电力系统动态状态估计方法、装置、设备及可读存储介质与流程

本申请涉及电力系统，更具体地说，涉及一种电力系统动态状态估计方法、装置、设备及可读存储介质。

背景技术：

1、在电网中，动态状态估计(dynamic state estimation，dse)在电力系统实时监控和控制中起到重要的作用，能准确地捕捉系统的动态特性和运行状态，提供电力系统运行的实时状态信息以及趋势。而对于电力系统管理而言，动态状态估计的至关重要。

2、但在现有技术中，传统的基于模型驱动的dse高度依赖于网络拓扑结构以及系统参数，而网络拓扑结构以及系统参数在实际的电力系统中往往难以精确掌握，导致dse的准确性较低，增大电力系统管理难度。基于此，亟需一种新的电力系统动态状态估计方法，用以提高dse的准确性。

技术实现思路

1、有鉴于此，本申请提供了一种电力系统动态状态估计方法、装置、设备及可读存储介质，用于解决现有技术中dse准确性较低的缺点。

2、为了实现上述目的，现提出的方案如下：

3、一种电力系统动态状态估计方法，包括：

4、获取包含电力系统不同时间断面运行状态变量及量测向量的历史状态序列，以及，用于确定电力系统相邻时间断面运行状态变量间高维线性关系和对应同一时间断面的量测向量与运行状态变量间高维线性关系的高维库普曼线性系统，所述高维库普曼线性系统基于拓展动态模态分解法edmd构建；

5、基于所述高维库普曼线性系统以及所述历史状态序列，对所述电力系统进行动态状态估计，生成电力系统的运行状态变量估计值。

6、可选的，所述高维库普曼线性系统由时间断面k量测向量与时间断面k的运行状态升维向量间的线性关系、时间断面k运行状态升维向量与时间断面k-1运行状态升维向量间的线性关系，以及，时间断面k运行状态变量与所述时间断面k运行状态升维向量间的线性关系组成；

7、其中，k为任一正整数，所述时间断面k运行状态升维向量由时间断面k运行状态变量升维得到。

8、可选的，获取用于确定电力系统相邻时间断面运行状态变量间高维线性关系和对应同一时间断面的量测向量与运行状态变量间高维线性关系的高维库普曼线性系统，包括：

9、获取状态升维函数；

10、确定所述历史状态序列分布的库普曼特征函数张成的子空间；

11、采用所述edmd，在所述子空间中引入所述状态升维函数，计算得到库普曼元组；

12、利用所述库普曼元组，构建所述高维库普曼线性系统。

13、可选的，所述利用所述库普曼元组，构建所述高维库普曼线性系统，包括：

14、利用所述库普曼元组，提取所述时间断面k运行状态升维向量与时间断面k-1运行状态升维向量间的线性关系；

15、利用所述库普曼元组，对所述历史状态序列进行解析，提取时间断面k运行状态升维向量与所述时间断面k运行状态变量间的线性关系；

16、利用所述库普曼元组，提取时间断面k运行状态升维向量与时间断面k量测向量间的线性关系。

17、可选的，所述基于所述高维库普曼线性系统以及所述历史状态序列，对所述电力系统进行动态状态估计，生成电力系统的运行状态变量估计值，包括：

18、获取目标时间断面的目标量测向量，并利用所述历史状态序列及所述高维库普曼线性系统，估计电力系统目标时间断面的目标运行状态升维向量；

19、利用所述目标量测向量，对所述目标运行状态升维向量进行卡尔曼滤波；

20、利用所述高维库普曼线性系统中的线性关系，生成电力系统的运行状态变量估计值。

21、可选的，所述利用所述目标量测向量，对所述目标运行状态升维向量进行卡尔曼滤波，包括：

22、获取表征目标运行状态升维向量估计误差的协方差矩阵；

23、利用所述协方差矩阵，对卡尔曼滤波器进行初始化；

24、利用所述协方差矩阵及所述目标量测向量代入至初始化后的卡尔曼滤波器，对所述目标运行状态升维向量进行卡尔曼滤波。

25、一种电力系统动态状态估计装置，包括：

26、获取模块，用于获取包含电力系统不同时间断面运行状态变量及量测向量的历史状态序列，以及，用于确定电力系统相邻时间断面运行状态变量间高维线性关系和对应同一时间断面的量测向量与运行状态变量间高维线性关系的高维库普曼线性系统，所述高维库普曼线性系统基于拓展动态模态分解法edmd构建；

27、生成模块，用于基于所述高维库普曼线性系统以及所述历史状态序列，对所述电力系统进行动态状态估计，生成电力系统的运行状态变量估计值。

28、一种电力系统动态状态估计设备，包括存储器和处理器；

29、所述存储器，用于存储程序；

30、所述处理器，用于执行所述程序，实现上述的电力系统动态状态估计方法的各个步骤。

31、一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现上述的电力系统动态状态估计方法的各个步骤。

32、从上述的技术方案可以看出，本申请提供的电力系统动态状态估计方法，该方法获取的高维库普曼线性系统可用于确定电力系统相邻时间断面运行状态变量间高维线性关系和对应同一时间断面的量测向量与运行状态变量间高维线性关系的高维库普曼线性系统，换言之，高维库普曼线性系统可以表征电力系统未来时间断面运行状态变量与历史时间断面运行状态变量间的高维线性关系，以及，同一未来时间断面量测向量与运行状态变量间的线性关系，基于此，本申请可以采用高维库普曼线性系统表征非线性的电力系统，将非线性问题转换为线性问题，化繁为简；随后，基于表征电力系统相邻时间断面运行状态变量间高维线性关系及对应同一时间断面的量测向量与运行状态变量间高维线性关系的高维库普曼线性系统以及包含电力系统不同时间断面运行状态变量及量测向量的历史状态序列，对电力系统进行动态状态估计，生成电力系统的运行状态变量估计值，基于此，本申请通过高维库普曼线性系统，化非线性问题为线性问题，简化估计电力系统的动态状态的难度，同时，本申请在估计时，由于高维库普曼线性系统可以表征电力系统相邻时间断面运行状态变量间高维线性关系及同一时间断面量测向量及运行状态变量间的线性关系，因而，本申请在进行动态状态估计时，不需要参考电力系统网络拓扑结构以及系统参数，减少了网络拓扑结构以及系统参数的依赖，避免网络拓扑结构以及系统参数影响dse的准确性，进一步提高本申请的预测准确度。可见，本申请可以在简化动态状态估计的同时，提高估计准确度。

技术特征：

1.一种电力系统动态状态估计方法，其特征在于，包括：

2.根据权利要求1所述的电力系统动态状态估计方法，其特征在于，所述高维库普曼线性系统由时间断面k量测向量与时间断面k的运行状态升维向量间的线性关系、时间断面k运行状态升维向量与时间断面k-1运行状态升维向量间的线性关系，以及，时间断面k运行状态变量与所述时间断面k运行状态升维向量间的线性关系组成；

3.根据权利要求2所述的电力系统动态状态估计方法，其特征在于，获取用于确定电力系统相邻时间断面运行状态变量间高维线性关系和对应同一时间断面的量测向量与运行状态变量间高维线性关系的高维库普曼线性系统，包括：

4.根据权利要求3所述的电力系统动态状态估计方法，其特征在于，所述利用所述库普曼元组，构建所述高维库普曼线性系统，包括：

5.根据权利要求2所述的电力系统动态状态估计方法，其特征在于，所述基于所述高维库普曼线性系统以及所述历史状态序列，对所述电力系统进行动态状态估计，生成电力系统的运行状态变量估计值，包括：

6.根据权利要求5所述的电力系统动态状态估计方法，其特征在于，所述利用所述目标量测向量，对所述目标运行状态升维向量进行卡尔曼滤波，包括：

7.一种电力系统动态状态估计装置，其特征在于，包括：

8.根据权利要求7所述的电力系统动态状态估计装置，其特征在于，获取模块包括：

9.一种电力系统动态状态估计设备，其特征在于，包括存储器和处理器；

10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-6中任一项所述的电力系统动态状态估计方法的各个步骤。

技术总结
本申请公开了一种电力系统动态状态估计方法、装置、设备及可读存储介质，该方法获取包含电力系统不同时间断面运行状态变量及量测向量的历史状态序列，以及，用于确定电力系统相邻时间断面运行状态变量间高维线性关系和对应同一时间断面的量测向量与运行状态变量间高维线性关系的高维库普曼线性系统，所述高维库普曼线性系统基于拓展动态模态分解法EDMD构建；基于所述高维库普曼线性系统以及所述历史状态序列，对所述电力系统进行动态状态估计，生成电力系统的运行状态变量估计值。可见，本申请在进行动态状态估计时，不需要参考电力系统网络拓扑结构以及系统参数，减少了网络拓扑结构以及系统参数的依赖，避免网络拓扑结构以及系统参数影响DSE的准确性，进一步提高本申请的预测准确度。本申请可以在简化动态状态估计的同时，提高估计准确度。

技术研发人员：陈冬晖,黄佳玺,丁赵一,邓仙发,李一贤
受保护的技术使用者：广东电网有限责任公司广州供电局
技术研发日：
技术公布日：2024/4/22