基于多源量测的主配网一体化状态估计方法与流程

技术特征：
1.基于多源量测的主配网一体化状态估计方法，其特征在于，包括以下步骤：步骤1、输入更新的混合量测数据，上一时刻更新的量测数据以及网络参数数据，并将上一时刻更新的量测数据作为历史测量数据；步骤2、计算混合量测数据中各项量测数据的残差；步骤3、判断步骤1中混合量测数据的类型，并构建wls状态估计模型；步骤4、根据步骤3中混合量测数据的类型以及步骤2中的各项量测数据的残差，形成鲁棒状态估计约束集或极快速状态估计约束集；步骤5、根据步骤4中的残差约束集，即鲁棒状态估计约束集或极快速状态估计约束集，构建相应的商梯度系统，通过积分轨迹追踪稳定平衡点并计算当前时刻状态结果。2.根据权利要求1所述的基于多源量测的主配网一体化状态估计方法，其特征在于，所述步骤3中wls状态估计模型为考虑残差约束的情况下的模型：minj(x)＝[[z-h(x)]]
t
w-1
[[z-h(x)]]s.t.h
zero
(x)＝0z-h(x)-β≤0其中，wls状态估计模型的最小化目标函数minj(x)为加权残差平方和，x为待估计的状态变量，z为参与状态估计计算的测量向量，h(x)为待估计的状态变量计算的测量函数，为误差协方差矩阵，为量测i的标准差，h
zero
(x)为零功率注入信息的平衡方程，β为量测残差约束的边界；引入松弛变量将不等式约束转化为等式约束，并采用惩罚因子使得约束满足：minj(x,s)＝[[z-h(x)]]
t
w-1
[[z-h(x)]] [[h
zero
(x)]]
t
w-1
[[h
zero
(x)]] a([[z-h(x)-β s2]]tw-1[[z-h(x)-β s2]])其中，s为松弛变量，a为惩罚因子，用于约束优化问题转化为非受限优化问题。3.根据权利要求1所述的基于多源量测的主配网一体化状态估计方法，其特征在于，所述步骤4包括以下步骤：步骤4.1、量测集中刷新阶段，将scada、pmu和ami量测数据进行融合；步骤4.2、pmu局部刷新阶段，利用局部刷新的pmu数据确保当前状态估计的准确性，利用历史数据补充量测数据的冗余，扩大状态估计的范围，得到进行pmu局部刷新后的混合量测数据；步骤4.3、根据主配网分为主网与配网，其中主网的状态估计基于scada量测数据，配网的状态估计基于ami量测和pmu量测数据，主网的状态估计结果为配网的主节点提供状态更新信息，配网根据主节点的更新信息和量测的更新类型，确定步骤4.1或步骤4.2的刷新阶段，选择相应的鲁棒状态估计模型或极快速状态估计模型。4.根据权利要求1所述的基于多源量测的主配网一体化状态估计方法，其特征在于，所述步骤4中鲁棒状态估计约束集为步骤3中混合量测数据的类型，包括scada、ami和pmu三种混合量测数据。将pmu量测作为高精度量测计算残差不等式约束添加到状态估计模型中，与scada量测和ami量测残差等式约束形成鲁棒状态估计约束集h
r
(y)为：
y＝(x,s)其中，h
e
(x)为等式约束的集合表示，h
i
(x,s)为不等式约束的集合表示，x为待估计的状态变量，z
scada
为参与状态估计计算的scada测量数据，h
scada
(x)为状态变量计算的与scada量测相关的测量函数，z
ami
为参与状态估计计算的ami测量数据，h
ami
(x)为状态变量计算的与ami量测相关的测量函数，z
pmu
为参与状态估计计算的pmu测量数据，h
pmu
(x)为状态变量计算的与pmu量测相关的测量函数，β
pmu
为pmu的边界值，s为松弛变量，h
zer
o(x)为零功率注入信息的平衡方程。5.根据权利要求1所述的基于多源量测的主配网一体化状态估计方法，其特征在于，所述步骤4中极快速状态估计约束集为步骤3中混合量测数据的类型，仅包括pmu量测局部刷新数据；将pmu量测局部刷新数据的残差作为等式约束，与前一更新时刻的scada量测和ami量测残差作为不等式等式约束形成极快速状态估计约束集：y＝(x,s)其中，h
e
(x)为等式约束的集合表示，h
i
(x,s)为不等式约束的集合表示，x为待估计的状态变量，z
scada
为参与状态估计计算的scada测量数据，h
scada
(x)为状态变量计算的与scada量测相关的测量函数，z
ami
为参与状态估计计算的ami测量数据，h
ami
(x)为状态变量计算的与ami量测相关的测量函数，z
pmu
为参与状态估计计算的pmu测量数据，h
pmu
(x)为状态变量计算的与pmu量测相关的测量函数，β
csada
为scada的边界值，β
ami
为ami的边界值,s
ami
为ami的松弛变量，h
zero
(x)为零功率注入信息的平衡方程。6.根据权利要求4所述的基于多源量测的主配网一体化状态估计方法，其特征在于：所述当来自主网的scada量测数据更新时，主节点信息随之更新，若ami量测数据同时得到了更新，则与pmu量测数据一起构建鲁棒状态估计模型；否则采用伪量测信息补充冗余度并构建鲁棒状态估计模型。7.根据权利要求6所述的基于多源量测的主配网一体化状态估计方法，其特征在于，所述采用伪量测信息补充冗余度并构建鲁棒状态估计模型的具体实现方法为：根据更新的
scada量测数据、pmu量测数据和伪量测信息重新构建鲁棒状态估计模型，利用伪量测形成残差不等式约束，主节点scada量测数据和pmu量测数据形成残差等式约束，构成约束集：y＝(x,s)其中，h
e
(x)为等式约束的集合表示，h
i
(x,s)为不等式约束的集合表示，x为待估计的状态变量，z
scada
为参与状态估计计算的scada测量数据，h
scada
(x)为状态变量计算的与scada量测相关的测量函数，z
ami
为参与状态估计计算的ami测量数据，h
ami
(x)为状态变量计算的与ami量测相关的测量函数，z
pmu
为参与状态估计计算的pmu测量数据，h
pmu
(x)为状态变量计算的与pmu量测相关的测量函数，z
pseudo
为参与状态估计计算的伪测量数据，h
pseudo
(x)为状态变量计算的与伪量测相关的测量函数，β
pseudo
为伪量测残差约束的边界值，s为松弛变量，h
zero
(x)为零功率注入信息的平衡方程。8.根据权利要求1所述的基于多源量测的主配网一体化状态估计方法，其特征在于，所述步骤5的具体实现方法为：根据步骤4中的约束集，即鲁棒状态估计约束集或极快速状态估计约束集，构建商梯度系统为，y＝(x,s)其中，q
h
(y)为商梯度系统，y为待估计的状态变量与松弛变量的集合，x为待估计的状态变量，s为待估计的松弛变量，为误差协方差矩阵，为量测i的标准差，h
e
(x)为商梯度系统中等式约束的集合表示，dh
e
(x)为等式约束集合的雅克比矩阵，h
i
(x,s)为商梯度系统中不等式约束的集合表示，dh
i
(x,s)为不等式约束集合的雅克比矩阵，a为惩罚因子，根据构建的商梯度系统并通过积分轨迹追踪稳定平衡点并计算当前时刻状态估计结果。

技术总结
本发明涉及基于多源量测的主配网一体化状态估计方法，基于动力学系统的状态估计算法能够全局收敛的特性，实现了PMU量测数据、SCADA量测数据以及AMI量测数据在不同观测条件下的协同使用。其中，本发明为有效地实现混合量测的状态估计，提出了局部刷新的极快速状态估计模型和全局的鲁棒状态估计模型，以应对PMU量测的局部刷新场景和不同类型量测的混合刷新场景。通过这两种模型的有效结合与协调配合，进一步提出了主配网一体化的状态估计方法，实现主配网量测交互迭代求解，有效地提升了主配网估计的精确度和鲁棒性。了主配网估计的精确度和鲁棒性。了主配网估计的精确度和鲁棒性。


技术研发人员：李勇 孙健 王秀茹 肖小龙 方鑫 夏泰宝 葛萱 毛王清
受保护的技术使用者：国网江苏省电力有限公司
技术研发日：2022.12.01
技术公布日：2023/5/9