分布式動態(tài)狀態(tài)估計算法及其在電力系統(tǒng)中的應用.pdf

1、電力系統(tǒng)狀態(tài)估計是能量管理系統(tǒng)的重要組成部分，其估計精度和可靠性直接影響著電力系統(tǒng)的調度、安全性分析和執(zhí)行操作任務的準確性.動態(tài)狀態(tài)估計不僅可以對系統(tǒng)狀態(tài)進行更準確地估計，而且擁有靜態(tài)狀態(tài)估計不具備的預測功能，能夠為電力系統(tǒng)的經濟調度和預防控制等在線功能提供先驗信息和更多的操作時間.所以動態(tài)狀態(tài)估計具有非常重要的應用價值，并得到了廣泛研究.隨著電力系統(tǒng)規(guī)模的不斷擴大，電網互聯(lián)程度的日益加強以及精度更高、更新速度更快的量測裝置(PMU)的

2、迅速發(fā)展和廣泛應用，傳統(tǒng)的集中式狀態(tài)估計方法很難滿足準確性和實時性的需求，從而促進了電力系統(tǒng)分布式狀態(tài)估計算法的發(fā)展.本文通過將電力系統(tǒng)劃分為若干個不重疊的子系統(tǒng)，研究了電力系統(tǒng)的分布式動態(tài)狀態(tài)估計問題，提出的算法適用于大規(guī)模電力系統(tǒng)，具有重要的理論意義和應用價值.
　　主要貢獻和創(chuàng)新點如下:(1)通過將電力系統(tǒng)分區(qū)并基于SCADA和PMU混合量測，提出了分布式動態(tài)狀態(tài)估計算法，使得各子系統(tǒng)可以平行而且相對獨立地計算，加快了整體的

3、計算速度.(2)各子系統(tǒng)不需要全局拓撲可觀測性信息，只需極少的量測數據和鄰居傳遞的信息即可估計本地狀態(tài)，降低了分布式動態(tài)狀態(tài)估計算法的計算復雜度，并且該復雜度與網絡的大小無關.所提出的算法沒有中央調度中心，所以避免了集中式算法在數據傳輸過程中的瓶頸問題，而且便于實施和管理.(3)所提算法的估計精度比集中式算法稍差，但是優(yōu)于分布式靜態(tài)狀態(tài)估計算法.當系統(tǒng)出現異常情況時，所提算法良好的估計性能和魯棒性以及參數辨識的有效性得到證實.(4)通過

4、減弱限制條件，證明了算法得到的估計和預測誤差協(xié)方差矩陣是正定并且有上界的，保證了算法的可行性.
　　按照章節(jié)順序，具體的研究內容和研究成果包括以下幾個方面:
　　1.研究了離散時間電力系統(tǒng)線性化模型的分布式動態(tài)狀態(tài)估計問題.基于最大后驗估計技術，提出了一種分布式狀態(tài)估計算法，其中量測數據由SCADA和PMU混合量測系統(tǒng)提供.首先將電力系統(tǒng)劃分為若干個不重疊的區(qū)域，對應的子系統(tǒng)利用先驗信息、本地和邊界量測以及鄰居子系統(tǒng)傳遞的信

5、息對本地狀態(tài)進行估計，而不是估計整個系統(tǒng)的狀態(tài)，與集中式方法相比，該分布式算法有效地降低了每個子系統(tǒng)狀態(tài)的維數和計算復雜度.其次，當劃分后的子系統(tǒng)組成的網絡不含有環(huán)時，證明了各子系統(tǒng)在每個時刻的本地狀態(tài)估計經過有限次迭代收斂于集中式方法在修正目標函數下的估計值.最后，仿真結果驗證了所提算法對于大規(guī)模電力系統(tǒng)狀態(tài)估計的有效性和可行性.
　　2.對于非線性電力系統(tǒng)，基于擴展卡爾曼濾波技術，給出了一種分布式動態(tài)狀態(tài)估計算法.當子系統(tǒng)的本

6、地量測無法得到時，證明了所提出的算法仍然是可行的，同時利用邊界量測和鄰居子系統(tǒng)傳遞的信息，各子系統(tǒng)能夠得到理想的本地狀態(tài)估計.通過對模型參數進行在線辨識，提高了狀態(tài)預測的精度，并加強了算法的魯棒性.當電力系統(tǒng)出現負荷突變、存在不良數據和拓撲結構改變等異常情況時，詳細的仿真結果驗證了所提算法的魯棒性、較為準確的估計值和參數辨識對于狀態(tài)估計的有效作用.與其它算法的性能比較結果顯示了所提算法在應用中的優(yōu)勢.
　　3.進一步研究了非線性動