电力系统状态估计

1、第二章 电力系统状态(zhungti)估计一、状态估计的必要性 EMS的高级功能需要可靠(kko)的数据集合作为输入数据集。 而SCADA系统采集的全网实时数据存在下列明显的缺点： 1数据不齐全。 2数据不精确。 3受干扰时会出现错误数据。 共二十四页 解决方案： 1增加量测； 2改进测量(cling)与传输系统； 3采用数学处理的方法来提高数据的可靠性与完整性，即状态估计。共二十四页二、状态估计的基本原理1状态变量系统中能够表征系统特性所需的最小数目的变量(binling)称为状态变量。2冗余度系统中独立测量量的数目与系统状态变量数目之比，称为测量系统的冗余度。一般电力系统要求测量系统的冗余

2、度在1.53.0。共二十四页3状态估计电力系统状态估计就是在测量量有误差的情况下，利用实时量测系统的冗余度来提高精度和自动排除随机干扰所引起的错误数据，通过数学计算估计出系统的运行状态，得到可靠的并且为数最少的系统状态变量值。足够的量测冗余度是其实现前提。状态估计的最常用方法是最小二乘估计法。在讲解电网状态估计之前，让我们(w men)先弄明白最小二乘法的基本概念。 共二十四页4最小二乘法状态估计x：状态的真值向量； :状态的估计值向量；z：仪表的测量值向量； :测量估计值向量；在估计中，状态变量需借助测量方程式，即联系状态向量x与测量量向量z之间的函数(hnsh)关系h(x)来间接求得。在考

3、虑有测量噪声v时，它们之间的关系为z =h(x) + v 共二十四页要求计算得到这样的状态变量的估计值 ，使其对应的测量估计值 和测量值z之差的平方和最小为目标准则的估计方法，称为最小二乘法状态估计。建立目标函数J(x)=(z-h(x)T(z-h(x)对目标函数求导数并取为零，即就可以求解出状态的估计量 。以单变量双量测的直流电路系统为例进行(jnxng)分析。共二十四页状态估计(gj)的一个例子(见右图)已知电阻10欧姆(u m)，V=9.8伏，I=1.05A，确定估计电流。哪个对？共二十四页采用(ciyng)最小二乘法（LS）共二十四页5加权最小二乘法状态估计 J(x)=(z-h(x)TR

4、1 (z-h (x)R1表示(biosh)量测权重， R为量测误差方差阵共二十四页三、状态估计与常规潮流计算(j sun)的比较 潮流计算一般是根据给定的n个节点的注入(zh r)量或电压模值求解n个节点的复数电压。方程式的数目等于未知数的数目。潮流计算，一般用牛顿拉夫逊法等求解2n个非线性方程组。在状态估计中，测量向量的维数一般大于未知状态向量的维数，亦即方程式的个数多于未知数的个数。其中，测量向量可以是节点电压、节点注入功率、线路潮流等测量量的任意组合。状态估计则是根据一定的估计准则，按估计理论的处理方法来求解方程组。共二十四页四、状态估计(gj)的步骤 共二十四页1前置滤波、极限值校验目

5、的：排除(pich)掉大的明显的测量误差。包括：（1）开关错误辨识（2）估计前坏数据辨识共二十四页开关(kigun)错误辨识 线路两端潮流合理而一端开关错开； 一个厂站通道坏,通过对端厂站信息判断； 开关合而发电机量测值为零。共二十四页估计前坏数据辨识(bin sh) 支路潮流不平衡；10j6-15-j10=-5-j4节点注入功率不平衡； Pi-pij0 i双母线并列运行而各母线电压不相等；共二十四页 电压量测不合理，母线电压远远超限； 发电机注入负功率，负荷(fh)注入正功率； 支路潮流不合理，运行值远大于限值； 注入功率不合理； 支路无潮流量测； 母线无注入量测； 母线无电压量测； 量测数

6、据是死数据，不变化。共二十四页2假定模型假定：没有结构误差；没有不良(bling)数据；没有参数误差。3状态估计求出状态估计值和残差。共二十四页4不良数据的检测不良数据：电力系统中测量系统的标准误差大约为正常测量范围的0.52因此误差大于3的测量值就可称为不良数据，但在实际应用中由于达不到这个标推，所以通常把误差达到(67) 以上的数据称为不良数据。所谓检测是用来判定是否存在(cnzi)不良数据。不良数据的出现，会在目标函数中得到反映，使它大大偏离正常值。因此，可以根据对目标函数的检测来确定不良数据的是否存在。共二十四页 不良数据的检测一般均是通过检查目标函数(hnsh)是否大大偏离正常值或残

7、差是否超过正常值来反映的，其常用的方法有三种: 一、 检测法 二、加权残差检测法 三、标准化残差检测法共二十四页 检测法是一种总体型的检测，它能测知不良数据是否存在，但不能知道哪一个是不良数据。在系统规模较大及冗余度大的情况下，个别不良数据对 的影响相对减小，从而使检测的灵敏度较低。 rW与rN检测法与系统大小无关(wgun)，它取决于WW或WN的对角元素。当测量系统完善，冗余度K越大，则对角元素越占优势，检测不良数据越灵敏。在冗余度为m/n=23时，rN法比rW法在灵敏度方面更优越，但是rN法需付出计算D的代价，在冗余度更高时这两种方法的效果相近。小结(xioji)共二十四页 rW与rN法在

8、单个不良数据情况下一般可取得理想的效果，但有时除了不良数据点的残差呈现出超过检测阈值外，还有一些正常测点的残差也超过阈值，这种现象称为残差污染。在多个不良数据情况下，由于相互作用可能导致部分或全部(qunb)不良数据测点上的残差近于正常残差现象，这称为残差淹没。残差污染和残差淹没使不良数据点模糊，导致辨识不良数据的困难。共二十四页5不良数据的辨识辨识是为了寻找(xnzho)出哪一个数据是不良数据，以便进行剔除或补充。共二十四页 通常对不良数据辨识的基本思路是：在检测出不良数据后，应进一步设法找出这个不良数据并在测量向量中将其排除，然后重新进行状态估计。 假设在检测中发现有不良数据的存在。一个最

9、简单的辨识方法，是将m个测量量作一排列，去掉第一个测量量，余下(yxi)的m-1个用不良数据检测法检查不良数据是否仍存在。如果m-1个测量的 值与原来m个时的 值差不多，则表示刚刚去掉的第一个测量量是正常测量，应该予以恢复；然后试第二个测量量，直到找出不良数据为止。如果存在两个不良数据，则应试探每次去掉两个测量量的各种组合。这种方法试探的次数非常多，而且每次试探都要进行一次状态估计，因此问题的关键在于如何减少试探的次数。共二十四页 残差搜索(su su)辨识法，也就是用残差绝对值由大到小排队来逐维作试探，通常分为rN与rW法。 (1) 加权残差搜索法。是按|rW,i|大小排队，逐维试探。 (2)标准化残差搜索法。是按|rN,i|的大小排队，逐维试探。共二十四页内容摘要第二章 电力系统状态估计。而SCADA系统采集的全网实时数据存在下列明显的缺点(qudin)：。3采用数学处理的方法来提高数据的可靠性与完整性，即状态估计。目的：排除掉大的明显的测量误差。发电机注入负功率，负荷注入正功率。不良数据的出现，会在目标函数中得到反映，使它大大偏离正常值。因此，可以根据对目标函数的检