[发明专利]一种电力系统自适应鲁棒状态估计方法

说明书

本发明公开了一种电力系统自适应鲁棒状态估计方法，该方法按照时间顺序推演估计，首先通过模糊c均值聚类算法对电力系统进行可疑量测区域的定位，如果当前时刻量测集中不存在可疑量测，则对当前时刻量测进行基于加权最小二乘法(WLS)估计，如果当前时刻量测集中存在可疑量测，则在基于可疑量测的空间分布对电网进行动态分区以后，为正常量测区域和可疑量测区域分别选取最小二乘估计准则和最小绝对值估计准则，并基于交替乘子(ADMM)解耦协调算法进行电力系统状态估计问题求解。本发明针对大规模电力系统状态估计精度低、计算时间长的问题，考虑到不同估计器的各自特点和适应性，针对可疑量测区域和正常量测区域选取不同的估计准则，保证估计精度的同时兼顾计算效率。

技术领域

本发明涉及一种电力系统状态估计方法，尤其涉及一种电力系统自适应鲁棒状态估计方法。

背景技术

状态估计是能量管理系统的重要组成部分，它可利用量测冗余度减小量测误差，获取电力系统当前运行状态的最优估计值。目前，基于加权最小二乘(Weighted LeastSquare，WLS)的状态估计已广泛应用于实际电网调度系统中。在系统量测噪声仅包含高斯白噪声的理想条件下，WLS为无偏最小方差估计器；然而在实际电网中非高斯噪声和粗差的存在使得WLS迭代次数过多甚至无法收敛，从而导致WLS估计结果不可用。

为解决坏数据带来的状态估计精度下降和收敛性变差等问题，多种具有非二次估计准则的鲁棒状态估计方法先后被提出，其中主要有加权最小绝对值(Weighted LeastAbsolute Value，WLAV)状态估计、Huber-M估计、指数型目标函数估计等。鲁棒状态估计具有良好的抗差能力，当量测中存在坏数据时也能保证较高的估计精度，因此受到了国内外学者的广泛研究。以WLAV估计为例，其目标函数为残差的加权绝对值之和最小，利用原-对偶内点法进行迭代求解。由于引入了非二次估计准则，WLAV估计的求解模型复杂、计算时间长，受节点规模和计算机性能的限制，难以满足实际工程的需求。尽管有改进算法的提出，如双线性方法，但是鲁棒状态估计在实际应用中的问题并没有得到根本解决。

发明内容

发明目的：本发明针对大规模电力系统状态估计精度低、计算时间长的问题，提出一种电力系统自适应鲁棒状态估计方法，提高电力系统状态估计的计算效率和精度，同时具有较好的鲁棒性。

技术方案：本发明所采用的技术方案是一种电力系统自适应鲁棒状态估计方法，该方法按照时间顺序推演估计，首先通过模糊c均值聚类算法对电力系统进行可疑量测区域的定位，如果当前时刻量测集中不存在可疑量测，则对当前时刻量测进行WLS估计，如果当前时刻量测集中存在可疑量测，则在基于可疑量测的空间分布对电网进行动态分区以后，为正常量测区域和可疑量测区域分别选取最小二乘估计准则和最小绝对值估计准则，并基于ADMM解耦协调算法对电力系统状态估计问题进行求解。

所述通过模糊c均值聚类算法对电力系统进行可疑量测区域的定位，包括以下步骤：

(1)设定聚类数c，随机初始化聚类隶属度μ_ij；

(2)选取s个历史断面的量测向量z_i，i＝1，2，3，…，s，对其进行标准化处理，所述某断面的量测向量包括节点电压幅值量测、支路受末端功率量测值。并计算聚类中心：

其中，i表示第i个断面，s为历史断面数，z_i为某历史断面的量测向量，为标准化处理后的该历史断面量测向量，μ_ij为聚类隶属度，m’为模糊分类矩阵指数，j为历史量测向量z_i中的第j个量测值；标准化处理计算公式为：

其中，m代表z_i的维数；

(3)更新聚类隶属度μ_ij：