一种基于卡尔曼滤波的电-气-热耦合网络动态状态估计方法技术

本发明专利技术提供一种基于卡尔曼滤波的电‑气‑热耦合网络动态状态估计方法，属于电力系统分析和监测技术领域，为解决现有电‑气‑热耦合网络动态状态估计存在的问题，本发明专利技术采用基于卡尔曼滤波的电‑气‑热耦合网络的状态估计全局一致算法进行动态状态估计，根据电力网络、天然气网络以及热力网络的动态性速度不同，为三个子网络赋予不同的时间尺度，而在进行快速系统的状态估计时，将慢速系统视为稳态。并且对于热能网络的动态状态估计获得的新的热负荷与温度状态量，又为下一次水力网络的状态估计提供了新的数据来源。

【技术实现步骤摘要】
一种基于卡尔曼滤波的电-气-热耦合网络动态状态估计方法
本专利技术涉及一种动态状态估计方法，具体而言，尤其涉及一种基于卡尔曼滤波的电-气-热耦合网络动态状态估计方法。
技术介绍
随着能源互联网以及热电联产的迅速发展，电力网络、天然气网络以及热力网络的耦合越来越紧密，传统的电力系统状态估计方法已经无法适应目前电力系统的运行环境，虽然近两年有部分电-气-热耦合网络静态状态估计方法，但是目前如何实现电-气-热耦合网络动态状态估计的问题仍未被解决。电-气-耦合网络各个子网络动态响应时间长短有很大差异。电力网络具有最小的惯性，传输速度极快，可接近于光速，其时间尺度一般为秒级。相比于电力网络，天然气网络具有一定的延时性，其时间尺度通常为分钟级甚至为小时级。热力网络的传输速度比天然气网络更慢，因此如果对电-气-耦合网络各个子网络采用统一时间尺度进行动态状态估计，如果以动态变化最快的电力网络的时间尺度为标准的话，那么天然气网络以及热力网络的动态性在该时间尺度下基本可以忽略不计，此时若进行统一时间尺度的动态状态估计，会产生大量无作用的计算，导致状态估计算法的效率降低。同样的，若以热力网络和天然气网络的时间尺度作为标准进行统一的动态状态估计，那么在该时间尺度下电网的动态性难以体现，导致状态估计算法的精度降低。相比于电力网络与天然气网络，热力网络需要以水为载体才能实现对热力的传输，因此热力网络实际可以解耦为热能网络以及水力网络两部分，对于水力网络，压力(和流量)变化在水力网络中的传播速度比热能网络中温度变化快1000倍左右，因为压力波以大约1200m/s的声速在水中传播，而热能网络中，温度的变化的速度是接近于水流速的。但是，从实际运行与系统优化调度的角度来看与温度变化即热能的动态相比，网络中的流量动态的重要性较小，所以，对于热力网络中水力网络的状态估计的动态性要求也比较小。由于对热力网络中个状态量的动态性要求是不一样的，如果直接采用传统的方法对热力网络进行全动态的状态估计，会导致计算的复杂性与计算耗时过高。
技术实现思路
根据上述提出的技术问题，而提供一种基于卡尔曼滤波的电-气-热耦合网络动态状态估计方法。本专利技术采用基于卡尔曼滤波的电-气-热耦合网络的状态估计全局一致算法进行动态状态估计，根据电力网络、天然气网络以及热力网络的动态性速度不同，为三个子网络赋予不同的时间尺度，而在进行快速系统的状态估计时，将慢速系统视为稳态。并且对于热能网络的动态状态估计获得的新的热负荷与温度状态量，又为下一次水力网络的状态估计提供了新的数据来源。本专利技术采用的技术手段如下：一种基于卡尔曼滤波的电-气-热耦合网络动态状态估计方法，包括如下步骤：S1、初始化数据，定义tend为算法结束时间，te、tg、th分别为电力网络、天然气网络、热力网络状态估计的时间轴，Δte、Δtg、Δth分别为电力网络、天然气网络、热力网络状态估计每次动态状态更新的时间尺度，令te＝tg＝th＝0；S2、估计热力网络的动态状态，并根据此刻情况执行电-气-热耦合网络动态状态估计全局一致算法，以保证耦合网络动态状态估计结果的全局一致性，令th＝th+Δth；S3、判断是否tg≥th，若是，则返回步骤S2；若否，则执行步骤S4；S4、估计天然气网络的动态状态，并根据此刻情况执行电-气-热耦合网络动态状态估计全局一致算法，以保证耦合网络动态状态估计结果的全局一致性，令tg＝tg+Δtg；S5、判断是否te≥tg，若是，则返回步骤S4；若否，则执行步骤S6；S6、估计电力网络的动态状态，并根据此刻情况执行电-气-热耦合网络动态状态估计全局一致算法，以保证耦合网络动态状态估计结果的全局一致性，令tg＝tg+Δtg；S7、判断是否te≥tend，若是，则结束算法；若否，则返回步骤S5。进一步地，所述步骤S2中估计热力网络的动态状态，具体为：S21、将热力网络解耦为热能网络以及水力网络两部分并分别进行动态状态估计和静态状态估计；S22、初始化时间参数，定义tw、tr为水力网络、热能网络状态估计的时间轴，tendh为算法结束时间，Δtw、Δtr为水力网络、热能网络状态估计每次动态状态更新的时间尺度，令tw＝tr＝0；S23、对于水力网络，通过以Δtw为周期的基于加权最小二乘法的静态状态估计算法，更新水力网络的状态值，且在两次水力网络状态估计之间，假设水力网络的状态是静态稳定的，令tw＝tw+Δtw；S24、对于热能网络，其状态量包括供水温度回水温度热负荷将水力网络状态估计获得的状态值节点压力与流量视为已知静态量，通过基于卡尔曼滤波的动态状态估计算法，更新热能网络状态值，令tr＝tr+Δtr；S25、判断是否tr≥tendh，若是，则结束算法；若否，则返回步骤S26；S26、判断是否tr≥tw，若是，则返回步骤S23；若否，则执行步骤S24。进一步地，所述加权最小二乘法的静态状态估计算法，具体公式如下：式中，zw表示热力网络的状态量，包括节点压力流量供水温度回水温度以及热负荷xw表示水力网络的状态量，包括节点压力与流量h(·)表示热力网络的量测函数，由网络的拓扑结构决定；所述卡尔曼滤波的动态状态估计算法，其动态方程和量测方程具体如下：xk＝Fkxk-1+Bkuk+wkzk＝Hkxk+vk式中，xk表示系统的状态向量，zk表示系统的量测向量，Fk表示系统状态转移矩阵，Bk表示外部控制矩阵，uk表示外部控制向量，wk表示系统误差，方差阵为Qk，wk～N(0，Qk)；vk表示量测误差，方差阵为Rk，vk～N(0，Rk)。进一步地，所述卡尔曼滤波的动态状态估计算法还包括预测步骤和更新步骤；所述预测步骤的具体公式如下：Pk＝FkPk-1Fk+Qk式中，表示被估计网络tk-1时刻的最佳估计值，Pk-1表示被估计网络tk-1时刻的估计值的协方差矩阵；所述更新步骤的具体公式如下：P′k＝Pk-KHkPk其中，为系统tk时刻的最佳估计值，为相应的协方差矩阵；K为卡尔曼增益，Hk为系统量测矩阵，Rk为系统量测误差的方差矩阵；和Pk分别为系统tk时刻的预测状态值，为系统的量测数据。进一步地，所述电-气-热耦合网络动态状态估计全局一致算法，具体分为如下三种情况：情况一：tk时刻，当只进行电力网络状态估计，未达到天然气网络以及热力网络更新所需的时间跨度要求时，对于电力网络，天然气网络以及热力网络都是慢速系统，此时天然气网络、热力网络的状态量都是稳态恒定的，此时，将天然气网络以及热力网络与电力网络耦合的状态值直接作为稳态量代入到电力网络的状态估计中；情况二：tk时刻，当进行天然气网络状态估计，未达到热力网络更新所需的时间跨度要求时，由于电力网络动态状态估计间时间跨度远小于天然气网络，需要进行电力网络状态估计，对于天然气网络，电力网络属于快速系统，热力本文档来自技高网...

【技术保护点】
1.一种基于卡尔曼滤波的电-气-热耦合网络动态状态估计方法，其特征在于，包括如下步骤：/nS1、初始化数据，定义t

【技术特征摘要】
1.一种基于卡尔曼滤波的电-气-热耦合网络动态状态估计方法，其特征在于，包括如下步骤：
S1、初始化数据，定义tend为算法结束时间，te、tg、th分别为电力网络、天然气网络、热力网络状态估计的时间轴，Δte、Δtg、Δth分别为电力网络、天然气网络、热力网络状态估计每次动态状态更新的时间尺度，令te＝tg＝th＝0；
S2、估计热力网络的动态状态，并根据此刻情况执行电-气-热耦合网络动态状态估计全局一致算法，以保证耦合网络动态状态估计结果的全局一致性，令th＝th+Δth；
S3、判断是否tg≥th，若是，则返回步骤S2；若否，则执行步骤S4；
S4、估计天然气网络的动态状态，并根据此刻情况执行电-气-热耦合网络动态状态估计全局一致算法，以保证耦合网络动态状态估计结果的全局一致性，令tg＝tg+Δtg；
S5、判断是否te≥tg，若是，则返回步骤S4；若否，则执行步骤S6；
S6、估计电力网络的动态状态，并根据此刻情况执行电-气-热耦合网络动态状态估计全局一致算法，以保证耦合网络动态状态估计结果的全局一致性，令tg＝tg+Δtg；
S7、判断是否te≥tend，若是，则结束算法；若否，则返回步骤S5。


2.根据权利要求1所述的基于卡尔曼滤波的电-气-热耦合网络动态状态估计方法，其特征在于，所述步骤S2中估计热力网络的动态状态，具体为：
S21、将热力网络解耦为热能网络以及水力网络两部分并分别进行动态状态估计和静态状态估计；
S22、初始化时间参数，定义tw、tr为水力网络、热能网络状态估计的时间轴，tendh为算法结束时间，Δtw、Δtr为水力网络、热能网络状态估计每次动态状态更新的时间尺度，令tw＝tr＝0；
S23、对于水力网络，通过以Δtw为周期的基于加权最小二乘法的静态状态估计算法，更新水力网络的状态值，且在两次水力网络状态估计之间，假设水力网络的状态是静态稳定的，令tw＝tw+Δtw；
S24、对于热能网络，其状态量包括供水温度回水温度热负荷将水力网络状态估计获得的状态值节点压力与流量视为已知静态量，通过基于卡尔曼滤波的动态状态估计算法，更新热能网络状态值，令tr＝tr+Δtr；
S25、判断是否tr≥tendh，若是，则结束算法；若否，则返回步骤S26；
S26、判断是否tr≥tw，若是，则返回步骤S23；若否，则执行步骤S24。


3.根据权利要求2所述的基于卡尔曼滤波的电-气-热耦合网络动态状态估计方法，其特征在于，所述加权最小二乘法的静态状态估计算法，具体公式如下：



式中，zw表示热力网络的状态量，包括节点压力流量供水温度回水温度以及热负荷xw表示水力网络的状态量，包括节点压力与流量h(·)表示热力网络的量测函数，由网络的拓扑结构决定；
所述卡尔曼滤波的动态状态估计算法，其动态方程和量测方程具体如下：
xk＝Fkxk-1+Bkuk+wk
zk＝Hkxk+vk
式中，xk表示系统的状态向量，zk表示系统的量测向量，Fk表示系统状态转移矩阵，Bk表示外部控制矩阵，uk表示外部控制向量，...

【专利技术属性】
技术研发人员：王智良，潘奕林，刘鑫蕊，孙秋野，张化光，黄博南，杨珺，杨东升，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21