电力系统状态估计算法.pptxVIP

电力系统状态估计算法Models and Approaches of Power System State Estimation;概述 基本加权最小二乘法 快速分解状态估计 变换量测量 比较 示例 ;在给定网络结构、支路参数和量测系统的条件下，根据量测值求最优状态估计值的计算方法称为状态估计算法。 电力系统状态估计算法可以分为两大类型： 一种是卡尔曼型逐次算法 一种是高斯型最小二乘法的总体算法;由于逐次型状态估计算法使用内存最少，对节点注入型量测具有一定的适应能力，程序简单，在一段时间内由邦那维尔电力系统提出后得到了一定的应用。 但是这种算法的缺点是收敛速度慢，计算时间长，估计质量差，随着电力系统规模增大和节点注入型量测量的增多而变得更加严重，这些缺点限制了它的推广应用。 目前在电力系统中，基本上应用的都是最小二乘法的总体算法一类。;基本加权最小二乘法（牛顿法） 快速分解法 变化量测量;节点划分？ 潮流计算分为三类节点 而状态估计是没有节点类型的概念的 一个n节点的网络，状态变量有多少个？ 状态变量有2n-1个 因为必须指定一个节点的相角为0 方程的个数？ 潮流计算方程的个数等于状态变量的个数 状态估计中，方程的个数由量测量的个数决定;量测方程 目标函数 非线性方程求极值 必要条件： 根据数学知识： 简化：;如何求解？;牛顿法求解;牛顿法求解;收敛条件;几个有意义的矩阵;误差方差阵[HTR-1H]-1中对角元素表示量测系统可能达到的估计效果，是评价量测系统配置质量的重要指标。 信息矩阵HTR-1H ，其对角元素随量测量增多而增大，而[HTR-1H]-1的对角元素则随之降低。 量测估计误差方差阵H[HTR-1H]-1 HT的对角元素表示量测量估计误差的方差的大小，在一般的量测系统中有diag{H[HTR-1H]-1 HT}R，表明状态估计可以提高量测数据的精度。;加权最小二乘法具有良好的收敛性，但它的缺点是计算时间长和所需内存大。 采用PQ分解法求解潮流的思想，将有功和无功解耦以及雅克比矩阵常数化的方法用在加权最小二乘法中，形成了快速分解状态估计算法。;从基本加权最小二乘法发展而来 先看基本加权最小二乘法的计算方程 形式上的改?? 分解 将状态量x分为电压幅值和相角 量测量z分为有功和无功两类 ;量测方程 有功量测： 支路有功量测 节点注入有功量测 无功量测： 支路无功量测 节点注入无功量测 节点电压幅值量测;对高压电力网 有功和相角的关系密切而受电压的影响相对较小 无功与电压幅值的关系密切而受相角的影响较小 与PQ分解法潮流计算作类型的假设，即;分解后有;对于高压电力网 认为各支路两端的相角差很小 各节点电压幅值接近于参考节点电压 与PQ分解法潮流计算作类型的假设，即 那么，雅克比矩阵可以常数化;迭代形式 分解 分解+快速;迭代形式 ;FDSE流程图;WLS与FDSE的区别;由美国电力公司提出的，也称为“唯支路”量测状态估计算法。 本算法将支路潮流量测量变换为对支路两端电压差的“量测”，并假设运行电压变化不大，最后得到与基本加权最小二乘法状态估计相类似的迭代修正公式，但其信息矩阵是常实数、对称、实虚部统一的稀疏矩阵。 ;优点：是计算速度快而又节省内存 缺点：难以处理节点注入型量测量，但这并不妨碍其实用性。 ;三种状态估计的比较;从状态估计到潮流比较;状态估计和潮流计算比较;测量值： I=1.05A=1.05p.u. U=9.8V=0.98p.u. P=9.6W=0.96p.u. 状态量x为电流I 量测方程： Z1=h1(x)+v1=x+v1 Z2=h2(x)+v2=Rx+v2 Z3=h3(x)+v3=Rx2+v3;雅克比矩阵 信息矩阵 迭代方程 ;迭代过程;状态的估计值x=0.9917 量测的估计值： 电流I=x=0.9917p.u.=0.9917A 电压U=Rx=0.9917p.u.=9.917V 有功P=Rx2=0.9835p.u.=9.835W 量测容余度增加，估计误差将减小 ;线路潮流示例;求量测雅可比矩阵;求量测雅可比矩阵(续);传统的最小二乘以及卡尔曼滤波算法的计算过程，无法包含电力系统各类物理的和数学的约束形式。 而电力系统中，很多物理约束信息对提高状态估计的精度是很有用处的。 简单例子： ;最小二乘法 估计结果显然违背了电力系统运行规则。 如果考虑电力系统物理约束，通常正常运行时节点电压不可能达到0.2，而且该线路没有电阻，则没有功率损耗，因此可以认为节点2所给出的电压功率量测是有问题的。 去掉节点2的电压和有功量测方程后，采用最小二乘法可以得到计算结果为： ;可以看出，考虑了电力系统物理约束等条件的状态估计精度明显提高。 因此，关于考虑等式约束和不等式约束的状态估计算法逐步出现，状态估计问题一定程度上转