[发明专利]一种基于扩展集员滤波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，涉及一种基于扩展集员滤波的电力系统状态估计 方法。

背景技术：

为了确保电力系统运行在所需状态，状态估计一直是电力系统的基本功能。 每个总线上状态向量的知识，即电压幅度和相位角，能够执行各种关键任务，例 如不良数据检测，优化功率流，维护系统稳定性和可靠性等。

电力系统动态模型反映的是系统状态变量随时间的变化规律，一般意义的动 态模型是基于系统的状态变量建立的。为表示系统动态，通常忽略扰动后的暂态 过程，假设系统行为是准静态的。已有提出了不同的动态状态模型，准静态的计 算步长通常以分钟为单位，每几分钟进行一次计算，采用了Holt法，这种方法 即使在状态变量彼此相互独立的情况下仍有较好的预测效果。基于网络方程计算 实际的状态量转移方程，每个状态量的转移量都影响到相邻的状态变量。另有更 基于实际的母线负荷预测方法来计算状态转移的方法，用负荷预测代替动态方 程，因为负荷与发电机是决定系统动态的关键因素，且负荷变量之间相互独立， 变动模式更容易预测。一旦预测出所有母线的负荷，负荷潮流计算就可以提供下 一时刻的状态量预测值。

经典方法是使用具有零均值高斯噪声假设的卡尔曼滤波器(KF)来估计状 态，并且基于状态估计使用线性二次调节器进行控制。然而，上述方法总是要 求随机框架中的所有不确定性(干扰，模型误差)提供最高概率的状态估计。噪 声必须具有高斯分布。估计的概率性要求使用均值和方差来描述状态分布。不幸 的是，在许多实际情况下，假设干扰的概率统计特性包括相关的偏置噪声是不现 实的。实际上，一个有约束的模型通常是唯一可用的信息。

发明内容：

有鉴于此，本发明的目的在于为了解决上述问题，应用了集员滤波(SMF) 理论。SMF是在假设条件下噪声是未知的但有界的，而不是通过用均值和方差 来描述系统的状态分布。SMF的目的是找到一个可行性集合，保证系统的真实 状态在计算的集合内，并与状态空间中的所有可用信息(测量数据，建模不确定 性和已知噪声界限)兼容。延伸到非线性问题使用的是扩展集员滤波(ESMF)。

附图说明：

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图 进行说明：

图1为本发明所述基于扩展集员滤波的电力系统状态的流程图。

图2为本发明所述基于扩展集员滤波的整体框架流程图。

具体实施方式：

为达到上述目的，本发明提供如下技术方案：下面将结合附图，对本发明的 优选实施例进行详细的描述。

步骤一，建立电力系统运行的动态模型：

采用的动态模型是常用的Holt两参数法，这种方法也加线性外推法，也可以 作为一种简单的短期符合预测方法具有存储变量少，计算速度快的优点，适合在 线运算。f(x)的表示形式如下：

x_k+1|k＝S_k+b_k (1)

S_k＝α_Hx_k|k+(1-α_H)x_k|k-1 (2)

b_k＝β_H(S_k-S_k-1)+(1-β_H)b_k-1 (3)

式中S_k是水平分量，b_k是倾斜分量，α_H和β_H是平滑参数，其值介于0和1之间。 该方法利用前一时刻状态变量的真实值和估计值，通过对常参数α_H和β_H的适当 分配，对下一时刻的状态变量进行预测。因此得到

电力系统的模型可以辨识为

x_k+1＝F_kx_k+G_k+w_k (5)

其中x_k为k时刻n×1维系统状态变量，通常取节点的电压的幅值和相位角，F_k维 n×n维状态转移矩阵，G_k维控制矩阵，w_k为系统过程噪声，其方差为Q_k