本发明属于配电网调度自动化技术领域,尤其涉及一种基于三种量测数据的配电网快速状态估计方法。
背景技术:
现阶段,数据采集与监视控制系统(scada),电力系统同步相量测量装置(pmu),高级量测体系(ami)都可以为电力系统提供量测数据,但考虑到经济性,pmu覆盖率较差。scada覆盖率好,但是数据精度低;ami覆盖率高,数据精度高,但采样周期长,不能满足电力系统的实时要求。对这种情况,一方面需要对多源量测数据进行融合;另一方面需要选用合适的状态估计方法来合理利用多种量测数据进行计算,准确而迅速地得知电力系统的运行状态。
在对配电网混合量测数据进行状态估计的时候,目前有一些对混合量测做了研究,但多只考虑两种量测装置,且忽略了量测时延问题,甚至量测数据的对齐问题。主要有以下几个难点,一方面配电网量测装置不足,量测数据不全,三相不平衡,阻抗比大,收敛缓慢,使用常规的最小二乘状态估计速度慢,但由于大阻抗比又无法使用快速解耦状态估计;另一方面不同的量测源的时间断面不同步,有的量测源甚至没有时标,而且还有量测时延的存在。如果时间不同步就进行融合,那不仅起不到数据融合的作用,还对原始的量测数据造成了污染。三种数据源进行融合比起两种数据源情况复杂,计算量大,需要针对具体情况具体研究,还要考虑是否会因为计算时间而影响实用价值。
技术实现要素:
针对上述问题,本发明提出了一种基于三种量测数据的配电网快速状态估计方法,包括:
步骤a:将scada量测的取用时间设为eb+tk使得scada量测数据的采样时刻与pmu数据的时刻一致,eb为scada量测时延的期望,tk为pmu数据出现的时间,并采用线性外推法补充高精度的伪量测数据,使得pmu、scada、ami三种量测数据融合;
步骤b:建立混合量测状态估计模型,计算雅可比方程h矩阵,对有功功率和无功功率相加进行补偿解耦,迭代求解后得到状态估计结果。
所述混合量测状态估计模型为:
其中,zm,zn和zp分别表示pmu量测向量,scada量测向量和ami量测向量,hm(x)hn(x)hp(x)分别表示pmu状态向量,scada状态向量和ami状态向量,εm,εn和εp分别表示pmu量测误差,scada量测误差和ami量测误差,将状态变量x分为电压幅值v和相角θ,量测变量矩阵为z,量测量分为有功和无功两类:
za表示z中有功量测部分,包括支路有功潮流和节点有功注入量测;zr表示z中无功量测部分,包括支路无功潮流和节点注入量测以及电压幅值量测;ha(θ,v)表示有功状态部分,hr(θ,v)表示无功状态部分,εa表示有功量测误差,εr表示无功量测误差。
所述h矩阵变换后为
其中,p为有功功率,q为无功功率,设pq=p+q,v、θ分别为电压幅值和相角。
所述迭代的公式为:
其中,wm'、wn'、wp'分别为pmu、scada、ami量测权重矩阵,反应量测信息的不确定性,与量测误差矩阵ε有关,hm'、hn'、hp'分别为pmu、scada、ami量测数据雅可比方程变化后的h矩阵。
本发明的有益效果:
1)对scada、ami、rtu多种量测数据时间断面对齐,解决了无时标量测和时延大的量测的数据对齐问题。
2)融合pmu,scada,ami的量测结果,共同作为状态估计的量测向量,提高了系统的可观测性和估计精度。
3)采用改进的fdse状态估计,提高计算的收敛性,解决了混合量测维度高,收敛慢的问题。
4)由于数据融合速度快,状态估计迭代次数少,因此本发明的算法耗时少,可以做到实时状态估计,具有很好的实用价值。
附图说明
图1为本发明一种基于三种量测数据的配电网快速状态估计方法流程图。
图2为采样与到达时刻量测示意图
图3为电力系统功率随时间的变化曲线图
图4为混合量测有功功率随时间变化曲线图
图5为scada量测与混合量测状态估计误差对比图
具体实施方式
下面结合附图,对实施例作详细说明。
如图1所示,本发明基于三种量测数据的配电网快速状态估计方法包括下列步骤:
步骤a:配电网三种量测数据的融合;
(1)考虑时延的数据对齐
scada系统有较大的量测时延,但是量测时延均匀分布,同时除去个别情况,时延大小稳定。对于系统同一时刻的量测结果传到电脑的时刻要比pmu慢,而且传来的scada数据没有时标,因此可以对传到系统的pmu数据的时刻往后设置一个时间窗,如果接收到了scada数据,那么这个scada量测数据的采样时刻就与pmu数据的时刻一致。
定义scada对应于tk时刻量测值到达调度中心时间范围为tw。当量测时延b服从[bmin,bmax]的正太分布时,易知tw在[tk+bmin,tk+bmax]上服从正太分布。它表示在该窗口内,调度中心接受的是对应于tk时刻的scada量测值。设scada量测时延的期望是eb,则将scada量测的取用时间设为eb+tk。因此我们对于pmu数据出现的时间tk寻找对应的tw,若在tw窗口上找到了scada数据,则认为该scada数据与pmu数据都是tk时间断面上的数据。从而做到了让不带时标的scada数据与带有精确时标的pmu数据对齐。如图2所示。
(2)生成量测数据伪量测
对齐一段数据后,用zm,zn和zp分别表示pmu量测向量,scada量测向量和ami量测向量,,zm采样周期为tm,zn采样周期为tn=rtm,zp的采样周期tp=stn。在连续的两个zp的采样点之间,zn采样s次;在连续的两个zn的采样点之间,zm采样r次。采用线性外推法补充高精度的伪量测数据,使得pmu、scada、ami同步。
步骤b:利用改进的快速分解状态估计算法,对融合后的量测数据状态估计求解。
步骤b1:建立混合量测状态估计模型
其中,其中,z表示量测变量矩阵,x表示状态变量矩阵,ε表示量测误差矩阵。将状态变量x分为电压幅值v和相角θ,量测量分为有功和无功两类:
za表示z中有功量测部分,包括支路有功潮流和节点有功注入量测;zr表示z中无功量测部分,包括支路无功潮流和节点注入量测以及电压幅值量测。
步骤b2:计算雅可比方程h矩阵,对有功功率和无功功率相加进行补偿解耦,即设pq=p+q。因此h矩阵变为:
步骤b3:迭代求解,得到状态估计结果。迭代公式为:
其中,w矩阵为量测权重矩阵,反应量测信息的不确定性,与量测误差矩阵ε有关。
为使本领域技术人员更好地理解本发明以及了解本发明相对现有技术的优点,申请人结合具体实施例进行进一步的阐释。
所述三种配电网量测数据具体为ieee14节点的ami,scada,pmu量测数据。通过在潮流真值上叠加均匀分布的由量测时延造成的偏差和正态分布的随机量测误差vi,产生各量测模拟量。
ieee14节点系统量测数为90,包含支路两端的潮流量测和10个节点注入量测。设最小量测时延bmin=3s,最大量测时延bmax=6s,时延b在[3,6]范围内由随机数产生器得到;负荷节点有功pd,发电机节点有功pg。假设系统有功负荷变化率在0.0001pd/s~0.0016pd/s内变化,无功负荷等比例变化。在仿真时段内,系统有四种变化形式,如图3所示。
假设pmu每隔1秒采样一次,无时延,在节点2,5,8,11,14上装设。因此对潮流真值叠加较小随机量测误差,每秒读取一次,模拟pmu的量测数据。
假设scada每隔10秒采样一次,全网安装。由于scada系统有时延且量测误差大,因此通过在潮流真值上叠加由量测时延造成的偏差和较大的随机量测误差,每10秒读取一次,模拟scada的量测数据。
假设ami每隔1分钟采样一次,无时延,全网安装。因此对潮流真值叠加较小随机量测误差,每1分钟读取一次,模拟ami的量测数据。图4所示是ami、scada、pmu在0~3600s对某一节点有功功率量测的融合结果。
定义状态估计误差:
以2100s~3100s电压误差为例,如图5所示
从图中可以看出,混合量测状态估计误差一般在0.035~0.01之间。
表1是针对不同节点的量测系统的仿真结果。在pmu量测装置不足的情况下,通过与scada,ami量测系统合作,满足了系统可观测性的要求,同时提高了精度。并且计算速度很快,具有很好的实用价值。
表1基于混合量测的状态估计对ieee系统的统计结果
此实施例仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。