一种含节点注入功率不确定性的主动配电网三相区间状态估计方法技术

本发明专利技术公开了一种含节点注入功率不确定性的主动配电网三相区间状态估计方法，包括采用区间数对节点注入功率伪量测以及实时量测装置的量测误差的不确定性问题分别进行建模与分析；建立考虑不确定性的主动配电网三相区间状态估计数学模型；将所建立的主动配电网区间状态估计模型拆分为两个包含非线性区间约束条件的优化问题；采用一种基于迭代运算的线性规划方法结合稀疏矩阵技术对所建立的主动配电网三相区间状态估计数学模型进行有效求解。本发明专利技术弥补了当前配电网状态估计中忽略分布式电源出力间歇性以及电动汽车充电的不足，同时提高了测量的精度和算法的求解速度，为主动配电网下一步安全评估提供理论支撑。

A three-phase interval state estimation method for active distribution network with indeterminacy of node injection power

The invention discloses a containing active node injection distribution interval state power uncertainty estimation method, including the uncertainty problem with interval number power pseudo measurement and real-time measurement device on node injection measurement error were modeling and analysis; considering the mathematical model of active distribution three-phase state interval uncertainty the active distribution network state estimation; the interval estimation model is split into two contains nonlinear interval constraint optimization problem; a linear programming method based on iteration based on the sparse matrix technique for active distribution three-phase state estimation interval effectively solved by using mathematical model. The invention compensates for the neglect of the intermittent output of distributed power and the shortage of electric vehicle charging in the current distribution network state estimation, and improves the accuracy of measurement and the speed of algorithm solving, and provides theoretical support for the next step safety assessment of active distribution network.

【技术实现步骤摘要】
一种含节点注入功率不确定性的主动配电网三相区间状态估计方法
本专利技术涉及主动配电网三相状态估计方法，特别是涉及一种含节点注入功率不确定性的主动配电网三相区间状态估计方法。
技术介绍
积极发展可再生能源发电并网技术、电动汽车入网技术等是我国调整能源结构、应对气候变化、转变经济发展方式和实现可持续发展的战略选择。未来高渗透率多类型分布式电源的发电并网、电动汽车等主动负荷以及大量智能终端设备的规模化接入与应用，使得传统的单向辐射状配电网逐步转变为含多能源供电系统、必要时辅助以弱环状拓扑结构运行的主动配电网。与此同时，配电网状态估计技术有望能够进一步快速、准确地感知系统的实时运行状态，为主动配电网其他高级管理软件如电压调节控制技术、分布式电源出力和主动负荷分配技术、主动配电网有功/无功协调优化技术以及智能配电系统自愈技术等提供可靠数据。然而，未来大规模电动汽车的随机充电、高渗透率分布式电源的间歇性发电并网以及大量智能量测设备的量测误差等会使得主动配电网状态估计结果需要考虑更多的不确定性因素，传统方法面临严峻挑战，估计结果精度难以满足调度要求，如何考虑强不确定性对状态估计的影响是亟待解决的问本文档来自技高网...

【技术保护点】
一种含节点注入功率不确定性的主动配电网三相区间状态估计方法，其特征在于，包括以下步骤：(1)采用区间数对含光伏发电、风力发电以及电动汽车充电系统的节点注入功率伪量测以及实时量测装置的量测误差的不确定性问题分别进行建模与分析；(2)选取节点的三相电压幅值和相角作为系统待求的状态变量，建立考虑不确定性的主动配电网三相区间状态估计数学模型；(3)基于误差未知但有界理论将所建立的考虑不确定性的主动配电网三相区间状态估计数学模型拆分为两个包含非线性区间约束条件的优化问题，便于进行分析与求解；(4)采用一种基于迭代运算的线性规划方法结合稀疏矩阵技术对所建立的考虑不确定性的主动配电网三相区间状态估计数学模型...

【技术特征摘要】
1.一种含节点注入功率不确定性的主动配电网三相区间状态估计方法，其特征在于，包括以下步骤：(1)采用区间数对含光伏发电、风力发电以及电动汽车充电系统的节点注入功率伪量测以及实时量测装置的量测误差的不确定性问题分别进行建模与分析；(2)选取节点的三相电压幅值和相角作为系统待求的状态变量，建立考虑不确定性的主动配电网三相区间状态估计数学模型；(3)基于误差未知但有界理论将所建立的考虑不确定性的主动配电网三相区间状态估计数学模型拆分为两个包含非线性区间约束条件的优化问题，便于进行分析与求解；(4)采用一种基于迭代运算的线性规划方法结合稀疏矩阵技术对所建立的考虑不确定性的主动配电网三相区间状态估计数学模型进行求解。2.根据权利要求1所述的含节点注入功率不确定性的主动配电网三相区间状态估计方法，其特征在于，步骤(1)包括：(11)在用区间数表征光伏发电系统出力不确定性时，采用上下限估计方法通过建立双输出神经网络模型对光伏发电系统出力进行区间建模；(12)在用区间数表征风力发电系统出力不确定性时，采用基于在线序贯-极限学习机结构的双层神经网络风力预测模型，先通过ELM模型对风速进行修正，再利用第二层ELM预测风力发电功率；(13)在对电动汽车的随机充电进行区间建模分析时，采用基于统计数据规律的蒙特卡洛抽样法与区间数相结合的方式对电动汽车充电负荷需求进行区间预测。3.根据权利要求2所述的含节点注入功率不确定性的主动配电网三相区间状态估计方法，其特征在于，步骤(11)包括：(a)数据预处理，划分神经网络训练和测试数据按照预定的采样间隔收集历史光伏出力数据与对应时刻的气象数据，将处理过的数据作为神经网络的输入；(b)区间预测优化算法以及粒子群算法设置区间覆盖率PICP和区间宽度PINAW是衡量区间预测性能的重要因素，计算公式分别如下式所示：式中，λ为进行确定性预测的次数，cκ′为第κ′次预测值的评价指标；假设存在某一预测值yκ′，当时，cκ′＝1；否则，cκ′＝0；和PPV分别为区间预测的上界限和下界限；Λ为目标预测值的最小值与最大值的差；选取的区间预测综合评估指标函数如下所示：f＝PINAW(1+γ(PICP)e-η(PICP-Ψ))1式中，Ψ为置信度值，也是f的调节参数；η为f的调节参数，且实际工程中η∈[50,100]；初始化粒子群的规模以及惯性常数，生成初始粒子种群，也即光伏出力预测的初始区间值；(c)结合粒子群寻优算法，输出光伏处理预测最优区间值，包括：①设定迭代次数L＝0，并创建评估函数值f(L)；②更新粒子群算法参数在搜索空间内随机初始化每个粒子的位置和速度，将每个粒子的个体最优位置设置为当前粒子位置，得到群体最优位置，并对粒子的位置和速度进行不断更新；③创建新的预测区间并计算评估函数值f(L+1)计算每个粒子的适应值，更新每个粒子的个体最优位置与整个群体的最优位置；④判断是否满足f(L+1)<fL若不满足，令L＝L+1，返回步骤②继续搜索；若满足，则用评估函数值f(L+1)替换上一次迭代的评估函数值f(L)；⑤判断是否满足算法终止条件给定粒子群迭代收敛的条件，作为算法终止的条件，若不满足，则返回步骤②继续搜索；若满足，则停止搜索，并输出光伏出力预测最优区间值。4.根据权利要求2所述的含节点注入功率不确定性的主动配电网三相区间状态估计方法，其特征在于，步骤(12)包括：(a)数据预处理，该数据包含风力发电系统历史发电功率数据以及相对应的气象预报数据，向量Θ作为ELM的网络输入，公式如下：Θ＝[vvsinvcosρ]T式中，v为风速；vsin、vcos分别为风向的正弦值、余弦值；ρ为空气密度，由温度、气压以及空气相对湿度计算得到；ELM网络中所有输入数据均归一化到[0,1]区间；(b)风速修正环节，采用第一层ELM网络来模拟修正预报风速与实测风速之间的非线性关系；(c)风力发电系统出力区间预测环节，采用第二层ELM网络来进行风力发电系统出力的区间预测，选取当前时刻的修正风速值、风向正、余弦值以及空气密度值作为第二层ELM网络输入值，以当前时刻风力发电系统出力的上下区间值为网络输出。5.根据权利要求2所述的含节点注入功率不确定性的主动配电网三相区间状态估计方法，其特征在于，步骤(13)包括：(a)设置电动汽车数量M*＝0(b)令M*＝M*+1(c)根据t和f(t)确定初始充电时刻TS用户行为主要由电动汽车的日行驶里程d以及进行充电过程的起始时刻t决定，根据全美家庭出行调查项目调查数据，结合最大似然估计法获取d和t的概率统计规律分别如下式所示：2式中，μd＝3.2，σd＝0.88，μt＝17.6，σt＝3.4；f(t)为充电过程起始时刻概率密度函数；并根据f(t)获取初始充电时刻TS；(d)根据d抽样起始电池的荷电状态，计算所需充电时长TC，并确定充电结束时刻TE，其中TE＝TS+TC；电动汽车的电池SOC与其日行驶里程d也近似满足线性关系，则电动汽车充电时长TC估计为：式中，W100为电动汽车的百公里平均耗电量，PC为EV的充电功率；(e)计算抽样t0时刻的充电功率P(t0)在优化后的峰谷电价时间段内，电动汽车一般采取有序充模式，则单辆电动汽车在t0时刻的充电功率需求表述为：式中：P(t0)为t0时间断面上单辆电动汽车的功率需求；PC(t0)为t0时间断面上单辆EV的充电功率；ζC(t0)为t0时间断面上单辆电动汽车充电功率的概率，Ψ(·)则为电动汽车起始充电时刻的概率密度函数；(f)累加[TS，TE]时段EV充电负荷假设某一地区拥有M辆电动汽车，其一天内总的充电负荷可由单辆电动汽车逐一累加获得，则第t0时间断面该区域总的电动汽车充电负荷为：其中，Pγ′(t0)表示t0时间断面上第γ′辆电动汽车的充电负荷；(g)判断电动车数量是否超出预定值若M*<M成立，返回步骤(b)，继续进行计算；若M*<M不成立，则获取所有电动汽车充电负荷需求的标准差，并输出充电预测最优区间值。另外，由于步骤(e)中公式很难推导出其解析解，因此需要基于大量历史统计数据，利用蒙特卡洛方法分别抽样出某一天内每个时间断面上电动汽车总的充电需求，且近似服从正态分布，其期望值和标准差分别为μEV和σEV，由此可用区间数对电动汽车充电需求进行表述：3式中，υ为区间数的半径调节参数，可根据实际情况进行设定。6.根据权利要求1所述的含节点注入功率不确定性的主动配电网三相区间状态估计方法，其特征在于，步骤(2)包括：(21)考虑节点注入功率伪量测不确定因素后节点i的相，注入有功功率/无功功率可分别表示为：式中，分别表示用区间数表述的常规负荷需求、分布式电源出力以及电动汽车充电的有功信息；则分别表示用区间数刻画的常规负荷需求、分布式电源出力的无功信息；类似于节点注入功率，支路有功/无功功率量测以及支路电流幅值量测区间数也可分别表示为式中，i,k表示节点i,k＝1,2,…,n，则区间状态估计模型中的量测矢量[z]可表述为：取节点i的三相电压幅值和相角作为系统待求的状态变量xi，则有...

【专利技术属性】
技术研发人员：吴在军，徐俊俊，徐怡悦，窦晓波，顾伟，袁晓冬，
申请(专利权)人：东南大学，国网江苏省电力公司电力科学研究院，
类型：发明
国别省市：江苏,32