【技术实现步骤摘要】
本专利技术涉及一种智能配电网动态状态估计方法，尤其是涉及一种两周期数据关联的智能配电网动态状态估计方法。
技术介绍
1、配电网作为电力系统“发输配用”中直接面向电力用户的环节，其运行的安全性、经济性非常重要。配电网的安全经济运行依赖实时、可靠、完整的配电网运行状态数据。由于量测装置误差或故障、通信系统误码、潜在的数据攻击等原因，配电网控制中心得到的数据往往存在误差或坏数据，因此需要配电网状态估计对数据进行预处理，从而提高数据的精度和数量。其中动态状态估计依靠前后两个时间断面的量测数据进行迭代式估计，能够同时提供系统状态的估计值和预报值。
2、微型相量量测单元(micro phasor measurement unit，μm-pmu)是配电网中配电管理系统的监控、测量与控制的重要数据来源，由于建设规划和成本控制等原因制约，在当前的智能配电网中数据采集与监视控制(supervisory controland data acquisition，scada)系统量测与μm-pmu量测将长期同时存在。配电网混合量测中，μm-pmu主要用于测量部署节点的电压相量与电流相量，对于没有μm-pmu部署的节点，scada能够采集支路功率、节点注入功率与节点电压幅值。为了增加状态估计冗余度，对scada和μm-pmu量测的结果建立统一量测模型，为此需要进行量测变换，将二者量测量统一转换至直角坐标系。
3、随着μm-pmu在配电网中逐渐配置，μm-pmu和scada构成了长短两周期的采样模式，综合利用μm-pmu和scada的
4、智能配电网中具有各种类型的用户负荷、分布式光伏、风机，它们的功率变化会给配电网的运行带来众多挑战：新能源出力接入后，配电网成为了多电源系统，使得基于前推回代的潮流计算不易收敛；风电和光伏发电的波动性和间歇性使配电系统的运行点不断变化，给状态估计带来挑战。对于智能配电网而言，静态状态估计已经无法满足对系统动态趋势的掌握这一需求，动态状态估计通过引入超短期功率预测提供注入功率的预测值，从而进一步掌握配电网中节点电压幅值、电压相角的变化趋势。
5、对线性代数方程组的求解方法大体上可分为两类：直接法和迭代法。直接法的优点是在不计舍入误差的情况下能得到准确解，但当系数矩阵的条件数很大时，也就是当系数矩阵病态的情况下，舍入误差的影响常引起所求出的解与准确解相差甚远。另外，在用计算机计算方程组规模很大的情况下，直接法由于矩阵分解后的填入元可能较多，一般都需要很大内存和很长的时间。迭代法是方程组求解方面数学界研究的热点之一，其优点是对存储量的要求比直接法小，在大型线性方程组的求解上具有较好的速度。因此，基于cpu的方程组求解分为如下3个步骤进行，这也是大型求解器的通用做法：
6、1)矩阵的lu符号分解
7、符号分解是对矩阵进行一次模拟的lu分解，不进行具体元素数值的分解计算。其目的是记录参与分解的各个元素的位置和填入元素的位置，以及分解过程中消去元素的位置，从而建立一套针对数值lu分解存取数据的存储结构。这样，在数值lu分解过程中根据这些记录，采用简单直接的寻址方式，使得数据查询量大大减少，计算速度明显提升。当矩阵结构不变时，符号分解只需进行一次。
8、2)矩阵的lu数值分解
9、对于配电网而言，网络结构是可能发生变化的，因此lu分解一般在电网发生结构改变时进行，分解次数相对很少，而在连续不断的动态状态估计过程中，lu分解的次数并不多，因此lu分解速度并不是方程组求解的主要时间瓶颈。
10、3)方程的前代回代求解
11、属于常规的因子表求解方法。根据lu矩阵和右端已知向量计算，通过前代和回代过程计算求解量。
12、因此根据专利技术人的研究以及实际计算经验，将静态抗差状态估计引入两周期动态状态估计中，并且建立了两周期数据融合方法，能够有效利用scada数据进行抗差估计，并利用估计结果关联前后两周期的数据。
技术实现思路
1、本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种两周期数据关联的智能配电网动态状态估计方法。
2、本专利技术的目的可以通过以下技术方案来实现：
3、一种两周期数据关联的智能配电网抗差动态状态估计方法，该方法包括如下步骤：
4、(1)进行配电网量测变换，建立统一量测模型，转第(2)步；
5、(2)进行超短期功率预测，并对矩阵计算并行化加速，转第(3)步；
6、(3)判断是否为scada采样时刻，如果是，利用μm-pmu和scada量测量共同形成全量测模型，转第(4)步；否则，根据μm-pmu量测量形成线性量测模型；若该步为一个周期内的第一个μm-pmu采样时刻，转第(6)步；
7、(4)进行静态抗差状态估计；转第(5)步
8、(5)进行动态滤波内部量更新，关联两周期数据；转第(6)步
9、(6)进行动态滤波，转第(7)步；
10、(7)根据动态模型进行状态预测；
11、进一步的，步骤(1)中进行配电网量测变换主要包括如下步骤：
12、在直角坐标系下，对μm-pmu量测进行量测变换后可得：
13、
14、
15、
16、式中i和j为节点编号，为相编号，为节点i的相电压幅值，为节点i的相电压相角，为支路ij的相电流幅值，和为直角坐标系下的实部量测和虚部量测，和为实部量测和虚部量测，为支路ij首末端相角差，为节点i的相注入电流幅值，为对应的注入电流相角，和为节点i的相注入电流实部和虚部。
17、在直角坐标系下，对scada支路功率量测和注入功率量测进行量测变换后可得：
18、
19、
20、式中，和为scada量测下支路ij的相有功与无功功率。和为scada量测下节点i的相有功注入功率与无功注入功率。
21、经过量测变换后获得混合量测向量：
22、
23、式中z由μm-pmu的量测量和scada量测量共同组成。需要特别说明的是，此处特指scada量测得到的电压幅值，和为μm-pmu量测的电压相量经过量测变换后的结果。
24、考虑如下的电力系统量测模型：
25、z＝h(x)+v
26、式中z为混合量测量向量，x为状态量向量，v为量测误差，h(x)为系统量测函数。
27、为了利用scada的电压幅值量测，选取相节点电压实部、虚部以及电压幅值作为状态变量：
28、
29、式中为附加的状态变量，与另外两个状态量和存在二次形式约束：
30、
31、针对上本文档来自技高网...
【技术保护点】
1.一种两周期数据关联的智能配电网抗差动态状态估计方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的两周期数据关联的智能配电网抗差动态状态估计方法，其特征在于：所述步骤(1)中进行配电网量测变换包括如下步骤：
3.根据权利要求1所述的两周期数据关联的智能配电网抗差动态状态估计方法，其特征在于：所述步骤(2)中超短期功率预测矩阵计算并行化加速包括如下步骤：
4.根据权利要求1所述的两周期数据关联的智能配电网抗差动态状态估计方法，其特征在于：步骤(3)中构建系统静态模型和动态模型包括如下步骤：
5.根据权利要求1所述的两周期数据关联的智能配电网抗差动态状态估计方法，其特征在于：步骤(4)包括：
6.根据权利要求1所述的两周期数据关联的智能配电网抗差动态状态估计方法，其特征在于：步骤(4)所述的静态抗差状态估计包括如下几个步骤：
7.根据权利要求1所述的两周期数据关联的智能配电网抗差动态状态估计方法，其特征在于：步骤(5)所述的动态滤波内部量更新包括如下几个步骤：
8.根据权利要求1所述的
9.根据权利要求1所述的两周期数据关联的智能配电网抗差动态状态估计方法，其特征在于：步骤(7)所述的根据动态模型进行状态预测包括如下步骤：
...【技术特征摘要】
1.一种两周期数据关联的智能配电网抗差动态状态估计方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的两周期数据关联的智能配电网抗差动态状态估计方法，其特征在于：所述步骤(1)中进行配电网量测变换包括如下步骤：
3.根据权利要求1所述的两周期数据关联的智能配电网抗差动态状态估计方法，其特征在于：所述步骤(2)中超短期功率预测矩阵计算并行化加速包括如下步骤：
4.根据权利要求1所述的两周期数据关联的智能配电网抗差动态状态估计方法，其特征在于：步骤(3)中构建系统静态模型和动态模型包括如下步骤：
5.根据权利要求1所述的两周期数据关联的智能配电网抗差动态状态估...
【专利技术属性】
技术研发人员：严正，华斌，徐潇源，杨建平，朱彦名，刘舒，柳劲松，马骏宇，鲁卓欣，陈嘉梁，陈思捷，司文荣，何光宇，魏新迟，
申请(专利权)人：上海交通大学，
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。