電力系統狀態估計若干問題的研究

電力系統狀態估計是電力系統調度、控制、安全評估等方面的基礎，也是電能管理系統的核心組成部分。自狀態估計方法引進到電力系統領域后，在電力系統狀態估計涉及的各個方面，如估計準則、不良數據檢測和辨識、不良數據修正、系統可觀測性和量測配置、狀態估計計算的穩定性、帶約束條件的狀態估計方法、狀態估計的分塊和并行計算方法、配電網絡的狀態估計方法、電力系統狀態抗差估計方法、加權估計方法中權值的選擇和權函數的研究、系統參數的估計和辨識、動態電力系統狀態估計方法以及各種新技術和新理論的應用等，取得了豐碩的研究成果，大大提高了電力系統狀態估計的技術水平。同時應該看到，電力系統狀態估計的各個方面依然存在著許多尚未解決的問題，隨著技術水平的提高和對電力系統狀態估計要求的變化，電力系統狀態估計在某些方面也需要進行一定的改進。 論文的研究工作圍繞著電力系統狀態估計準則和迭代計算、大規模電力網絡分析和狀態估計、不良數據檢測和辨識、狀態運動軌跡的回歸和預測等方面展開。論文首先綜述了電力系統狀態估計的一般方法，就等效電流量測變換狀態估計、電力系統帶約束狀態估計、正交變換在電力系統狀態估計的應用進行了討論。 大規模電力系統情況下，網絡的分塊和等值是提高電力系統分析效率和實時性的有效途徑。在詳細分析研究已有等值和分塊算法的基礎上，提出了基于支路切割網絡分塊的電力系統分析算法，使大規模電力系統分析的問題可以通過若干較小規模系統的分析和協調變量的計算獲得解決，該算法具有簡單、與原有潮流計算方法兼容、易于實現分布式計算和提高對大規模系統分析計算速度的特點，仿真試驗結果表明了算法的有效性。 提出了一種基于支路切割網絡分塊的電力系統狀態估計新算法。在基于支路切割網絡分塊潮流分析計算方法的基礎上，通過支路切割，把電力系統劃分為若干較小規模的子系統，通過異步方式交替對子網絡進行狀態估計迭代。討論了算法所涉及到的參考節點問題、不良數據檢測和辨識問題和解決方案。 不良數據檢測和辨識是電力系統狀態估計的重要內容，為此提出了一種不良數據檢測和辨識新算法。現有的估計計算后進行不良數據檢測和辨識算法難以避免“殘差淹沒”和“殘差轉移”的現象，從而難以一次性地獲得最優估計結果。通過對量測量相關性與殘差相關性的分析，提出通過量測變化量相關系數對不良數據的檢測方法，仿真試驗結果表明了算法具有很好區分不良數據和突變量、一次性地檢測出多個不良數據和誤檢率低的特點。根據量測相關性、系統拓撲結構和參數，提出一種對不良數據可疑集合中量測量噪聲的估計辨識新方法。上述兩種算法的提出，形成了估計計算前對不良數據檢測、辨識和修正的一種完整算法，對確保狀態估計結果的正確性和估計效率提供了有力保證。 各種新理論和新技術的應用是促進電力系統狀態估計算法發展的途徑之一，基于支持向量機的回歸是近年來得到廣泛應用的一種統計學習理論的回歸方法，論文提出了把支持向量機回歸算法應用于電力系統狀態估計，分別以支持向量機回歸方法和最小二乘支持向量機回歸方法完成對系統狀態的一步預測，然后利用已有狀態估計算法完成系統狀態的最后迭代計算。根據電力系統運行特點，進一步提出了分別應用支持向量機回歸、最小二乘支持向量機回歸算法完成對系統有功功率、無功功率模型進行訓練，以提高模型訓練速度。根據訓練模型系統狀態量的預測，對不良數據進行檢測和辨識。仿真試驗結果表明：支持向量機回歸方法應用于電力系統狀態估計具有狀態跟蹤能力強、容噪性能好和魯棒性強的優點。