[发明专利]一种基于分段线性权因子函数的抗差状态估计方法

说明书

技术领域

本发明属于电力系统领域，具体涉及一种基于分段线性权因子函数的抗差状态估计方法。

背景技术

在电网调度系统中，由于变电站远动信息的传输存在各种干扰，致使调度中心SCADA系统获取的量测数据含有量测噪声，甚至产生不良数据。传统的最小二乘法状态估计目前应用最多，它具有模型简单、计算量小，对理想正态分布条件下的量测量，估计具有最优一致且无偏等优良性能。然而，由于实际量测不一定完全服从正态分布，不良数据很难完全检测和辨识，而量测误差的统计特性通常又难以获得，这种情况下估计结果的准确性必然不理想。

为提高在线状态估计结果的准确性和实用性，状态估计软件引入不良数据检测和辨识功能，一般采用估计—不良数据检测与辨识—再估计—在不良数据检测与辨识的两轮迭代模式。这种计算模式把具有最大正则化残差的量测作为不良数据，并从有效量测集中剔除后再次进行状态估计，直至有效量测集中所有量测的正则化残差均小于某一门槛值。但当量测系统中存在不良杠杆量测或多个强相关的不良数据时，这类不良数据的正则化残差可能会小于正常量测，从而导致不良数据辨识失败，并严重地影响状态估计精度。因此从理论上讲这种检测和辨识方法本身就决定了误辨识和漏辨识的产生，进而使得误差比较大的数据仍然对状态估计计算结果差生比较大的残差污染，甚至导致估计结果严重偏离其真实情况，因而需要提出能够有效提高状态估计抵御粗差污染能力的实用化方法。在提高状态估计抗差性能的理论研究方面，文章《指数型目标函数电力系统抗差状态估计》提出一种指数型目标函数电力系统抗差状态估计模型，其最优解具有Renyi二次熵定义下的最小信息损失特性，能自动排除不良数据对状态估计的影响。文章《M估计方法及其在电力系统状态估计中的应用》针对M估计中QL及QC估计方法的缺点，提出了“2阶段法”稳健估计方法，分两阶段选择等价权，在对不良数据辨识性能上取得了良好的效果。文章《新息图状态估计中多个多相关不良数据辨识》根据不良回路和差别向量对出现在拓扑错误支路上或其他支路上的多个不良数据进行有效辨识。这些新研究的抗差状态估计方法目前还缺乏大量工程应用的实例，且在状态估计抵御量测系统粗差工程实践方面，目前还缺乏一套实用可靠的计算方法。

发明内容

对于偏差真值不是很大的量测数据，由于残差在坏数据检测和辨识门槛范围之内，无法通过粗检查或坏数据检测和辨识完全将其影响消除，导致不正确数据参与了状态估计，对正确数据形成污染。针对现有坏数据检测与辨识技术的不足，本发明提出一种基于分段线性权因子函数的抗差状态估计方法，可有效处理坏数据辨识准确性和状态估计计算精度之间的矛盾。

本发明提供的一种基于分段线性权因子函数的抗差状态估计方法，其改进之处在于，所述方法包括如下步骤：

（1）建立基于权因子函数的抗差状态估计模型；

（2）选取量测权因子函数方程，确定量测等价权因子；

（3）对可变权因子抗差状态估计模型求解，得到评估结果并输出。

其中，步骤（1）建立基于权因子函数的抗差状态估计模型的步骤如下：

采用非二次准则M状态估计方法，其目标函数为：