论文部分内容阅读
摘要：随着世界经济的发展，常规化石能源供应不足的矛盾日益突出，环境污染问题越来越严重，开发和利用新能源有助于缓解能源供应问题所带来的压力。近年来，新能源发电及并网技术、分布式发电等逐渐成为业界研究的热点。新能源主要包括风能、生物质能、太阳能、地热能等，是可循环利用的清洁能源。根据当前及未来电力系统发展面临的主要问题和关键因素分析，提出了新一代电力系统的主要技术特征。
关键词：新能源;电力系统状态估计
1 含新能源电力系统状态估计
含新能源电力系统状态估计包括系统网络拓扑结构处理、系统观测性分析、新能源模型、状态估计模型、状态估计算法和不良数据处理 6 个部分，本节主要从状态估计模型、状态估计算法和不良数据处理 3 个方面进行概述与总结。
1.1 传统状态估计模型
一个给定网络接线、支路参数和量测配置的 n节点系统，状态估计模型的数学模型为：
z=h （ x ） +e 其中， z 为量测向量; x 为状态变量向量; h （）为关于状态变量的基尔霍夫定律非线性函数向量; e 为服从均值为零的高斯量测噪声量测误差向量。 下文将从状态变量和量测量分别进行详细说明。
1.2 含新能源电力系统状态估计模型和算法综述
根据状态估计对象、状態估计中新能源模型和状态估计算法对含新能源的电力系统状态估计进行了分类。根据新能源在状态估计中所采用的模型将含新能源的电力系统状态估计分为 4 类：基于PQ 注入型等式或不等式约束的电力系统状态估计、基于 PQ 注入型和因子函数的电力系统状态估计、基于 RX 等效的电力系统状态估计以及基于 PV 型节点的电力系统状态估计。
1.3 不良数据处理
由于种种原因（如信道干扰导致数据失真、互感器或量测设备损坏等），电力系统的某些遥测结果可能远离其真值，遥信结果也可能有错误，这些量测量称为坏数据或不良数据。 在实际的电力系统中，一般大于 ± （ 6～7 ） σ （ σ 为标准偏差）以上的量测量被认为是不良数据。电力系统不良数据的存在会降低电力系统状态估计的收敛性能，甚至造成电力系统状态估计的失败。不良数据的处理一般包含不良数据检测和辨识这两部分。不良数据检测与辨识是电力系统状态估计的重要功能之一，其功能是在获得状态估计值基础上依靠系统提供的多余信息，发现和排除测量采样数据中偶然出现的少数不良数据，以提高状态估计的可靠性。
1.4 新能源并网后不良数据的检测和辨识
现代电力系统呈现出规模巨大、区域互联等特点，以中国为例，中国的电网规模比世界上任何一个国家的都要大，都要复杂，而且最近几年中国的各大区域电网又以同步或者异步的方式互联，进一步加大了系统动态监测的难度，此外，中国的新能源资源丰富，分布广泛，但是地域和气候的差异为系统带来很多不确定的因素，并网容量与电力系统消纳能力的关系也需要妥善处置。 此外新能源具有随机性、波动性和间歇性等特点，将给电网的运行方式带来极大的不确定性，与此同时，新能源并网改变了传统电网的发、输、配单向供电模式;电能的产、供需不确定性和时空多尺度愈发明显，加之系统元件的进一步扩大，原本复杂的电网规模不断增加，系统中不良数据的出现概率大幅提高，主要表现在以下几个方面。
2. 结论和展望
2.1 与状态估计相关的新能源并网建模问题
a.在网络拓扑结构处理方面，研究能实时反映新能源并网、脱网交替运行和各元器件动态变化的动态拓扑处理方法;研究基于图论的电网划分方法、分布式拓扑结构处理方法，以应对未来日益庞大的电力系统;研究基于智能优化算法的拓扑结构处理方法，优化系统运行拓扑，保证系统运行的经济性。
b.在系统可观测性方面，随着新能源的大规模并网，系统的量测配置发生变化，因此，研究新能源并网后使具有系统可观测性的最小量测配置方法，从而保证状态估计的顺利进行很有意义;另外，随着PMU 在电力系统中的大量应用，如何充分利用 PMU量测精度高、能动态反映系统实时状态信息的优势，优化 PMU 配置以保证系统的可观测和经济性也是值得研究的方向;再者，利用信息融合技术、模糊理论等将传统的 SCADA 系统量测和 PMU 量测有效结合的系统可观测性方法值得关注。
c.在选择新能源并网方式和模型时要综合考虑分布式电源的接口方式、新能源类型、新能源并网对电网的影响，从而选择出最佳的并网方式。
2.2 含新能源电力系统状态估计算法
a.状态估计在数学上可以看作是一个含等式或者不等式约束的优化问题，随着电网规模的不断增大，传统的经典优化算法已不能满足日益复杂的优化问题，因此智能优化算法及其改进方法运用于含新能源电力系统状态估计问题值得探索，例如局部优化算法中的禁忌搜索、模拟退火算法或者融合局部优化和全局优化的混合算法运用于状态估计优化。
b.在含新能源电力系统状态估计的优化模型上，除了考虑需要估计的状态变量外还可以考虑系统运行约束、结构约束（网络拓扑、零注入节点）、并网的新能源发电机的运行与维护经济代价等因素，并采用多目标优化算法对问题进行求解，例如采用多目标进化算法、 Pareto 最优求解、多目标 PSO 等。
2.3 含新能源不良数据检测与辨识。
a.新能源大规模并网使系统不良数据增多的概率进一步提高，并且不良数据还具有一些相关性，而传统的不良数据检测与辨识方法在处理多不良数据、具有相关性的不良数据时显得不足，加之系统规模的不断增大，计算量剧增，因此，研究新型分布式抗差状态估计算法、多不良数据分布式检测与辨识方法、考虑不良数据相关性的分布式不良数据检测与辨识方法以提高抵御不良数据的能力，保障系统的安全稳定。
b.现有的不良数据检测与辨识方法主要是考虑系统静态情况，无法满足系统实时在线剔除不良数据的要求，因此，可以考虑利用动态状态估计方法中的新息信息预先对电力系统的不良数据进行检测与辨识，如有需要可进一步结合滤波后的后验信息检测与辨识系统的不良数据;另一方面电力系统动态不良数据的检测与辨识方法虽然取得了一些成果，但是在处理具有较小幅度误差的不良数据时显得比较困难，因此，可以考虑利用灵敏度分析方法、 b-test等方法分析系统的信息和后验信息，以达到检测与辨识具有较小幅度误差的不良数据的目的;此外现有方法都没有考虑新能源大规模并网;因此研究计及大规模新能源并网并融合卡尔曼滤波、粒子滤波等现代数字信号处理方法以滤除量测中的噪声信息的鲁棒动态状态估计和不良数据处理具有较好的前景。
参考文献：
[1]曾鸣，杨雍琦，李源非，曾博，程俊，白学祥. 能源互联网背景下新能源电力系统运营模式及关键技术初探[J]. 中国电机工程学报，2016，36（03）：681-691.
[2]鲁宗相，李海波，乔颖. 含高比例可再生能源电力系统灵活性规划及挑战[J]. 电力系统自动化，2016，40（13）：147-158.
[3]曾博，杨雍琦，段金辉，曾鸣，欧阳邵杰，李晨. 新能源电力系统中需求侧响应关键问题及未来研究展望[J]. 电力系统自动化，2015，39（17）：10-18.
[4]刘故帅，肖异瑶，贺禹强，涂文标，吴子阳，张忠会. 考虑新能源类型的电力系统多目标并网优化方法[J]. 电力系统保护与控制，2017，45（10）：31-37.
关键词：新能源;电力系统状态估计
1 含新能源电力系统状态估计
含新能源电力系统状态估计包括系统网络拓扑结构处理、系统观测性分析、新能源模型、状态估计模型、状态估计算法和不良数据处理 6 个部分，本节主要从状态估计模型、状态估计算法和不良数据处理 3 个方面进行概述与总结。
1.1 传统状态估计模型
一个给定网络接线、支路参数和量测配置的 n节点系统，状态估计模型的数学模型为：
z=h （ x ） +e 其中， z 为量测向量; x 为状态变量向量; h （）为关于状态变量的基尔霍夫定律非线性函数向量; e 为服从均值为零的高斯量测噪声量测误差向量。 下文将从状态变量和量测量分别进行详细说明。
1.2 含新能源电力系统状态估计模型和算法综述
根据状态估计对象、状態估计中新能源模型和状态估计算法对含新能源的电力系统状态估计进行了分类。根据新能源在状态估计中所采用的模型将含新能源的电力系统状态估计分为 4 类：基于PQ 注入型等式或不等式约束的电力系统状态估计、基于 PQ 注入型和因子函数的电力系统状态估计、基于 RX 等效的电力系统状态估计以及基于 PV 型节点的电力系统状态估计。
1.3 不良数据处理
由于种种原因（如信道干扰导致数据失真、互感器或量测设备损坏等），电力系统的某些遥测结果可能远离其真值，遥信结果也可能有错误，这些量测量称为坏数据或不良数据。 在实际的电力系统中，一般大于 ± （ 6～7 ） σ （ σ 为标准偏差）以上的量测量被认为是不良数据。电力系统不良数据的存在会降低电力系统状态估计的收敛性能，甚至造成电力系统状态估计的失败。不良数据的处理一般包含不良数据检测和辨识这两部分。不良数据检测与辨识是电力系统状态估计的重要功能之一，其功能是在获得状态估计值基础上依靠系统提供的多余信息，发现和排除测量采样数据中偶然出现的少数不良数据，以提高状态估计的可靠性。
1.4 新能源并网后不良数据的检测和辨识
现代电力系统呈现出规模巨大、区域互联等特点，以中国为例，中国的电网规模比世界上任何一个国家的都要大，都要复杂，而且最近几年中国的各大区域电网又以同步或者异步的方式互联，进一步加大了系统动态监测的难度，此外，中国的新能源资源丰富，分布广泛，但是地域和气候的差异为系统带来很多不确定的因素，并网容量与电力系统消纳能力的关系也需要妥善处置。 此外新能源具有随机性、波动性和间歇性等特点，将给电网的运行方式带来极大的不确定性，与此同时，新能源并网改变了传统电网的发、输、配单向供电模式;电能的产、供需不确定性和时空多尺度愈发明显，加之系统元件的进一步扩大，原本复杂的电网规模不断增加，系统中不良数据的出现概率大幅提高，主要表现在以下几个方面。
2. 结论和展望
2.1 与状态估计相关的新能源并网建模问题
a.在网络拓扑结构处理方面，研究能实时反映新能源并网、脱网交替运行和各元器件动态变化的动态拓扑处理方法;研究基于图论的电网划分方法、分布式拓扑结构处理方法，以应对未来日益庞大的电力系统;研究基于智能优化算法的拓扑结构处理方法，优化系统运行拓扑，保证系统运行的经济性。
b.在系统可观测性方面，随着新能源的大规模并网，系统的量测配置发生变化，因此，研究新能源并网后使具有系统可观测性的最小量测配置方法，从而保证状态估计的顺利进行很有意义;另外，随着PMU 在电力系统中的大量应用，如何充分利用 PMU量测精度高、能动态反映系统实时状态信息的优势，优化 PMU 配置以保证系统的可观测和经济性也是值得研究的方向;再者，利用信息融合技术、模糊理论等将传统的 SCADA 系统量测和 PMU 量测有效结合的系统可观测性方法值得关注。
c.在选择新能源并网方式和模型时要综合考虑分布式电源的接口方式、新能源类型、新能源并网对电网的影响，从而选择出最佳的并网方式。
2.2 含新能源电力系统状态估计算法
a.状态估计在数学上可以看作是一个含等式或者不等式约束的优化问题，随着电网规模的不断增大，传统的经典优化算法已不能满足日益复杂的优化问题，因此智能优化算法及其改进方法运用于含新能源电力系统状态估计问题值得探索，例如局部优化算法中的禁忌搜索、模拟退火算法或者融合局部优化和全局优化的混合算法运用于状态估计优化。
b.在含新能源电力系统状态估计的优化模型上，除了考虑需要估计的状态变量外还可以考虑系统运行约束、结构约束（网络拓扑、零注入节点）、并网的新能源发电机的运行与维护经济代价等因素，并采用多目标优化算法对问题进行求解，例如采用多目标进化算法、 Pareto 最优求解、多目标 PSO 等。
2.3 含新能源不良数据检测与辨识。
a.新能源大规模并网使系统不良数据增多的概率进一步提高，并且不良数据还具有一些相关性，而传统的不良数据检测与辨识方法在处理多不良数据、具有相关性的不良数据时显得不足，加之系统规模的不断增大，计算量剧增，因此，研究新型分布式抗差状态估计算法、多不良数据分布式检测与辨识方法、考虑不良数据相关性的分布式不良数据检测与辨识方法以提高抵御不良数据的能力，保障系统的安全稳定。
b.现有的不良数据检测与辨识方法主要是考虑系统静态情况，无法满足系统实时在线剔除不良数据的要求，因此，可以考虑利用动态状态估计方法中的新息信息预先对电力系统的不良数据进行检测与辨识，如有需要可进一步结合滤波后的后验信息检测与辨识系统的不良数据;另一方面电力系统动态不良数据的检测与辨识方法虽然取得了一些成果，但是在处理具有较小幅度误差的不良数据时显得比较困难，因此，可以考虑利用灵敏度分析方法、 b-test等方法分析系统的信息和后验信息，以达到检测与辨识具有较小幅度误差的不良数据的目的;此外现有方法都没有考虑新能源大规模并网;因此研究计及大规模新能源并网并融合卡尔曼滤波、粒子滤波等现代数字信号处理方法以滤除量测中的噪声信息的鲁棒动态状态估计和不良数据处理具有较好的前景。
参考文献：
[1]曾鸣，杨雍琦，李源非，曾博，程俊，白学祥. 能源互联网背景下新能源电力系统运营模式及关键技术初探[J]. 中国电机工程学报，2016，36（03）：681-691.
[2]鲁宗相，李海波，乔颖. 含高比例可再生能源电力系统灵活性规划及挑战[J]. 电力系统自动化，2016，40（13）：147-158.
[3]曾博，杨雍琦，段金辉，曾鸣，欧阳邵杰，李晨. 新能源电力系统中需求侧响应关键问题及未来研究展望[J]. 电力系统自动化，2015，39（17）：10-18.
[4]刘故帅，肖异瑶，贺禹强，涂文标，吴子阳，张忠会. 考虑新能源类型的电力系统多目标并网优化方法[J]. 电力系统保护与控制，2017，45（10）：31-37.