论文部分内容阅读
为提高电力系统稳定性并提高能量管理系统(Energy Management System, EMS)电力系统的监测和控制成为电力系统越来越重要的功能。状态估计是EMS的基本功能之一,能为系统运行人员更好的估计出系统运行的状态。动态状态估计(Dynamic state estimation, DSE)作为一种状态估计方法,可以通过电力系统上阶段的状态值预测出系统下个阶段的状态值(一步领先)。随着技术的发展,同步相量测量单元(Phasor Measurement Unit, PMU)成为电力系统控制中心中的EMS系统里实现系统实时监测的主要测量元件。本文重点分析了系统正常运行状态、系统负荷突变以及系统坏数据监测的等情况下PMU在动态状态估计(DSE)以及鲁棒动态状态估计(Robust Dynamic State Estimation, RDSE)中的作用及影响。为增强PMU在DSE和RDSE中的应用,本文提出了一种将PMU测量的电力解耦为有功电流和无功电流的电流解耦测量方法并将该方法应用到WLS状态估计解耦公式中。本文使用IEEE标准30母线系统分析了PMU装置位置的不同对状态估计造成的影响。分析中,在IEEE标准30母线系统中安装了2个PMU装置,其中一个PMU安装在参考母线上,并通过改变另一个PMU的安装位置来分析PMU安装位置对状态估计造成的影响。本文以定义的安装PMU的参考母线的电压角度为基准,并以此基准计算其他母线的电压角度。在动态状态估计研究中,使用了加权最小二乘(WLS)估计方法进行了相关研究。在鲁棒动态状态估计中,使用M-估计二乘线性化(QL)方法和均方根估计方法进行了相关研究。并研究了使用迭代重新加权最小二乘估计法(IRSL)进行M-估计,增加M估计问题的解决方法。为了预测系统下一时刻的状态,在DES模型中使用了一种霍尔特双指数平滑方法来计算该模型中的参数。此外,在数据滤波中使用了扩展卡曼滤波方法以获得系统的最优估计效果。通过在系统母线中增加扰动来模拟系统的动态过程并假定系统功率因数恒定。仿真测量误差通过添加具有零平均值和标准误差的正态分布误差函数获得。通过测量数据计算SCADA系统和PMU装置的权重。本文所提的方法分别在IEEE标准14母线测试系统和IEEE标准30母线测试系统中进行了算例分析。通过潮流计算程序获得测量数据并通过Matlab程序对结果进行分析。本文分析了PMU在动态状态估计和鲁棒动态状态估计中的影响,消除了各种情况下被估计状态的平均误差并减小了被估计电压幅值和相角的波动。当测量数据中存在坏数据时,系统将不能正常运行,但是通过PMU可使系统重新正常运行。此外,改进了M-估计在存在坏数据时的应用情况。比较了在有无PMU两种情况下DSE算法和RDSE算法的性能。通过在不同母线上安装单一PMU研究了PMU安装位置对状态估计结果正确性的影响,并研究了安装多个PMU装置对状态估计的影响。最后,分析了PMU在不同权重下对状态估计的影响。