[发明专利]一种基于强跟踪集员估计的电力系统状态估计方法

说明书

技术领域

本发明属于电力系统领域，涉及一种基于强跟踪集员估计的电力系统状态估计方法。

背景技术

电力系统中常采用数据采集监控(Supervisory Control And Data Acquisition，SCADA)系统和能量管理系统(Energy Management system，EMS)以确保电网运行在理想的状态，保障系统的经济安全运行。状态估计基于电网的结构、参数以及实时量测为SCADA/EMS的应用分析软件提供当前电网的状态。它是整个网络分析应用软件的核心和基础，在整个SCADA/EMS系统中占有重要的地位。状态估计的结果被控制中心用来进行突发情况分析，最优潮流计算，负荷调度等等。

在实际电网中，远方的量测数据要经过很多环节才能到达电力系统调度中心。由于经济原因，硬件检测设备不能遍布系统的所有测量节点，量测数据只是整个系统中的一部分，再加上，远动数据在测量、传送、转换的过程中，受到设备的限制和外界的干扰，实际调度中心接收的数据或多或少的带有误差，有些甚至是和测量值差别很大的坏数据。由于以上原因，远动装置传递的数据有时不能满足调度中心的要求，即使采用硬件滤波和改良编码的方法，也只能起到很小的作用。如果将远动装置传来的生数据直接使用，对于EMS的决策结果会产生难以预料的后果，而大量的远动数据不可能由人工进行处理，因此有必要在远动装置和数据库之间加入状态估计这一环节。

电力系统的安全经济运行要求现代化的调度系统要求能迅速、准确、全面的掌握电力系统的实时运行状态，分析和预测系统的运行趋势，对运行中出现的各种问题给出相应的对策，并对下一步的决策提供实时、准确的运行数据。研究有效的电力系统状态方法，获得有关电力系统状况全面、可靠和精确的信息，具有重要且深远的意义。

电力系统状态估计发展到今天，算法得到很大的发展，在估计准则、解方程组的技术、优化方法、提高估计效率等方面衍生出许多新技术、新理论，80年代末到现在，提出了电力系统状态估计正交变换法、Hachtel法、最优步长因子法、快速分解法，保留非线性法，神经网络法，新息图法、内点算法WLAV状态估计、等效电流变换法、抗差算法、支持向量机回归法等电力系统状态估计新算法。动态状态估计模型主要利用扩展卡尔曼滤波(Extended Kalman Filter，EKF)理论所建立。然而，EKF理论本身是经由系统上的量测值、网络参数及状态变量的预测值，利用加权最小二乘法的模式，进行滤波运算，以推导出系统的最佳状态值，该模型本身常受系统的负荷动态模式影响，其预报和估计的精度难以令人满意。然而以卡尔曼滤波为代表的基于随机噪声假设的估计方法，如极大似然法等，都要求噪声的统计特性(如概率密度函数)已知或至少部分特性已知。这类估计方法具有以下缺陷^[13]：

1)由于实验设计和先验知识的不充分，特别是当数据长度较小的情况下，有关噪声的概率密度函数和自相关函数的特征描述会存在一定程度的偏差，并且有时噪声的特征描述并不总依赖于先验知识；

2)如果噪声并非本质上随机的，则很难对噪声的统计假设是否与实际情况相符合给出一个合理的评价；

3)只有当测量数据足够大时才能验证有关模型估计的渐进特性是否与实际情况相一致。

因此，目前需要一种能够克服上述缺陷，又满足在线应用的实时性和有效性，并能提供快速准确的状态估计的方法。

发明内容

为解决电力系统状态估计方法存在的上述缺点，本发明的目的在于提供一种基于强跟踪集员估计的电力系统状态估计方法。此算法利用三次采样正弦波关系模型对信号的平滑能力，从噪声的不确定性和电力系统的非线性出发，充分考虑噪声的边界条件，引入扩展集员估计，提高估计的可信度。改进现有扩展集员估计，提出强跟踪扩展集员估计算法，以提高电力系统中幅值和频率等电气参数突变的工况的跟踪能力。在状态估计中引入物理约束的处理，考虑采样电压(电流)状态量的物理特性，提高估计的精度。

为达到上述目的，本发明提供如下技术方案：

一种基于强跟踪集员估计的电力系统状态估计方法，包括以下步骤：

步骤一：获取滤波目标信号，提取滤波目标信号特征；

步骤二：建立滤波模型，此模型为连续三次采样正弦波电压的等式关系模型，从而得到相应的状态方程、观测方程，以及离散滤波目标信号；

步骤三：根据集员估计算法递推规则，采用最优定界椭球估计算法，得到集员估计的离散算法公式；

步骤四：利用强跟踪的思想，改进扩展集员估计算法，得到强跟踪集员估计算法；