一种计及模型不确定性的电力系统辅助预测状态估计方法技术方案

本发明专利技术公开了一种计及模型不确定性的电力系统辅助预测状态估计方法，用于电力系统模型参数不确定情形下的动态状态估计。该方法在H无穷扩展卡尔曼滤波基础上，结合自适应技术，建立了自适应H∞扩展卡尔曼滤波动态状态估计方法(adaptive H∞extended Kalman filter,AHEKF)。所设计的方法，不仅能够抑制模型参数不确定性对状态估计器性能的影响，增强动态状态估计器对模型不确定性的鲁棒性，提升状态估计精度；而且避免了HEKF方法不确定上界参数难选取的问题。本发明专利技术方法能够解决现有状态估计器的不足，且实现流程清晰，具有较高的工程应用价值。

A Power System Assistant Prediction State Estimation Method Considering Model Uncertainty

【技术实现步骤摘要】
一种计及模型不确定性的电力系统辅助预测状态估计方法
本专利技术涉及预测状态估计方法，尤其涉及一种计及模型不确定性的电力系统辅助预测状态估计方法。
技术介绍
近年来，随着全国联网和能源资源大范围优化配置格局的初步形成、电力市场化改革的稳步推进、新能源开发步伐的加快、“建设坚强智能电网”举措的提出，中国电网结构日益庞大，运行方式日趋复杂，保障电网的安全经济运行意义重大，任务艰巨。电力系统调度中心依靠静态状态估计可以掌握电力系统实时运行状态，而分析和预测系统的运行趋势，对运行中发生的各种问题提出对策，则需要依靠兼备预测功能的动态状态估计。在目前的研究中，电力系统辅助预测状态估计采用的方法主要包括扩展卡尔曼滤波(extendedKalmanfilter,EKF)以及其改进方法，如计入非线性卡尔曼滤波，自适应预报动态状态估计，光滑增平面模糊控制动态状态估计等。但是，这些方法的有效性必须满足模型能够准确获取的条件假设，但在实际电力系统应用中，状态估计模型参数往往比较难获取，即系统模型存在不确定性。模型不确定性会严重影响EKF状态估计器的性能，降低估计精度，甚至导致估计器失效。为克服EKF的不足，研究人员提出了基于H无穷扩展卡尔曼滤波的状态估计方法(HinfinityextendedKalmanfilter,HEKF)，在一定程度上抑制了模型不确定性对状态估计精度的影响，但是其却存在数值稳定性差和参数不确定上界难以选取的问题，无法满足实际电力系统分析需求。因此，亟待解决上述问题。
技术实现思路
专利技术目的：为满足实际电力系统分析需求，克服传统状态估计方法的不足，提高系模型不确定情形下的状态估计精度，本专利技术提出了一种计及模型不确定性的电力系统辅助预测状态估计方法。技术方案：为实现以上目的，本专利技术公开了一种计及模型不确定性的电力系统辅助预测状态估计方法，1、一种计及模型不确定性的电力系统辅助预测状态估计方法，其特征在于，包括如下步骤：(1)电力系统预测辅助状态估计模型电力系统预测辅助状态估计模型包含的系统方程和量测方程可表示为如下形式：xk＝f(xk-1)+wk-1yk＝h(xk)+vk式中下标k-1和k表示时刻，xk-1表示状态变量，xk-1＝[uk-1,θk-1]∈Rn由电力系统节点电压和相角构成，yk∈Rm由电力系统节点电压和相角，节点注入有功、无功功率，以及支路有功和无功功率量测值构成；f(·)和h(·)是非线性函数，wk-1是系统误差，满足协方差矩阵为Qk-1，vk∈Rm为量测误差，满足协方差矩阵为Rk；(2)设定AHEKF滤波的参数初始值，包含设定初始时刻状态估计值初始状态估计误差协方差矩阵设定系统噪声和量测噪声所满足的协方差矩阵Q0，R0，以及最大估计时刻N；(3)基于AHEKF的状态预测步，计算k时刻的状态预测值(4)求解k时刻的状态预测误差协方差(5)利用AHEKF的状态滤波步，计算k时刻的滤波增益矩阵Kk；(6)基于k时刻的量测信息值yk，对状态预测值进行修正更新；(7)基于H∞滤波理论，利用自适应技术，设计抑制模型不确定性对状态估计结果的影响的状态估计误差协方差自适应调整更新策略，自适应计算并更新k时刻估计误差协方差矩阵计算公式如下式中表示创新信息序列的矩阵，λ为界定模型不确定性引起状态估计误差的正标量参数，α是一个待设定的正常数，用于调节动态过程中估计误差协方差自适应变换的阈值；式中ηk，Py,k，和Lk矩阵计算公式分别为式中ρ＝0.98为遗忘因子，I为适当维度的单位矩阵，为根据实际系统的物理信息进行设定的估计误差协方差最大上界参数，(·)1/2为矩阵的平方根；(8)按照(2)-(7)步骤依据时间序列对电力系统运行状态动态估计，直至t+1＞N时迭代停止，输出状态估计结果。其中，所述步骤(3)中具体计算公式如下式中f(·)表示已知的系统函数，为k-1时刻的状态估计值。优选的，所述步骤(4)中具体计算公式如下式中表示函数f(·)在处的雅克比矩阵，(·)T表示对矩阵进行转置运算，Qk-1表示k-1时刻的系统噪声协方差矩阵。再者，所述步骤(5)中具体计算公式为式中表示输出函数k时刻在雅克比矩阵，上标T表示对矩阵转置，上标-1表示对矩阵求逆，Rk表示k-1时刻的系统噪声协方差矩阵。进一步，所述步骤(6)中具体计算公式为有益效果：与现有技术相比，本专利技术具有以下显著优点：本专利技术提出了一种计及模型不确定性的电力系统辅助预测状态估计方法，该方法利用自适应技术，设计了可以抑制模型不确定性对状态估计结果的影响的状态估计误差协方差自适应调整更新策略，不仅可以增强状态估计器对模型不确定性的鲁棒性，而且避免了HEKF状态估计方法模型不确定性约束上界参数难选取的问题，提高电力系统状态估计精度，能够更好的满足电力系统分析与控制的需求。附图说明图1为本专利技术的系统流程图；图2是本专利技术实施例中含风电场接入的IEEE14节点电力系统结构图；图3是本专利技术实施例中运用EKF，HEKF方法和本专利技术方法对节点9电压相角的动态状态估计结果对比图；图4为本专利技术实施例中为运用EKF，HEKF方法和本专利技术方法对节点9电压幅值的动态状态估计结果对比图图5为本专利技术实施例中运用EKF，HEKF和本专利技术方法的对IEEE14节点系统所有节点电压幅值和相角估计结果的平均绝对误差对比表。具体实施方式下面结合附图对本专利技术的技术方案作进一步说明。本专利技术中AHEKF(adaptiveH∞extendedKalmanfilter)，即为自适应H∞扩展卡尔曼滤波动态状态估计方法，HEKF(H∞extendedKalmanfilter)，即为H无穷扩展卡尔曼滤波。如图1所示，一种计及模型不确定性的电力系统辅助预测状态估计方法，运用本专利技术方法对实施例系统状态进行动态估计，其实施步骤如下：(1)电力系统预测辅助状态估计模型一般情况下，电力系统预测辅助状态估计模型包含的系统方程和量测方程可表示为如下形式：xk＝f(xk-1)+wk-1yk＝h(xk)+vk式中下标k-1和k表示时刻，xk-1表示状态变量，xk-1＝[uk-1,θk-1]∈Rn由电力系统节点电压和相角构成，yk∈Rm由电力系统节点电压和相角，节点注入有功、无功功率，以及支路有功和无功功率量测值构成；f(·)和h(·)是非线性函数，wk-1是系统误差，满足协方差矩阵为Qk-1，vk∈Rm为量测误差，满足协方差矩阵为Rk。(2)设定AHEKF滤波的参数初始值，包含设定初始时刻状态估计值初始状态估计误差协方差矩阵设定系统噪声和量测噪声所满足的协方差矩阵Q0，R0，以及最大估计时刻N。(3)基于AHEKF的状态预测步，计算k时刻的状态预测值计算公式如下式中f(·)表示已知的系统函数，为k-1时刻的状态估计值。(4)求解k时刻的状态预测误差协方差计算公式如下式中表示函数f(·)在处的雅克比矩阵，(·)T表示对矩阵进行转置运算，Qk-1表示k-1时刻的系统噪声协方差矩阵。(5)利用AHEKF的状态滤波步，计算k时刻的滤波增益矩阵Kk，计算公式为式中表示输出函数k时刻在雅克比矩阵，上标T表示对矩阵转置，上标-1表示对矩阵求逆，Rk表示k-1时刻的系统噪声协方差矩阵(6)基于k时刻的量测信息值yk，对状态预测值进行修正更新，计算本文档来自技高网...

【技术保护点】
1.一种计及模型不确定性的电力系统辅助预测状态估计方法，其特征在于，包括如下步骤：(1)电力系统预测辅助状态估计模型电力系统预测辅助状态估计模型包含的系统方程和量测方程可表示为如下形式：xk＝f(xk‑1)+wk‑1yk＝h(xk)+vk式中下标k‑1和k表示时刻，xk‑1表示状态变量，xk‑1＝[uk‑1,θk‑1]∈R

【技术特征摘要】
1.一种计及模型不确定性的电力系统辅助预测状态估计方法，其特征在于，包括如下步骤：(1)电力系统预测辅助状态估计模型电力系统预测辅助状态估计模型包含的系统方程和量测方程可表示为如下形式：xk＝f(xk-1)+wk-1yk＝h(xk)+vk式中下标k-1和k表示时刻，xk-1表示状态变量，xk-1＝[uk-1,θk-1]∈Rn由电力系统节点电压和相角构成，yk∈Rm由电力系统节点电压和相角，节点注入有功、无功功率，以及支路有功和无功功率量测值构成；f(·)和h(·)是非线性函数，wk-1是系统误差，满足协方差矩阵为Qk-1，vk∈Rm为量测误差，满足协方差矩阵为Rk；(2)设定AHEKF滤波的参数初始值，包含设定初始时刻状态估计值初始状态估计误差协方差矩阵设定系统噪声和量测噪声所满足的协方差矩阵Q0，R0，以及最大估计时刻N；(3)基于AHEKF的状态预测步，计算k时刻的状态预测值(4)求解k时刻的状态预测误差协方差(5)利用AHEKF的状态滤波步，计算k时刻的滤波增益矩阵Kk；(6)基于k时刻的量测信息值yk，对状态预测值进行修正更新；(7)基于H∞滤波理论，利用自适应技术，设计抑制模型不确定性对状态估计结果的影响的状态估计误差协方差自适应调整更新策略，自适应计算并更新k时刻估计误差协方差矩阵计算公式如下式中表示创新信息序列的矩阵，λ为界定模型不确定性...

【专利技术属性】
技术研发人员：王义，孙永辉，胡银龙，侯栋宸，王森，翟苏巍，曹阳，吕欣欣，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏,32