当前位置: > 硕士毕业论文 > 39600字硕士毕业论文基于混合测量的电力系统动态估计研究

39600字硕士毕业论文基于混合测量的电力系统动态估计研究

论文类型:硕士毕业论文
论文字数:39600字
论点:估计,状态,电力系统
论文概述:

本文结合静态估计的优点,提出一种充分利用 PMU 特性的方法。该方法首先对 SCADA 量测数据运用快速分解算法进行静态状态估计,估计结果和 PMU 量测中的电压相量以及支路电流相量的量测转换

论文正文:

第一章导言

1.1项目背景和研究意义
随着国民经济的快速发展和电力市场安全经济的要求,现代电力系统的规模、结构和运行方式越来越复杂,对能源管理系统的自动化水平提出了越来越高的要求。现代电力调度系统必须能够准确、快速、全面地掌握系统的实际运行状态,预测和分析运行趋势,对运行中出现的各种问题提供判断和下一步决策,以保证系统的安全、经济运行。电力系统调度中心根据状态估计环节提供的系统运行状态信息做出相应的决策,因此状态估计直接影响调度中心的决策行为,也直接影响电网的安全运行。为了获得和建立一个可靠完整的实时运行状态数据库,通常有两种方法:在软件中,采用现代状态估计技术对数据进行实时处理;在硬件上增加测量设备和遥控设备,提高其精度、速度和可靠性[1】。状态估计是能量管理系统不可缺少的组成部分,其算法是状态估计的核心。状态估计,也称为滤波,是利用实时测量系统[2]的冗余度,自动消除随机干扰引起的误差信息,提高数据精度的过程。在具备一定硬件水平的基础上,使用状态估计可以充分发挥现有硬件的潜力,提高整个数据系统的质量和可靠性。调度中心必须首先获得电力系统的准确运行状态,建立可靠完整的电力系统实时运行数据库,以便对电力系统进行分析和控制。然而,这对测量设备和远动设备提出了过高的要求,造成了巨大的技术和经济成本。状态估计可以在一定的硬件基础上充分发挥现有硬件设备的潜力,补充测量点和测量项目的不足,消除意外错误信息和数据,提高整个系统的质量和可靠性,实现对系统当前运行状态的安全监控,满足ems对可靠、准确、完整和兼容电网数据的需求,是用户分析和控制系统
1.2混合测量下电力系统状态估计的研究现状和发展趋势
由于随机噪声和随机测量误差的增加,在电网测量系统中,无法通过测量方程或理想运动方程获得精确的系统状态。电力系统状态估计是在控制理论、数学等新理论的指导下,结合电力系统的特点,利用计算机软硬件条件,通过统计方法进行处理,以获得系统状态的估计值,从而追求状态估计的实用性。电力系统状态估计分为静态估计和动态估计。动态状态估计使用系统方程和历史测量数据来估计下一次的状态值。然而,只有根据某一时刻的测量数据,该时刻的状态量的估计才是静态估计。目前,电力系统状态估计在网络连接分析、不良数据检测与识别、状态估计计算和可观测性分析方面取得了丰富的理论成果和实践经验。的数据基础。
能源管理系统是电网调度控制中不可或缺的基础环节,对电网的安全运行起着积极的作用。然而,面对广域分布和快速动态的复杂电力系统,当前的数据采集与监控系统(SCADA)和状态估计方法仍需进一步发展和改进。当系统正常运行时,通常根据时间周期触发状态估计。目前,SCADA的数据扫描周期处于第二级,而一般状态估计的触发周期处于分钟级。因此,在当前状态估计的使用中,快速数据采集和慢速数据处理之间存在矛盾。理想情况下,状态估计应根据监控和数据采集系统扫描周期触发,但由于技术条件,目前无法实现
第二章电力系统动态状态估计算法的基础。20世纪以来,随着全球定位系统的形成,其精确的时间传递函数被广泛应用于电力系统。同时,基于全球定位系统的同步相量技术也得到了发展。同步相量技术是同步相量测量、传输、分析和应用技术的结合。它主要包括相量测量单元、相量数据集中器、分析应用中心和高速数据通信网络。其中,同步相量测量单元技术是一种基于全球定位系统的高精度同步时钟,它采集电网实时运行相量参数,并通过通信网络传输给电力系统调度中心。PMU实现了广域电网运行状态的实时同步测量,克服了原有监控系统的缺点,提高了自动化控制水平。如果在电力系统中合理布置一定数量的永磁单元,就可以实现电力系统的动态观测,实现大规模电力系统的实时稳定控制。目前,我国的实际情况是,电力监控系统几乎覆盖了电力系统的100%,而各电力公司的PMU安装是逐步完成的。可以说,在相当长的一段时间内,系统的所有节点都不能配备PMU,从而实现了可以完全观察系统状态的PMU配置方案。因此,所有电力公司普遍关心的是如何在状态估计中有效利用PMU的质量相量测量信息[5】。基于以上考虑,本文主要研究如何在动态状态估计中最有效地利用混合测量信息,实现混合测量状态估计的优化和工程化。

[3]

[4]

为了获得电力系统的最优控制律,有必要观察电网的节点电压和相角等状态变量参数来确定其状态。所获得的测量向量可用于确定状态的真实值。然而,实际测量系统存在随机误差,测量矢量不能直接获得状态的真实值。因此,状态向量的估计值只能通过用适当的状态估计方法处理来获得,该方法在统计上最接近真实值。电力系统状态估计利用测量系统的遥测和电信信息,并利用网络拓扑分析软件实时确定电网的连接方式和运行状态。根据开关状态建立网络模型后,估计系统各母线上的电压幅值和相角,从而计算出所有线路潮流值。为了估计电力系统的状态,必须建立电力系统部件的数学模型,为状态估计算法做准备。

2.1状态估计与常规潮流计算的比较
在电力系统状态估计中,未知状态向量的维数通常不大于测量向量的维数,即未知数的个数不大于物理方程的个数。测量向量通常是测量值的组合,例如节点电压、线路功率流、节点注入功率等。潮流计算通常获得电压幅度或注入量,未知数的数量等于方程的数量。这两个人在解决这个问题上有不同的数学思想。牛顿-拉夫森法通常用于求解潮流计算中的几个非线性方程。然而,状态估计强调依靠估计准则和参考估计理论来求解方程。可以使用最小二乘法、卡尔曼滤波器和其他方法。表2-1列出了潮流计算和状态估计两种算法之间的比较,其中n代表网络节点的数量。

第三章电力系统状态估计中的混合测量……23
3.1监控和数据采集系统测量特性.........23
3.1.1监控和数据采集系统测量延迟.......23
3.1.2静态估计误差的测量延迟.........25
3.2广域测量系统的测量特性.........27[/比尔/]3.3 PMU测量和SCADA测量的比较.........32
3.4混合测量数据匹配问题.......34
3.4.1混合测量的相角匹配问题.......34
3.4.2混合测量的时间匹配问题…… 36
3.5本章总结…… 36
第4章混合测量下的线性动态…… 38
4.1快速分解状态估计算法…… 38
4.2混合测量集.......42
4.2.1 PMU电压相量融合........42
4.2.2 PMU电流相量融合........43
4.3线性动态状态估计算法.......47
4.4模拟和分析示例.......50
4 . 4 . 1 IEEE 14-节点系统仿真.......51
4 . 4 . 2 IEEE 30-总线系统仿真...56
4.5摘要...59
第5章混合测量下的连续鲁棒状态...60
5.1动态状态估计延迟模型...60
5.2顺序过滤算法.........61
5.3算法流程...63
5.4示例模拟和分析...64
5 . 4 . 1 IEEE 14-节点系统仿真...66
5 . 4 . 2 IEEE 30-节点系统仿真...72
5.5摘要.......78

结论

传统的基于RTU的SCADA测量系统和PMu较少的WAMS测量系统将在当前电力系统中长期共存。如何最有效地利用混合测量数据是许多学者研究的问题之一。针对电力系统状态估计的研究现状和发展趋势,介绍了电力系统状态估计的概念、混合测量下状态估计的研究意义和发展现状,指出了本课题的背景、目的和现实意义。本文介绍和分析了电力系统状态估计中元件的数学模型和常用的静态估计算法加权最小二乘估计算法。同时,详细介绍了动态估计的理论基础和现有的常用算法,特别是卡尔曼滤波算法和扩展卡尔曼滤波算法。本文还提出了电力系统动态估计中常用的一些性能指标,为算法分析和比较提供参考。然后深入分析了混合测量的特点,详细介绍和分析了广域测量系统和监控数据采集系统的特点、监控数据采集系统的时延特性和PMU的技术原理和功能,并与监控数据采集系统进行了分析和比较。此外,对混合测量融合过程中的相位角和时间匹配问题进行了一定程度的分析。解决这些问题是混合测量应用的基本前提。
结合静态估计和动态估计的优点,提出了一种充分利用PMU特性的方法。该算法利用SCADA系统快速分解得到的全局电压相量估计结果,同时选择PMU测量节点的电压相量测量数据,并利用从PMU丰富的支路电流相量数据转换而来的相应节点的电压数据来提高冗余度。该算法将监控系统估计的数据补充到PMU中,弥补了PMU不可观测的特点。同时,PMU数据也修改和更新了SCADA数据,提高了整体估计精度,为电力系统的实时监控和预防性控制提供了可靠的数据保障。该算法不仅保证了状态估计的质量和算法的收敛性能,而且降低了求解顺序和内存使用量,为电力系统的实时监控和预防性控制提供了可靠的数据保障。IEEE14和IEEE30总线系统的仿真结果验证了该算法良好的滤波和预测效果。然后,根据测量信息的测量时间特性,基于数据采集时间窗,提出了混合测量下的顺序鲁棒状态估计算法。该算法首先顺序输入同步相量测量单元在同一时间段的测量值,然后顺序输入连续到达的SCADA测量值。初步融合完成后,计算融合成本函数,如果融合成本函数超过设定阈值,则进行稳健的后处理。对IEEE14和IEEE30总线系统的仿真结果表明,该算法能够降低测量异常值对状态估计的影响,提高估计中心的利用率,提高状态估计的实时性和准确性。

参考
[1]余尔肯,电力系统状态估计[]。北京:水利电力出版社,1985。
[2]蓝花,李吉杰。[,刘建超,王志军,王志军,等.电力系统状态估计算法的研究现状与展望.接力赛,2007。35(10):78-82。
[3]王振义。电力系统状态估计[。华中科技大学,2005。
[4]白虹。基于PMU测量信息的面向过程的状态估计研究。哈尔滨工业大学,2008。
[5]丁俊才、蔡泽祥、王克英。基于广域测量系统的状态估计综述[[]。电力系统自动化,2006,30 (7): 98-103。[/比尔/] [6]施维普,韩德钦.电力系统中的静态http://sblunwen.com/dlxtlw/估计.IEEE会议录,1974,62(7):972-982。
[7]拉森,王福廷尼,皮琼等.电力系统中的状态估计[]。IEEE传输。,1970,89: 345-363。
[8]阿里·阿布,安东尼奥·戈麦斯·埃斯波西托。电力系统状态估计:理论与实现[。纽约:马塞尔·德克尔,2004。
[9]倪大夫,俞兵。用测量值估计电力系统状态的新算法。MEC国际会议,中国吉林,2011: 114-117。
[10]秦小辉,毕梅田,杨启勋。一种新的考虑PMU的混合非线性状态估计方法。电力系统自动化,2007,31(4):28-32。