• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于時域模型的電-氣綜合能源系統(tǒng)分布式魯棒狀態(tài)估計

      2023-09-18 07:38:26衛(wèi)志農(nóng)黃蔓云孫國強
      電力系統(tǒng)自動化 2023年17期
      關鍵詞:支路時域噪聲

      潘 浩,衛(wèi)志農(nóng),黃蔓云,孫國強,陳 勝,孫 康

      (河海大學能源與電氣學院,江蘇省 南京市 211100)

      0 引言

      隨著電力系統(tǒng)和天然氣系統(tǒng)耦合關系的不斷加深,協(xié)同合作、靈活高效的電-氣綜合能源系統(tǒng)(integrated electricity-gas system,IEGS)開始受到廣泛關注,打破了傳統(tǒng)多能源系統(tǒng)單獨設計、規(guī)劃與運營的模式,在提升能源使用效率、消納新能源出力、促進節(jié)能減排等多方面發(fā)揮著重要作用[1-2]。狀態(tài)估計(state estimation,SE)作為能量管理系統(tǒng)的基石,為后續(xù)IEGS 的潮流計算、安全評估和優(yōu)化調(diào)度提供數(shù)據(jù)支撐。因此,準確實時的IEGS-SE 具有重要意義[3]。

      在電力系統(tǒng)SE 研究[4-5]的基礎上,國內(nèi)外學者計及氣網(wǎng)穩(wěn)態(tài)和動態(tài)運行的不同工況,開展了較多面向IEGS-SE 的研究。文獻[6-9]基于Weymouth方程進行氣網(wǎng)穩(wěn)態(tài)建模,適用于時間尺度較長的氣網(wǎng)SE 場景;而當系統(tǒng)發(fā)生頻繁擾動時,相較于電網(wǎng)的快速響應能力,氣網(wǎng)較長的暫態(tài)過程會使穩(wěn)態(tài)模型產(chǎn)生較大的估計誤差,無法滿足狀態(tài)實時跟蹤監(jiān)測、系統(tǒng)安全穩(wěn)定運行的要求。因此,須構建合適的氣網(wǎng)動態(tài)SE 模型。

      天然氣在管道中傳輸?shù)膭討B(tài)特性遵循流體力學定律,其模型通常由一組質(zhì)量守恒與動量守恒偏微分方程組描述[3],難以用解析法直接求解。目前,提出的氣網(wǎng)簡化模型包括有限元模型[10-11]、“管存”模型[12-13]和統(tǒng)一能路模型[14]等。文獻[15]采用Lax-Wendroff 差分法構建氣網(wǎng)有限元模型,并提出了基于加權最小二乘法(weighted least squares,WLS)的多時間斷面IEGS-SE 方法。文獻[16-17]則采用Euler 差分法構建氣網(wǎng)有限元模型。文獻[16]提出異步分布式IEGS-SE 策略,自適應調(diào)整SE 執(zhí)行周期,實時跟蹤系統(tǒng)動態(tài)變化。文獻[17]將指數(shù)平滑法和氣網(wǎng)動態(tài)模型集成到卡爾曼濾波(Kalman filter,KF)中,并提出時變標量矩陣來克服壞數(shù)據(jù)影響。文獻[18]針對由電、氣子系統(tǒng)多時間尺度特性導致的量測時延問題,提出了一種實時IEGS-SE 方法。上述研究均通過有限元差分法將氣網(wǎng)偏微分方程轉為代數(shù)方程求解,但會引入大量時空微元,增加模型復雜度,隨著系統(tǒng)規(guī)模增大,計算效率大幅下降。文獻[14]建立了基于統(tǒng)一能路的氣網(wǎng)動態(tài)SE模型,將氣網(wǎng)由時域映射至傅里葉域計算,兼顧SE精度和計算效率,但在實際工程中須額外增加時域-頻域等價轉化條件。

      鑒于此,文獻[19]提出了一種準確刻畫氣網(wǎng)動態(tài)特性以及多時間斷面之間狀態(tài)量傳遞關系的時域模型,避免了時空微元的遞推迭代,在計算效率和收斂性方面具有顯著優(yōu)勢。在此基礎上,本文提出了基于時域模型的IEGS 分布式魯棒SE 方法:基于時域模型推導出以真實節(jié)點壓強為狀態(tài)量的氣網(wǎng)狀態(tài)空間模型,提高SE 計算效率;提出有限邊界信息交互的分布式IEGS-SE 策略,保證子系統(tǒng)隱私安全;采用噪聲自適應算法,降低系統(tǒng)波動及量測異常時噪聲參數(shù)誤差的影響。最后,通過仿真算例驗證了所提方法的有效性。

      1 基于時域模型的氣網(wǎng)狀態(tài)空間建模

      1.1 支路時域模型

      天然氣在管道中進行一維等溫傳輸時,主要滿足質(zhì)量守恒和動量守恒兩大定律,其管道內(nèi)部特性由以下線性偏微分方程組描述[19]:

      式中:t和x分別為時間和管道距離;p和q分別為天然氣的氣體壓強和流量;va為氣體聲速;S、D、λ分別為管道的橫截面積、內(nèi)徑和摩擦系數(shù);w為管道平均流速;g和θ分別為重力加速度和管道傾角。

      假設在管道水平條件下,不考慮重力加速度g和傾角θ的影響,上述方程組可由統(tǒng)一形式下的線性偏微分方程表示[19]:

      式中:u為氣網(wǎng)狀態(tài)量,由氣體壓強p和流量q構成;K1和K2為常系數(shù)矩陣,如式(3)所示。

      由于偏微分方程式(2)難以用解析法直接求解,采用中心差商和隱式差分格式將其轉換成代數(shù)方程近似求解[20]:

      式中:下標i和t分別為空間和時間網(wǎng)格編號;μ1、μ2、μ3為常系數(shù)矩陣,其解析式見附錄A 式(A1)。

      代數(shù)方程式(4)僅描述了相鄰時空微元間狀態(tài)量的數(shù)值關系。而支路狀態(tài)量的變化本質(zhì)在于多段時空微元的累積傳遞,因此,根據(jù)式(4)可構建支路首末端狀態(tài)量u0,t、uM,t的函數(shù)關系式如下[19]:

      式中:M為支路空間差分段數(shù);ut-1為t-1 時刻支路分段狀態(tài)量構成的向量,可看作t時刻的初始條件;α和β為常系數(shù)矩陣;μ4=μ3+μ-12μ1。

      采用氣體壓強p和流量q表征狀態(tài)量u,將式(5)由單一支路推廣到整個網(wǎng)絡,并重新分類排序得到:

      式中:p0,t、pM,t和q0,t、qM,t分別為氣網(wǎng)各支路首、末端節(jié)點壓強和流量構成的向量;α1至α4為常系數(shù)矩陣;γp,t和γq,t分別為各支路初始條件對pM,t、qM,t的傳遞分量。此時,式(6)的輸入為支路首端狀態(tài)量和初始條件傳遞分量,輸出為支路末端狀態(tài)量,構成氣網(wǎng)支路時域模型。

      1.2 網(wǎng)絡時域模型

      為構建天然氣網(wǎng)絡時域模型,需要在支路時域模型的基礎上添加天然氣網(wǎng)絡的拓撲約束,即節(jié)點注入流量守恒和支路首末端壓強等于所處節(jié)點壓強兩類約束,可表示為:

      式中:qn,t為t時刻節(jié)點n注入流量向量;Ain和Aout分別為節(jié)點-支路流入、流出關聯(lián)矩陣;pn,t為真實節(jié)點壓強向量;Apn1和Apn2分別為支路首、末端節(jié)點關聯(lián)矩陣[19]。

      利用矩陣分塊思想,將式(6)改寫為采用支路首、末端節(jié)點壓強表征支路流量的函數(shù)關系式,推導過程見附錄B。

      式中:K11、K12、K21、K22為常系數(shù)矩陣;K0,t和KM,t分別為初始條件對q0,t、qM,t的傳遞分量。

      將式(8)、式(9)代入式(7),可得到天然氣網(wǎng)絡時域模型為[19]:

      式中:Yn為氣網(wǎng)廣義導納矩陣;bt為初始條件對qn,t的傳遞分量。

      1.3 氣網(wǎng)狀態(tài)空間建模

      氣網(wǎng)的狀態(tài)空間模型主要包括狀態(tài)方程和量測方程兩部分,文獻[19]推導的時域模型有助于構建氣網(wǎng)量測方程,即式(9)、式(10)。氣網(wǎng)量測量包括真實節(jié)點壓強pn,t、節(jié)點注入流量qn,t和支路首、末端流量q0,t、qM,t。因此,以pn,t作為狀態(tài)量可構建如下量測方程:

      而狀態(tài)方程負責描述相鄰時刻狀態(tài)量的波動變化,提供系統(tǒng)動態(tài)的基本信息,若狀態(tài)方程不準確,在進行預測和更新狀態(tài)估計值時則會引入更多誤差。因此,需要對狀態(tài)方程進行精確建模,文獻[19]中對氣網(wǎng)狀態(tài)方程的建模并未有所探究。

      考慮到傳遞分量γp,t、γq,t與狀態(tài)量p0,t-1、pM,t-1存在關聯(lián),根據(jù)式(5)、式(6),可構建其函數(shù)關系式如下:

      式中:β1至β4為常系數(shù)矩陣;λp,t-1和λq,t-1分別為除p0,t-1、pM,t-1外其余初始條件對γp,t和γq,t的傳遞分量。

      結合式(9)、式(14),將bt的解析式(12)改寫為:

      式中:K31、K32、Yb為常系數(shù)矩陣;Kb,t為初始條件對bt的傳遞分量。上述參數(shù)解析式見附錄C 式(C1)。

      將式(15)代入式(10)得到:

      對式(16)進行調(diào)整,構建氣網(wǎng)狀態(tài)方程如下:

      式中:Fg和Gg,t分別為氣網(wǎng)狀態(tài)轉移矩陣和控制變量。計算過程中,F(xiàn)g為常系數(shù)矩陣,與管道參數(shù)和運行特性有關;Gg,t與節(jié)點注入流量qn,t和傳遞分量Kb,t有關,其中,qn,t可由Holt 兩參數(shù)指數(shù)平滑法預測獲得。

      根據(jù)式(13)、式(17)構建氣網(wǎng)狀態(tài)空間模型如下:

      式中:xg,t=pn,t為氣網(wǎng)狀態(tài)向量;zg,t為氣網(wǎng)量測向量;Hg和Bg,t分別為氣網(wǎng)量測系數(shù)矩陣和初始條件對zg,t的傳遞分量,其解析式見附錄C 式(C2);wg,t為氣網(wǎng)過程噪聲向量;vg,t為氣網(wǎng)量測噪聲向量。

      2 基于時域模型的IEGS-SE 建模

      在氣網(wǎng)建模的基礎上,本章進一步構建電網(wǎng)狀態(tài)空間模型,并以燃氣輪機(gas turbine,GT)和電轉氣(power to gas,P2G)為邊界,建立電、氣雙向耦合模型,為IEGS-SE 提供模型支撐。

      由于電網(wǎng)和氣網(wǎng)分屬不同的管理主體,存在行業(yè)壁壘,而海量的用戶數(shù)據(jù)作為電、氣子系統(tǒng)能源運營商重要的價值資產(chǎn),使得隱私和數(shù)據(jù)安全成為一個更加敏感的話題。因此,需要實時共享全局信息的集中式IEGS-SE 方法難以適用。本文提出的IEGS-SE 方法采用分布式架構保障子系統(tǒng)間通信的安全性與隱私性,并以KF 算法為基礎,通過添加過程噪聲和量測噪聲自適應算法,增強SE 的魯棒性,實現(xiàn)對IEGS 運行狀態(tài)的實時精準感知。

      2.1 電網(wǎng)狀態(tài)空間建模

      本文建立的電網(wǎng)狀態(tài)空間模型是一種準穩(wěn)態(tài)模型,適用于系統(tǒng)負荷波動不大、穩(wěn)態(tài)運行的場景。狀態(tài)方程采用Holt 兩參數(shù)指數(shù)平滑法[21]構建,該方法是一種較為普遍的短期預測方法;而量測方程則與傳統(tǒng)電網(wǎng)靜態(tài)SE 相同。選取節(jié)點i的電壓幅值Vi和電壓相角θi為狀態(tài)量,量測量包括Vi,節(jié)點注入有功、無功功率Pi、Qi以及支路ij的有功、無功功率Pij、Qij。因此,電網(wǎng)狀態(tài)空間模型可表示為:

      式中:xe,t和ze,t分別為電網(wǎng)狀態(tài)向量和量測向量;Fe,t-1和Ge,t分別為電網(wǎng)狀態(tài)轉移矩陣和控制變量,可通過Holt 兩參數(shù)指數(shù)平滑法獲得;h(xe,t)為電網(wǎng)量測方程,見附錄C 式(C3);we,t為電網(wǎng)過程噪聲向量;ve,t為電網(wǎng)量測噪聲向量。

      2.2 耦合元件建模

      IEGS 中天然氣能與電能一般通過GT 和P2G實現(xiàn)雙向傳遞。GT 通過燃燒天然氣產(chǎn)生電能,可平抑電網(wǎng)的負荷波動;P2G 消耗過剩的電能生成氫氣,而由于氫氣存儲和傳輸困難,需通過化學反應將氫氣合成天然氣后,注入天然氣網(wǎng)絡進行大規(guī)模存儲和傳輸,實現(xiàn)節(jié)能減排。GT 和P2G 輸入(生成)氣流量和輸出(消耗)電功率的函數(shù)關系為[22]:

      式中:PGT和PP2G分別為GT 和P2G 輸出/消耗的電功率;qGT和qP2G分別為GT 和P2G 燃燒/生成的氣流量;?GT和?P2G分別為GT 和P2G 的能量轉換效率;LHV為天然氣低熱值;ηGT和ηP2G分別為等價后GT 和P2G 的能量轉換系數(shù)。

      2.3 基于時域模型的IEGS 分布式魯棒SE

      2.3.1 分布式IEGS-SE 算法

      本文所提的分布式IEGS-SE 算法[16,23]采用去中心化架構,在電、氣子系統(tǒng)進行局部SE 后,無需中央處理器協(xié)調(diào)電、氣SE 結果,僅需通過耦合區(qū)域邊界信息的交互,迭代更新各子系統(tǒng)狀態(tài)信息,直至邊界條件收斂。在此過程中,除耦合區(qū)域邊界信息交互共享外,電、氣子系統(tǒng)的量測信息、狀態(tài)信息僅受各自數(shù)據(jù)能量管理中心訪問和控制。本文電網(wǎng)為非線性系統(tǒng),氣網(wǎng)為線性系統(tǒng),分別選擇擴展卡爾曼濾波(EKF)和線性KF 作為兩個子系統(tǒng)局部SE 的方法。

      1)預測步

      令k=e,g 分別表示電、氣子系統(tǒng),相應電、氣狀態(tài)預測值和預測協(xié)方差矩陣可表示為:

      2)濾波步

      邊界信息交互前電、氣狀態(tài)估計值x?k,t(0)和估計協(xié)方差矩陣Pk,t(0)可表示為:

      3)邊界信息交互

      分布式IEGS-SE 算法在電網(wǎng)和氣網(wǎng)間僅存在能量層面的信息交互,不涉及狀態(tài)信息,所以IEGS中邊界信息主要為與GT、P2G 關聯(lián)的節(jié)點注入流量、節(jié)點注入有功功率估計值q?c,t(h)、P?c,t(h)及其估計協(xié)方差矩陣Pgc,t(h)、Pec,t(h),其中,Pgc,t(h)和Pec,t(h)可表示為:

      式中:下標t(h)表示第h次信息交互的時刻;Hgc為氣網(wǎng)耦合節(jié)點注入流量對應的量測系數(shù)矩陣;Hec,t(h-1)為電網(wǎng)耦合節(jié)點注入有功功率對應的雅可比矩陣,需在信息交互中實時更新。

      具體邊界信息交互形式如下:

      式中:ξgc=ηcHgc,其中,ηc為能量轉換系數(shù)構成的對角矩陣;為電網(wǎng)耦合節(jié)點注入有功功率的預測值;ξec,t=Hec,t(h-1);ψec,t=ηcBgc,t,其中,Bgc,t為Bg,t中氣網(wǎng)耦合節(jié)點注入流量對應的部分。當max|<υ時,邊界信息交互結束,其中,υ為收斂閾值。

      2.3.2 過程噪聲自適應算法

      電網(wǎng)的狀態(tài)方程通過時間序列預測方法建立,氣網(wǎng)的狀態(tài)方程也須考慮各節(jié)點注入流量的預測值,存在一定的建模誤差。電、氣負荷一直處于波動狀態(tài),負荷波動導致狀態(tài)發(fā)生突變,易使過程噪聲統(tǒng)計參數(shù)變化。若設置過程噪聲方差矩陣Qk,t為恒定方差矩陣,則不能正確描述狀態(tài)方程的預測誤差,影響濾波效果,嚴重時甚至導致運算病態(tài)。本文采用一種過程噪聲自適應算法[24],在保證Qk,t滿足半正定性的條件下,盡量維持校正信息的完整性,以準確跟蹤時變過程噪聲參數(shù),表示如下:

      式中:dt為權重系數(shù);Dk,t為狀態(tài)估計值與預測值的差值;Kk,t為卡爾曼增益矩陣;P?kz,t為量測預測協(xié)方差矩陣。

      上述參數(shù)解析式可表示如下:

      式中:o為遺忘因子且0.950 ≤o≤0.995,當系統(tǒng)波動越劇烈時o的取值越大[24];Rk,t為量測噪聲協(xié)方差矩陣。

      2.3.3 量測噪聲自適應算法

      受現(xiàn)場環(huán)境、運行狀態(tài)等影響,IEGS 中不可避免地出現(xiàn)通信干擾、儀表故障等異常情況,導致量測噪聲參數(shù)與真實噪聲情況不匹配,KF 算法無法準確修正狀態(tài)預測值及跟蹤系統(tǒng)狀態(tài)變化。本文基于Huber 的魯棒M 估計理論[25],在對量測噪聲統(tǒng)計特性進行實時判斷后,動態(tài)修正Rk,t得到Rˉk,t,以抑制壞數(shù)據(jù)對SE 的影響:

      式中:?k,t為修正尺度矩陣,?ki,t為?k,t的第i個對角元素;c為殘差閾值[25],取值通常為1.3~2.0;z?k,t為量測預測向量;rk,t為歸一化量測預測殘差向量,rki,t為rk,t的第i個元素。

      2.3.4 本文方法整體框架

      考慮到電網(wǎng)和氣網(wǎng)動態(tài)特性的不同,氣網(wǎng)的量測采樣頻率相對較低,在子系統(tǒng)時間尺度允許范圍內(nèi),設電網(wǎng)、氣網(wǎng)SE 周期Δte、Δtg分別為5 min、15 min,且不考慮量測時延影響。

      1)當電網(wǎng)須進行SE 時,即時間戳t=teps,se,由于氣網(wǎng)的慢動態(tài)特性,此時氣網(wǎng)無須執(zhí)行動態(tài)SE,僅需單獨執(zhí)行電網(wǎng)EKF。

      2)當氣網(wǎng)須進行SE 時,即時間戳t=tngs,se,則需在電網(wǎng)、氣網(wǎng)各自完成濾波步后,進行邊界信息交互,實現(xiàn)狀態(tài)信息的迭代更新,直至達成邊界條件約束。

      在SE 過程中,噪聲自適應算法并不改變KF 算法原有架構,僅添加噪聲估計步驟以跟蹤調(diào)整噪聲參數(shù),能夠較好貼合動態(tài)SE 場景,計算方便、額外工作量小?;跁r域模型的IEGS 分布式魯棒SE框架如圖1 所示。

      圖1 基于時域模型的IEGS 分布式魯棒SE 框架Fig.1 Framework of distributed robust IEGS-SE based on time-domain model

      3 算例分析

      本文基于IEEE 24 節(jié)點電力系統(tǒng)和修改的比利時20 節(jié)點天然氣系統(tǒng)[26]構建IEGS-SE 算例,共包含39 條輸電線路、21 條管道和2 座加壓站,IEGS 通過2 臺GT 和2 臺P2G 設備耦合,系統(tǒng)拓撲如圖2 所示。假設加壓站為電驅(qū)動類型,其功率消耗對電網(wǎng)影響較弱。因此,僅考慮其對氣網(wǎng)節(jié)點壓強的約束,可將加壓站末端節(jié)點等效為虛擬節(jié)點處理。

      仿真實驗中,設耦合元件GT 和P2G 能量轉換效率分別為40%、60%,則GT和P2G的能量轉換系數(shù)分別為20.776(MW·s)/kg 和86.567 (MW·s)/kg。氣網(wǎng)管道摩擦系數(shù)和氣體聲速分別設為0.002 和340 m/s。氣網(wǎng)差分空間步長和時間步長分別設置為2 km 和15 min。初始情況下估計協(xié)方差矩陣和過程噪聲協(xié)方差矩陣的對角元素均設為10-6。氣網(wǎng)潮流真值通過文獻[19]的方法計算獲得,IEGS 中電壓、氣壓量測通過在潮流真值的基礎上疊加相對標準差為0.005 的高斯白噪聲來獲得,功率、流量量測則通過疊加相對標準差為0.01 的高斯白噪聲來獲得。仿真環(huán)境建立在Intel Core i7-10700 CPU 和16 GB RAM 的計算機上,通過MATLAB 2016b 進行求解。

      3.1 IEGS-SE 濾波性能測試

      本文中IEGS-SE 仿真總時長為24 h,在全量測配置且量測誤差服從高斯分布條件下進行SE。以IEGS 電網(wǎng)節(jié)點1 至5 支路首端無功功率和氣網(wǎng)節(jié)點1 注入流量量測為例,結合量測值、估計值與真實值的相對誤差進行分析,仿真結果如圖3 所示??梢?,量測量的相對估計誤差明顯小于量測誤差,說明本文方法具有良好的濾波效果。

      圖3 IEGS 量測估計結果Fig.3 Measurement estimation results of IEGS

      在IEGS 參數(shù)設置相同的情況下,采用控制變量法評估過程噪聲及量測噪聲自適應算法對本文方法SE 效果的影響。設置如下4 種方法:

      M1:兩種自適應算法均采用,即本文方法;

      M2:僅采用過程噪聲自適應算法;

      M3:僅采用量測噪聲自適應算法;

      M4:未采用噪聲自適應算法。

      各場景進行500 次蒙特卡洛仿真實驗后,引入狀態(tài)量的均方根誤差均值衡量濾波效果:

      式中:F為蒙特卡洛仿真次數(shù);T為時間斷面數(shù);m為狀態(tài)量數(shù)量;x?i,t和x?i,t分別為狀態(tài)量估計值和真實值的第i個元素。

      仿真結果如表1 所示。由表1 可知,當量測服從高斯分布時,M1 和M2 方法由于采用過程噪聲自適應算法,濾波效果更優(yōu),而M3 和M4 方法效果相對下降。可見,在動態(tài)SE 過程中,過程噪聲自適應算法增強了對時變噪聲參數(shù)的跟蹤能力,能有效提升濾波性能;而量測噪聲自適應算法在遇到部分正常量測數(shù)據(jù)時序波動較大時,為保證SE 的魯棒性,會主動修正其對應的噪聲參數(shù),降低其對估計結果的影響,導致誤差略微增大,但對整體濾波性能影響不大。

      表1 不同自適應算法下的估計結果Table 1 Estimation results with different adaptive algorithms

      3.2 分布式IEGS-SE 性能測試

      為測試本文采用的分布式算法對IEGS 濾波效果的影響,表2 給出了在參數(shù)設置不變和兩種噪聲自適應算法均采用的情況下,各子系統(tǒng)單獨SE 時的狀態(tài)量RˉMSE和采用文獻[15]中提出的集中式IEGS-SE 方法所測得的狀態(tài)量RˉMSE。

      表2 不同估計策略下的估計結果Table 2 Estimation results with different estimation strategies

      圖4 展現(xiàn)了不同估計策略下電、氣耦合量測相對估計誤差。結合表2 和圖4 可知,相較電網(wǎng)和氣網(wǎng)單獨進行魯棒SE,分布式IEGS-SE 通過交替迭代達成邊界條件收斂后,氣網(wǎng)濾波效果有較為明顯的提升。這是因為電網(wǎng)量測冗余度高,SE 精度相對較高,在邊界信息交互過程中,通過耦合約束將高精度的電網(wǎng)SE 結果轉化為氣網(wǎng)的冗余量測,可改善氣網(wǎng)SE 精度;而采用氣網(wǎng)SE 結果作為電網(wǎng)的冗余量測時,由于氣網(wǎng)SE 精度相對較低,對電網(wǎng)的濾波效果提升較弱。與文獻[15]的方法相比,本文方法精度優(yōu)勢主要在于采用預測輔助的SE 方法,預測信息一定程度上增加了量測冗余,并使用噪聲自適應算法增強了系統(tǒng)狀態(tài)的跟蹤能力。

      圖4 不同估計策略下耦合量測相對估計誤差Fig.4 Relative estimation errors of coupling measurements with different estimation strategies

      3.3 IEGS-SE 抗差性能測試

      為測試本文方法在壞數(shù)據(jù)影響下的抗差性能,假設6~8 h 時IEGS 中電網(wǎng)節(jié)點2 至4 支路首端有功功率和氣網(wǎng)節(jié)點10、11 支路首端流量量測丟失(即量測值為0),進行動態(tài)SE。圖5 展示了IEGS 量測丟失下的SE 結果。若不添加量測自適應算法,6~8 h 時丟失量測下對應的估計值將大幅偏離真實值,而本文方法在此期間仍能較好地跟蹤系統(tǒng)狀態(tài)變化。

      圖5 IEGS 量測丟失下的估計結果Fig.5 Estimation results with measurement loss of IEGS

      為進一步說明本文方法抗差性能的普適性,除較為嚴重的量測數(shù)據(jù)丟失外,當量測受通信干擾或儀表故障影響時,量測誤差也將遠大于正常量測噪聲。假設每個時間斷面下,壞數(shù)據(jù)在潮流真實值基礎上疊加10 倍標準差的高斯白噪聲隨機生成,數(shù)量占子系統(tǒng)量測的1%~5%。在不同壞數(shù)據(jù)比例下,進行500 次蒙特卡洛仿真實驗,并使用RˉMSE來評估方法的抗差性能,仿真結果見表3。

      表3 不同壞數(shù)據(jù)比例下的估計結果Table 3 Estimation results with different bad data ratios

      由表3 可知,隨著壞數(shù)據(jù)比例的增加,IEGS 狀態(tài)量的RˉMSE會有所上升,但仍能維持在同一數(shù)量級,與正常量測下估計結果相比數(shù)據(jù)波動不大。其主要原因在于,基于Huber 的魯棒M 估計理論能在各時間斷面的濾波步中實時判斷并更新量測噪聲的統(tǒng)計特性,若發(fā)現(xiàn)可疑量測數(shù)據(jù)則會降低其對SE的影響。因此,本文方法在面對壞數(shù)據(jù)干擾時,具有良好的魯棒性。

      3.4 IEGS-SE 計算效率測試

      本文所提的IEGS-SE 方法分為在線估計和離線計算兩部分:在線估計指IEGS 收到實時量測信息后進行電網(wǎng)和氣網(wǎng)濾波步計算,并通過交互迭代達成邊界條件收斂;離線計算指電網(wǎng)和氣網(wǎng)的預測步,因為其僅涉及歷史狀態(tài)信息或負荷預測信息計算,無須占用實時算力資源。表4 列出了單時間斷面下本文方法SE 各步驟計算耗時,并與文獻[15]所提方法進行對比。

      表4 IEGS-SE 計算效率統(tǒng)計數(shù)據(jù)Table 4 Statistical data of calculation efficiency for IEGS-SE

      如表4 所示,本文方法在SE 計算效率方面具有明顯優(yōu)勢,整體在線計算時間僅需約3×10-3s,相較文獻[15]所提方法縮短了75%。具體原因如下:1)模型差異,文獻[15]采用有限元差分模型狀態(tài)變量較多,矩陣計算規(guī)模大,導致計算效率下降,以氣網(wǎng)差分空間步長2 km 為例,差分模型含所有節(jié)點(包括虛擬節(jié)點)壓強和管道分支流量在內(nèi)的544 個狀態(tài)量,而時域模型僅有真實節(jié)點壓強在內(nèi)的18 個狀態(tài)量,在線計算簡便;2)方法差異,文獻[15]基于WLS 構建IEGS-SE 模型,只有在接收到實時量測信息后才能進行實時SE,因此,該方法沒有離線計算時長。此外,由于集中式SE 的狀態(tài)數(shù)量較多,單時間斷面下IEGS-SE 通常需要迭代4~5 次才能達到收斂閾值,雅可比矩陣動態(tài)更新和矩陣求逆計算耗時長,而本文采用分布式策略,僅使用部分耦合邊界信息在初始濾波步的基礎上迭代修正狀態(tài)量,如式(24)所示,迭代1~2 次即可達成邊界條件收斂,避免了全局SE 的低效。

      值得注意的是,由于氣網(wǎng)采用狀態(tài)空間模型,需在預測步中實時更新初始條件(即傳遞分量),因此,離線計算時長相較電網(wǎng)預測步略長。綜上所述,本文所提氣網(wǎng)狀態(tài)空間模型在大規(guī)模IEGE-SE 應用中具有良好的工程價值,實現(xiàn)了氣網(wǎng)模型的簡化和降維,縮小了系統(tǒng)狀態(tài)量的規(guī)模,能夠通過離線計算減少在線估計的工作量,提高計算效率,滿足調(diào)度人員實時監(jiān)管的需求。

      4 結語

      為實現(xiàn)對IEGS 動態(tài)過程全面實時的感知,需要著重考慮電、氣狀態(tài)空間建模及其聯(lián)合動態(tài)估計建模方法。本文提出了一種基于時域模型的氣網(wǎng)狀態(tài)空間模型,在保證計算精度的前提下,解決了傳統(tǒng)有限元差分法計算復雜度高的問題。在此基礎上,引入動態(tài)分布式策略和噪聲自適應算法構建了IEGS 分布式魯棒SE 模型,并給出了相應的求解方法。仿真算例表明:

      1)所提模型具有良好的濾波效果,噪聲自適應算法可有效跟蹤過程噪聲參數(shù)變化,抑制IEGS 量測壞數(shù)據(jù)影響,提升SE 精度;

      2)分布式策略能夠保證子系統(tǒng)通信交互隱私安全,保證耦合量測SE 結果滿足邊界條件約束,改善氣網(wǎng)的濾波效果;

      3)通過算例對比,證明本文基于時域模型提出的IEGS 分布式魯棒SE 方法在計算效率方面具有顯著優(yōu)勢,為大規(guī)模IEGS-SE 實時應用奠定了基礎。

      由于本文方法根據(jù)氣網(wǎng)線性偏微分方程原理進行狀態(tài)空間建模,當各管道流速在設定平均流速附近波動時,本文方法有較高精度;而對于氣網(wǎng)負荷波動較大的場景可能會產(chǎn)生一定范圍內(nèi)的誤差。因此,后續(xù)將在SE 流程中設計兼顧計算代價與估計精度的管道流速自適應更新步驟。此外,耦合元件精細化建模、電氣量測時延、異步估計策略、線路參數(shù)不確定性等因素對IEGS-SE 的影響也需要深入探索和研究。

      附錄見本刊網(wǎng)絡版(http://www.aeps-info.com/aeps/ch/index.aspx),掃英文摘要后二維碼可以閱讀網(wǎng)絡全文。

      猜你喜歡
      支路時域噪聲
      基于限流可行方案邊界集的最優(yōu)支路投切
      能源工程(2020年6期)2021-01-26 00:55:22
      噪聲可退化且依賴于狀態(tài)和分布的平均場博弈
      基于時域信號的三電平逆變器復合故障診斷
      測控技術(2018年11期)2018-12-07 05:49:02
      控制噪聲有妙法
      基于極大似然準則與滾動時域估計的自適應UKF算法
      多支路兩跳PF協(xié)作系統(tǒng)的誤碼性能
      電信科學(2016年9期)2016-06-15 20:27:30
      利用支路參數(shù)的狀態(tài)估計法辨識拓撲錯誤
      基于時域逆濾波的寬帶脈沖聲生成技術
      基于時域波形特征的輸電線雷擊識別
      電測與儀表(2015年2期)2015-04-09 11:28:50
      一種基于白噪聲響應的隨機載荷譜識別方法
      永胜县| 绿春县| 涞源县| 定边县| 海原县| 霍城县| 南澳县| 古交市| 巴里| 子长县| 渭南市| 葫芦岛市| 增城市| 荃湾区| 阳西县| 怀集县| 康马县| 拉孜县| 云梦县| 重庆市| 宿松县| 太白县| 铜陵市| 广州市| 贵南县| 财经| 容城县| 沾化县| 吉林省| 拜泉县| 芦山县| 双峰县| 商南县| 巴中市| 共和县| 武乡县| 岳阳市| 嘉兴市| 加查县| 县级市| 蒙山县|