所辖区域内的电网建立了较为详细的计算模型，状 态估计也是在调度中心独立计算，对互联边界直接采用网络静态等值的方法进行处理，这 导致状态估计计算结果的完全割裂，缺少彼此之间的协调，无法形成全网结构计算模型与 断面，影响高级应用软件的计算正确性。若采用集中式建立电网全模型进行状态估计计算 必然导致计算规模的扩大，无形中对系统建设提出了更高的硬件要求，同时未能充分利用 现有省地调系统已有的计算资源，而且，在实际调度系统中量测数据采集和模型统一维护 问题制约该模式的有效实现。
[0004] 随着云计算技术的发展及应用，在电力系统调度运行管理领域的应用也受到研 究者的重视。所谓云计算技术就是一种把分布在众多分布式计算机中的大量数据资源和处 理器资源整合在一起协同工作的方法。将云计算技术引入电力系统调度运行管理系统，通 过调度系统网络互连将电力系统庞大的计算处理自动拆分成小的计算模块，在不同的调度 系统中进行并行计算，之后将结果进行协调处理形成最终结果，通过云计算技术可以在极 短的时间内处理巨大的信息，达到超级计算机的服务水平。
[0005] 随着电力系统的云计算体系逐步建立，在省级电网管辖范围内省地调度系统中逐 渐形成了全网模型集中式管理的模型云服务，通过模型的公私有属性供不同调度系统使 用，根据调度系统管理模式，省地调度系统按照电压等级划分管辖范围，其中省调系统已完 成了 220kV及以上电压等级所有厂站的建模和状态估计计算功能，而地调系统则包含了 500kV边界厂站及管辖范围内所有IlOkV及以上电压等级的厂站建模和状态估计计算，省 地调度系统对220kV网络都进行了建模，这为省地调度系统协调分布式状态估计计算的实 现提供基础条件。同时，基于云平台实现不同调度系统间模型云和数据云的信息共享机制 状态估计的分布式计算提供技术保障，使得电力系统多控制中心之间状态估计的分解协调 计算模式成为可能，如何满足调度自动化系统对状态估计估计在计算规模及计算精度方面 越来越高的需求，是当前急需解决的问题。
【发明内容】
[0006] 本发明所解决上述现有技术中存在的问题。本发明的基于云计算的省地协调分布 式状态估计方法，利用云计算平台实现不同调度系统间模型云和数据云的信息共享机制， 将一个省级电网范围内的所有省地调度系统资源整合在一起参与状态估计计算，同时通 过分布式状态估计实现省地系统的协调计算，最大限度地整合当前省地调度系统的状态估 计计算能力，为状态估计处理大电网提供技术保障，对提升状态估计在大电网的应用有非 常重要的应用价值。
[0007] 为了达到上述目的，本发明所采用的技术方案是：
[0008] -种基于云计算的省地协调分布式状态估计方法，其特征在于：包括以下步骤，
[0009] 步骤（1)，在公有云服务器中建立调度系统协调控制计算中心的计算控制功能，实 现对省地调系统状态估计计算控制，并提供公共协调服务实现调度系统公共信息传输； [0010] 步骤（2)，确定省地调度系统分布式状态估计计算的边界设备和边界量测信息；
[0011] 步骤（3)，调度系统协调控制计算中心启动省调系统状态估计计算，省调系统在接 收到启动状态估计计算请求后，进行一次状态估计计算，同时将边界量测估计值传送至调 度系统协调控制计算中心；
[0012] 步骤（4)，调度系统协调控制计算中心得到将边界量测估计值后，向所辖的各地区 调度系统同时发送启动分区状态估计计算命令；
[0013] 步骤（5)，各地区调度系统在接收到启动分区状态估计计算命令后，进行分区状态 估计计算，根据运行方式对所管辖范围内电网进行电气分区，形成分区网络的节点支路模 型及设备量测信息；
[0014] 步骤（6)，对于步骤（5)地区调度系统通过电气分区形成的各分区进行状态估计 计算，形成基于分区信息的设备量测与状态量灵敏度矩阵信息，得到量测值对状态量的灵 敏度矩阵以及功率估计值对状态量的灵敏度矩阵；
[0015] 步骤（7)，获取边界设备量测在省调系统估计结果，计算地调系统分区状态估计的 边界设备量测估计值与省调系统计算估计值不匹配量，通过灵敏度信息进行分区状态变量 和估计结果修正，得到修正的状态量和功率值；
[0016] 步骤（8)，设定的收敛判据规则，并对步骤（7)的估计值不匹配量，判断是否收敛， 若不匹配量，不满足收敛判据，则跳转至步骤（7)继续计算，直到满足收敛判据；
[0017] 步骤（9)，判断某一地区调度系统的所有分区是否都已计算完成，若未完成，则跳 转至步骤（6)继续各分区的计算；
[0018] 步骤（10)，判断地区调度系统的地区调度系统是否都已经完成分布式状态估计计 算，若未完成，则跳转至步骤（5)继续计算各地区调度系统的计算；
[0019] 步骤（11)，根据步骤（5)得到估计计算结果修正各分区调度系统的节点电压相 角，形成全网模型的状态估计计算结果。
[0020] 前述的基于云计算的省地协调分布式状态估计方法，其特征在于：步骤（6)，形成 基于分区信息的设备量测与状态量灵敏度矩阵信息，得到量测值对状态量的灵敏度矩阵以 及功率估计值对状态量的灵敏度矩阵，包括以下步骤，
[0021] (1)根据加权最小二乘算法，列出状态估计非线性量测方程式（1)，
[0022] z = h (x) +V (1)
[0023] 其中，z为量测向量，x为状态向量，h为非线性量测函数方程，v为量测误差向量；
[0024] (2)根据公式（2)，得到状态估计计算目标函数J (X)，
[0025] J (X) = (z_h (X)) tR 1 (z_h (X)) (2)
[0026] 其中，R为量测误差方差阵；
[0027] (3)，设初始量测向量为z。，初始状态向量为X。，若量测向量z。发生Δ z变化，状态 向量X。相应发生Ax变化，基于状态估计算法，根据公式（3)，计算出Δχ和Δζ的灵敏度 关系S xz，
[0028] Sxz=G(X0)1Ht(X0)R 1 (3)
[0029] 其中，G(x。）= Ht(Xq)R 1H(Xq)为信息矩阵，Η(χ。）为量测雅可比矩阵；
[0030] (4)将在X。处h (X)进行泰勒展开，删除非线性项得到，公式（4)，
[0031] Zse^ h(x 〇)+Η(χ〇) Δ χ (4)
[0032] 其中，Zsf3为量测估计向量，h(x。）为状态向量为χ。时对应量测计算向量；
[0033] 从而，得到量测值对状态量的灵敏度矩阵，如公式（5)所示，
[0034] Azse=H(X0)Ax (5)
[0035] 其中，Δ Zse为量测估计向量的变换量；
[0036] (5)功率估计值对状态量的灵敏度矩阵，如公式（6)所示，
[0037] (6)
[0038] 其中，为量测值与状态量的灵敏度矩阵。
[0039] 前述的基于云计算的省地协调分布式状态估计方法，其特征在于：步骤（7)，获取 边界设备量测在省调系统估计结果，计算地调系统分区状态估计的边界设备量测估计值与 省调系统计算估计值不匹配量，通过灵敏度信息进行分区状态变量和估计结果修正，得到 修正的状态量和功率值，包括以下步骤，
[0040] (1)根据公式（7)，计算在地区调度系统计算边界设备量测功率估计值的不匹配 量，
[0041]
(7)
[0042] 其中，k为迭代次数，表示第k次迭代的有功不平衡量、无功不平 衡量，表示省调系统状态估计计算边界设备有功估计值功率、无功估计值功率， AT \ 表示地调系统状态估计计算边界设备有功估计值、无功估计值；
[0043] (2)通过各分区计算出的灵敏度矩阵信息，根据公式（8)，得到修正的状态量