电力系统状态估计_检测及辨识

1999年10月ProceedingsoftheEPSA　October　1999

电力系统状态估计、检测及辨识

刘　浩

(山东建筑工程学院计算中心　济南)①

摘　　要本文将国内外有关状态估计理论应用在电力系统方面的研究成果,加以系统的归纳总结,提出了在电力系统状态估计方面目前存在的主要问题并提出了一些解决方法。

关键词　电力系统　状态估计　检测与辨识

1　前言

电力系统遥测设备经常受随机误差,仪表误差、现象误差之患。由这样粗糙的系统行为信息来判定系统和工况,显然是不能满足要求的。对系统状态的估计是控制的必要条件,因为要改变系统状态,首先必须知道它是处在什么状态。估计理论已被广泛的应用于飞机和宇航以及实验后的数据分析。直到六十年代末或七十年代初才发现估计理论非常适用于电力系统在线数据处理

状态估计也被称为滤波,它是利用实时量测系统的冗余度来提交数据精度的,自动排除随机干扰所引起的错误信息,估计或预报系统的运行状态(或轨迹)。迄今为止,国内外已对状态估计进行了深入的研究,提出了许多状态估计算法和检测辨识方法。

2　状态估计算法

在给定网络结线、支路参数和量测系统的条件下,根据量测值求最优状态估计值的计算方法称为状态估计算法,它是状态估计程序的核心部分,因此,状态估计算法的选择对整个状态估计程序的性能有很大影响。

电力系统状态估计算法可以分为两大类型,一种是高斯型最小二乘法的总体算法,一种是卡尔曼逐次算法。

1970年许怀丕(F.C.Schweppe)等人最早提出的电力系统最小二乘状态估计法[1]是最基本的算法,其特点是收敛性能好,估计质量高。然而由于这种算法的计算量和使用内存量都比较大,难以用以大型电力系统的实时计算中。吸取潮流计算经验而建立的快速P-Q分解算法[2]和保留非线性的快速P-Q分解算法[3],兼顾了计算速度、收敛性、使用内存和对各种量测量的适应性等方面的优点,可以看成是基本加权最小二乘法的实用形式。美国电力

①本文1998年12月29日收到

1999年第4期　　　　　电力系统状态估计、检测及辨识・37・

公司(AEP)道帕思(J.F.DOPAZO)等人提出的量测量变换状态估计算法[4～6],也属于最小二乘法的总体算法。其特点是仅用支路潮流量测值,计算速度快、使用内存少和程序简单,虽然难以处理结点注入型量测量,但并不妨碍其实用性。此法在1975年就投入了运行,积累了丰富的运行经验。另外,线性规化和非线性规划方法也在电力系统状态估计中得到应用。和最小二乘法相比,此法的计算速度慢,但其受不良数据的影响较小。

拉森(R.E.Larson)和迪波斯(A.S.Debs).等人在美国邦那维尔电力系统最早开展了卡尔曼逐次型状态估计算法的研究[7～9],由于电力系统状态量的维数较高,不得不采用对角化的状态估计误差协方差矩阵,这样虽有节约内存和提高计算速度等方面的优点,却因此降低了收敛性能和估计质量而妨碍了实用性。对于大系统,为了提高状态估计的计算速度,又提出了分区协调算法,即两级状态估计法[10]。此法目前尚处于研究阶段。

3　不良数据的检测与辨识

不良数据的检测与辨识是电力系统状态估计的重要功能之一,其目的在于排除量测采样数据中偶然出现的少数不良数据,以提高状态估计的可靠性。

目前国内外用于电力系统状态估计中的检测辨识方法有:(1)检测方法:

1)使用目标函数极值进行检测;2)用加权残差ΧΞ或标准残差ΧN检测;3)上述两种方法结合使用;4)量测量突变检测;

5)应用伪量测进行检测。(2)辨识方法1)残差搜索法(ΧW或ΧN法);2)非二次准则法;

3)零残差法——它是非二次准则法的一个发展,因此也可以归入非二次准则法一类;4)估计辨识法

检测方法与辨识方法是密切相关的。检测成功,辨识则很容易实现;检测失败则会给辨识带来困难,甚至无法辨识。所以检测方法是不良数据检测与辨识的关键。而目前所采用的检测方法均存在问题,需要进一步探讨新方法。上述前三种方法均存在残差污染和残差淹没现象。方法4)基本上能够解决残差污染和残差淹没现象,方法5),由于伪量测的应用主要增加了残差灵敏度矩阵的对角元素优势,有效地削弱了单不良数据情况下的残差污染现象和多不良数据情况下的残差淹没现象。但方法4)和5)要求在两采样间系统的结构不发生变化,且不能有突变量发生。否则,此两种方法将失效。另外,以上检测方法都是基于概率论的理论提出来的,都存在漏检概率(Pd)和误检概率(Pe)问题。

4　讨论

上面综述了电力系统状态估计算法和不良数据的检测与辨识的现状。在算法方面,随着电力系统的不断互联和扩大,提高计算速度仍然是一个需继续研究的很有实用价值的研究

・38・电力系统及其自动化学报　　　　　　　　　1999年第4期

课题。笔者认为将大系统进行分区协调处理是一个提高计算速度的有效方法。分区后的最优化问题,收敛性等问题可做进一步的研究。

不良数据的检测与辨识方面主要存在多不良数据时的残差污染和残差淹没现象。这是一大难题,目前尚没很完善的检测辨识方法。笔者认为可在以下几方面做进一步研究。

[1]

(1)状态预估与Χ;N检测相结合进行不良数据的检测与辨识

(2)用将模糊数学用于不良数据的检测辨识中[2];

(3)分区协调算法对不良数据检测辨识的影响,也可做进一步研究。由于分区后,各子

系统的规模大大减小,将有利于不良数据的检测与辨识。参考文献

1　F.C.Schweppe,etal.PowerSystemStatic-StateEstimation,Part1-3.IEEETrans.PAS,1970,:

120～135

2　H.P.Horisberger,etal.AfastDocoupledStaticState-EstimatorforElectricPowerSystem.IEEE

.PAS,1976,95:208～216Trans

3　刘浩,等.保留非线性的快速P-Q分解状态估计法.电力系统自动化,1995(1)

4　J.F.Dopazo,etal.StateCalculationofPowerSystemforlineFlowMeasurement.IEEETrans.PAS,

1970,:1698～1708

5　J.F.Dopazo,etal.StateCalculationofPowerSystemfromlineFlowMeasurement,Part2.

IEEE

～151Trans.PAS,1972,90:145

6　J.F.Dopazo,etal.TheAEPStateEstimationMonitoringandSecuritySystem.IEEETrans.PAS,

1976,95:1618～1624

7　R.E.Larson,etal.StateEsti.IEEETrans.PAS,1970,:345～mationinPowerSystem,PartI-II

363

8　A.S.Debs,R.E.larson.DynamicEstimationofTrackingtheStateofaPowerSystem.IEEETrans.

～1678PAS,1980,:1670

9　A.S.Debs,etal.on-lineSequentialStateEstimationforPowerSystemproc.4thpssc3.317,197210　刘浩,等.保留非线性的电力系统两级状态估计法.电力系统及其自动化学报,1997(2)

11　A.M.leiteDasilva.AnefficientStateEstimatimAlgorithmincludingBadDataProcessing.IEEE

Trans.onpowersystem,1987,PWRS-2(4)

12　刘浩,等.模糊数学在状态估计不良数据检测辨识中的应用。电力系统及其自动化学报,1996(3)