[发明专利]一种电力系统预测辅助状态估计方法及系统

权利要求书

1.一种电力系统预测辅助状态估计方法，其特征是：包括以下步骤：

构建电力系统进行状态预测的动态模型；

利用非线性卡尔曼滤波器进行动态模型的状态估计量计算；

基于计数新息的数量判断异常是否发生，进行异常检测，区分多个坏数据引起的异常和不均匀地影响所有新息突然的负荷变化；

根据检测到的异常类型，使用最大新息方法识别坏数据，识别突然负荷变化节点，识别故障后切除的节点；

如果识别了任何坏数据，删除坏数据并返回到至异常检测步骤，如果识别到任何突然的负荷变化，则拒绝预测并执行静态估计；如果任何分支被识别为断线，则拒绝预测，更新拓扑并执行静态估计；

基于计数新息的数量判断异常是否发生，进行异常检测，区分多个坏数据引起的异常和不均匀地影响所有新息突然的负荷变化的具体步骤包括：

通过计数新息的数量判断异常是否发生，若新息的数量大于预先设定的阈值则异常被检测；

检测量测中单个坏数据引起的异常；

设置标准化残差阈值，以检测故障后突然的拓扑变化，如果标准化残差超过设定的阈值，则发生突然的拓扑变化；

检测均匀地影响所有新息突然的突然负荷变化；

设置最大新息比的偏度和量测噪声的最大标准差，以区分多个坏数据引起的异常和不均匀地影响所有新息突然的负荷变化；

使用最大新息方法识别坏数据：因为只有一个平均标准化新息NI大于正常值，具有最大平均标准化新息NI的量测被确定为坏数据；

识别突然负荷变化节点的步骤包括：

获得负荷的平均值，选择负荷大于平均值一定百分比的节点；

预测有功功率注入测量值及其协方差；

计算校正有功功率注入测量值；

计算预测有功功率注入测量值与预测有功功率注入测量值的协方差；

利用协方差和两个有功功率注入测量值，计算伪注入量测的新息向量，找到向量中最大元素，相应的节点是突然负荷变化发生的地方；

识别故障后切除的节点包括以下步骤：

选择一组单向的潮流量测，覆盖网络的所有分支；

在每个时刻接收量测后，将测量值存储到相应的潮流量测向量中；

如果检测到任何故障，计算该时刻和前一时刻的向量变化比；将向量变化比最大元素的相应分支标识为移除的分支。

2.如权利要求1所述的一种电力系统预测辅助状态估计方法，其特征是：利用非线性卡尔曼滤波器进行动态模型的状态估计量计算的具体过程包括：利用容积卡尔曼滤波器，生成容积点和相应的权重，并进行预测状态、预测量测，获得卡尔曼估计。

3.如权利要求1所述的一种电力系统预测辅助状态估计方法，其特征是：设置标准化残差阈值，以检测故障后突然的拓扑变化，如果标准化残差超过设定的阈值，则发生突然的拓扑变化的步骤包括：

突然的拓扑变化将导致持续的对于预测值的大误差，获取两个连续的最大新息，并选择第一阈值，用在k时刻处接收的量测进行静态估计，并计算标准化残差NR，突然负荷变化对SSE的NR的影响很小，NR通常在第一阈值以下；突然拓扑变化对SSE的NR的影响很大，NR通常大于第二阈值，第二阈值大于第一阈值，通过设置两个不同的阈值，来区分突然拓扑变化和突然负荷变化。

4.如权利要求1所述的一种电力系统预测辅助状态估计方法，其特征是：设置最大新息比的偏度和量测噪声的最大标准差，以区分多个坏数据引起的异常和不均匀地影响所有新息突然的负荷变化的具体过程包括：

根据量测噪声的最大标准差，设置第三阈值，若最大新息比的偏度大于第三阈值，则出现坏数据，否则，认为突然发生负荷变化。