[发明专利]一种配电网分布式状态估计方法

说明书

本发明涉及一种配电网分布式状态估计方法，其包括以下步骤：步骤1：获取配电网中分布式电源的历史出力时间序列，进行Gram‑Charlier级数拟合得到预测误差概率密度函数，对Elman神经网络算法进行改进，得到配电网中分布式电源出力的概率预测模型；步骤2：建立衡量节点间电气距离的指标，并基于社区发现算法和社区合并算法将配电网划分为若干个非重叠的子区域；步骤3：建立各个子区域的本地状态估计模型，基于最小二乘准则对各本地状态估计模型进行分布式求解。本发明可弥补当前配电网状态估计方法对分布式电源伪量测数据预测建模的不足，并在考虑多种分布式电源出力不确定性的情况下确保分布式状态估计结果的可靠性。

技术领域

本发明属于配电网分布式状态估计领域，特别涉及一种基于概率预测伪量测生成的配电网分布式状态估计方法

背景技术

在以“碳达峰、碳中和”国家减碳战略为牵引的能源革命背景下，我国能源系统正在发生重大变化，非化石能源占一次能源消费的比重将持续提高，分布式电源(Distributed Generation,DG)的并网规模将进一步增大，给网络状态的监测与控制带来了严峻挑战。配电网运行状态的感知能力和灵活性资源的协同互动能力，是实现分布式电源大规模并网和配电系统安全经济运行的基础。

为了满足配电网供电质量和可靠性要求，推动传统无源配电网向主动配电网过渡，提升配电网主动调节、优化内部资源的能力，加快智能配电网的发展已成为共识。状态估计作为配电网状态感知理论体系的关键技术，是保障配电网安全、可靠与稳定运行的基础环节，能够为配电网优化调度及自愈控制等高级应用提供可靠数据。因此，可提高复杂配电网的调度控制能力和运行状态自我感知能力的配电网状态估计技术也已成为当前的研究热点。

但现有的配电网态势感知体系受到网络通讯与计算能力的影响，数据的采集与处理难以满足智能配电网的发展需求；现有量测设备布局下，难以获得配电网完整的实时监测数据；多种分布式电源的出力不确定性给现有传统集中式状态估计技术带来了巨大挑战，考虑量测不确定性的配电网分布式状态估计技术亟需进一步深入研究。

发明内容

本发明的目的是提供一种能够考虑多种分布式电源出力不确定性、确保分布式状态估计结果的可靠性的配电网分布式状态估计方法。

为达到上述目的，本发明采用的技术方案是：

一种配电网分布式状态估计方法，包括以下步骤：

步骤1：获取配电网中分布式电源的历史出力时间序列，基于所述配电网中分布式电源的历史出力时间序列进行Gram-Charlier级数拟合而得到预测误差概率密度函数，利用所述预测误差概率密度函数对Elman神经网络算法进行改进，利用改进后的所述Elman神经网络得到所述配电网中分布式电源出力的概率预测模型；

步骤2：根据所述配电网的拓扑结构建立衡量节点间电气距离的指标，利用所述指标并基于社区发现算法和社区合并算法对所述配电网进行分区而将所述配电网划分为若干个非重叠的子区域；

步骤3：利用所述配电网中分布式电源出力的概率预测模型获得所述配电网中分布式电源出力的概率预测结果，根据所述配电网中分布式电源出力的概率预测结果和所述配电网的分区结果，建立各个所述子区域的本地状态估计模型，基于最小二乘准则对各所述本地状态估计模型进行分布式求解，得到配电网的分布式状态估计结果。

所述步骤1中，基于所述配电网中分布式电源的历史出力时间序列进行Gram-Charlier级数拟合而得到预测误差概率密度函数的方法为：将所述配电网中分布式电源的历史出力时间序列作为预测误差序列而将Gram-Charlier级数展开，由前四阶Gram-Charlier级数展开得到所述预测误差概率密度函数：