电力系统抗差状态估计研究

《电力系统抗差状态估计研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、电力系统抗差状态估计研究谢照军XIEZhao-jun(无锡供电公司，无锡214000)(StateGridWuxiPowerSupplyCompany,Wuxi214000,China)摘要院状态估计能高效地估计出电力系统最佳的运行状态。测试并比较了基于原对偶内点法的加权最小绝对值估计与基于牛顿法求解的二次-线性准则、加权最小二乘估计的估计精度与计算效率，由测试结果可知，加权最小二乘估计虽有较高的计算效率，但估计精度偏差，而加权最小绝对值估计有着较高的估计精度，但较低的计算效率也限制了其工程应用。Abstract院Stateestimationcanef

2、ficientlyestimatetheoptimumoperationofpowersystems.Severalsimulatedtestsarecarriedoutinordertocomparethreestateestimators—WLAV(WeightedLeastAbsoluteValue)whichsolvedbyPDIPM(Primal-DualInteriorPointMethod)、QL(Quarticlinear)^WLS(WeightedLeastSquare,WLS)bothonestimatedaccuracyandcom

3、putationalefficiency.Accordingtothesimulatedresults,WLShasahighcomputationalefficiency,butwithapoorestimatedaccuracy.However,theestimatedaccuracyofWLAVoutperformstheothertwoestimatorsbutmeanwhileitslowcomputationalefficiencyrestrictsitsapplicationintheindustry.关键词院电力系统;抗差估计;加权最小绝

4、对值;原对偶内、6:法Keywords院powersystem;robuststateestimation；WLAV；PDIPM中图分类号院TM732文献标识码院A文章编号院1006-4311(2014)31-0068-020引言状态估计根据遥测数据佔计电力系统的实时运行状态，是能量管理系统(energymanagementsystem，EMS)中各高级应用软件的基石。传统的加权最小二乘(weightedleastestimation,WLS)估计在量测噪声服从严格的高斯分布时，能有效地估计出系统最佳的状态。然而WLS结果易受不良数据的影响，从而偏离实际

5、的真值［1］。由于在估计过程中能实现对量测粗差的自适应，抗差估计引起了国内外学者的广泛研究，其中以加权最小绝对值(weightedleastabsolutevalues,WLAV)[2]、非二次准则、最小中位数(leastmedianofsquares,LMS)为主。此外，基于指数型目标函数、最人合格率的状态估计也是抗差估计领域的新方法。抗差估计器以增加计算复杂度为代价，提高了状态估计的精度，然而相比于WLS估计器，较低的计算效率一定程度上也限制了其在工程实践中的应用[3】。1WLAV估计WLAV状态估计模型为:min.mi=l移wi缀is.t.缀丨=2

6、1七什)(1)式中：wi和着i各为权重及残差的第i个分量。经简化后，WLAV抗差估计模型化简为：min.wT(l+u)s.t.嗓z-h(x)+l-u=0,(I，u)叟0(2)构造式(2)的拉格朗日函数为：L=wT(l+u)-浊T[z-h(x)+l-u]-琢TI-茁Tu(3)式中：浊、琢和茁为拉格朗日乘子。对式(3)进行泰勒展TP:2h(X)浊dx+h(x)d浊=-1_*(4)-d浊-d琢=-LI(5)d浊-dffi=-Lu(6)h(x)dx-dl+du=-l.浊(7)Adl+Lda=-I.滋琢(8)Bdu+Ud茁=-1_滋茁(9)取初值后可得：d琢=-£

7、)浊d茁=d浊dl=-A-l-Ld浊+L滋琢蒈菰du=-B-lUd浊+L滋茁蒈蒒扇墒设设设设设设设设缮设设设设设设设设(10)将式(10)代入后得到修正方程为：H赞-h(x)-h(x)T蓑S蔆dx蓑d浊蔆=-Lx蓑酌寖(11)迭代求解式(10)和式(11)直至满足收敛条件，获得状态量的WLAV估计结果。2算例测试选取IEEE30、57、118、300标准节点以及波兰2383(PL2383)节点为测试算例，比较QC、QL、WLAV的估计精度与计算效率。其中，算例的评价指标为：SV=lNNi=l移V蓺i-Vexi(12)S兹=Nl-lNi=2移兹蓺i-兹ex

8、i(13)随机模拟200次，比较SV与S兹概率密度分布图(probability