【技术实现步骤摘要】
基于PMU、SCADA混合量测的电力系统动态状态估计方法
[0001]本专利技术涉及电力系统状态监测与控制
,尤其涉及基于PMU、SCADA混合量测的电力系统动态状态估计方法。
技术介绍
[0002]电力系统作为国家和社会最为重要的关键基础设施,其运行安全性和可靠性是首要关注的问题。随着科技时代飞速发展,电网结构日益复杂,运行日益繁重,容易引发电网问题,小到电网电能损耗增大,严重情况下会造成电力系统的灾害。一旦发生,电网问题不仅影响人们的正常生活,甚至对社会的经济发展带来阻碍。
[0003]传统通过电力系统静态状态估计仅仅根据某时刻测量数据,确定该时刻的状态量的估计,不能满足对电力系统实时经济调度和预防控制的要求,而早期的基本加权最小二乘估计算法对电力系统进行状态估计已成为普遍。
[0004]然而近年来,基于全球卫星定位系统的PMU逐步应用于电力系统中,PMU既可以量测节点电压,也能够提供相关支路电流的相角量测,并且量测与系统状态是线性关系。与传统非线性状态估计方法相比,基于PMU量测的线性状态估计精度更高并且计算速度更快。因此,针对复杂电力系统,开展混合量测下的电力系统动态状态估计研究具有重要的实际意义和应用价值。
[0005]随着电力系统动态状态估计技术的发展,基于PMU/SCADA混合量测下分布式扩展卡尔曼滤波的电力系统动态状态估计方法被提出用于解决上述问题。
技术实现思路
[0006]本专利技术的目的在于提供一种基于PMU、SCADA混合量测的电力系统动态状态估计 ...
【技术保护点】
【技术特征摘要】
1.基于PMU、SCADA混合量测的电力系统动态状态估计方法,其特征在于,包括以下步骤:a.通过准稳态模型描绘出电力系统动态状态方程;b.结合不同采样速率的RTU、PMU量测装置、各个节点线路间的有功功率与节点有功功率注入以及电压幅值构建以采样速率表示的RTU量测方程,再根据配置后的PMU,构建以采样速率表示的PMU量测方程,构建出RTU与PMU的混合量测方程;c.利用多源异步混合量测方程在扩展卡尔曼滤波基础上对电力系统进行动态状态估计。2.根据权利要求1所述的PMU、SCADA混合量测的电力系统动态状态估计方法,其特征在于,所述步骤a中在标准S节点系统研究下构建电力系统的准稳态模型如下:x
k+1
=F
k
x
k
+u
k
+w
k
其中,x
k
是k时刻的(2S
‑
1)
×
1维状态量,即系统各节点的电压相角和电压幅值;F
k
()是适维状态转移函数;u
k
是(2S
‑
1)
×
1维输入参数项;w
k
是(2S
‑
1)
×
1维过程噪声且服从零均值的正态分布,即w~N(0,Q),Q为((2S
‑
1)
×
1)
×
((2S
‑
1)
×
1)维系统误差协方差矩阵。3.根据权利要求1所述的PMU、SCADA混合量测的电力系统动态状态估计方法,其特征在于,所述步骤b中构建RTU量测方程、PMU量测方程和混合量测表达式如下:RTU的量测向量由各节点线路间的有功功率、各节点的有功功率和节点电压幅值组成,线路间有功功率和节点的有功功率方程表示为:P
ij
(θ
ij
,U
ij
)=U
i2
(g
si
+g
ij
)
‑
U
i
U
j
(g
ij
cosθ
ij
+b
ij
sinθ
ij
)其中,g
ij
、b
ij
分别是线路ij的电导和电纳;g
si
是分流支路ij的电导;G
ij
、B
ij
分别是导纳矩阵中元素ij的实部和虚部;结合节点电压幅值U
i
(U
i
)构建RTU的量测向量:线性化研究对象,利用泰勒展开略去二阶及其以上项,得到线性化后的RTU量测向量,考虑存在测量误差的存在,RTU量测方程为:z
R
(k)=H
R
x
R
(k)+v
R
(k)其中,z
R
(k)为(m
R
×
1)维RTU的量测向量;H
R
为(m
R
×
((2S
‑
1)
×
1))维的状态量系数矩阵;x
R
(k)为(2S
‑
1)
×
1维仅安装RTU量测装置时的状态量;v
R
(k)为(m
R
×
1)维量测误差向量且服从零均值的正态分布,即v
R
~N(0,R
R
),R
R
为(m
R
×
m
R
)维量测误差方差矩阵,x0为线性化点;考虑不同量测装置的采样频率不同,将上述一般RTU量测方程写为如下形式:Z
R
(k
s
)=H
R
x
R
(k
s
)+v
R
(k
s
)其中,k
s
=L
R
k表示慢速率时间指标,整个采样周期为h个时间断面,z
R
(k)的采样周期为
T
R
=L
R
h;z
P
(k)的采样周期为T
P
=L
P
h,令M为L
R
和L
P<...
【专利技术属性】
技术研发人员:邱爱兵,吴明芳,王胜锋,李雪,范智康,吴劲松,马晨,
申请(专利权)人:南通大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。