计及新能源时空相关性的电力系统状态估计方法技术方案

本发明专利技术涉及电力系统运行与控制技术技术领域，是一种计及新能源时空相关性的电力系统状态估计方法，包括以下步骤：第一步：读取电网信息数据；第二步：系统量测和配置；第三步：根据新能源系统状态的时空相关性建模；第四步：采用M组历史状态数据对Φ1和Sk进行估计；第五步：根据估计值

【技术实现步骤摘要】
计及新能源时空相关性的电力系统状态估计方法
本专利技术涉及一种电力系统运行与控制技术
，是一种计及新能源时空相关性的电力系统状态估计方法。
技术介绍
智能电网以各种新能源(风能、太阳能等可再生能源)的大规模并网发电为重要特征之一。以新疆电网为例,近年来，新疆电网进入跨越式大发展时期，装机容量每年保持20％以上的增长率,预计到2017年全网装机容量将突破10000万千瓦,其中新能源装机容量达30％，排名西北电网第一。新能源发电具有随机性、波动性和间歇性等特点，将给电网的运行带来极大的不确定性。同时，新能源并网改变了传统电网的发、输、配单向供电模式；电能的产、供、需不确定性和时空多尺度性愈专利技术显；电网的复杂性和规模不断增加；这些都对电网的安全稳定性与调度运行等提出了巨大挑战。传统电力系统状态估计主要是对数据采集与监控系统(SCADA)提供的实时信息进行滤波,以提高数据精度，排除错误信息的干扰,从而得到电力系统实时状态数据库,为能量管理中心进行各种重要的控制提供数据支持,例如,电网的实时建模、潮流优化、不良数据的检测与辨识。状态估计的主要方法包括加权最小二乘估计、抗差估计等静态方法和扩展卡尔曼滤波等动态估计方法。以上的研究成果依然存在诸多缺陷和不足,如现有状态估计算法对新能源并网的考虑不足,没有能够有效反应新能源波动性、间歇性和不确定性特点的状态估计模型；静态估计算法虽然较为成熟并且其估计依赖于采样速率较慢SACDA量测，而实际运行的电力系统是一个动态变化的系统,随着新能源的大规模并网,其波动性、间歇性以及负荷变化的不确定性愈是加剧了系统状态的变化频率,从而静态状态估计结果不能反映电网的动态特性,满足不了智能电网实时监控的运行需求。
技术实现思路
本专利技术提供了一种计及新能源时空相关性的电力系统状态估计方法，克服了上述现有技术之不足，其能有效解决现有电力系统静态估算法不能对接入新能源的电网系统进行实时、有效、准确的状态估计，不能反映电网的动态特征的问题。本专利技术的技术方案是通过以下措施来实现的：一种计及新能源时空相关性的电力系统状态估计方法，包括以下步骤：第一步：读取电网信息数据，根据读取的电网信息数据得出节点导纳矩阵和支路-节点关联矩阵，所述电网信息数据包括历史状态估计数据、电力系统当前的网络参数、拓扑结构和线路阻抗，之后进入第二步；第二步：电网系统量测和配置，根据节点导纳矩阵和支路-节点关联矩阵建立电压幅值量测、功率注入量测和潮流量测的量测函数，根据量测函数计算量测zk，根据量测zk对系统状态进行配置，所述电网系统的量测zk包括节点电压幅值量测、功率注入量测和潮流量测，之后进入第三步；第三步：根据电网系统中新能源的时空相关性建模，具体如下：(一)建立如下式所示的向量自递归模型，xk＝Φ1xk-1+...+Φpxk-p+εk(1)其中，k表示量测采样时刻；{xk-1,...,xk-p}表示系统历史状态；xk是当前时刻的状态预测值；{Φ1,...,Φp}是模型参数矩阵；p是模型阶数；εk是模型误差，Sk是协方差矩阵，即高斯随机变量；{Φ1,...,Φp}和Sk的对角元素表示节点电压和相角的时间相关性，而其非对角元素表征空间相关性；(二)保留一阶向量，简化向量自递归模型，完成模型的建立，简化后的模型如下式所示：xk＝Φ1xk-1+εk(2)之后进入第四步；第四步：采用M组历史状态数据对Φ1和Sk进行估计,估计值和如下式所示：其中，Π(0)和Π(1)为采样协方差矩阵，μ是历史数据的采样均值，之后进入第五步；第五步：根据估计值和进行k时刻的状态预测，k时刻的状态预测值及其预测误差协方差矩阵∑k-1如下式所示：之后进入第六步；第六步：进行预测辅助状态估计，具体如下：(一)根据第二步测得的k时刻的量测zk得出系统在第k次采样时的状态xk,xk的关系式如下式所示：zk＝h(xk)+vk(7)其中，h(·)表示m维非线性量测函数向量；vk是服从正态分布的随机白噪声，即vk～N(0,Rk)，Rk是量测误差协方差矩阵；(二)采用扩展卡尔曼滤波对状态递归进行更新，完成系统进行预测辅助状态估计，具体如下：(1)建立如下式所示的目标函数：(2)对目标函数进行优化，得出状态递归的更新结果，状态递归的更新结果如下式所示：其中，Kk为增益矩阵，Hk为雅克比矩阵，∑k为误差协方差矩阵，∑k＝(I-KkHk)∑k|k-1；I为单位矩阵；之后进入第七步；第七步：将k时刻的状态估计结果发送给电网控制中心，并进入第二步进行k+1时刻的状态估计。下面是对上述专利技术技术方案的进一步优化或/和改进：上述第二步中将电网系统中的每条输电线路等效为典型π等效电路进行系统的量测，量测函数如下：(一)典型π等效电路不含非变压器支路时节点的有功和无功注入量测函数、有功和无功潮流注入量测函数、电流幅值量测函数如下：节点i的有功注入量测函数为：节点i的无功注入量测函数为:节点i到j的注入有功量测函数为:Pij＝Vi2(gsi+gij)-ViVj(gijcosθij+bijsinθij)(12)节点i到j的注入无功潮流量测函数为:Qij＝-Vi2(bsi+bij)-ViVj(gijsinθij-bijcosθij)(13)节点i到j的线路电流幅值量测函数为：(二)典型π等效电路含变压器支路时节点的有功和无功注入量测函数、有功和无功潮流注入量测函数、电流幅值量测函数如下：节点i的有功注入量测函数为：节点i的无功注入量测函数为:节点i到j的注入有功量测函数为:节点i到j的注入无功潮流量测函数为:节点j到i的注入有功量测函数为:节点j到i的注入无功潮流量测函数为:节点i到j的线路电流幅值量测函数为：其中，Vi和Vj分别为节点i和j的电压幅值；节点i和j之间的相角差θij＝θi-θj，θi和θj分别为节点i和j的相角；Ni为连接到节点i的节点数量；Gij+jBij为导纳矩阵的第i行第j列元素；gij+jbij为节点i到j间的序导纳；gsi+jbsi为节点i到j间的并联导纳；k为变压器非标准变比；bT为变压器标准侧的电纳。本专利技术能充分计及新能源的随机性、间歇性、波动性等特点，通过采用向量自递归模型能够有效的对系统节点的时间和空间相关性进行建模，实时快速地追踪预测电网各节点运行状态，从而克服了静态状态估计不能满足新能源并网随机性和波动性，对新能源并网进行实时、有效、准确的状态估计，提高了短期状态预测的精度，提高了最终状态估计的精度，充分反映电网的动态特征，为电力系统控制中心进行经济调度、安全评估和其它相关的高级应用提供数据支持，满足电网发展要求。附图说明附图1为本专利技术的流程图。附图2为本专利技术的不含变压器支路的π型等效电路量测计算图。附图3为本专利技术的变压器支路的π型等效电路量测计算图。附图4是本专利技术实施例2的IEEE30系统测试图。附图5是本专利技术实施例2中采用传统方法各个节点电压幅值估计结果。附图6是本专利技术实施例2中采用传统方法各个节点电压相角估计结果。附图7是本专利技术实施例2中采用本专利技术各个节点电压幅值估计结果。附图8是本专利技术实施例2中采用本专利技术各个节点电压相角估计结果。具体实施方式本专利技术不受下述实施例的限制，可根据本专利技术的技术方案与实际情况来确定具体的实施方式。下面结合实施例本文档来自技高网...

【技术保护点】
一种计及新能源时空相关性的电力系统状态估计方法，其特征在于：包括以下步骤：第一步：读取电网信息数据，根据读取的电网信息数据得出节点导纳矩阵和支路‑节点关联矩阵，所述电网信息数据包括历史状态估计数据、电力系统当前的网络参数、拓扑结构和线路阻抗，之后进入第二步；第二步：电网系统量测和配置，根据节点导纳矩阵和支路‑节点关联矩阵建立电压幅值量测、功率注入量测和潮流量测的量测函数，根据量测函数计算量测zk，根据量测zk对系统状态进行配置，所述电网系统的量测zk包括节点电压幅值量测、功率注入量测和潮流量测，之后进入第三步；第三步：根据电网系统中新能源的时空相关性建模，具体如下：(一)建立如下式所示的向量自递归模型，xk＝Φ1xk‑1+...+Φpxk‑p+εk   (1)其中，k表示量测采样时刻；{xk‑1,...,xk‑p}表示系统历史状态；xk是当前时刻的状态预测值；{Φ1,...,Φp}是模型参数矩阵；p是模型阶数；εk是模型误差，Sk是协方差矩阵，即高斯随机变量；{Φ1,...,Φp}和Sk的对角元素表示节点电压和相角的时间相关性，而其非对角元素表征空间相关性；(二)保留一阶向量，简化向量自递归模型，完成模型的建立，简化后的模型如下式所示：xk＝Φ1xk‑1+εk   (2)之后进入第四步；第四步：采用M组历史状态数据对Φ1和Sk进行估计,估计值...

【技术特征摘要】
1.一种计及新能源时空相关性的电力系统状态估计方法，其特征在于：包括以下步骤：第一步：读取电网信息数据，根据读取的电网信息数据得出节点导纳矩阵和支路-节点关联矩阵，所述电网信息数据包括历史状态估计数据、电力系统当前的网络参数、拓扑结构和线路阻抗，之后进入第二步；第二步：电网系统量测和配置，根据节点导纳矩阵和支路-节点关联矩阵建立电压幅值量测、功率注入量测和潮流量测的量测函数，根据量测函数计算量测zk，根据量测zk对系统状态进行配置，所述电网系统的量测zk包括节点电压幅值量测、功率注入量测和潮流量测，之后进入第三步；第三步：根据电网系统中新能源的时空相关性建模，具体如下：(一)建立如下式所示的向量自递归模型，xk＝Φ1xk-1+...+Φpxk-p+εk(1)其中，k表示量测采样时刻；{xk-1,...,xk-p}表示系统历史状态；xk是当前时刻的状态预测值；{Φ1,...,Φp}是模型参数矩阵；p是模型阶数；εk是模型误差，Sk是协方差矩阵，即高斯随机变量；{Φ1,...,Φp}和Sk的对角元素表示节点电压和相角的时间相关性，而其非对角元素表征空间相关性；(二)保留一阶向量，简化向量自递归模型，完成模型的建立，简化后的模型如下式所示：xk＝Φ1xk-1+εk(2)之后进入第四步；第四步：采用M组历史状态数据对Φ1和Sk进行估计,估计值和如下式所示：其中，Π(0)和Π(1)为采样协方差矩阵，μ是历史数据的采样均值，之后进入第五步；第五步：根据估计值和进行k时刻的状态预测，k时刻的状态预测值及其预测误差协方差矩阵∑k-1如下式所示：之后进入第六步；第六步：进行预测辅助状态估计，具体如下：(一)根据第二步测得的k时刻的量测zk得出系统在第k次采样时的状态xk,xk的关系式如下式所示：zk＝h(xk)+vk(7)其中，h(·)表示m维非线性量测函数向量；vk是服从正态分布的随机白噪声，即vk～N(0,Rk)，Rk是量测误差协方差矩阵；(二)采用扩展卡尔曼滤波对状态递归进行更新，完成系统进行预测辅助状态估计，具体如下：(1)建立如下式所示的目标函数：(2)对目标函数进行优化，得出状态递归的更新结果，状态递归的更新结果如下式所示：其中，Kk为增益矩阵，Hk为雅克比矩阵，∑k为误差协方差矩阵，∑k＝...

【专利技术属性】
技术研发人员：李德存，秦艳辉，孙谊媊，沈中信，刘威麟，依力扎提吐尔汗，高山，闫亚岭，王伟，祁晓笑，王琛，焦春雷，刘大贵，孙冰，王方楠，罗忠游，王四海，祁伟，
申请(专利权)人：新疆电力建设调试所，国网新疆电力公司电力科学研究院，国家电网公司，
类型：发明
国别省市：新疆,65