华电电力系统自动化第16讲 调度自动化2-静态状态估计.pptVIP

North China Electric Power University * (湖南师大附中内部资料)高三化学习总复习课件：高三第五次周考试卷分析课0801(课件)(培训课件)班组建设与5S管理培训多媒体计算机系统常用硬件设备教材 North China Electric Power University 第二十一讲 调度自动化（2） 肖仕武，薛安成 Office:J5B309 Tel静态状态估计 电力系统状态估计－必要性 电力系统需要随时监视系统的运行状态 需要提供调度员所关心的所有数据 测量所有关心的量是不经济的，也是不可能的，需要利用一些测量量来推算其它电气量 由于误差的存在，直接测量的量不甚可靠，甚至有坏数据 状态估计的作用 降低量测系统投资，少装测点 计算出未测量的电气量 利用量测系统的冗余信息，提高量测数据的精度 状态估计数学基础准备-矩阵的微分运算 维数为m*n矩阵A的导数,定义为: 性质： (1)A,B同阶的函数矩阵导数,a为实变量 (2) 为a的实值函数,Ａ为函数矩阵，则有： 状态估计数学基础准备-矩阵的微分运算 (4) A、B分别为m*n和n*l阶函数矩阵 (5) 证明： (3) 估计数学基础准备-矩阵的微分运算 (6)h为实变量a的n维矢量函数： (7)A为n*n对称阵： 证明： 证明： 因为： 所以： 状态估计数学基础准备--矢量函数对矢量的微分运算 X为m*n阶矩阵， f为实值函数f=f(X): X为n维矢量， h为m维矢量h=h(X): 状态估计数学基础准备 随机变量的数字特征 连续型随机变量X的概率密度函数为：f(x) 它的数学期望值： (一)数学期望 离散型随机变量X的概率分布为： P{X=xi}=pi,i=1,2,…,n 它的数学期望值： 状态估计数学基础准备-随机变量的数字特征 随机变量X的2阶矩，称为方差(D(X))，即： 称为均方差或标准差 随机变量X的K阶矩： (二)矩与方差 状态估计数学基础准备-随机变量的数字特征 称为随机变量X与Y的相互关系或标准协方差 (三)协方差 二维随机变量(X,Y)的协方差： 实时数据的误差 从采样到计算机数据库的全过程，每个环节都可能受到各种随机干扰而产生误差 量测值和真值总是存在差异，即误差 误差来源： 各环节的随机干扰 量测的不同时性，死区传送，CDT不同时 状态估计定义 在给定网络结线、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 1970年F.C.Schweppe等提出电力系统最小二乘状态估计算法 70年代初期，Larson和Debs在绑那维尔电力公司展开卡尔曼逐次滤波状态估计的研究． 状态估计 A V 10伏 10欧 哪个对？ 一个例子: (见右图) 已知电阻10欧姆，V=9.8伏，I=1.05A，确定估计电流。 状态估计(续) 最小二乘法（LS） 状态估计(续) 加权最小二乘算法 ※量测方程 上式为线性条件下, Z—m×1维量测矢量 下式为非线性条件下,x—n×1维状态矢量, v—m×1维量测误差矢量 H—量测矩阵（m×n） h(.) —非线性量测函数（m×1） 量测方程的特点 方程个数m大于状态变量的个数n 多余m-n个方程为矛盾方程，找不到常规意义上的解，只能用拟合的方法求在某种估计意义上的解 最小二乘估计（LSE） 满足上述目标的 称为x的最小二乘估计值 对量测方程 建立目标函数，求极小值 最小二乘估计示例 测量值： I=1.05A=1.05p.u.， U=9.8V=0.98p.u., P=9.6W=0.96p.u. 量测方程： Z1=x+v1 Z2=Rx+v2 Z3=Rx2+v3 状态量x为电流I 最小二乘估计示例(续1) 令 目标函数： Min. J(x)=(1.05-x)2+(0.98-x) 2+(0.96-x2 ) 2 最小二乘估计示例(续2) 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 量测容余度提高后，电流量测的估计误差： 真值　量测值　误差　估计值　 误差　　 估计值　 误差 　１　１.05 0.05 1.015 0.015 0.9917 -0.0083