[发明专利]一种电力系统动态状态估计多时段滚动优化方法

说明书

本发明公开了一种电力系统动态状态估计多时段滚动优化方法，该方法基于多时段量测数据，建立动态状态估计滚动优化模型；模型包含系统k个时刻量测数据，当前时刻量测数据上传后，替代模型中最早时刻量测数据，然后计算出计算权重，再执行估计计算，得到估计结果，模型随采样时刻更新不断更新，实现电力系统动态状态估计的多时段滚动优化。该方法以残差一范数最小为目标函数，不需系统先验分布信息，且优化时段长度k可根据实际需要动态调整，其估计结果可为电力系统在线和离线稳定分析等应用提供数据支撑。

技术领域

本发明实施例属于电网优化领域，具体而言，涉及一种电力系统动态状态估计多时段滚动优化方法。

背景技术

电力系统静态状态估计是EMS的核心功能之一，一直受学术界和电力工业界的普遍重视，然而，随着PMU的广泛应用，电力系统动态状态估计逐渐得到关注。目前，电力系统动态状态估计主要是基于扩展卡尔曼滤波原理的各类递推估计算法，其特点是：须假设误差满足高斯分布。但在电力生产实际中，量测误差分布往往不确定且不服从这一分布，因而导致基于扩展卡尔曼滤波原理的估计方法结果不准确，甚至发散。因此，摒弃量测误差分布假设条件，研究对量测误差具有强鲁棒性的电力系统动态状态估计方法是十分必要的。

发明内容

本发明针对现有技术中的不足，从多时段优化的角度，提出一种电力系统动态状态估计的滚动优化方法。

为实现上述发明目的，本发明采用了以下技术方案：

步骤1，初始化系统变量x，时刻权重w_t，以及时段长度k，读取时段长度k中的量测数据，基于量测数据，建立动态状态估计滚动优化模型。本文中所述的量测数据均为PMU量测数据。

步骤2，分析当前网络拓扑结构，读取系统参数，确定各量测量对应的量测方程，删除最早时刻量测数据与变量，用当前时刻量测数据和变量代替，使步骤1建立的模型随系统动态变化而实时更新；

模型随系统动态变化而实时更新的更新特征如下：

对任意时刻t原模型为：

s.t z^k-h(x_k)＝v_k

g(x_k,x_k-1)＝v_ck

z¹-h(x₁)＝v₁

g(x₁,x₀)＝v_c1

上式中，下标k代表当前时刻数据，也代表了估计时段长度，v_z和v_c为残差向量，z为量测向量，h(x)为与z对应的量测函数，g为差分方程，为i时刻量测误差权重；w^ci为i时刻差分误差权重，做如下更新：

系统变量：

量测约束：

z^k＝[z¹ z² … z^k]→z^k+1＝[z² z³ … z^k+1]

更新内容为，x_k和z^k中第一列为删除量，x_k+1和z^k+1中最后一列为添加量，n表示发电机台数，x_k+1和z^k+1分别表示t+1时刻的系统变量和量测量。