[发明专利]智能配电网抗差动态状态估计方法

说明书

一种智能配电网抗差动态状态估计方法，根据智能配电网的各项参数和量测配置情况构建系统静态模型和动态模型并通过静态抗差状态估计获得初始值，然后在一个SDADA量测周期内，获取μM‑PMU的量测，并根据获取时间生成对应的量测模型并经动态滤波后进行状态预测，得到抗差动态状态估计结果。本发明将静态抗差状态估计引入两周期动态状态估计中，并且建立了两周期数据融合方法，能够有效利用SCADA数据进行抗差估计，并利用估计结果关联前后两周期的数据。

技术领域

本发明涉及的是一种智能电网控制领域的技术，具体是一种两周期数据关联的智能配电网抗差动态状态估计方法。

背景技术

配电网作为电力系统“发输配用”中直接面向电力用户的环节，其运行的安全性、经济性非常重要。配电网的安全经济运行依赖实时、可靠、完整的配电网运行状态数据。由于量测装置误差或故障、通信系统误码、潜在的数据攻击等原因，配电网控制中心得到的数据往往存在误差或坏数据，因此需要配电网状态估计对数据进行预处理，从而提高数据的精度和数量。其中动态状态估计依靠前后两个时间断面的量测数据进行迭代式估计，能够同时提供系统状态的估计值和预报值。

随着微型PMU(μM-PMU)在配电网中逐渐配置，μM-PMU和SCADA构成了长短两周期的采样模式，综合利用μM-PMU和SCADA的数据对电力系统进行动态状态估计是目前业界的需求和热点。现有的两周期或多周期状态估计方法无法利用SCADA提供的冗余信息提高抗差性能，并且在前后两个长周期内没有进行数据关联，数据利用效率不足。

发明内容

本发明针对现有技术存在的上述不足，提出一种智能配电网抗差动态状态估计方法，将静态抗差状态估计引入两周期动态状态估计中，并且建立了两周期数据融合方法，能够有效利用SCADA数据进行抗差估计，并利用估计结果关联前后两周期的数据。

本发明是通过以下技术方案实现的：

本发明涉及一种智能配电网抗差动态状态估计方法，根据智能配电网的各项参数和量测配置情况构建系统静态模型和动态模型并通过静态抗差状态估计获得初始值，然后在一个SDADA量测周期内，获取μM-PMU的量测，并根据获取时间生成对应的量测模型并经动态滤波后进行状态预测，得到抗差动态状态估计结果。

所述的根据获取时间生成对应的量测模型是指：当获得的量测时间为SCADA采样时刻时，利用μM-PMU和SCADA量测量共同形成全量测模型，并依次进行进行静态抗差状态估计、动态滤波内部量更新和关联两周期数据；当获得的量测时间为μM-PMU的量测时刻时，根据μM-PMU量测量形成线性量测模型。

所述的根据获取时间生成对应的量测模型，当获得量测时间为一个周期内的SCADA采样时刻时，通过SCADA、μM-PMU采样数据共同进行状态估计，并进行动态滤波内部量更新；当获得量测时间为第一个μM-PMU采样时刻时，进行动态滤波。

所述的根据智能配电网的各项参数和量测配置情况构建系统静态模型和动态模型，具体包括：①构建静态方程和动态方程：其中：x为系统动态过程的状态变量，包括动态负荷模型中的有功、无功状态量或VSM模型中的虚拟角速度，即x＝[P_0,i,Q_0,i,ω_i]；y为系统的代数变量，包括系统节点的电压幅值或者电流幅值，即y＝[V_m,i,V_a,i,I_m,i,I_a,i,P_i,Q_i]；u为系统中的扰动，包括新能源发电出力或负荷功率的随机波动，即ΔP_i,ΔQ_i，为系统的静态方程，为系统的动态方程；②构建状态转移方程为x_k+1＝f(x_k)+w_k，其中：w_k为扰动向量。