[发明专利]智能配电网抗差动态状态估计方法

权利要求书

1.一种智能配电网抗差动态状态估计方法，其特征在于，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；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。

2.根据权利要求1所述的智能配电网抗差动态状态估计方法，其特征是，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。

3.根据权利要求1所述的智能配电网抗差动态状态估计方法，其特征是，所述的静态抗差状态估计，通过建立静态抗差状态估计模型并利用内点法求解抗差估计问题得到最优解，该静态抗差状态估计模型为：其中：J(x)为优化目标函数，x为系统状态量，r_i为残差向量中的第i个元素，w_i为对应的权重，对应的约束为直角坐标系变量和极坐标系变量之间的二次约束关系，与残差向量的定义约束，L_δ为预设抗差损失函数，所得的最优解对应系统各状态量的最优估计值。

4.根据权利要求3所述的智能配电网抗差动态状态估计方法，其特征是，所述的抗差损失函数，采用绝对值损失函数、Huber损失函数或Pseudo-Huber损失函数，其中：绝对值损失函数为L_δ(e)＝|e|，Huber损失函数为Pseudo-Huber损失函数为其中：r为残差向量，δ为可调整的参数。

5.根据权利要求1所述的智能配电网抗差动态状态估计方法，其特征是，所述的利用μM-PMU和SCADA量测量共同形成全量测模型是指：其中：μM-PMU和SCADA量测变量的集合h(x)为所形成的全量测模型，具体为从系统的状态变量至量测变量的函数映射，v为量测误差，为量测量中直角坐标系变量和极坐标系变量之间的二次约束关系。

6.根据权利要求1所述的智能配电网抗差动态状态估计方法，其特征是，所述的线性量测模型，其紧凑形式为：其中：μM-PMU量测变量的集合H为由μM-PMU量测变量和系统状态量根据物理量关系共同决定的实数矩阵，为量测量中直角坐标系变量和极坐标系变量之间的二次约束关系。