【技术实现步骤摘要】
一种基于KNN算法的综合能源状态估计方法及系统
[0001]本专利技术涉及综合能源状态估计
，具体涉及一种基于KNN算法的综合能源状态估计方法及系统。
技术介绍
[0002]综合能源系统是指一定区域内利用先进的物理信息技术和创新管理模式，整合区域内多种能源，实现多种异质能源子系统之间的协调规划、优化运行，协同管理、交互响应和互补互济。近年来，随着综合能源系统以及数据传输系统的发展，综合能源系统实时运行状态的监控变得愈发重要，对综合能源系统的输入和输出进行测量而得到的数据只能反映综合能源系统的外部特性，而综合能源系统的动态规律需要用内部状态变量来描述，而状态估计根据可获取的量测数据估算动态系统内部的状态，因此状态估计作为综合能源系统运行状态监控的重要手段之一，可以掌握综合能源系统实际态势，辨识出不良数据，提高数据精度充分发挥综合能源系统的潜力。
[0003]实现状态估计过程前需进行数据采集与监控，传统的数据采集与监控系统SCADA只能获取电力系统的运行数据，而面向综合能源能量管理系统的SCADA需利用不同技术收集...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于KNN算法的综合能源状态估计方法，其特征在于，包括：基于综合能源系统中网络拓扑信息和线路参数，获取量测量数据；基于所述量测量数据采用KNN算法对综合能源系统中量测量缺失进行填充，得到完整的量测量数据；将所述完整的量测量数据输入预先构建的综合能源状态估计模型，得到综合能源系统状态量；其中，所述综合能源状态估计模型是基于综合能源网络能量潮流模型和综合能源多能流耦合设备模型结合加权最小二乘算法构建的；所述网络拓扑信息包括：电网、热网和气网的拓扑结构。2.根据权利要求1所述方法，其特征在于，所述基于所述量测量数据采用KNN算法对综合能源系统中量测量缺失进行填充，得到完整的量测量数据包括：基于量测缺失传感器和其它传感器的历史收集数据结合空间相关性计算式进行计算，得到所述量测缺失传感器与其它传感器的空间相关性；基于所述量测缺失传感器与其它传感器的空间相关性结合权重计算式，计算得到其它传感器相对于所述量测缺失传感器的填补权重；基于所述其它传感器相对于所述量测缺失传感器的填补权重和其它传感器的量测数据结合缺失数据填补计算式，计算得到缺失数据；由所述缺失数据和所述量测量数据得到完整的量测量数据。3.根据权利要求2所述方法，其特征在于，所述空间相关性计算式，如下所示：式中，R为两个传感器间的空间相关性,m
i
为第i个传感器，m
j
为第j个传感器，v
i,t
‑1为传感器m
i
在t
‑
1时刻的量测数据,v
j,t
‑1为传感器m
j
在t
‑
1时刻的量测数据,t为时刻。4.根据权利要求2所述方法，其特征在于，所述权重计算式，如下所示：式中，w
j
为权重系数,R为两个传感器间的空间相关性,m
i
为第i个传感器，m
j
为第j个传感器,k为传感器个数，m
n
为第n个传感器。5.根据权利要求2所述方法，其特征在于，所述缺失数据填补计算式，如下所示：式中，为传感器m
i
在t时刻缺失数据的填补结果，w
n
为权重系数，v
n,t
为t时刻的量测数据。6.根据权利要求1所述方法，其特征在于，所述综合能源状态估计模型的构建包括：基于电力网络、热力网络和天然气网络的参数构建综合能源网络能量潮流模型；
基于热电联产机组、燃气轮机、电转气设备的参数构建综合能源多能流耦合设备模型；基于所述综合能源网络能量潮流模型和所述综合能源多能流耦合设备模型结合加权最小二乘算法构建综合能源状态估计模型。7.根据权利要求6所述方法，其特征在于，所述电力网络的能量潮流模型按下式计算：式中，U
i
为电网节点i电压幅值，N
i
为数据量，θ
ij
为节点i和j间相角差，P
i
为节点有功，Q
i
为节点无功，N为电网节点数，U
j
为节点j电压幅值，G
ij
为节点导纳矩阵的实部，B
ij
为节点导纳矩阵的虚部，P
ij
为支路i
‑
j有功，Q
ij
为支路i
‑
j无功，P
h，i
为热网节点i压强，P
h，j
为热网节点j压强，m
ij
为管道i
‑
j水流流量，K
h，ij
为与管道参数、液体物理性质相关的参数，L
i
为节点i水流流量，φ
i
为节点i热负荷，C
技术研发人员：张新鹤，刘铠诚，王松岑，钟鸣，陈洪银，贾晓强，唐艳梅，金璐，孟珺遐，
申请(专利权)人：国家电网有限公司，
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。