[发明专利]一种基于数据驱动的电-热综合能源系统状态估计方法

权利要求书

1.一种基于数据驱动的电-热综合能源系统状态估计方法，其特征在于，包括以下步骤：

步骤A.对历史状态估计数据进行整理，得到历史量测量数据和历史状态变量数据；对所述历史状态变量数据进行非线性变换，得到历史辅助状态变量数据；将所述历史量测量数据和历史状态变量数据按照电力系统和热力系统进行分类，分别得到电力系统历史数据和热力系统历史数据；建立电力系统和热力系统的状态估计模型，并利用双线性变换的方法，将非线性的电力系统和热力系统状态估计模型分别变换为线性的状态估计模型，分别表示为式(1)、(2)所示：

z_e,a＝H_aex_e,a+r_e (1)，

z_h,a＝H_ahx_h,a+r_h (2)，

其中z_e,a为电力系统历史状态估计数据，z_h,a为热力系统历史状态估计数据，H_ae代表电力系统常数雅可比矩阵，x_e,a代表电力系统辅助状态变量，r_e代表电力系统量测误差，H_ah代表热力系统常数雅可比矩阵，x_h,a代表热力系统辅助状态变量，r_h代表热力系统量测误差；

步骤B.利用偏最小一乘法和最小一乘法，分别对所述电力系统和热力系统历史状态估计数据进行对线性状态估计模型的回归学习，得到基于数据驱动的电-热综合能源系统状态估计模型,表示为如式(3)所示：

x_a＝Cz+ε (3)，

其中，x_a代表辅助状态变量向量，C代表常数矩阵，z代表量测变量向量，ε代表误差向量；

步骤C.将步骤B中所得到的基于数据驱动的电-热综合能源系统状态估计模型的当前量测量作为模型的输入，得到模型输出后，对其进行线性与非线性变换后，最终得到状态变量估计值。

2.根据权利要求1所述的一种基于数据驱动的电-热综合能源系统状态估计方法，其特征在于，步骤A进一步包括：

步骤A1：所述对状态估计数据进行分类，得到历史量测量数据和历史状态变量数据，并对历史状态变量数据进行非线性变换得到历史辅助状态变量数据，其中，所述历史量测量数据表示为如式(4)所示：

所述历史状态变量数据表示为如式(5)所示：

x_t＝[θ^(t)；U^(t)；p^(t)；T_s^(t)；T_r^(t)] (5)；

所述历史辅助状态变量数据表示为如式(6)所示：

x_a＝[m；T_si,a；T_ri,a；M_ij；N_ij；V_i；R_ij；X_ij] (6)；

所述从历史状态变量到历史辅助状态变量的非线性变换表达式表示为：m＝m_ij，T_si,a＝T_si,a，T_ri,a＝T_ri,a，M_ij＝m_ij×T_si，N_ij＝m_ij×T_ri，R_ij＝U_iU_jcosθ_ij，V_i＝U_i²，X_ij＝U_iU_jsinθ_ij；

将历史数据按照电力系统和热力系统进行分类，得到电力系统历史状态估计数据和热力系统历史状态估计数据，其中，电力系统的历史状态估计数据表示为如式(7)、(8)所示：

z_e,a＝[U²；P；Q；P_b；Q_b] (7)，

x_e,a＝[V_i；R_ij；X_ij] (8)；

热力系统状态估计数据表示为如式(9)、(10)所示：

z_h,a＝[m；m_q；T_s；T_r；φ] (9)，

x_h,a＝[m；T_si,a；T_ri,a；M_ij；N_ij] (10)；

式中：U_i为节点电压幅值，θ_i为节点电压相角，P_i为节点注入有功功率，Q_i为节点注入无功功率，P_ij为支路有功功率，Q_ij为支路无功功率；p_i为节点压强，m_ij为支路流量，m_qi为节点注入流量，T_si为节点供热温度，T_ri为节点回热温度，φ_i为节点注入热功率；

步骤A2：基于步骤A1变换后的量测量和辅助状态变量，利用双线性变换的方法，将非线性的状态估计模型变换为线性的状态估计模型，分别表示为式(1)、(2)所示：

z_e,a＝H_aex_e,a+r_e (1)，

z_h,a＝H_ahx_h,a+r_h (2)，

其中，对电力系统的双线性变换表示为如式(11)所示：

其中，式中采用了π型等效电路，g_s+jb_s为串联电纳，b_c为充电电纳，k代表支路变比(对于不含变压器的支路，k＝1，b_c＝0)；等效线路的参数为：g_ij＝g_s/k，b_ij＝g_s/k，g_si＝(1-k)g_s/k²，g_si＝(1-k)b_s/k²+b_c/2，G_ij＝-g_ij，B_ij＝-b_ij；

对热力系统的双线性变换如式(12)所示：

其中，式中m_ij代表支路流量量测量，m_qi代表节点注入流量量测量，T_si、T_ri分别代表节点供热温度量测量和节点回热温度量测量，φ_i代表节点注入热功率量测量，m_ij,a、T_si,a、T_ri,a、M_ij、N_ij分别代表辅助状态变量，C_p代表比热容(J/(kg·K))；

整理后得到线性的状态估计模型如式(13)所示：

其中，

其中，H_UV表示所得雅可比矩阵，H_PR表示所得雅可比矩阵，H_PX表示所得雅可比矩阵，H_QR表示所得雅可比矩阵，H_QX表示所得雅可比矩阵，H_pV表示所得雅可比矩阵，H_pR表示所得雅可比矩阵，H_pX表示所得雅可比矩阵，H_qV表示所得雅可比矩阵，H_qR表示所得雅可比矩阵，H_qX表示所得雅可比矩阵，H_ma表示所得雅可比矩阵，H_qa表示所得雅可比矩阵，H_Ts表示所得雅可比矩阵，H_Tr表示所得雅可比矩阵，H_φM表示所得雅可比矩阵，H_φN表示所得雅可比矩阵。