本发明涉及电力系统状态估计，具体为一种基于数字孪生的配电网不良数据辨识状态估计方法。
背景技术：
1、随着传统电网向智能电网转变与分布式能源的不断发展，传统配电网逐渐向具有双向潮流的主动配电网转变，运行状态与控制模式日趋复杂；新能源的高渗透率与出力不确定性，会对电力系统的稳定运行造成影响，增加电力系统的安全风险；在这种情况下，建设数字化配电网，实现实时的配电网状态感知尤为重要。
2、状态估计是实现配电网实时感知的方法之一，可以通过有限量测获得完整配电网状态，可以作为数字孪生电网实现实时状态感知的方法；然而，配电网状态估计精度严重依赖于量测数据的精度，实际配电网量测数据中往往存在错误量测的数据，严重影响状态估计的准确性；此外，随着同步相量量测装置的引入，配电网中存在着不同量测数据量与时间尺度的多源量测数据，充分融合多源量测数据并进行快速高效的状态估计，是配电网高效运营决策、调度控制的重要前提。
3、因此，有必要开发新的方法在对量测数据进行不良数据辨识与修正的基础上，对多源量测进行时间与数据量上的统一后进行线性状态估计，精准、快速的感知配电网实时状态。
技术实现思路
1、鉴于上述存在的问题，提出了本发明。
2、因此，本发明解决的技术问题是：现有的配电网状态估计技术，在面对多源量测数据、不良数据以及不同时间尺度量测数据时，存在着状态估计精度低、计算效率低，以及如何有效融合多源量测数据的问题。
3、为解决上述技术问题，本发明提供如下技术方案：一种基于数字孪生的配电网不良数据辨识状态估计方法，包括基于物理配电网采集实时量测数据，通过通信协议发送到数字孪生服务器中；将服务器的数字孪生数据库中对不良量测数据进行辨识与修正，通过bilstm神经网络补全剔除的量测数据；将多源量测数据在数据量与时间尺度上进行融合，并进行线性状态估计反映配电网实时状态。
4、作为本发明所述的基于数字孪生的配电网不良数据辨识状态估计方法的一种优选方案，其中：所述采集实时量测数据包括将配电网多源量测装置采集到的各节点数据，通过通信协议传输量测至服务器中并进行数字孪生配电网建模。
5、作为本发明所述的基于数字孪生的配电网不良数据辨识状态估计方法的一种优选方案，其中：所述采集实时量测数据还包括通过pmu量测装置获取节点电压幅值与相角，支路电流幅值与相角；通过scada量测装置获取支路有功功率与无功功率；通过ami量测装置获取节点注入有功功率与无功功率。
6、作为本发明所述的基于数字孪生的配电网不良数据辨识状态估计方法的一种优选方案，其中：所述对不良量测数据进行辨识与修正包括基于数字孪生数据库提取一段当前时刻前时长为t′-1的历史量测相量，与当前时刻的实时量测矢量zk+1组成时长为t′的量测时间序列[zk+2-t′,zk+3-t′,···,zk+1]，计算时长为t′的量测时间序列的皮尔逊相关系数，并根据每两个量测的相关系数建立成皮尔逊相关系数矩阵，表示为：
7、
8、其中，ρab为相关系数矩阵中的元素，表示量测量a与量测量b之间的时序相关性，|ρab|<1，矩阵对角线元素为1，为时序量测数列的平均值，zk+2-t为k+2-t时刻的量测量，k为k时刻量测序列的编号，t为时间点编号；设定为量测量相关系数的平均值，表示为：
9、
10、其中，n为所有量测量的数量；基于历史数据库中不良数据产生时的的最小值与不含有不良数据时的的最大值不良数据产生时的大于不含有不良数据时的设定阈值若则判定为不良数据并进行剔除。
11、作为本发明所述的基于数字孪生的配电网不良数据辨识状态估计方法的一种优选方案，其中：所述通过bilstm神经网络补全剔除的量测数据包括bilstm主体包括两个独立的lstm结构，将同一输入序列分别接入向前和向后的两个lstm中，将两个网络的隐藏层连在一起，共同接入到输出层进行预测；基于bilstm隐藏层保存正向参数ht与反向参数hk，设计bilstm最终输出的结果yt，表示为：
12、
13、其中，yt为t时刻的输出值，et为t时刻的输入值，g、l为sigmoid激活函数，k、k′、w、w′、u、u′为权重值，与输入值相对应，ht-1为ht左侧参数，hk-1为hk右侧参数，d为正向lstm处理后的神经网络参数，d′为反向lstm处理后的神经网络参数。
14、作为本发明所述的基于数字孪生的配电网不良数据辨识状态估计方法的一种优选方案，其中：所述将多源量测数据在数据量与时间尺度上进行融合包括将pmu、scada、ami的量测数据进行时间尺度上的统一，pmu量测数据作为时标，采用线性外推插值法构建ami伪量测数据，设计线性外推法，表示为：
15、
16、其中，zδ,k为ami量测数据在tl和tl+1时刻之间的任意一个时刻tk的量测量，t′δ为ami量测数据的量测周期，zδ,l为tl时刻ami量测数据的量测量，zδ,l-1为tl-1时刻ami量测数据的量测量，δ为量测周期的编号，l为量测时间的标识。
17、作为本发明所述的基于数字孪生的配电网不良数据辨识状态估计方法的一种优选方案，其中：所述线性状态估计包括将不同量测数据进行线性变换，统一转换为虚部与实部分离的等值线性量测量，基于pmu量测采集的节点电压相量与支路电流相量数据，进行线性变换，表示为：
18、
19、其中，i、j分别为线路首、末节点的编号，p为相位，分别为等效支路电流实部与虚部，分别为pmu量测支路ij的电流幅值与相角，分别为等效节点i电压的实部与虚部，分别为pmu量测的节点i的电压幅值与相角，p为pmu量测，re为实部，im为虚部；将scada、ami量测的支路功率与节点注入功率进行量测转换，表示为：
20、
21、其中，分别为scada量测的支路ij有功功率与无功功率；与分别为每次迭代得到的节点电压实部与虚部，分别为ami采集的节点注入有功功率和无功功率，分别为等效节点注入电流实部与虚部，s为scada量测，a为ami量测；基于误差传播规律评估等效测量的电压与电流协方差，等效节点电压协方差矩阵表示为：
22、
23、其中，分别为等效节点电压实部和虚部的自协方差，为等效节点电压实部与虚部的互协方差，σu、σθ为节点电压幅值和相角量测的标准差，ui、θi为节点电压幅值与相角量测真实值；将支路功率量测转换的等效支路电流的协方差矩阵表示为：
24、
25、其中，与分别为等效支路电流实部和虚部的自协方差，为等效支路电流实部和虚部的互协方差，为支路有功功率和无功功率的标准差，vi-re、vi-im为迭代过程中节点电压的实部与虚部；基于量测变换完成，构建状态估计量测方程，表示为：
26、z＝h(x)+v
27、其中，z为量测矢量，h(x)为量测矢量函数矢量，v为z和h(x)的误差矢量；
28、将状态变量x设置为配电网n个三相节点电压的实部与虚部，表示为：
29、x＝[v1,re,v1,im,…,vn,re,vn,im]t
30、其中，t为转置操作；基于变换后的量测数据，量测矢量z，表示为：
31、
32、其中，z为量测矢量中包含的不同量测量，与分别为变换后等效节点电压量测的实部与虚部，为变换后等效节点注入电流量测的实部与虚部，为变换后等效支路电流量测的实部与虚部；建立状态估计模型，利用加权最小二乘法建立带等式约束的状态估计数学模型，表示为：
33、
34、其中，s.t.c(x)为零注入节点约束函数，j(x)为最小二乘估计的目标函数，r为变换后的误差协方差；基于变换后的量测数据，量测矢量函数矢量h(x)，表示为：
35、
36、其中，ω为累加公式中的相位累加标识，包含配电网a相、b相、c相，ω为整个配电网节点的集合，为配电网节点导纳矩阵中对应的电导元素，为配电网节点导纳矩阵中对应的电纳元素，g、b分别为电导与电纳；基于对量测函数矢量h(x)求导，计算雅可比矩阵h，表示为：
37、
38、其中，vre、vim分别为节点电压的实部与虚部；采用拉格朗日乘子法对雅可比矩阵求解，构建拉格朗日极值函数，表示为：
39、
40、其中，l(x,λ)为目标函数；对状态变量x、约束相量λ进行偏导，表示为：
41、
42、其中，c为零注入量测约束雅克比矩阵，rm为变换后融合的协方差矩阵；
43、基于牛顿法进行迭代求解，转换为含等式约束的最小二乘估计方程，表示为：
44、
45、其中，o迭代的次数，xo为第o次迭代时的状态变量，λo为第o次迭代时的拉格朗日乘子，δλo为第o次迭代时的拉格朗日乘字的修正量；对状态变量进行约束，表示为：
46、|xo+1-xo|max<ε
47、其中，ε为设定的状态估计精度阈值；若状态变量满足约束，xo+1的值为最终得到的估计值，迭代结束。
48、本发明的另外一个目的是提供一种基于数字孪生的配电网不良数据辨识状态估计系统，其能通过含不良数据辨识与修正的线性状态估计方法，解决了目前的配电网状态感知技术准确度低、时效性差的问题。
49、作为本发明所述的基于数字孪生的配电网不良数据辨识状态估计系统的一种优选方案，其中：包括数据量测与通信模块，不良数据辨识与修正模块，数据融合线性状态估计模块；所述数据量测与通信模块用于基于物理配电网采集实时量测数据，通过通信协议发送到数字孪生服务器中；所述不良数据辨识与修正模块用于将服务器的数字孪生数据库中对不良量测数据进行辨识与修正，通过bilstm神经网络补全剔除的量测数据；所述数据融合线性状态估计模块用于将多源量测数据在数据量与时间尺度上进行融合，并进行线性状态估计反映配电网实时状态。
50、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序是实现基于数字孪生的配电网不良数据辨识状态估计方法的步骤。
51、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现基于数字孪生的配电网不良数据辨识状态估计方法的步骤。
52、本发明的有益效果：本发明提供的基于数字孪生的配电网不良数据辨识状态估计方法通过考虑配电网量测数据的时序相关性，辨识配电网量测数据中的不良数据，提升了配电网状态估计的抗差性；通过bilstm神经网络训练，预测当前时刻量测数据对剔除的数据进行补全，确保了量测数据的完整性；通过多源数据融合的线性状态估计方法，本发明解决了不同时间尺度量测数据的断面数据对齐问题，能够实现精确、实时的配电网感知，为数字孪生配电网的精准建模提供了高效的方法，本发明在配电网不良数据辨识与修正以及状态估计的精度、效率方面都取得更加良好的效果，可以作为建立数字孪生配电网实时状态感知模型的方法。