结构风险最小化的加权最小二乘电力系统状态估计方法技术方案

本发明专利技术公开了一种基于结构风险最小化的加权最小二乘电力系统状态估计方法，该方法针对电力系统状态估计的量测数目有限的特点，从统计学习理论出发，提出基于结构风险最小化的加权最小二乘估计模型，可在最小化残差的范数的同时最小化状态变量的置信区间；并给出了该方法的详细求解过程。该方法符合统计学习理论中的结构风险最小化思想，在有限量测条件下可得到更接近于状态变量真值的估计结果，具有良好的工程应用前景。

【技术实现步骤摘要】
结构风险最小化的加权最小二乘电力系统状态估计方法
本专利技术属于电力系统调度自动化领域，具体涉及一种基于结构风险最小化的加权最小二乘(StructuralRiskMinimizationBasedWeightedLeastSquares,SWLS)电力系统状态估计方法。
技术介绍
电力系统状态估计是能量管理系统(EnergyManagementSystem，EMS)的基础和核心组成部分。高性能的状态估计(StateEstimator，SE)可为EMS提供准确可靠的实时运行数据，是EMS各项高级应用正常运行的保证。现在几乎每一个大型的电网调度中心都装设了状态估计软件，SE已成为保证电网安全、可靠运行必不可少的环节。目前，在国内外应用最为广泛的状态估计方法是加权最小二乘法(WeightedLeastSquares,WLS)。WLS模型简洁，求解容易，收敛性能好。WLS的理论基础是传统统计学的经验风险最小化思想(EmpiricalRiskMinimization,ERM)，即当样本(量测量)数目趋近于无穷大时，状态变量估计值以概率逼近于状态变量真值。但是在实际工程中，量测量的数目毕竟是有限本文档来自技高网...

【技术保护点】
一种结构风险最小化的加权最小二乘电力系统状态估计方法，其特征在于，包括以下步骤：A.在电力系统中形成网络模型，并提出基于结构风险最小化的加权最小二乘估计模型为Min?S(x)=kp[z?h(x)]TR?1[z?h(x)]+tr([HT(x)R?1H(x)]?1)，其中：S(x)代表状态估计学习模型的结构风险，x代表状态变量，kp>0为常数参数，z∈Rm为量测矢量，包括节点电压幅值量测、支路有功和无功量测、节点注入有功和无功量测，h为量测表达式，tr(·)代表矩阵的迹，为雅可比矩阵；B.计算所述雅可比矩阵H(x(k))及增益矩阵G(x(k))=HT(x(k))R?1H(x(k))，其中k为迭代计...

【技术特征摘要】
1.一种结构风险最小化的加权最小二乘电力系统状态估计方法，其特征在于，包括以下步骤：A.在电力系统中形成网络模型，并提出基于结构风险最小化的加权最小二乘估计模型为MinS(x)＝kp[z-h(x)]TR-1[z-h(x)]+tr([HT(x)R-1H(x)]-1)，其中：S(x)代表状态估计学习模型的结构风险，x代表状态变量，kp>0为常数参数，z∈Rm为量测矢量，包括节点电压幅值量测、支路有功和无功量测、节点注入有功和无功量测，h为量测表达式，tr(·)代表矩阵的迹，为雅可比矩阵；B.计算所述雅可比矩阵H(x(k))及增益矩阵G(x(k))＝HT(x(k))R-1H(x(k))，其中k为迭代计数；C.对所述增益矩阵G(x(k))进行因子分解，并计算矩阵A＝[A1,A2,…,An]T∈Rn，Ai＝tr(G-1(x)BiG-1(x))∈R，i＝1,2,…,n，所述矩阵A为求解所述基于结构风险最小化的加权最小二乘估计模型过程中的中间运算物理量；D.根据所述矩阵A，计算HT(x(k))R-1[z-h(x(k))]+A/kp；E.根据步骤C得到的所述增益矩阵G(x(k))的因子式，求解下式以得到Δx(k)：其中，Δx(k)＝-K-1(x(k))g(x(k))，F.判断Δx(k)是否收敛，如果收敛则输出状态变量估计值结果，如果不收敛则更新x(k+1)＝x(k)+Δx(k)，k...

【专利技术属性】
技术研发人员：陈艳波，刘锋，梅生伟，马进，崔静思，
申请(专利权)人：华北电力大学，清华大学，
类型：发明
国别省市：