[发明专利]一种基于实时测量的电网参数偏差识别方法

摘要

一种基于实时测量的电网参数偏差识别方法：1、根据电网实时测量数据和状态估计计算解，判断电网参数是否存在大误差；2、选择可疑参数目标，依据母线功率平衡的原则，确定与可疑参数强关联的实时测量状态良好，数据可信；3、对状态良好数据可信的相关实时测量构建子目标函数；4、设定参数偏差范围，让参数在范围内变动，运行状态估计，计算相关实时测量子目标函数值，直至子目标函数值达最小；5、另选其他实时断面数据乃至历史断面数据，再次进行参数偏差识别，若多次参数识别误差值稳定则取多次识别参数偏差的平均值作为该参数的最后误差修正值。应用本发明可实现电网参数偏差的在线监视和在线校正，对电网分析和电网安全生产有积极意义。

主权项

1.一种基于实时测量的电网参数偏差识别方法，包括以下步骤：S1利用电网实时测量数据进行状态估计计算，若计算解中某些测量数据成为坏数据，但这些测量数据所在母线的功率平衡，则说明数据良好，初步认定坏数据是电网参数偏差引起；所述的坏数据指：测量数据与估计值计算解的偏差大于或等于某个门槛值：对有功功率测量坏数据判别门槛值为10MW，对无功功率测量坏数据为10MVAR；所述的实时测量数据由EMS/SCADA提供，状态估计计算解采用经典加权最小二乘算法，具体如下，电网的观测方程可表示为：Z＝h(X)+v    (1)式中Z为m维测量向量，X为n维母线电压向量，ν测量残差，h为测量和电压的观测关联；目标函数J(X)=[Z-h(X)]^TR^-1[Z-h(X)]    (2)趋于极小值获得最后估计解即有式中阶雅可比矩阵，而R＝E[vv^T]为测量残差期望值，是测量量权重的倒数；测量坏数据的检测与识别采用基于残差灵敏度矩阵的再估计识别算法，假设测量系统中存在k个坏数据，是k个坏数据的真实集合，是k个坏数据的任意集合，则有S2在状态估计识别出测量坏数据，而这些坏测量数据依据母线功率平衡原则判定是可信的好测量数据之后，将可疑目标锁定在与坏测量关联的电网参数上：在可疑的电网参数中依据测量坏数据的性质选择一个目标：参数相同的并行双回输电线路，若两条线路有功功率测量数据相同且都是好测量数据，则线路电抗参数排除可疑，两条线路无功功率测量数据不相同且出现坏测量数据，则线路电阻参数可疑，对线路电阻参数偏差进行识别；S3对与可疑参数强相关的实时测量数据建立子目标函数：子目标函数J_s(X)如下：Js(X)=[Zs-hs(X)]TRss-1[Zs-hs(X)]---(5)]]>式中Z_s为s维相关测量向量，X为n维母线电压向量，h_s为相关测量和电压的观测关联；S4在给定的数值范围内变动可疑电网参数，反复进行状态估计直至子目标函数值达到最小：设定该电网参数的变动范围，分步调整该电网参数，按式(2)、(3)进行状态估计，按式(5)计算子目标函数，当子目标函数获得最小值时该电网参数值即为参数的估计值；S5应用其他实时断面数据进行参数偏差识别，取至少5次估计的平均值作为该参数的最后修正值：为确保分析结果的稳定性，需要应用包括历史断面数据在内的至少5个断面数据进行参数偏差识别，验证计算解的稳定性；若多次参数识别误差值稳定则取多次识别参数偏差的平均值作为该参数的最后误差修正值，完成参数偏差识别全过程；若参数识别误差值不稳定，说明状态估计识别的坏测量并非该参数偏差引起，参数偏差识别过程停止。