[发明专利]计及新能源时空相关性的电力系统状态估计方法

权利要求书

1.一种计及新能源时空相关性的电力系统状态估计方法，其特征在于：包括以下步骤：

第一步：读取电网信息数据，根据读取的电网信息数据得出节点导纳矩阵和支路-节点关联矩阵，所述电网信息数据包括历史状态估计数据、电力系统当前的网络参数、拓扑结构和线路阻抗，之后进入第二步；

第二步：电网系统量测和配置，根据节点导纳矩阵和支路-节点关联矩阵建立电压幅值量测、功率注入量测和潮流量测的量测函数，根据量测函数计算量测z_k，根据量测z_k对系统状态进行配置，所述电网系统的量测z_k包括节点电压幅值量测、功率注入量测和潮流量测，之后进入第三步；

第三步：根据电网系统中新能源的时空相关性建模，具体如下：

(一)建立如下式所示的向量自递归模型，

x_k＝Φ₁x_k-1+...+Φ_px_k-p+ε_k (1)

其中，k表示量测采样时刻；{x_k-1,...,x_k-p}表示系统历史状态；x_k是当前时刻的状态预测值；{Φ₁,...,Φ_p}是模型参数矩阵；p是模型阶数；ε_k是模型误差，S_k是协方差矩阵，即高斯随机变量；{Φ₁,...,Φ_p}和S_k的对角元素表示节点电压和相角的时间相关性，而其非对角元素表征空间相关性；

(二)保留一阶向量，简化向量自递归模型，完成模型的建立，简化后的模型如下式所示：

x_k＝Φ₁x_k-1+ε_k (2)

之后进入第四步；

第四步：采用M组历史状态数据对Φ₁和S_k进行估计,估计值和如下式所示：

其中，Π(0)和Π(1)为采样协方差矩阵，μ是历史数据的采样均值，之后进入第五步；

第五步：根据估计值和进行k时刻的状态预测，k时刻的状态预测值x_k|k-1及其预测误差协方差矩阵Σ_k|k-1如下式所示：

之后进入第六步；

第六步：进行预测辅助状态估计，具体如下：

(一)根据第二步测得的k时刻的量测z_k得出系统在第k次采样时的状态x_k,x_k的关系式如下式所示：

z_k＝h(x_k)+v_k (7)

其中，h(·)表示m维非线性量测函数向量；v_k是服从正态分布的随机白噪声，即v_k～N(0,R_k)，R_k是量测误差协方差矩阵；

(二)采用扩展卡尔曼滤波对状态递归进行更新，完成系统进行预测辅助状态估计，具体如下：

(1)建立如下式所示的目标函数：

(2)对目标函数进行优化，得出状态递归的更新结果，状态递归的更新结果如下式所示：

其中，K_k为增益矩阵，H_k为雅克比矩阵，Σ_k为误差协方差矩阵，Σ_k＝(I-K_kH_k)Σ_k|k-1；I为单位矩阵；之后进入第七步；

第七步：将k时刻的状态估计结果发送给电网控制中心，并进入第二步进行k+1时刻的状态估计。

2.根据权利要求1所述的一种计及新能源时空相关性的电力系统状态估计方法，其特征在于：第二步中将电网系统中的每条输电线路等效为典型π等效电路进行系统的量测，量测函数如下：

(一)典型π等效电路不含非变压器支路时节点的有功和无功注入量测函数、有功和无功潮流注入量测函数、电流幅值量测函数如下：

节点i的有功注入量测函数为：

节点i的无功注入量测函数为:

节点i到j的注入有功量测函数为:

P_ij＝V_i²(g_si+g_ij)-V_iV_j(g_ijcosθ_ij+b_ijsinθ_ij) (12)

节点i到j的注入无功潮流量测函数为:

Q_ij＝-V_i²(b_si+b_ij)-V_iV_j(g_ijsinθ_ij-b_ijcosθ_ij) (13)

节点i到j的线路电流幅值量测函数为：

(二)典型π等效电路含变压器支路时节点的有功和无功注入量测函数、有功和无功潮流注入量测函数、电流幅值量测函数如下：

节点i的有功注入量测函数为：

节点i的无功注入量测函数为:

节点i到j的注入有功量测函数为:

节点i到j的注入无功潮流量测函数为:

节点j到i的注入有功量测函数为:

节点j到i的注入无功潮流量测函数为:

节点i到j的线路电流幅值量测函数为：

其中，V_i和V_j分别为节点i和j的电压幅值；节点i和j之间的相角差θ_ij＝θ_i-θ_j，θ_i和θ_j分别为节点i和j的相角；N_i为连接到节点i的节点数量；

G_ij+jB_ij为导纳矩阵的第i行第j列元素；g_ij+jb_ij为节点i到j间的序导纳；g_si+jb_si为节点i到j间的并联导纳；K为变压器非标准变比；b_T为变压器标准侧的电纳。