电力系统动态状态估计中异常情况的检测方法技术方案

本发明专利技术提供一种电力系统动态状态估计中异常情况的检测方法，所述方法包括以下步骤：在电力系统动态状态估计中，获取第k步预测的状态采用如下公式计算量测预测误差矢量εk：输入量测量Zk，通过加权最小二乘法进行状态估计，获得状态矢量的估计值根据所述估计值计算残差矢量rk：并根据所述残差矢量rk计算标准残差矢量rNk：式中，Nkj为矩阵Nk的第j行第j列元素；当max{rNkj}＞γr，j＝1，…，m时，判定为电力系统状态估计过程中存在异常情况；式中，γr为用于残差矢量rN检测的门槛值。本发明专利技术的一种电力系统动态状态估计中异常情况的检测方法，能够有效提高动态状态估计的准确率。

【技术实现步骤摘要】
电力系统动态状态估计中异常情况的检测方法
本专利技术涉及电力系统状态估计领域，特别是涉及一种电力系统动态状态估计中异常情况的检测方法。
技术介绍
电力系统状态估计是电力系统调度中心能量管理系统（EMS）的核心功能之一，是大部分在线应用的高级软件的基础，已被广泛应用于电力系统中，发挥了重要的作用。大多数情况下，电力系统处于平稳状态，负荷变化缓慢，EMS中的量测量一般基于同一个时刻断面，从而可采用静态状态估计实现完整的状态计算，能够满足电力系统监视和控制的需要。动态状态估计可以提前估计下一时刻的状态，能为优化调度和预防控制提供预报数据。但在动态状态估计中，电网可能存在正常扰动，例如：开关变位、负荷波动等都会引起潮流转移和变化，特别是在故障状态下，会有大量遥信变位信号，若此时状态估计结果与上一时段相比，发生突变，通常很难区分是由于量测量变化和开关的正常动作引起的，还是存在网络拓扑错误、量测坏数据的情况。现有的坏数据的检测与辨识方法，大多是在假设系统拓扑结构正确的前提下进行检测与辨识的，而系统拓扑错误辨识是在假设量测系统正常、无坏数据的情况下进行辨识的。当系统量测量突然变化与坏数据同时发生以及网络拓扑错误和坏数据同时发生，原有方法将不再适用。
技术实现思路
基于此，本专利技术提供一种电力系统动态状态估计中异常情况的检测方法，能够提高动态状态估计的准确率。为实现上述目的，本专利技术采用如下的技术方案：一种电力系统动态状态估计中异常情况的检测方法，包括以下步骤：在电力系统动态状态估计中，获取第k步预测的状态采用如下公式计算量测预测误差矢量εk：式中，Zk为m维量测矢量，为量测函数，εfk为预测误差，εmk为量测误差；输入量测量Zk，通过加权最小二乘法进行状态估计，获得状态矢量的估计值根据所述估计值计算残差矢量rk：并根据所述残差矢量rk计算标准残差矢量rNk：式中，Nkj为矩阵Nk的第j行第j列元素；当max{rNkj}＞γr，j＝1，…，m时，判定为电力系统状态估计过程中存在异常情况；式中，γr为用于残差矢量rN检测的门槛值。由以上方案可以看出，本专利技术的一种电力系统动态状态估计中异常情况的检测方法，首先建立判断指标，计算出标准残差，然后根据该标准残差辨识出电力系统状态估计过程中是否存在异常情况，从而为后续的异常情况处理打下基础。本专利技术能够准确辨识出动态状态估计中引起状态估计和状态预测结果不一致的原因，有效提高了动态状态估计的准确率。附图说明图1为本专利技术的一种电力系统动态状态估计中异常情况的检测方法的实现步骤框图；图2为本专利技术一种电力系统动态状态估计中异常情况的检测方法的具体步骤流程示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。如图1所示是本专利技术的一种电力系统动态状态估计中异常情况的检测方法的实现步骤框图。步骤一是建立判断指标；步骤二是辨识异常情况；步骤三是处理异常情况。其具体实施的步骤流程如图2所示。步骤一、建立判断指标。1）在电力系统动态状态估计中，假设开始第k步预测与估计，则首先通过预测模型获取第k步预测的状态然后采用如下公式计算量测预测误差矢量εk：式（1）中，Zk为m维量测矢量，为量测函数，εfk为预测误差，εmk为量测误差。一般情况下，量测预测误差服从正态分布，εk～N(0，Dk)，其协方差为：Dk＝HRkHT+Mk（2）式（2）中，H为量测雅可比矩阵，Rk为预测误差协方差矩阵，Mk为量测误差方差。2）输入量测量Zk，通过加权最小二乘法进行状态估计，获得状态矢量的估计值3）根据所述估计值计算残差矢量rk，公式如下：式（3）中，一般情况下，残差服从正态分布，rk～N(0，Nk)分布；然后根据所述残差矢量rk计算标准残差矢量rNk，计算公式如下：式（4）中，Nkj为矩阵Nk的第j行第j列元素。这里，用于残差矢量rN检测的门槛值取为γr＝8。步骤二、辨识异常情况。当max{rNkj}＞γr，j＝1，…，m时，判定为电力系统状态估计过程中存在异常情况；式中，γr为用于残差矢量rN检测的门槛值。由于当系统中存在异常情况时，量测预报误差ε明显变大，因此本专利技术中当标准残差max{rNkj}＞γr，j＝1，…，m时，可以认为电力系统状态估计过程中存在异常情况。作为一个较好的实施例，所述异常情况可以包括：网络拓扑错误、量测坏数据或量测量突变等。具体的，在已经知道系统中存在异常情况的条件下，本专利技术还可以更进一步的辨识出是否存在网络拓扑错误。因此作为一个较好的实施例，本专利技术的方法中在建立判断指标时还可以包括如下步骤：4）计算量测预测误差矢量εk，计算公式如下：式（5）中，Mkj是矩阵Mk的第j行第j列元素，系数λj取决于坏数据j的取值。5）计算加权量测预测误差矢量εWk，计算公式如下：式（6）中6）根据所述加权量测预测误差矢量εWk计算标准加权量测预测误差εNWk，计算公式为：本专利技术，考虑到标准加权量测预测误差εNW中包含了预测误差和量测误差，因此当max{εNWkj}＞γε，j＝1，…，m，γε＝7.5时，就可以判定为系统中存在网络拓扑错误。网络拓扑错误指遥信量测量与实际开关状态不一致，主要有两种情况：遥信量变化而实际开关未变；遥信量未变而实际开关已变。我们把第一种情况称为第一种网络拓扑错误、第二种情况称为第二种网络拓扑错误。当存在第一种网络拓扑错误时，由于整个系统的状态未发生变化，因此计算得到的标准加权量测预测误差矢量中，超过门槛值γε的数量较少且较集中，将与这些超越门槛值对应的量测量相关联的开关辨识为第一种网络拓扑错误；另外当存在第二种网络拓扑错误时，由于整个系统状态发生变化，因此计算得到的标准加权量测预测误差矢量中，超过门槛值γε的数量较多。此时计算标准残差矢量rN，若rNj＞γr，j＝1，…，m的数量较多，则认为存在第二种网络拓扑错误，否则，认为存在量测量错误或者量测量突变的情况。具体的，作为一个较好的实施例，为了区分这两种网络拓扑错误，本专利技术的方法还可以包括如下步骤：a）当max{rNkj}＞γr，j＝1，…，m，m为量测总数，遥信量发生变化，存在max{εNWkj}＞γε，但越限数量少于一个预设阈值时，将与超越门槛值对应的量测量相关联的开关辨识为遥信量变化而实际开关未变的第一种网络拓扑错误；b）当max{rNkj}＞γr，j＝1，…，m，遥信量未发生变本文档来自技高网...

【技术保护点】
一种电力系统动态状态估计中异常情况的检测方法，其特征在于，包括以下步骤：在电力系统动态状态估计中，获取第k步预测的状态采用如下公式计算量测预测误差矢量εk：式中，Zk为m维量测矢量，为量测函数，εfk为预测误差，εmk为量测误差；输入量测量Zk，通过加权最小二乘法进行状态估计，获得状态矢量的估计值根据所述估计值计算残差矢量rk：并根据所述残差矢量rk计算标准残差矢量rNk：式中，Nkj为矩阵Nk的第j行第j列元素；当max{rNkj}＞γr，j＝1，…，m时，判定为电力系统状态估计过程中存在异常情况；式中，γr为用于残差矢量rN检测的门槛值。

【技术特征摘要】
1.一种电力系统动态状态估计中异常情况的检测方法，其特征在于，包括以下步骤：在电力系统动态状态估计中，获取第k步预测的状态采用如下公式计算量测预测误差矢量εk：式中，Zk为m维量测矢量，为量测函数，εfk为预测误差，εmk为量测误差；输入量测量Zk，通过加权最小二乘法进行状态估计，获得状态矢量的估计值根据所述估计值计算残差矢量rk：并根据所述残差矢量rk计算标准残差矢量rNk：式中，Nkj为矩阵Nk的第j行第j列元素；当max{rNkj}＞γr，j＝1,…,m时，判定为电力系统状态估计过程中存在异常情况；式中，γr为用于残差矢量rN检测的门槛值；计算量测预测误差矢量εk：并计算加权量测预测误差矢量εWk：根据所述加权量测预测误差矢量εWk计算标准加权量测预测误差εNWk：式中，Mkj是矩阵Mk的第j行第j列元素，系数λj取决于坏数据j的取值；当max{εNWkj}＞γε，j＝1,…,m，γε＝7.5时，判定所述异常情况为网络拓扑错误。2.根据权利要求1所述的电力系统动态状态估计中异常情况的检测方法，其特征在于，当max{rNkj}＞γr，j＝1,…,m，m为量测总数，遥信量发生变化，存在max{εNWkj}＞γε，但越限数量少于预设阈值时，将与超越所述门槛值对应的量测量相关联的开关辨识为...

【专利技术属性】
技术研发人员：周华锋，谢国财，赵旋宇，胡亚平，赵化时，顾慧杰，熊卫斌，冯粤，
申请(专利权)人：中国南方电网有限责任公司，广东电网公司电力科学研究院，
类型：发明
国别省市：广东;44