計及負荷靜態(tài)特性的電力系統(tǒng)靜態(tài)狀態(tài)估計算法

陸子剛，衛(wèi)志農(nóng)，孫國強，孫永輝，孫維真，王 超

(1.河海大學可再生能源發(fā)電技術教育部工程研究中心，江蘇南京 210098;2.浙江省電力公司，浙江杭州 310000)

電力系統(tǒng)狀態(tài)估計的作用是將調(diào)度中心接受的精度較低并且偶爾包含不良數(shù)據(jù)的“生數(shù)據(jù)”處理成為能夠更好地逼近真實值的數(shù)據(jù)［1-3］，使調(diào)度中心對電力系統(tǒng)運行的安全性和經(jīng)濟性能夠進行正確的分析和判斷，使調(diào)度員能夠全面掌握電力系統(tǒng)過去、當前、甚至未來的狀態(tài)［4-5］。

現(xiàn)階段絕大多數(shù)的狀態(tài)估計常用的算法主要是加權最小二乘算法(weighted least squares，WLS)［6-8］，包括正交化分解法［9］、改進 Givens法［10］和二乘 Givens變換法［11］、基于零注入等式約束的法方程(normal equations with constraints，NE/C)修正牛頓法［12］以及帶不等式約束的優(yōu)化法［13-14］?，F(xiàn)代電力系統(tǒng)中負荷模型辨識工作已經(jīng)深入開展［15］，然而上述方法并未考慮負荷模型對狀態(tài)估計的影響，僅僅將負荷功率作為節(jié)點注入功率參與迭代，忽略了負荷靜態(tài)特性的作用。隨著負荷建模的廣泛應用，在常規(guī)狀態(tài)估計中精確計及負荷靜態(tài)特性的影響已經(jīng)成為可能，并且是十分有必要的。

筆者在常規(guī)WLS狀態(tài)估計研究的基礎上，研究了計及負荷靜態(tài)特性的電力系統(tǒng)狀態(tài)估計方法，根據(jù)典型負荷靜態(tài)特性，在所要研究的節(jié)點上，利用已經(jīng)辨識的負荷靜態(tài)模型替代傳統(tǒng)的節(jié)點注入功率，將負荷有功、無功功率表示為隨電壓緩慢變化而變化的等效模型，并構(gòu)建新的零注入功率量測，負荷靜態(tài)模型采用冪函數(shù)或二次多項式模型，最后利用WLS進行狀態(tài)估計。利用算例仿真進行分析驗證，表明此方法得到的狀態(tài)估計量精度更高。

1 負荷靜態(tài)模型

負荷靜態(tài)模型［16］反映了負荷功率隨頻率和電壓緩慢變化而變化的規(guī)律，可用代數(shù)方程或曲線表示，其中包括負荷電壓特性和負荷頻率特性。在穩(wěn)態(tài)運行情況下，電力系統(tǒng)處于緩慢的負荷波動過程中，頻率影響可以忽略，因此，只計及負荷電壓特性而忽略頻率特性時，負荷靜態(tài)模型用冪函數(shù)表示為

式中:PL0、QL0、UL0——在基準點穩(wěn)態(tài)運行時負荷有功功率、無功功率、負荷母線電壓幅值;PL、QL、UL——PL0、QL0、UL0的實際值;pU、qU——負荷有功和無功功率的電壓特性指數(shù)。

負荷靜態(tài)模型用多項式表示為

式中:ap、bp、cp——恒定阻抗、恒定電流、恒定功率負荷的有功功率占總有功功率的百分比，且有ap+bp+cp=1;aq、bq、cq——恒定阻抗、恒定電流、恒定功率負荷的無功功率占總無功功率的百分比，且有aq+bq+cq=1。

2 加權最小二乘估計

狀態(tài)估計的目的是基于量測數(shù)據(jù)確定系統(tǒng)相對應的最合適狀態(tài)，電力系統(tǒng)狀態(tài)估計器采用的估計準則大多是極大似然估計(maximum likelihood estimation，MLE)。

電力系統(tǒng)量測誤差通常假定為正態(tài)分布:

式中:z——量測隨機變量;μ——均值(數(shù)學期望)，μ =E(z);σ——z的標準差。

m個不相關且有相同概率密度分布的隨機變量的聯(lián)合概率密度函數(shù)為

式中:zi——第 i個量測量;fm(z)——z的似然函數(shù)，z=(z1，z2，…，zm)。

極大似然估計通過估計聯(lián)合密度函數(shù)中的給定參數(shù)，即均值μ和標準差σ，以達到使似然函數(shù)最小的目的。取對數(shù)似然方程可得

MLE使似然函數(shù)對于一組特定的觀測值z1，z2，…，zm達到最小，即

定義第i個量測的殘差ri為

式中均值μi(量測zi的數(shù)學期望E(zi))表示為非線性函數(shù)hi(x)，hi(x)為狀態(tài)量x的非線性函數(shù)，滿足基爾霍夫定律及功率方程等電路基本定理。因此，式(6)等同于對于狀態(tài)量x求得殘差平方加權和的最小值:

上述最優(yōu)化問題解法稱為對于x的加權最小二乘估計法。

3 計及負荷靜態(tài)特性的WLS狀態(tài)估計

在電力系統(tǒng)狀態(tài)估計中，對于負荷節(jié)點，傳統(tǒng)的處理方法是將負荷功率量測合并轉(zhuǎn)化為節(jié)點注入功率量測，卻忽略了負荷自身特性，對負荷功率及系統(tǒng)狀態(tài)量的估計都會生產(chǎn)偏差?，F(xiàn)代電力系統(tǒng)中，負荷模型辨識已日趨完善和精確［17］，下面以單一負荷類型節(jié)點為例說明。

傳統(tǒng)節(jié)點注入功率表示為

式中:Pi、Qi——節(jié)點 i有功、無功注入功率，其方向規(guī)定流入節(jié)點 i為正，流出節(jié)點 i為負;ui、uj——節(jié)點 ii、j的電壓幅值;θij——節(jié)點i到節(jié)點j的電壓相角差;Gij、Bij——節(jié)點導納陣中對應節(jié)點i和j之間的自導納(互導納)的電導和電納;N——網(wǎng)絡節(jié)點總數(shù)。

計及負荷靜態(tài)特性時，負荷節(jié)點采用式(1)(2)兩類模型，構(gòu)建本節(jié)點零注入功率，此類負荷節(jié)點零注入功率采用冪函數(shù)模型和多項式模型表達分別為

雅克比矩陣H中負荷節(jié)點零注入功率Pi、Qi對本節(jié)點電壓幅值u的偏導增加冪函數(shù)或多項式部分求導一項，雅克比矩陣其余各元素不變，冪函數(shù)模型和多項式模型中變化的元素分別為

對負荷節(jié)點增加的零注入功率量測賦最高權值，等同于偽量測中精確的零注入功率量測。算法的程序流程如圖1所示。

4 算例仿真

4.1 節(jié)點系統(tǒng)

本文對文獻［3］中的4節(jié)點標準算例進行了仿真計算，將節(jié)點3作為建立負荷靜態(tài)特性模型的節(jié)點，負荷功率采用冪函數(shù)模型時為 PL0=48，pU=1.8，QL0=38，qU=2.2，標準差設為10－5;采用多項式模型時為 PL0=48，ap=0.65，bp=0.45，cp= －0.1，QL0=38，aq=0.86，bq=0.5，cq= －0.36，仿真結(jié)果見表1。表1給出了在4節(jié)點系統(tǒng)中采用冪函數(shù)和多項式模型WLS的狀態(tài)估計量與傳統(tǒng)WLS的狀態(tài)估計量的比較。結(jié)果表明，前者的1、2、3節(jié)點電壓幅值估計量均更接近真值，節(jié)點4的電壓幅值和相角估計量和后者基本一致。冪函數(shù)模型WLS和多項式模型WLS計結(jié)果一致，表明在小系統(tǒng)中對于負荷模型及參數(shù)變化的影響不明顯?？傮w而言，計及負荷靜態(tài)特性的狀態(tài)估計結(jié)果更加精確。

圖1 計及負荷靜態(tài)特性的WLS狀態(tài)估計算法程序Fig.1 Flowchart of WLS state estimation algorithm considering static characteristics of load

表1 4節(jié)點算例仿真結(jié)果比較Table 1 Comparison of simulation results of 4-bus system

在4節(jié)點系統(tǒng)仿真實驗中，常規(guī)WLS、冪函數(shù)模型WLS和多項式模型WLS的收斂次數(shù)都是3次。因此，在小系統(tǒng)中計及負荷靜態(tài)特性對狀態(tài)估計迭代計算速度影響不明顯。

4.2 IEEE-39節(jié)點系統(tǒng)

對IEEE－39節(jié)點的標準算例進行仿真計算，結(jié)果見表2，其中量測數(shù)據(jù)是在測試系統(tǒng)潮流結(jié)果的基礎上疊加相應的正態(tài)分布的隨機量測誤差所產(chǎn)生的。將節(jié)點4、8、12、24、26作為建立負荷靜態(tài)模型的節(jié)點，系統(tǒng)如圖2所示。

圖2 IEEE-39節(jié)點系統(tǒng)Fig.2 IEEE 39-bus system

表2給出了在IEEE－39節(jié)點系統(tǒng)中計及負荷靜態(tài)特性的狀態(tài)估計量結(jié)果與常規(guī)WLS狀態(tài)估計量結(jié)果的比對。從表2可以看出，雖然節(jié)點3、6、17、22、35的冪函數(shù)WLS和多項式模型WLS估計量誤差稍高于常規(guī)WLS估計誤差，但誤差絕對值基本都在0.1以內(nèi)，精度完全可以接受，并且其余若干節(jié)點的估計誤差在冪函數(shù)和多項式模型WLS估計中都大幅度減少。在相角估計中，除了節(jié)點8、32的相角估計誤差在冪函數(shù)模型WLS估計中相對未明顯降低外，其余各節(jié)點的相角估計量誤差都有明顯降低抑或誤差絕對值滿足精度要求。總體而言，計及負荷靜態(tài)特性的兩類計算結(jié)果都分別或者全部優(yōu)于常規(guī)量測下的計算結(jié)果。目標函數(shù)J的值在后兩次計算中有所下降，此算例中，3次估計的目標函數(shù)值分別為151.8843、141.4307和134.7086，自由度K=146，因此，采用冪函數(shù)模型WLS和多項式模型WLS的估計結(jié)果都符合最優(yōu)分布。

表2 IEEE-39節(jié)點算例仿真結(jié)果比較Table 2 Comparison of simulation results of IEEE 39-bus system

在IEEE－39節(jié)點系統(tǒng)仿真實驗中，常規(guī)WLS、冪函數(shù)模型WLS和多項式模型WLS的收斂次數(shù)均為3次。由于僅有5個節(jié)點利用了負荷靜態(tài)模型，因此，迭代計算速度未受到太大影響，收斂次數(shù)較常規(guī)計算并未有增多。

4.3 實際地區(qū)電網(wǎng)算例

采用我國某省網(wǎng)部分地區(qū)子網(wǎng)系統(tǒng)作為實際算例進行仿真分析，電網(wǎng)包含233條實際母線，10臺降壓變壓器，907個量測，計算時合并為74個230 kV節(jié)點，12個525 kV節(jié)點。選取2012年3月1日10:00—12:00的連續(xù)斷面數(shù)據(jù)中的10個基本不含不良數(shù)據(jù)的量測斷面進行仿真分析。負荷靜態(tài)模型采用已辨識的多項式模型，PL0、QL0分別取1，其余參數(shù)如表3所示，仿真結(jié)果見表4。

表4給出了考慮多項式模型后10個斷面的狀態(tài)估計合格率，此算例中采用了負荷的多項式模型。相比常規(guī)WLS，計及負荷靜態(tài)特性多項式模型WLS的狀態(tài)估計合格率在每個斷面都略有提高，表明了算法的優(yōu)越性。

仿真實驗中，4節(jié)點系統(tǒng)、IEEE－39節(jié)點系統(tǒng)及實際系統(tǒng)計算都表明，部分節(jié)點采用負荷靜態(tài)特性模型計算時，估計精度皆有所提高，同時提高了實際系統(tǒng)的狀態(tài)估計合格率，這是由于負荷靜態(tài)模型參數(shù)的辨識具有統(tǒng)計規(guī)律。由于僅考慮了靜態(tài)特性，并未涉及動態(tài)特性，因此，實際計算中每個斷面的狀態(tài)估計合格率都提高了0.2%左右。同時，系統(tǒng)運行時節(jié)點電壓幅值變化不大，在計及負荷靜態(tài)特性的狀態(tài)估計時，估計精度都滿足運行工況的要求。

表3 負荷靜態(tài)模型參數(shù)Table 3 Parameters of static load model

表4 實際地區(qū)電網(wǎng)算例10個斷面狀態(tài)估計合格率對比Table 4 Comparison of state estimation acceptance rates for ten snap shots in regional network

5 結(jié) 語

在電力系統(tǒng)常規(guī)量測的基礎上，利用負荷靜態(tài)電壓特性，在特定節(jié)點上建立了基于負荷靜態(tài)特性的冪函數(shù)模型和多項式模型。利用零注入功率量測構(gòu)建精確的偽量測量，補充并提高了量測系統(tǒng)的完整性和精確性，做加權最小二乘靜態(tài)狀態(tài)估計，有效地提高了狀態(tài)估計量精度，更有利于提升電力系統(tǒng)高級分析軟件結(jié)果的可信度，具有較好的實用性。

［1］EXPOSITO A G，JAEN A V.Two-level state estimation with local measurement pre-processing［J］.IEEE Transactions on Power Systems，2009，24(2):676-684.

［2］VANFRETTI L，CHOW J H，SARAWGI S，et al.A phasor-data-based state estimator incorporating phasor bias correction［J］.IEEE Transactions on Power Systems，2011，26(1):111-119.

［3］JABR R A，PAL B C.AC network state estimation using linear measurement functions［J］.IET Proceedings-Generation Transmission and Distribution，2008，2(1):1-6.

［4］龐博，衛(wèi)志農(nóng)，孫國強.基于風力發(fā)電機簡化RX模型的電力系統(tǒng)狀態(tài)估計［J］.電網(wǎng)技術，2009，33(19):159-163.(PANG Bo，WEI Zhinong，SUN Guoqiang.Power system state estimation based on simplified RX model of wind power generator［J］.Power System Technology，2009，33(19):159-163.(in Chinese))

［5］姚諸香，郭燁，郭玉金，等.含指數(shù)型目標函數(shù)的電力系統(tǒng)抗差狀態(tài)估計方法在江西電網(wǎng)中的應用［J］.電網(wǎng)技術，2012，36(4):155-159.(YAOZhuxiang，GUOYe，GUOYujin，et al.Application of a robust state estimator based on maximum exponential square in Jiangxi power system［J］.Power System Technology，2012，36(4):155-159.(in Chinese))

［6］王勇，郭志忠，彭茂君，等.基于分解協(xié)調(diào)算法的互聯(lián)電力系統(tǒng)狀態(tài)估計［J］.電網(wǎng)技術，2008，32(10):79-83.(WANG Yong，GUO Zhizhong，PENG Maojun，et al.A new decomposition and coordination algorithm for state estimation in interconnected power system［J］.Power System Technology，2008，32(10):79-83.(in Chinese))

［7］寧遼逸，孫宏斌，吳文傳.基于狀態(tài)估計的電網(wǎng)支路參數(shù)估計方法［J］.中國電機工程學報，2009，29(1):7-13.(NING Liaoyi，SUN Hongbin，WU Wenchuan，et al.State estimation based on branch parameter estimation method for power grid［J］.Proceedings of the CSEE，2009，29(1):7-13.(in Chinese))

［8］盧志剛，程慧琳，馮磊，等.基于證據(jù)融合理論的多不良數(shù)據(jù)辨識［J］.電網(wǎng)技術，2012，36(1):123-128.(LU Zhigang，CHENG Huilin，F(xiàn)ENG Lei，et al.Multi bad data identification based on evidence fusion theory［J］.Power System Technology，2012，36(1):123-128.(in Chinese))

［9］KILOKYS E，SINGH N.Minimum correction method for enforcing limits and equality constraints in state estimation based on orthogonal transformations［J］.IEEE Transactions on Power Systems，2000，15(4):1281-1286.

［10］郭瑞鵬，邵學檢，韓禎祥.基于分塊吉文斯旋轉(zhuǎn)的電力系統(tǒng)狀態(tài)估計［J］.中國電機工程學報，2006，26(12):26-31.(GUO Ruipeng，SHAO Xuejian，HAN Zhenxiang.A blocked Givens rotations based algorithm for power system state estimation［J］.Proceedings of the CSEE，2006，26(12):26-31.(in Chinese))

［11］鮑海波，韋化.考慮風電的電壓穩(wěn)定概率評估的隨機響應面法［J］.中國電機工程學報，2012，32(13):77-85.(BAO Haibo，WEI Hua.A stochastic response surface method for probabilistic evaluation of the voltage stability considering wind power［J］.Proceedings of the CSEE，2012，32(13):77-85.(in Chinese))

［12］郭燁，張伯明，吳文傳，等.直角坐標下含零注入約束的電力系統(tǒng)狀態(tài)估計修正牛頓法［J］.中國電機工程學報，2012，32(19):96-100.(GUO Ye，ZHANG Boming，WU Wenchuan，et al.Power system state estimation solution with zero injection constraints using modified Newton method［J］.Proceedings of the CSEE，2012，32(19):96-100.(in Chinese))

［13］王勇，郭志忠，彭茂君，等.基于分解協(xié)調(diào)算法的互聯(lián)電力系統(tǒng)狀態(tài)估計［J］.電網(wǎng)技術，2008，32(10):79-83.(WANG Yong，GUO Zhizhong，PENG Maojun，et al.A new decomposition and coordination algorithm for state estimation in interconnected power system［J］.Power System Technology，2008，32(10):79-83.(in Chinese))

［14］趙淵，楊曉嵩，謝開貴.UPFC對電網(wǎng)可靠性的靈敏度分析及優(yōu)化配置［J］.電力系統(tǒng)自動化，2012，36(1):55-59.(ZHAO Yuan，YANG Xiaosong，XIE Kaigui.Parameter sensitivity and optimal allocation of UPFCs in bulk power systems reliability assessment［J］.Automation of Electric Power Systems，2012，36(1):55-59.(in Chinese))

［15］鞠平.電力系統(tǒng)建模理論與方法［M］.北京:科學出版社，2010:244-289.

［16］馬進，賀仁睦，王景鋼，等.綜合負荷模型參數(shù)的簡化辨識策略［J］.電網(wǎng)技術，2006，30(9):28-34.(MA Jin，HE Renmu，WANG Jinggang.Simplified identification strategy for composite load model parameters［J］.Power System Technology，2006，30(9):28-34.(in Chinese))

［17］倪以信，陳壽孫，張寶霖.動態(tài)電力系統(tǒng)的理論和分析［M］.北京:清華大學出版社，2002:81-82.