本發明屬于電力系統技術領域，涉及一種基于混合量測的配電網動態狀態估計方法。

背景技術：

PMU由于采集量測數據快、量測數據精度高等優點，正逐步應用于配電網。動態狀態估計可以提前估計下一時刻的狀態，能為優化調度和預防控制提供預報數據，能為配電網運行狀態進行準確而全面的實時監測。然而大多數的基于PMU的配電網動態狀態估計研究都停留在純PMU系統，由于目前全網配置PMU的不經濟性，這些研究大多缺乏現實意義。

現有的壞數據的檢測與辨識方法，大多是在假設系統拓撲結構正確的前提下進行檢測與辨識的，而系統拓撲錯誤辨識是在假設量測系統正常、無壞數據的情況下進行辨識的。當系統量測量突然變化與壞數據同時發生以及網絡拓撲錯誤和壞數據同時發生，原有方法將不再適用。

技術實現要素：

為實現上述目的，本發明提供一種基于混合量測的配電網動態狀態估計方法，將動態狀態估計應用于混合量測，提高狀態估計的精確度，同時引入一種具有適應性的數據檢測機制，提高動態狀態估計的準確性，解決了現有技術中存在的問題。

本發明所采用的技術方案是，基于混合量測的配電網動態狀態估計方法，具體按照以下步驟進行：

步驟1，讀取配電網當前網絡參數和網絡拓撲結構，并由此形成節點導納矩陣和支路-節點關聯矩陣。

步驟2，讀取配電網各節點的SCADA數據和PMU數據，配置兩種數據間的映射關系并處理兩種數據間的差異；

步驟3，建立與PMU/SCADA混合量測相適應的狀態轉移方程和測量方程；

步驟4，在傳統的擴展卡爾曼濾波方法中加入容錯機制，采用改進的擴展卡爾曼濾波方法對配電網進行狀態估計。

進一步地，步驟2中，配置SCADA數據和PMU數據間的映射關系包括以下步驟：

依此讀入各PMU設備的通道序號、通道類型、通道名稱、通道值類型、相量序等類型數據；選擇與之硬件標識對應的廠站，得到廠站ID、廠站名稱、拓撲名稱、設備類型ID、設備類型、設備ID和設備名稱等類型數據；將當前PMU設備的各種類型數據與與之通道類型對應的SCADA數據的各類型數據對應完全。

進一步地，步驟2中，在處理SCADA數據和PMU數據兩種數據間的差異中，應用于狀態估計的PMU數據和SCADA數據主要有以下4種差異：數據成分、數據時間斷面、數據精度、數據刷新頻率。PMU數據和SCADA數據這兩套數據成分不同可以通過混合模型的狀態估計解決；數據時間斷面不一致的問題，通過時延校正法實現其兼容性；對不同精度的測量數據賦予不同的權重可以實現數據精度的兼容性；針對數據刷新頻率方面的差異，采用適當的數據預測方法對SCADA數據進行預測使兩種數據頻率一致。

進一步地，步驟3中，建立與PMU/SCADA混合量測相適應的狀態轉移方程，采用Holt’s兩參數線性指數平滑法建立：

F_k＝α(1+β)I

b_k＝β(a_k-a_k-1)+(1-β)b_k-1

式中：F_k為狀態轉移矩陣，G_k為控制向量；I為單位矩陣；a_k為k時刻的水平分量，a_k-1為k-1時刻的水平分量，b_k為k時刻的傾斜分量，b_k-1為k-1時刻的傾斜分量；為k時刻的狀態估計值，為k時刻的狀態預測值；α,β∈[0,1]為平滑參數，取α＝0.5，β＝0.8。

進一步地，步驟3中，建立與PMU/SCADA混合量測相適應的測量方程，按照以下步驟進行：

在SCADA系統的基礎上加入PMU數據，形成混合量測，SCADA系統可以測得實時量測值P_i(x)，Q_i(x)，P_ij(x)，Q_ij(x)，其中P_i(x)，Q_i(x)表示節點注入有功、無功功率與狀態向量的關系，P_ij(x)，Q_ij(x)表示輸電線路有功、無功功率與狀態向量關系，卻不能測得節點電壓幅值和相角，而PMU數據可精確測得節點電壓幅值和相角，它所測得數據可以直接參與狀態估計，為了更好地滿足實時在線需求，將PMU的各種量測向量轉換成節點電流向量，相應的節點電流向量為：

式中：P_i、Q_i為節點注入功率量測；P_ij、Q_ij為支路電流幅值量測；I_ij為支路電流幅值量測；I_i為節點注入電流量測；e_i、f_i分別為i側的節點電壓實部和節點電壓的虛部，i、j為節點編號。

進一步地，步驟4中，加入數據檢測機制的步驟為：

定義量測誤差：

式中：r_i(k)為i節點的量測誤差，z_i(k)為i節點的量測值，為i節點的量測估計值。

標準化量測誤差：

式中：為i節點的標準化量測誤差，σ_i(k)為i節點的量測標準差。

選取適當的閾值β對數據好壞進行判斷。當時，可判定該量測值有效，可用于電力系統狀態預測；當時，則該量測值無效，應舍棄，用估計值代替測量值對電力系統狀態進行監測。β的取值影響數據檢測的準確度，應根據實際系統適當選擇。

進一步地，步驟4中，改進的擴展卡爾曼濾波方法，包括：

預測步：

測量更新步：

式中：

為k+1時刻的狀態預測值，x_k為k時刻的n維狀態向量，f(x_k)為非線性狀態轉移函數，q_k為k時刻的n維誤差向量，服從均值為零的正態分布，即q_k～N(0,Q_k)，Q_k為k時刻的n×n維誤差方差矩陣，P_k+1|k為k+1時刻的預報誤差協方差矩陣，F_k是k時刻的n×n維的狀態轉移函數，是k時刻的狀態轉移函數的轉置，P_k為k時刻的估計誤差協方差矩陣，P_k+1為k+1時刻的估計誤差協方差矩陣，ε_k+1為誤差矩陣，z_k+1為k+1時刻的m維量測向量；為非線性量測函數，r_k為k時刻的m維量測誤差向量，服從均值為零的正態分布，即r_k～N(0,R_k)，R_k為k時刻的m×m維量測誤差方差矩陣，K_k+1為增益矩陣，為k時刻m×m維量測矩陣的轉置，H_k+1為k+1時刻的m×m維量測矩陣，為k+1時刻m×m維量測矩陣的轉置，R_k+1為k+1時刻的m×m維量測誤差方差矩陣，為k+1時刻的狀態估計更新值；為k+1時刻的估計誤差協方差矩陣，I為單位矩陣，m、n分別為系統的量測量數目和狀態變量數目。

本發明的有益效果：精確度高，基于SCADA/PMU混合量測數據，為系統提供更加準確的量測信息，同時融入一種具有適應性的數據檢測機制，能夠及時的檢測不良數據，為控制決策中心進行經濟調度、安全評估和其它相關的高級應用提供數據支持，對于未來智能電網建設具有很重要的意義。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1是本發明實施例的流程圖。

圖2是本發明實施例10kV市中Ⅳ線拓撲結構圖。

圖3是一系統節點電壓測試結果。

圖4是一系統節點相角測試結果。

具體實施方式

下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例?；诒景l明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。

實施例

(1)讀取配電網當前網絡參數和網絡拓撲結構，并由此形成節點導納矩陣和支路-節點關聯矩陣。

本實例以圖2所示江西省共青城10kV配電線路中的市中Ⅳ線為例進行仿真，在節點3、8、9、10、25配置了PMU。

(2)讀取配電網各節點的SCADA和PMU實時量測值，配置兩種數據間的映射關系并處理兩種數據間的差異。

(3)建立與PMU/SCADA混合量測相適應的狀態轉移方程和測量方程。

(4)在傳統的擴展卡爾曼濾波方法中加入數據檢測機制，采用改進的擴展卡爾曼濾波方法對配電網進行動態狀態估計。

此外，為了更好的體現本發明所提到的數據檢測機制的性能，將噪聲加入到量測數據中，觀察動態狀態估計效果。結果如附圖3、圖4所示，可以很明顯地看出，改進型的擴展卡爾曼濾波(Extend Kalman Filter，EKF)能更好地濾除噪聲，更加真實地反映配電網狀態。

綜上，本發明能利用來自SCADA和PMU的量測數據實時快速地追蹤預測電網各節點運行狀態(電壓幅值和相角)，并且估計精度高，能夠及時的檢測不良數據，為控制決策中心進行經濟調度、安全評估和其它相關的高級應用提供數據支持，對于未來智能電網建設具有很重要的意義。

以上所述僅為本發明的較佳實施例而已，并非用于限定本發明的保護范圍。凡在本發明的精神和原則之內所作的任何修改、等同替換、改進等，均包含在本發明的保護范圍內。