基于同步相量测量的电网不良参数辨识和校正方法技术

本发明专利技术提出一种基于同步相量测量的电网不良参数辨识和校正方法，基于PMU测量的状态估计能实现对电网进行高分辨率的实时检测和状态评估，针对电力系统PMU状态估计中参数错误与不良测量值难以区分辨识的问题，研究了采用正则化拉格朗日乘子和残差实现不良参数和不良测量值统一辨识和校正的理论和方法，并且提出提升不良参数可辨识性的改进策略。提出提升不良参数可辨识性的改进策略。提出提升不良参数可辨识性的改进策略。

【技术实现步骤摘要】
基于同步相量测量的电网不良参数辨识和校正方法


[0001]本专利技术属于(含可再生能源的)电力系统调度自动化
，尤其涉及一种基于同步相量测量的电网不良参数辨识和校正方法。

技术介绍

[0002]电力系统状态估计是电网能量管理系统的核心工程，也是电网调度和运行的重要支撑。随着PMU的广泛应用，基于PMU测量的状态估计能实现对电网进行十毫米级别的高分辨率的实时检测，支撑电力系统动态分析和控制。正确的网络拓扑和模型参数是电力系统状态估计能得到准确结果的前提，也是电力系统高级应用的基础，它能够为在线潮流、状态估计、安全分析等提供网络结构和参数数据。现代电网分析和基于PMU的状态估计对网络拓扑分析和参数辨识的可靠性和实时性提出了更高的要求。然而EMS数据库中离线测量得到的参数数据可能存在较大的误差，甚至有时候会存在参数错误的情况，会对电力系统安全稳定运行，经济调度等产生不利的影响。
[0003]无论是基于RTU还是基于PMU的状态估计，现有研究广泛采用最小二乘类算法，而这类算法对不符合正态分布的坏数据很敏感，因此大多状态估计方法普遍对不良数据缺乏鲁棒性。PMU测量不一定符合正态分布，不良测量值又难以完全避免，为应对不良数据对状态估计的影响，有两类方法被提出并广泛研究。第一类方法是通过检测和辨识不良数据，将不良量测从测量集中剔除出去，工程上较为实用的是基于残差的检测方法，近些年来基于数据挖掘和人工智能的方法也被用于处理PMU不良数据，这类方法也可用于缺失数据的恢复。第二类方法是直接赋予状态估计器抵抗测量数据偏差的能力，这类方法也被称为抗差状态估计。经典的电力系统抗差状态估计方法主要包括以最小绝对值估计为代表的M估计方法及其改进方法，提高了算法对不良数据的鲁棒性。近年来有不少新的估计方法和工具引入到电力系统抗差状态估计中，例如不确定测度理论，贝叶斯估计方法等，这些方法分别从不同方面获取有利于抗差估计的特性和信息，提高了状态估计过程中对不良数据的鲁棒性，但是随之而来算法复杂度提升制约了实用性，也缺乏考虑模型偏差对状态估计的影响。
[0004]电力系统状态估计中的参数错误中的参数通常是指变压器分接头位置和输电线路、变压器参数等体现在测量方程中的模型参数。线路、变压器错误是指线路的串联阻抗值、并联导纳值或变压器的串联阻抗值、分接头位置出现错误的情况。这里的错误包括参数未知，或者参数变化没有获知等情况。变压器接头的测量主要靠SCADA系统的RTU装置。而电网运行获取线路或者变压器模拟参数的主要依靠实测法获取，通常在设备建成或者停电检测时测量，而线路的参数却会随着运行状态的改变和时间的推移不可避免的改变。因此线路参数事实上存在较多的不准确的情况。而且随着柔性交流输电系统(Flexible Alternative Current Transmission Systems，FACTS)的发展，线路无功补偿设备在PMU状态估计中通常被等效为参数，使得线路参数的不确定性和不准确可能会大大增加。目前估计和处理线路、变压器参数错误的方法主要有增广状态估计方法、基于残差分析和残差灵敏度的方法、基于多个断面数据的参数估计方法等。
[0005]基于状态估计后的残差分析，尤其是残差灵敏度分析是能比较有效发现电力系统中不良参数的方法。其基本原理是获得参数偏差与残差值的灵敏度关系，进而可根据残差值的大小来辨识和估计存在错误的模型参数，其更典型应用方法是两步估计法，可利用更多测量冗余进一步提高参数估计的准确度。另一方面，另一种类似残差的指标——拉格朗日乘子也被广泛应用到电力系统的不良参数辨识中。NLM方法主要还是被应用于基于SCADA测量的传统状态估计方法中，PMU仅仅用于辅助提高测量的冗余度，来提高辨识能力。

技术实现思路

[0006]本专利技术基于PMU测量的状态估计能实现对电网进行高分辨率的实时检测和状态评估，针对电力系统PMU状态估计中参数错误与不良测量值难以区分辨识的问题，研究了采用正则化拉格朗日乘子和残差实现不良参数和不良测量值统一辨识和校正的理论和方法，并且提出提升不良参数可辨识性的改进策略。
[0007]本专利技术的主要创新点和贡献总结如下：
[0008]本专利技术研究了基于PMU的线性状态估计后的不良参数和不良测量值的检测、辨识和处理方法，针对不良参数和不良测量值难以区别辨识的问题，提出了基于拉格朗日乘子和测量残差的不良参数和不良测量值的处理方案，能够在大部分情况下检测出存在问题的模型参数和测量数据，并且通过进一步的校正得到准确的参数值和测量值，具有较高的理论价值和实用意义。
[0009]本专利技术具体采用以下技术方案：
[0010]一种基于同步相量测量的电网不良参数辨识和校正方法，其特征在于，包括以下步骤：
[0011]步骤S1：初始化程序，获取电网模型参数和网络拓扑，并且读取最新时刻的PMU测量值；
[0012]步骤S2：进行基于PMU测量值的线性状态估计；
[0013]步骤S3：分别计算所有测量值所对应的正则化残差和所有参数值所对应的正则化拉格朗日乘子；
[0014]步骤S4：将所有正则化残差和正则化拉格朗日乘子一起进行统一的比较并且找出最大值；
[0015]步骤S5：若最大值小于阈值，说明系统中既不存在不良参数，也不存在不良测量值，结束本轮状态估计；
[0016]步骤S6：若最大值大于阈值，则找到所对应的不良数据：如果是不良参数，则校正得到新的参数值；如果是不良测量值，则校正新的测量值，也可以选择将不良测量值直接剔除；
[0017]步骤S7：更新测量集或者参数值，回到步骤S2。
[0018]进一步地，步骤S2具体包括以下步骤：
[0019]步骤S21：基于PMU测量值的线性状态估计：
[0020]PMU能直接测量线路的电流和电压相量，因此，电力系统状态估计通常将所有拓扑节点的电压相量值列向量作为系统状态，记为U，并且将具有PMU测量值的支路电流相量值列向量记为I
b
，根据线路阻抗特性得到：
[0021]I
b
＝Y
b
·
U (25)
[0022]其中，Y
b
为节点
‑
支路导纳矩阵，表征了节点电压和支路电流直接的关系。
[0023]由于PMU会测量包括一个厂站内注入量在内的所有进出线支路的电流相量，因此在考虑支路特性方程的基础上，进一步考虑每个节点基于KCL定律的节点注入约束，对于网络中所有节点的注入约束可以用矩阵表示如下所示：
[0024]I
N
＝B
·
I
b (26)
[0025]I
N
是节点注入电流相量向量，B是节点支路关联矩阵。注入电流可以定义为节点的有源电流源的电流相量之和，在实际输电网络中表现为负荷或者发电机的电流，在测量中为不计入支路的变压器高压侧的电流测量值之和。同时电网中存在一些无负荷无电源的节点，即零注入节点，这些零注入节本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于同步相量测量的电网不良参数辨识和校正方法，其特征在于，包括以下步骤：步骤S1：获取电网模型参数和网络拓扑，并且读取最新时刻的PMU测量值；步骤S2：进行基于PMU测量值的线性状态估计；步骤S3：分别计算所有测量值所对应的正则化残差和所有参数值所对应的正则化拉格朗日乘子；步骤S4：将所有正则化残差和正则化拉格朗日乘子一起进行统一的比较并且找出最大值；步骤S5：若最大值小于阈值，说明系统中既不存在不良参数，也不存在不良测量值，结束本轮状态估计；步骤S6：若最大值大于阈值，则找到所对应的不良数据：如果是不良参数，则校正得到新的参数值；如果是不良测量值，则校正新的测量值，或选择将不良测量值直接剔除；步骤S7：更新测量集或者参数值，回到步骤S2。2.根据权利要求1所述的基于同步相量测量的电网不良参数辨识和校正方法，其特征在于：步骤S2具体包括以下步骤：步骤S21：基于PMU测量值的线性状态估计：将所有拓扑节点的电压相量值列向量作为系统状态，记为U，并且将具有PMU测量值的支路电流相量值列向量记为I
b
，根据线路阻抗特性得到：I
b
＝Y
b
·
U (1)其中，Y
b
为节点
‑
支路导纳矩阵，表征了节点电压和支路电流直接的关系；对于网络中所有节点的注入约束用矩阵表示为如下所示：I
N
＝B
·
I
b (2)I
N
是节点注入电流相量向量，B是节点支路关联矩阵；注入电流定义为节点的有源电流源的电流相量之和，在实际输电网络中表现为负荷或者发电机的电流，在测量中为不计入支路的变压器高压侧的电流测量值之和；零注入节点的注入电流值为0；将式(1)代入式(2)得：I
N
＝Y
·
U (3)考虑节点注入约束的状态估计模型如下：其中，Z为测量值的真值；测量误差的向量记为e，用x表示状态量U，z表示测量值，则测量模型重新写为下式所示：z＝Hx+ε (5)通过最小化实际测量值和估计测量值之间的差值的加权平方和求解：
状态估计时假设为测量误差服从独立不相关的均值为零的高斯概率分布，权重值为相对应的测量误差的方差R的倒数；对于零注入节点的注入电流值，求解得状态的估计值如下：其中G＝H
T
R
‑1H为最小二乘法的增益矩阵。3.根据权利要求2所述的基于同步相量测量的电网不良参数辨识和校正方法，其特征在于：步骤S3具体包括以下步骤：步骤S31：残差和拉格朗日乘子方法的计算：状态估计中测量残差的定义为测量值和估计值的差值，如下所示：残差和误差的关系如下:r＝Sε (9)其中Sε＝I
‑
HG
‑1H
T
R
‑1残差灵敏度矩阵，表征了测量残差和测量误差的关系；进一步计算正则化残差，用于辨识不良数据：其中S
ii
为残差灵敏度矩阵S的对角元素值；正则化残差在统计上符合标准正态分布，因此假设检验的方式判断是否出现了不良数据；接下来考虑状态估计中的参数错误的辨识；假设存在参数错误p
e
＝p
‑
p
t
，其中p为进行状态估计时已知并且使用的错误参数值，p
t
为参数值的真值；接下来开展状态估计中模型偏差和测量偏差的表征方式和定量分析研究；进行状态估计...

【专利技术属性】
技术研发人员：林俊杰，陆超，宋文超，邵振国，涂明权，陈浩宇，
申请(专利权)人：清华大学，
类型：发明
国别省市：