[发明专利]基于切换系统模型的电力系统融合状态估计方法

说明书

本发明公开了一种基于切换系统模型的电力系统融合状态估计方法，包括以下步骤：建立切换系统的两个子系统动态模型；根据同步相量测量单元的新息值建立切换规则；在不同时间尺度上，基于各量测子集分别进行卡尔曼滤波；根据最优融合估计理论，融合基于不同量测子集的估计结果并进入下一个采样周期。本发明通过切换系统模型的建立，提升了状态估计算法的适应性，并且采用融合状态估计的方式相对于单模型估计器方式和静态估计器方式，使得本发明在估计误差、收敛速度和计算时间上更具有优势。

技术领域

本发明涉及电力系统控制领域，具体涉及一种基于切换系统模型的电力系统融合状态估计方法。

背景技术

状态估计一直作为现代电力系统监控和规划的基本组成之一，监测全网的状态并支撑能量管理系统(EMS)完成对电力系统的近实时建模、最优化潮流以及不良数据检测与辨识等任务。电力系统状态估计的建模与求解，长期以来的传统做法是将采集到的已知量测与待求系统状态建模为静态模型，并通过加权最小二乘的方法来求解，以期获得全网在某个时间截面的运行状态。由于其快速收敛和易于实施的优点，此类方法被广泛应用于全球范围内各大电力系统的EMS中。然而静态状态估计器忽略了电力负荷的动态特性，完全依赖当前时刻的采样量测来获取系统状态，因此不具备状态预测的能力，可是预测的状态对于电力机构而言同样具有重要的现实意义。另一方面，分布式发电高渗透率的引入，增强了电力系统潮流的随机性，时而快变时而慢变的系统状态有别于以往认为的准稳态，增加了电系统状态估计的建模难度。

此外，随着测量技术的发展，越来越多的高级量测设备如相量测量单元配置到电力系统中，高精度的量测设备大大减少了状态估计误差。但受限于成本，此类设备往往不会大量配置，仅基于相量测量单元的状态估计器通常是系统不可观的。另一方面，相量测量单元的采样频率较高，如何融合高采样频率的相量测量单元量测和低采样频率的传统量测也是一大难点。

发明内容

发明目的：为了克服现有技术中存在的不足，提供一种基于切换系统模型的电力系统融合状态估计方法，不但提升了状态估计算法的适应性，实现了基于相量测量单元和基于传统量测的融合估计。

技术方案：为实现上述目的，本发明提供一种基于切换系统模型的电力系统融合状态估计方法，包括以下步骤：

S1：建立适应电力系统状态慢变的子系统动态模型I：

x_k+1＝x_k+w_k

建立适应电力系统状态快变的子系统动态模型II：

x_k+1＝x_k+J^-1(u_k+1-u_k)+J^-1e_k

其中x_k+1、x_k分别表示在k+1和k时刻的系统状态，J是电力潮流的雅各比矩阵，u_k+1、u_k分别表示在k+1和k时刻的系统输入，w_k、J^-1e_k分别表示两个子系统的建模误差；

S2：根据相量测量单元的新息值建立系统切换规则：

其中α代表所选择的子系统模型，z_p(k)表示相量测量单元在k时刻的量测值；

S3：在不同时间尺度上，基于各量测子集分别进行卡尔曼滤波：

S4：通过步骤S3在获得基于各量测子集的估计状态和对应的误差协方差矩阵之后，根据最优线性融合估计理论，融合基于各量测子集的估计结果。