电力系统状态估计调试方法研究
电力系统状态评估与控制分析研究

电力系统状态评估与控制分析研究随着全球经济的发展和人们对能源需求的增长,电力系统的可靠性和稳定性成为保障国家经济和人民生活的重要因素。
电力系统状态评估与控制分析是为了保证电力系统的正常运行,有效控制电力系统中的电压、频率等参数,从而提高电力系统的运行效率和稳定性,满足广大人民对能源的需求。
评估电力系统的状态是为了及时了解电力系统的实际运行情况,发现潜在的问题,进行安全评估和风险分析,以减少电力系统故障和事故的发生。
电力系统状态评估包括对电力设备、电力负荷、电力供应和电力质量等进行全面的监测和分析。
通过电力系统状态评估,可以了解电力系统的负荷情况,预测负荷的变化趋势,从而调整电力系统的运行策略,保证电力系统的稳定供电。
控制分析是在电力系统状态评估的基础上,采取相应的控制策略和技术手段,对电力系统的电压、频率和功率等参数进行调节和控制,以保持电力系统的稳定性和可靠性。
电力系统控制分析包括发电机调速控制、线路功率控制、系统频率控制等。
通过控制分析,可以及时发现电力系统中的不稳定因素和故障源,并进行快速干预和控制,避免故障扩大化造成更大的损失。
在电力系统状态评估与控制分析研究中,关键技术是电力系统仿真和智能决策。
电力系统仿真是通过建立电力系统的数学模型,模拟电力系统运行的各种情况,评估电力系统的稳定性和灵活性,为电力系统的运行决策提供参考。
智能决策是利用人工智能和大数据分析等技术,对电力系统的各种数据进行处理和分析,快速判断电力系统的状态和问题,并提出相应的解决方案。
除了技术手段,电力系统状态评估与控制分析还需要合理的管理和运行机制。
电力系统是一个庞大的复杂系统,需要各个环节之间的协调与配合。
因此,建立健全的电力系统管理体系,制定科学的运行规程和操作规范,提高电力系统的运行效率和安全性至关重要。
电力系统状态评估与控制分析研究的目标是实现电力系统的可持续运行和高效供电。
通过评估系统状态和分析系统控制,可以及时发现和解决问题,保证电力系统的稳定性和可靠性。
提高电力系统状态估计合格率的调试方法分析

络 结构、元件参数和量测等各个方面 ,通过综 取一些合理 的措施 ,保障 电力 自动化调试系 统
合格率 的调试 ,把 有效的电能进行合理分配应 合分析和调试 ,从 而达 到应有 的效果 。 用到现实 中,能够提 高电能的利用率, 电网调
度 自动化 的系统 的应用进 一步解 决了现实中出 现的一些 问题 。因此 ,对提 高电力系统状态估 计合格率的调试方法 的探讨有其必要性 。
3 . 1 调 试 原 理
2状态估计从发散到收敛的调试方法
电力系 统 电网状 态估计 调试总 的指导
当今 社会 生产 力 的发展 , 电能成为 各项 着重要 的影 响。而通过提高 电力系统状态估计
原 由 是 无 论 是 状 态 估 计 是 否 收 敛 ,都 不 要 急 于
能源 中位居首要位置的地位,在社会发展 中起 从 调试,而要立足于整个系统的高度 ,结合网
1加强电网状态估计调试研究的必要性
电网状态 估计 调试 因素 是保 障 电力调度 自动化系统 中安全运行 的一个重要 的因素,因 为电力系统中的 电网状态估计调试 ,都要服从
境的漏洞 , 成为 电力系统中很重要的一个 因素,
的方 面。通 常 电力调 度数 据 网平 台、VP N和
过按时间的小时来 电网状态估计调试,或者是 者是人们在 电网状态估计 调试 中应用最 多的电
电力系 统发 散到 收敛 主要 体现 两方面 的 问题 ,第 一,发散调 试对电力系统的控制, 电 力 调动 自动 化系 统主要 是靠 we b网络 服务 器 身份和密码 的登录 ,当与外界 隔离措施做 的不 好时 ,发散调试会趁虚而入进入系 统,破坏 系 统 。第二 ,电力调度 自动化系统在进行数据传 输时 ,需要接入外部 的网络 ,外部 网络上 的病 毒就有可能对 电力 自动化系统进行感染 ,造成 电力 自动化调试系统的破坏,导致系统的崩溃 瘫痪,这里就需要通过调试,将迭代信息进行
电力系统状态估计算法研究与应用

电力系统状态估计算法研究与应用引言:电力系统状态估计是电力系统运行和调度中的重要步骤,通过利用测量值和系统模型,对电力系统中摄入或虚拟功率进行估计,从而获得电力系统的各个节点的电压、功率等重要信息。
准确的状态估计结果对于电力系统的安全、稳定和经济运行起着关键作用。
本文将研究电力系统状态估计的算法以及在实际应用中的优势与挑战。
一、电力系统状态估计的算法1. 扩展卡尔曼滤波算法 (EKF)扩展卡尔曼滤波是一种基于贝叶斯滤波原理的状态估计算法,通过线性化非线性系统模型来实现状态估计。
在电力系统状态估计中,EKF可以有效地处理非线性的功率流方程,提供较为准确的状态估计结果。
2. 最小二乘算法 (LS)最小二乘算法是通过最小化残差平方和来获得最优解的一种优化算法,常用于电力系统状态估计中。
通过构建电力系统的线性化模型,并利用测量值与估计值之间的残差来优化状态估计结果。
3. 改进的粒子滤波算法 (PF)粒子滤波算法在电力系统状态估计中具有广泛的应用,它通过采样和重采样过程来近似状态后验概率分布,从而获得状态估计结果。
改进的粒子滤波算法结合了传统粒子滤波算法和其他优化方法,能够在保持较高估计精度的同时降低计算复杂度。
4. 雷诺兹平滑算法 (RS)雷诺兹平滑算法是一种基于最优控制理论的状态估计算法,通过最小化状态估计误差的二次范数,在时间和空间上对状态变量进行平滑操作。
雷诺兹平滑算法在电网状态估计中具有较好的平滑效果,能够削弱测量误差对状态估计结果的影响。
二、电力系统状态估计算法的应用1. 电力系统运行监测与调度电力系统状态估计的主要应用领域之一是电力系统的运行监测与调度。
通过实时获取电力系统各个节点的状态估计值,可以对电力系统的电压、功率等重要参数进行监测和预测,确保电力系统的安全、稳定运行。
2. 输电线路参数估计电力系统中输电线路的参数估计对于输电线路的运行和维护具有重要意义。
通过结合电力系统状态估计算法,可以利用实时的测量数据和电网模型,估计输电线路的补偿电容、电感和电阻等参数,为输电线路的运行管理提供决策支持。
电力系统状态估计与优化控制技术研究

电力系统状态估计与优化控制技术研究随着电力系统规模的不断扩大和负荷需求的急剧增加,电力系统的稳定性和经济性成为了当前研究的热点问题之一。
为了保证电力系统运行的安全和高效,状态估计与优化控制技术应运而生。
电力系统状态估计是指通过测量数据和模型,利用数学和统计方法来估计电力系统中各个节点的状态量。
状态量包括电压、相角、功率等重要参数,其精确与否直接影响着电力系统的稳定性和可靠性。
状态估计技术基于潮流方程和测量数据,通过最小二乘估计、Kalman滤波等算法,利用正向和逆向潮流计算得到电力系统各节点的状态量。
优化控制技术则是通过优化算法,通过调整电力系统中各个元件的性能和操作参数,以实现电力系统运行的经济性和稳定性。
这些元件包括发电机、变压器、线路、负荷等,通过调整其功率、电压、相角等参数来满足电力系统的需求。
优化控制技术主要包括最优潮流计算、最优功率流计算、最优经济调度等。
电力系统状态估计与优化控制技术的研究针对以下几个方面进行。
首先,电力系统状态估计技术在电力系统运行中起着关键作用。
通过准确估计电力系统中各节点的状态量,可以实现对电力系统实时运行状态的监测和评估。
同时,状态估计也是电力系统故障检测和定位的重要基础,通过分析测量数据与模型预测值的差异,可以及时发现电力系统中的故障点,并做出相应的处理措施。
其次,优化控制技术可以最大程度地发挥电力系统各元件的使用效益。
通过对电力系统中不同元件的性能和操作参数进行调整,可以降低电力系统的运行成本,并提高其经济性。
此外,优化控制技术还可以实现对电力系统负荷和需求的合理调度,提高电力系统的供电能力和电能利用率。
针对以上问题,当前的研究主要集中在以下几个方面。
首先,要进一步完善电力系统状态估计的数学模型。
电力系统是一个复杂的非线性系统,状态量之间存在相互影响和耦合的关系。
因此,建立准确的数学模型,能够更好地描述电力系统的运行状态。
同时,为了提高状态估计的准确性和稳定性,还需要对数据质量进行有效的处理和分析。
电力系统状态估计算法的研究与实现

电力系统状态估计算法的研究与实现电力系统是现代社会中不可或缺的基础设施,它保障了电力的稳定供应和能源的有效利用。
在日常运行中,电力系统的状态估计是其中至关重要的一项任务。
状态估计是指通过对电力系统的测量数据进行处理和分析,推断出系统中各个节点的电压幅值、相位角等参数,用于辅助运维人员实时监控和控制电力系统。
本文将探讨电力系统状态估计算法的研究与实现问题。
1. 状态估计的基本原理电力系统状态估计的基本原理是根据一组测量数据和电力系统的拓扑结构,利用数学模型和算法推断出每个节点的电压振幅和相位角。
常用的状态估计算法包括最小二乘估计法、Kalman滤波法和基于人工智能的方法等。
最小二乘估计法是最常见的状态估计方法之一,它假设系统满足高斯误差分布和线性模型,通过最小化实测值和预测值之间的误差平方和,推导出最优估计值。
Kalman滤波法是一种递推算法,它利用系统的状态空间模型和观测数据,通过预测和更新步骤,不断修正状态估计值。
Kalman滤波法最大的优势是能够处理非线性系统和非高斯噪声,适用于复杂的电力系统状态估计问题。
基于人工智能的方法是近年来的研究热点,它利用神经网络、遗传算法等技术,通过大量的训练数据和自适应学习过程,建立非线性的状态估计模型。
相比传统方法,基于人工智能的方法通常能够取得更高的估计精度和鲁棒性。
2. 状态估计算法的实现状态估计算法的实现涉及到测量数据的采集、数学模型的建立和算法的求解等多个环节。
首先,需要从电力系统中采集到足够多的测量数据,包括各个节点的电流、电压以及系统中的潮流数据等。
测量数据的准确性和完整性对于状态估计的效果至关重要。
其次,需要建立电力系统的数学模型。
电力系统可以用节点注入复功率法来建模,它将系统看作是电力节点之间相互联系的复功率注入源和复功率负载。
基于该模型,可以建立状态估计问题的数学描述,并引入适当的约束条件。
在模型建立之后,需要选择合适的解算算法来求解状态估计问题。
电力系统状态估计方法的研究与应用

电力系统状态估计方法的研究与应用随着现代化社会的不断推进,电力的重要性与日俱增。
电力系统状态估计是电力系统运行中的一个重要环节,它是对电力系统中数据的处理、分析和综合评估的过程。
该方法可以反映电力系统的运行状态,并对系统的控制和保护提供重要指导。
在这篇文章中,我们将探讨电力系统状态估计方法的研究与应用。
一、状态估计的概念及意义电力系统的状态估计是指通过一系列模型和算法,对系统中的电量、电压、电流等多种参数进行估计。
该方法是电力系统自动化的核心技术之一。
电力系统状态估计的主要目的是准确地反映系统的运行状态,并提供准确的数据支持,为系统的控制和保护提供依据。
状态估计对电力系统的运行与管理非常重要。
它可以帮助监测系统的实际运行情况,及时检测异常,为运行决策和控制提供依据。
此外,状态估计还对电力系统的高效运行、优化计算、故障诊断等方面具有重要的意义。
二、电力系统状态估计方法电力系统状态估计方法的主要任务是将电网中的测量参数和历史数据处理成电网变量,以便对电网的当前状态进行判断和评估。
一般来说,状态估计主要分为三个部分: 数据处理、模型建立、最优化求解。
1. 数据处理数据处理主要是对电网中的实时测量数据进行滤波、校正、处理和配准。
为保证线路中断电、数据缺失、数据错误等情况不会影响状态估计过程的准确性,估计结果的精度和可靠性。
在数据预处理中,主要包括数据滤波、数据校正、数据配准等方面。
2. 模型建立模型建立是状态估计的关键,它主要是研究电力系统的物理模型和电路方程。
物理模型一般包括电力系统节点模型、线路模型、变压器模型、发电机模型、负荷模型等。
3. 最优化求解最优化求解是状态估计的数学基础,它是基于模型方程的优化求解问题,它是通过在一定的约束条件下,求解能让所有的量测误差最小的变量状态解。
在状态估计中,最优化求解部分一般使用线性规划法、非线性规划法或者二次规划法等优化方法。
三、电力系统状态估计的应用电力系统状态估计的应用越来越广泛,它主要应用于电网调度、电力市场、电网故障诊断、电力安全防护等方面。
新疆电网智能调度支持系统状态估计调试方法研究
高状 态估计 准确 率的调试 方法 的改进进 行 了研 究 ,并提 出相 应 的实用化调 试方法 ,特别 是针对 环 网线 路 、多 回联络线 路、超 短线路提 出了一种估计 参数 的方法 ,在实 际工作 中验证 了其有效 性 ,提 高 了状
态估 计 的准确 性 ,推动 了智能 电网调度 自动 化 系统 D 5 0 0 0在线分析 模块应 用实用化 的发展 。
关键 词: 状态估计 ;参数估计 ;准确率
中图分类号 :T M 7 3 4
文献标识码 :A
文章编号 :1 0 0 7 3 1 7 5 ( 2 0 1 4 ) 0 3 — 0 0 1 8 — 0 4
St u dy o f St a t e Es t i ma t i o n De bu gg i ng Me t ho d o n I nt e l l i g e n t Di s pa t c h i n g
0 引 言
随着新 疆 电网调度技术支持 系统的升级改造 , 新 疆 电网 日前 已建 设 了 智 能 电 网调 度 技 术 支 持 系 统
便 其它 应用 软件用 作分 析 的பைடு நூலகம்始 条件 ,状 态估 计主
要 根 据S C A D A 的信 息 ,包 括 节 点注 入 功 率 、线 路潮
流 、 电压幅值 和 电流幅值 。
S u p p o r t S y s t e m i n Xi n j i a n g P o we r Gr i d
Z H ANG Y a n - j u n , C HE N J u n , MA Xi a o — l e i , C HA NG Xi — q i a n g ( Xi n j i a n g C o mmu n i c a t i o n C e n t e r f o r P o w e r Di s pa t c h i n g , U r u m c h i 8 3 0 0 0 2 , Ch i n a )
电力系统故障诊断与状态估计算法研究
电力系统故障诊断与状态估计算法研究随着电力系统规模越来越大,电力设备日益复杂和多样化,故障诊断和状态估计成为电力系统运行和维护过程中的关键问题。
故障的及时诊断和准确估计电力设备的状态,不仅能帮助提高电力系统的可靠性和安全性,还能减少故障带来的经济损失。
电力系统故障诊断旨在通过监测和分析电力系统中的故障信号,及时准确地识别故障类型和位置。
在传统的故障诊断方法中,通常采用基于规则和经验的方法,即根据经验事先定义一系列规则,通过监测到的故障信号进行判断和推理,从而诊断故障。
然而,这种方法具有依赖专家经验、无法处理复杂性高等缺点,限制了故障诊断的准确性和效率。
近年来,随着人工智能和数据挖掘技术的快速发展,利用大数据分析的方法逐渐在电力系统故障诊断中得到应用。
通过收集和处理大量的电力系统数据,结合机器学习和数据挖掘算法,可以提取出故障特征,并建立相应的故障模型。
其中一种常用的机器学习方法是支持向量机(Support Vector Machine,SVM),它通过将数据映射到高维空间,并找到一个最优的超平面来分类数据。
另外,人工神经网络(Artificial Neural Network,ANN)也被广泛应用于电力系统故障诊断中。
神经网络模型通过模拟人脑的神经元和神经网络之间的连接,可以学习和推理出电力系统中的复杂结构和规律。
除了故障诊断外,电力系统状态估计也是电力系统运行和维护过程中的重要环节。
状态估计通过测量和分析电力系统中的各种物理量,包括功率、电流、电压等,来推算不可直接测量的状态变量,如发电机励磁电压、负荷水平等。
传统的状态估计方法主要基于瞬时观测值和静态观测值,通过解决线性方程组的方式来计算状态变量。
然而,这种方法的精度和可靠性在复杂的电力系统中存在一定的局限性。
近年来,基于高级计算算法的状态估计方法逐渐得到了应用。
这些方法利用先进的数学和计算工具,如最优化算法、粒子群算法、遗传算法等,通过解决非线性和高度多变的状态估计问题,提高了状态估计的准确性和精度。
电力系统状态估计与优化算法研究
电力系统状态估计与优化算法研究电力系统是现代社会不可或缺的基础设施之一,对国家经济发展和人民生活至关重要。
为了确保电力系统的稳定运行和优化运行,电力系统状态估计和优化算法的研究显得尤为重要。
本文将针对这一问题展开探讨,并介绍一些相关的研究成果和进展。
一、电力系统状态估计的意义电力系统状态估计是指通过收集电力系统的实时测量数据,利用数学模型和估计算法,对电力系统的各个节点的状态进行估计和预测。
其目的是在缺乏直接观测数据的情况下,通过对系统状态的估计,提供实时的系统状态信息,辅助电力系统的运行、监控和控制。
电力系统状态估计的主要意义体现在以下几个方面:1. 实时监测:通过状态估计,监测电力系统中各个节点的电压、电流、功率等关键参数,及时发现异常情况,包括电力负荷不平衡、设备故障等,并提供相应的预警信息。
2. 故障诊断:通过状态估计,能够对电力系统中的故障进行识别和定位,及时采取相应的措施,避免故障蔓延和引发更大的事故。
3. 节点控制:通过状态估计,可以提供电力系统的节点状态信息,为节点控制和优化提供依据,对于实现电力系统的经济性、稳定性和可靠性至关重要。
二、电力系统状态估计的方法与挑战在电力系统状态估计的研究过程中,采用了不同的方法和算法来实现系统状态的估计。
1. 最小二乘法:最小二乘法是最常见的估计方法,其原理是通过求解最小化测量数据与模型预测之间的误差平方和,估计出系统状态向量。
2. Kalman滤波:Kalman滤波算法是一种基于状态空间模型的递推滤波算法,适用于时间序列数据的估计和预测,能够实现对系统状态的实时更新。
3. 拓扑分析:拓扑分析方法通过构建电力系统的拓扑结构,利用节点的电压和注入功率等信息,对系统状态进行估计。
然而,电力系统状态估计面临着一些挑战。
首先,电力系统具有复杂的拓扑结构和多变的负荷情况,因此模型的建立和参数的选择是一个关键问题。
其次,电力系统中存在大量的不确定性因素,如负荷的波动、电网的紧张程度等,导致状态估计的精度受到一定的限制。
电力系统中的智能电网状态估计与优化技术研究
电力系统中的智能电网状态估计与优化技术研究智能电网技术为电力系统的发展注入了新的活力。
其中,智能电网状态估计与优化技术被视为智能电网运行的关键环节,具有重要的研究价值和实际应用意义。
本文将深入探讨电力系统中智能电网状态估计与优化技术的研究进展,并剖析其在提高电力系统运行效率、确保供电稳定性以及促进能源可持续发展方面的作用。
一、智能电网状态估计技术研究1.1 状态估计概述电力系统状态估计是根据测量数据和电力系统模型,利用最小二乘法、卡尔曼滤波或基于粒子滤波的算法等,对电力系统的状态进行准确估计。
其目的是获取实时的、准确的电力系统状态信息,为后续的电力系统运行控制和优化决策提供依据。
1.2 状态估计技术研究进展随着通信、计算及信息技术的快速发展,智能电网状态估计技术也取得了长足进步。
具体而言,以下几个方面是目前研究的热点和难点:1.2.1 测量数据完整性智能电网中的传感器数量众多,但由于其分布范围广泛,很难保证每个节点都能准确测量到电力系统的状态。
因此,如何处理部分测量数据缺失或错误,保证状态估计的准确性成为当前研究的重要内容。
1.2.2 模型不确定性电力系统的模型是建立状态估计算法的基础,然而,由于电力系统的复杂性和不确定性,模型往往存在误差。
研究者们探索如何将实际测量数据与模型进行有效融合,以提高状态估计的精度和鲁棒性。
1.2.3 状态估计算法优化状态估计算法的优化是状态估计技术研究的关键之一。
借鉴机器学习、人工智能、大数据等领域的方法,研究者们正在探索更高效、精确的状态估计算法,以适应电力系统大规模和实时性的特点。
二、智能电网状态优化技术研究2.1 状态优化技术概述智能电网状态优化技术旨在通过调整电力系统的状态,实现电力系统的高效运行和可靠供电。
其主要任务是在满足电力系统运行约束条件的前提下,优化电力系统的运行状态,使得能源的利用效率最大化,同时减少系统的损耗和污染,提高电力系统的响应能力。
2.2 状态优化技术研究进展目前,状态优化技术已经成为智能电网研究的热点。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
文章编号:1674-0629(2007)01-0046-06 中图分类号:TM734 文献标志码:B 电力系统状态估计调试方法研究冯永青1a,刘映尚1b,吴文传2,张伯明2(1a.中国南方电网调度通信中心, 1b. 中国南方电网公司,广东广州 510623;2. 清华大学电机系,北京 100084)Study on Maintenance Methods of Power System State EstimationFENG Yong-qing1a, LIU Ying-shang1b, WU Wen-chuan2, ZHANG Bo-ming2(1a. CSG Power Dispatching and Communication Center, 1b. CSG Operation and Technology Department, Guangzhou, Guangdong 510623, China;2. Department of Electrical Engineering, Tsinghua University, Beijing 100084, China)Abstract:Aiming at the issue of state estimation maintenance difficulties in power dispatching, this paper studies the systemic maintenance methods of state estimation for large regional, provincial and district control center, including equivalence of interior and exterior network, countermeasure of active and reactive estimation divergence as well as the methods for increasing state estimation eligible rate. A practical reactance-estimation method of loop network with matrix calculation is proposed. This method can employ the software such as Scilab Program to implement straight forward, and the results on China Southern Power Grid show that the proposed systemic maintenance method is reasonable and feasible.Key words: on-line analysis; state estimation; maintenance method; parameter estimation摘要:针对调度工作中存在的电力系统状态估计维护问题,对网、省、地调调度中心状态估计的调试方法进行了系统化的研究,包括内网等值、外网等值、有功发散和无功发散的调试,以及提高状态估计合格率的方法。
提出了一种新的基于矩阵计算的环网电抗参数估计实用化方法,可以利用Scilab等计算器软件进行直接推算。
在南方电网应用的经验表明,本文的系统化状态估计调试方法是合理的、有效的。
关键词:在线分析;状态估计;调试方法;参数估计随着南方电网一次系统建设的快速发展,以及大电网在物理上的复杂性[1],使得南方电网的调度和控制难以完全由传统人工经验所驾驭。
为适应这一变化,南方电网各级调度中心都在建设和发展新一代的调度自动化系统。
其特点是不再局限于对实时运行数据进行采集处理(即SCADA 与AGC功能),而是进一步利用在线稳定分析系统[2,3]、在线电网预警与风险分析系统[2,3]、协调防御系统[4]等进行在线分析,以提高各级调度人员对大电网的驾驭能力。
而各级调度中心状态估计功能的高效和准确运行,则是这些系统在建设与运行过程中的重点和难点问题。
状态估计技术于1970年由MIT的Fred Charles Schweppe创立[6]。
1974年Edmund Handschin提出了状态估计不良数据辨识的开拓性论文[7]。
国内关于状态估计的研究工作见文献[8-12]。
现有状态估计研究论文大都以算法研究为主,而如何进行状态估计调试的文献却甚为少见。
保证状态估计的高精确和可靠性运行,良好的调试方法是关键,也是调度自动化维护工作中的一个难点问题。
本文对状态估计的调试方法进行了较为系统化的研究。
基金项目:国家重点基础研究发展计划(973计划)项目(2004CB217904);国家自然科学基金项目(50647025)。
第1期冯永青等:电力系统状态估计调试方法研究471加强电网状态估计调试研究的必要性在调度自动化系统中,状态估计起着承上启下的重要作用。
随着IEC61970标准化研究的不断进步,南方电网各级调度中心采用了许多厂家和单位的在线电网分析工具,而它们得以实用的前提是自身的状态估计需要保持正常。
以南网总调为例,就使用了南瑞电网所、清华大学、南瑞继保、电科院等多个单位的在线电网分析系统,而它们均使用了各自的状态估计。
对于南方电网各级调度中心而言,使用多个单位的在线分析系统,其优势非常明显,即可以使用这些单位各自最优秀的研究成果来更好地驾驭大电网。
与传统运方人员所进行的BPA软件离线计算相比,在线电网分析计算对状态估计的依赖程度很高。
从某种意义上讲,离线计算的“源”是人工配出来的“果”,而在线计算的“源”则是状态估计的“果”。
因此,南网各级调度中心均面临着提高状态估计调试水平的急迫需求。
状态估计的正常运行,算法设计与调试维护可以说起着同等重要的作用。
即便算法设计再好,如果调试维护不当仍会使状态估计失去作用。
本文的状态估计调试研究分三个方面:——如何将状态估计从发散调试到收敛;——如何提高状态估计的合格率;——如何修正环网参数问题。
2状态估计从发散到收敛的调试方法状态估计调试工作总的指导原则是:无论状态估计是否收敛,都不要急于从局部来进行调试,而是要从整个系统的高度,从网络结构、元件参数和量测等方面来进行综合分析和调试。
2.1 内网等值与外网等值工作在进行内网等值时,需要仔细分析PAS(power advance software高级应用软件)中的建模与实际电网的差异。
内网等值工作包括:——PAS中不需要建模、但是在SCADA中存在的设备,如接地刀闸、开关、线路等,可以进行休眠(即不参与拓扑分析);——对于低压35 kV/10 kV线路,在PAS中一般建模为等值负荷。
等值方法包括:a)如果低压线路上有量测,可以把每个低压线路等值为一个负荷;b)如果多条低压线路上没有量测,可以把多个低压线路合并等值为一个负荷。
但是,如果35 kV线路连接有电厂等不能简化的模型,或35 kV线路属于联络线,并且有计算线路合环潮流的任务时则不能做等值。
值得一提的是,在地调系统中,对10 kV低压线路,已经不满足电阻远远小于电抗的假定,在使用PQ分解状态估计时,可能会造成状态估计发散。
这时在正常情况下可以先把10 kV线路的开关置分位,使该低压线路不包括在状态估计计算的范围内,以保证状态估计能够正常计算。
在需要研究10 kV 合环潮流时,再进入调度员潮流合开关进行研究。
外网等值工作包括:——内外网联络线,即内网厂站到外网厂站之间的联络线。
在外网厂站中建一台等值机,通过虚拟开关连接到线路上;——连接到同一外网厂站的联络母线。
如果内网连接到同一个外网厂站有多条联络线,可以在外网厂站中建立一个母线,多条联络线均连接到该母线上,并且母线上连接有等值机;——外网厂站之间的联络线。
2.2 有功发散的调试在出现有功发散时,应从以下几个方面进行检查调试:——检查线路、主变参数,是否存在很小的电抗(如标幺值小于0.001)。
例如在南瑞电网所的状态估计中,就可以用select chid from ln where x<0.001来找出不正确的线路;——检查线路、主变参数中是否有电阻远远大于电抗的情况;——检查拓扑分析结果,是否由于大量遥信错误导致系统出现不合理的多个活岛。
正常情况下,系统不应出现过多的活岛,如果活岛过多,很可能是遥信的量测有误;——检查是否有大片的不可观测区。
正常的SCADA量测不应该有大片的不可观测区域,如果有,很可能是遥信、遥测的量测有误;——检查外网等值是否合理,外网等值机所连接的开关闸刀是否合上;——检查内网是否有发电机投运,相关的开关闸刀是否合上。
南方电网技术 2007年 第1卷48可以根据状态估计迭代信息,找到全网最大相角偏移的母线,检查周边的线路参数、量测,或者可以通过置遥信状态将此母线以及所连接的设备从主网中分离,通过这种方法找到电网模型中有问题的部分。
2.3 无功发散的调试如果出现无功发散,可以先进行上节所述的有功发散的调试工作,同时还可以从以下几个方面进行检查:——检查变压器额定电压参数、档位参数、档位量测有错误,尤其是系统中电压最高(最低)的厂站中的主变,即根据状态估计迭代信息找到系统电压最高的厂站。
特别要注意绕组额定电压与所属的电压岛的电压是否一致;——检查电容器参数是否有误,可以逐一查看电容器周边是否有无很大的、不合理的无功; ——检查500 kV 线路的充电无功是否有误。
500 kV 高压线路的充电无功很大,在线路端点有高抗、在500 kV 主变的35 kV 低压侧有低抗来吸收无功,检查这些电抗器是否建模,相关的开关闸刀状态是否正确。
然后,根据状态估计迭代信息找到全网最高、最低电压的厂站,检查该厂站周边的线路参数、量测,或者可以通过置遥信状态等方法将此厂站从主网中分离,通过这种方法找到电网模型中有问题的部分。
3 提高状态估计合格率的调试方法在状态估计收敛的情况下,为了使状态估计能给后续在线计算提供有效的数据源,还需要进一步提高状态估计的合格率。
令残差为r ,误差为v ,真实量测值为Z 。
用估计的状态ˆx计算出的量测估计值为()ˆh x 。
将()ˆh x 在真值x 附近展开为一阶Taylor 级数,即令ˆΔ=−x xx ,则有 ()()()ˆ=+Δh xh x H x x (1) 从而有()()()()ˆ=−=−−Δ=−Δr Z h xZ h x H x x v H x x (2) 由于状态估计ˆx应满足: T 11T 1ˆˆˆ[()()]()−−−Δ=x H xR H x H x R ν (3) 其中T 1ˆˆ()()−H xR H x 为信息矩阵,它包含了量测系统结构,网络参数,仪表精度等信息。