论文部分内容阅读
随着高渗透率分布式电源(Distributed Generations,DG)与可控负荷(Controllable Loads,CL)等可控资源的接入,配电网逐步由被动形态转变为主动配电网(Active Distribution Networks,ADN)。相对于传统配电网,ADN的主要特征体现在可控资源从被动消纳转变为主动引导、控制与利用,从而实现了配电网运行的主动调节与控制,提高了配电网的供电可靠性和电能质量。为实现对配电网运行的主动调控,需对配电网的实时运行状态有精确高效的感知能力,配电网状态估计(Distribution System State Estimation,DSSE)是感知配电系统运行状态的有效途径。由于ADN有着系统规模大、三相不平衡、对数据实时性和精确性要求高等特点,传统集中式状态估计(Centralized State Estimation,CSE)在计算精度与计算时间上面临很大挑战,分布式状态估计(Distributed State Estimation,DSE)的发展成为必然。DSE的核心思想是首先将大规模电网划分为若干小规模子区域,各子区域可采用并行或串行的计算架构进行当地状态估计,然后根据不同需求在各子区域间或上下层间进行信息交互,直至满足设定的收敛条件,从而实现ADN的整体状态估计。本文主要关注影响DSE计算性能因素的三个方面,包括ADN的分区、同步相量量测单元(Phasor Measurement Unit,PMU)量测配置以及分布式通信架构中存在的通信失败问题;针对上述关注的三个问题展开研究,主要工作如下:(1)依据子区域节点数目均衡性、量测冗余度均衡性以及分区后的子区域可观性、连通性等分区原则,基于拓扑分析及PMU安装情况,提出了 ADN分布式状态的分区方法。首先根据DSE的特点提出适用于分布式并行计算的分区准则;利用分支线分层法实现ADN中各节点的分层与编号;树的深度优先搜索算法用于遍历所有节点,在遍历过程中,依据提出的分区准则、以配置PMU的节点作为重叠节点,实现ADN分区;根据配电网的功率等效关系及PMU功率量测数据,在重叠节点处实现子区域解耦。(2)综合考虑经济性、分区均衡性与DSE计算性能,建立了多目标PMU优化配置模型,基于多目标遗传-禁忌搜索算法实现该模型求解,得到PMU配置的帕累托解集。PMU的安装位置对ADN分区和DSE有重要影响,首先分析PMU配置、ADN分区及DSE计算性能之间互相影响及耦合关系;根据分析提取出配置经济性、分区均衡性与DSE计算性能作为配置PMU目标,以此建立了 PMU配置的多目标模型,利用多目标遗传-禁忌搜索算法给出了配置结果。(3)在分析通信失败对DSE影响的基础上,提出了结合一致性算法协调的分布式鲁棒状态估计方法(Distributed State Estimation with Consensus-based Coordination,CC-DSE)。根据PMU优化配置方法以及分区方法实现ADN的量测配置及分区,作为DSE的基础。考虑通信失败对DSE的不良影响,提出了以下改进措施:一方面提出自适应权重的改进WLS算法用于削弱坏数据对当地状态估计的负面影响;另一方面将一致性算法嵌入改进WLS的迭代过程中,用于协调交互的数据,有利于计算效率的提高,并可以有效处理子区域间通信失败带来的问题。CC-DSE在满足精度要求前提下,有效提高了计算效率,并且针对通信失败问题具有较好的鲁棒性。