一种变电站变结构双尺度数据融合方法
【专利摘要】本发明涉及一种变电站变结构双尺度数据融合方法，属于电力系统运行和控制【技术领域】，该方法包括：构造粗、细尺度状态向量；采用母线模型对细尺度融合周期内的PMU和RTU节点量测量进行细尺度数据融合，构建细尺度融合量测方程；根据不同情况给定细尺度状态向量的初值；进行细尺度状态估计；直至粗尺度融合周期开始时刻到来构建粗尺度融合量测方程；给定粗尺度状态向量初值进行粗尺度状态估计，将粗尺度状态估计结果上送至调度中心，供调度员使用。本发明可以高效地、充分地利用变电站内来自RTU、PMU的多源数据，将量测量中的坏数据进行辨识和剔除，显著提高变电站状态估计的抗差性能。
【专利说明】一种变电站变结构双尺度数据融合方法
【技术领域】
[0001] 本发明属于电力系统运行和控制【技术领域】，特别涉及一种变电站变结构双尺度数 据融合方法。
【背景技术】
[0002] 随着越来越多的新能源接入，电网的不确定性增加，对电网进行监测与控制的实 时性要求也逐渐提高。近年来，由于相量量测单元（Phasor Measuring Unit,以下简称PMU) 在电力系统中的广泛应用，使得广域量测系统（Wide Area Measurement System, WAMS)得 到了快速发展。PMU量测具有速度快、精度高、同步性好等优点，有效利用PMU量测有利于 捕捉电力系统的动态信息，提高调度人员故障应变能力，从而更好地监测和控制电力系统 的安全经济运行。在电力系统状态估计领域，PMU的出现使得实现快速、精确的线性状态估 计成为可能。Phadke首次提出了基于PMU的线性状态估计，以复电压、复电流为量测量，采 用直角坐标建立量测方程进行求解，克服了非线性状态估计收敛性差的问题，提高了状态 估计结果的可靠性。然而，出于价格和通信技术方面的考虑，较长时间内不可能在全网范围 内普及PMU，PMU量测难以满足整个电网可观测性的要求。因此，在相当长的时间内，电力系 统状态估计仍将依靠传统的远方终端单元（Remote Terminal Unit,以下简称RTU)量测来 保证网络的可观测性。目前，传统的状态估计方法仅利用了 RTU量测，使得大量精确的PMU 数据被浪费掉了。同时采用PMU量测与RTU量测进行状态估计，有利于提高量测量冗余度、 状态估计的精度及坏数据的辨识能力。但是，就目前的技术水平来看，实现PMU量测与RTU 量测融合的过程中还存在着以下两个难点：
[0003] 难点之一是两种量测的成份不同。RTU量测量包括电压幅值及功率量测值等，而 PMU量测量则为复电压、复电流等量测量。最简单直接的融合方法是只引入PMU复电压量测 量，但代价是丢失了其余PMU量测量的冗余信息。
[0004] 难点之二是两种量测数据的采集周期不同。由于RTU在传送数据时采用的方式是 变位传送，其数据采集周期通常为几秒；而PMU在传送数据时采用的方式是广播，其数据采 集周期一般为10或20毫秒。在如果只引入PMU复电压量测量进行融合，融合周期仍然是 RTU量测的采集周期，而相邻两次融合间的高频PMU量测无法得到充分利用，融合的实时性 仍然没有得以改善。Glavic提出了一种基于伪量测的状态跟踪算法，即选择PMU量测的采 集周期作为融合周期，在进行高频状态估计时，选取RTU量测中的部分量测作为伪量测与 PMU量测进行融合，并同时认为这些伪量测的数值不变，伪量测的数值可以是PV节点的电 压及变化缓慢的负荷等，但是这种方法并不能保证系统的可观测性。
[0005] 在变电站级的数据融合方面，Meliopoulos提出的Super Calibrator概念中提到 了同时利用PMU、RTU等量测进行混合状态估计，融合周期为RTU采集周期，同样没有考虑 高频的PMU量测数据。变电站网络规模较小，使快速敏捷的计算与控制成为可能。因此，在 RTU时间尺度的多源数据融合已经不再满足变电站快速监测的需求。然而，由于变电站独特 的零阻抗开关模型，PMU的分布亦具有其独特性，通常零阻抗开关模型中只有节点（母线和 出线）上才有PMU量测，而零阻抗开关模型中的零阻抗开关支路上没有PMU量测。也就是 说，仅使用PMU量测无法保证变电站零阻抗网络的可观测性。同时，由于变电站零阻抗支路 上的功率流动具有随机性，不存在波动缓慢或有规律性的伪量测用于改善PMU量测系统下 的零阻抗网络可观测性。因此，如何在量测冗余度不够的情况下，实现PMU采集时间尺度上 的快速数据融合，是变电站多源数据融合的难点问题。
【发明内容】
[0006] 本发明的目的是为了解决变电站多源数据融合的难点问题，提出的一种变电站变 结构双尺度数据融合方法，该方法从信息融合理论的角度出发，选择适用于变电站量测系 统的融合结构及融合准则：根据不同时间尺度状态量的特点，选择不同的融合算法。通过这 种变结构双尺度的融合方式，可以高效地、充分地利用变电站内来自RTU、PMU的多源数据， 将量测量中的坏数据进行辨识和剔除，显著提高变电站状态估计的抗差性能。
[0007] 本发明提出的一种变电站变结构双尺度数据融合方法，其特征在于，该方法包括 以下步骤：
[0008] 1)构造粗、细尺度状态向量
[0009] 粗尺度融合周期开始时刻，采用变电站零阻抗开关模型，选取各零阻抗开关支路 功率及各节点复电压为状态量，构造粗尺度状态向量如式（1):
【权利要求】
1. 一种变电站变结构双尺度数据融合方法，其特征在于，该方法包括以下步骤： 1) 构造粗、细尺度状态向量 粗尺度融合周期开始时刻，采用变电站零阻抗开关模型，选取各零阻抗开关支路功率 及各节点复电压为状态量，构造粗尺度状态向量如式（1):
(1) 其中，X为粗尺度状态向量，由组成；为粗尺度功率状态向量，即各零阻抗 开关支路的三相有功功率及无功功率；Xv为粗尺度电压状态向量，即各母线三相复电压； 细尺度融合周期开始时刻，采用变电站母线模型，选取各非零阻抗支路功率及各节点 复电压为状态量，构造细尺度状态向量如式（2):
(2) 其中，y为细尺度状态向量，由ynd，p和yv组成；ynd，p为细尺度功率状态向量，即各非零 阻抗支路的三相有功功率及无功功率；yv为细尺度电压状态向量，即各母线三相复电压； 2) 构建细尺度融合量测方程 在细尺度融合周期开始时刻，采用母线模型对细尺度融合周期Tf内的PMU和RTU节点 量测量进行细尺度数据融合，构建细尺度融合量测方程如式（3):
(3) 其中，ZF为细尺度量测向量，？由节点功率量测向量 <和节点电压量测向量 < 组成，F为细尺度量测矩阵，eF为细尺度量测误差向量； 式⑶中的节点功率量测向量<由式⑷中的三部分组成：
(4) 式中，为细尺度融合周期内来自PMU的非零阻抗支路三相功率量测，为细尺度 融合周期内来自RTU的非零阻抗支路三相功率量测；< 为依据基尔霍夫电流定律构造的细 尺度零注入伪量测，表示母线各节点注入功率之和为零；在该细尺度融合周期Tf内，如果没 有RTU量测数据，此时不存在，< 仅由和<组成，如式（5):
(5) 式（3)中的节点电压量测向量zf由式（6)中的两部分组成：
(6) 其中，为细尺度融合周期内的来自PMU的各节点三相复电压量测；zL为细尺度融 合周期内来自RTU的各节点三相电压量测；在该细尺度融合周期Tf内，如果没有RTU量测 数据时,此时Zf0,不存在，仅由组成，如式（7):
(7) 3)给定细尺度状态向量y的初值 根据不同情况给定式（2)中细尺度状态向量y的初值y(O): a. 在首个细尺度融合周期的初始时刻，将该初值取为这一时刻对应状态量的量测值， 如式（8):
(8) 其中，/(〇)为首个细尺度融合周期的初始时刻的状态向量初值，和兄°(〇)分别 表示首个细尺度融合周期的初始时刻的功率状态向量和电压状态向量的初值，< 和Zve分别 为首个细尺度融合周期的初始时刻的功率量测值和电压量测值； b. 在其他细尺度融合周期的初始时刻，若前一细尺度融合周期的初始时刻未进行粗尺 度数据融合，则取前一细尺度融合周期的初始时刻对应状态量的估计值作为本时刻细尺度 数据融合的状态向量初值，如式（9):
(9) 其中，yk+1(〇)为第k+l个细尺度融合周期开始时刻的状态向量初值，<+1(〇)和Ζ+1(0) 分别表示第k+l个细尺度融合周期开始时刻的功率状态向量和电压状态向量的初值，^和 尤分别为第k个细尺度融合周期开始时刻的功率状态向量和电压状态向量估计值； c. 在其他细尺度融合周期的初始时刻，若前一细尺度融合周期内进行了粗尺度数据融 合和粗尺度状态估计，则取粗尺度状态估计结果中对应于细尺度融合状态向量的估计值作 为本时刻细尺度数据融合的状态向量初值，如式（10):
(丨〇) 其中，Y1(O)为进行了粗尺度数据融合和粗尺度状态估计后的第1个细尺度融合周期开 始时刻的状态向量初值，允（〇)和乂 (〇)分别表示进行粗尺度数据融合和粗尺度状态估计后 的第1个细尺度融合周期开始时刻的功率状态向量和电压状态向量的初值，K和j),°分别为 前一细尺度融合周期内进行的粗尺度状态估计后得到的功率状态向量和电压状态向量的 估计值； 4) 进行细尺度状态估计 利用式（3)构建的细尺度融合量测方程与式（8)、（9)或（10)给定的细尺度状态向量 初值，进行细尺度状态估计； 5) 重复步骤2) -4)，直至粗尺度融合周期开始时刻的到来，转步骤6); 6) 构建粗尺度融合量测方程 在粗尺度融合周期开始时刻，采用零阻抗开关模型，将粗尺度融合周期Ts内到达的RTU开关支路三相功率量测ζΛ，以及最近一次细尺度融合得到的细尺度融合状态量估计值夕和 粗尺度零注入伪量测<，共同构成粗尺度量测向量Zs并进行粗尺度数据融合；构建粗尺度 融合量测方程如式（11):
(11) 其中，Zs为粗尺度量测向量，Zd3为粗尺度支路三相功率量测量，ivλ分别为最近一 次细尺度融合得到的细尺度融合状态量yp、yv的估计值，Z〖为依据基尔霍夫电流定律构造 的粗尺度零注入伪量测向量；X为由式（1)定义的粗尺度状态量，包括零阻抗支路功率及各 节点复电压；s(x)为粗尺度量测函数；Ueb为支路三相功率量测Zeb的量测误差向量；np、 ην为最近一次细尺度融合得到的细尺度融合状态量&、^的估计误差向量，如式（12):
7) 给定粗尺度状态向量初值 粗尺度状态向量的初值取这一时刻对应状态量的量测值，如式（13):
其中，Χ(〇)为粗尺度状态向量的初值；Χ?，ρ(〇)和Xv(O)分别表示粗尺度支路功率状态 向量和粗尺度节点电压状态向量的初值；Zd3和Zv分别表示粗尺度融合周期开始时刻支路 功率量测值和节点电压量测值； 8) 进行粗尺度状态估计 利用式（11)构建的粗尺度融合量测方程与式（13)给定的粗尺度状态向量初值，进行 粗尺度状态估计；将粗尺度状态估计结果上送至调度中心，供调度员使用； 9) 进入下一个细尺度融合周期，重复步骤2) - 8)。
【文档编号】G06F19/00GK104462813SQ201410736920
【公开日】2015年3月25日 申请日期:2014年12月5日 优先权日:2014年12月5日
【发明者】徐英, 孙宏斌, 贾琳, 郭庆来, 高洵, 张伯明, 栗向鑫, 吴文传, 张硕, 盛同天, 李轶群, 赵伟 申请人:国家电网公司, 国家电网公司华北分部, 清华大学