[发明专利]基于改进的广义极大似然估计的配电网状态估计方法

说明书

基于改进的广义极大似然估计的配电网状态估计方法，考虑到基本加权最小二乘估计法需要增加不良数据辨识程序的复杂性，采用GM估计来增强估计模型的鲁棒性。通过对GM估计中目标函数所用权函数进行分析与改进，以及自适应映射统计值的使用，将改进GM估计法用于状态估计中。考虑到传统量测系统与相量量测系统在测量通道以及仪表采样速率方面技术不同的特点，在传统状态估计器的基础上充分利用相量量测数据对两个不同的估计模块进行状态估计。利用多传感器数据融合理论对得到的估计结果进行融合处理，从而得到最优估计值。基于改进的IEEE 14节点配电网系统进行仿真分析，验证了所提改进GM估计和估计融合体系的有效性和可靠性。该方法可有效改善状态配电网估计的精度。

技术领域

本发明涉及配电网状态估计领域，具体涉及一种基于改进的广义极大似然估计的配电网状态估计方法。

背景技术

随着各种分布式电源与电动车充电负荷大规模接入配电网，配电网的结构和运行状况日益复杂。配电网状态估计在配电管理系统中处于基础性地位，其结果能够为配电管理系统中最优潮流、无功优化以及各种高级应用提供可信的数据。状态估计是滤波的一种方法，它利用量测系统的冗余信息，提升量测数据的精度，排除不良数据的干扰，可靠估计系统运行状态。状态估计的量测数据主要源于数据采集与监视控制(SCADA)系统提供的远程终端单元RTU测量数据，一般包括节点注入功率、支路功率和节点电压幅值，数据传输时延长、精度低。

近年来，以相量测量单元(PMU)为基础的广域测量系统提供的高精度量测数据，因其传输时延小、数据精度高、且能够直接测量节点电压、支路电流相量等优点，在状态估计中的应用受到了极大的关注。面对两套量测系统在测量通道以及测量数据在数据成分、数据精度和数据刷新频率等方面存在不同特点。传统的处理方法是将SCADA与PMU系统的量测数据进行等效变换，以扩大量测冗余进行集中式状态估计。另一方面，传统加权最小二乘法(WLS)对于状态估计中的不良数据还需额外增加辨识程序，增加了计算的复杂性。因此，寻求一种有效而又可靠的方法研究配电网状态估计问题，就显得尤为重要。

发明内容

针对配电网状态估计中不同量测系统及其量测数据在数据成分、数据精度以及刷新频率等多方面存在异同。在保证传统状态估计器结构的前提下，本发明提出了一种基于改进的广义极大似然估计的配电网状态估计方法，同时将改进的广义极大似然估计与估计融合体系相结合，用以估计系统节点电压幅值与相角，较基本加权最小二乘估计方法具有一定的鲁棒性，可有效改善状态估计的精度。

本发明采取的技术方案为：

基于改进的广义极大似然估计的配电网状态估计方法，首先，考虑到基本加权最小二乘估计法需要增加不良数据辨识程序的复杂性，采用GM估计来增强估计模型的鲁棒性。通过对GM估计中目标函数所需权函数进行分析与改进，以及自适应映射统计值的使用，将改进GM估计法用于状态估计中；其次，考虑到传统量测系统与相量量测系统在测量通道以及仪表采样速率方面技术不同的特点，在传统状态估计器的基础上充分利用相量量测数据，对两个不同的估计模块进行状态估计；同时，利用多传感器数据融合理论MDF对得到的估计结果进行融合处理，从而得到最优估计值。最后，基于改进的IEEE 14节点配电网系统进行仿真分析。

基于改进的广义极大似然估计的配电网状态估计方法，包括以下步骤：

步骤1：区别于传统基本加权最小二乘估计方法，采用广义极大似然估计准则，建立目标函数；

步骤2：对广义极大似然估计方法中目标函数所需权函数进行分析和改进，以及自适应映射统计值的使用，将改进的广义极大似然估计方法用于配电网状态估计中；

步骤3：考虑传统量测系统与相量量测系统的不同技术特点，对不同估计模块进行状态估计，利用多传感器数据融合理论，对得到的估计结果进行融合处理，从而得到最优估计值；

步骤4：将改进的广义极大似然估计和估计融合体系相结合，用于配电网状态估计中，在改进的IEEE 14节点配电网系统上进行仿真分析。