主動配電網(wǎng)態(tài)勢感知技術(shù)研究綜述與展望

滿延露,劉 敏,王 鍇

(貴州大學(xué) 電氣工程學(xué)院,貴州 貴陽 550000)

態(tài)勢感知是維持電力系統(tǒng)安全的關(guān)鍵因素,其檢測、分析、預(yù)測與防御功能可提高電力系統(tǒng)的穩(wěn)定性和安全性。不充分的態(tài)勢感知可能導(dǎo)致延誤、錯誤或應(yīng)對不足,甚至危及系統(tǒng)穩(wěn)定。

態(tài)勢感知基于先進的傳感和測量技術(shù)來實現(xiàn)對監(jiān)測對象的全面了解。配電網(wǎng)的態(tài)勢感知更聚焦于實時感知配電網(wǎng)的各種不確定性因素的變化,例如負(fù)荷隨機的需求響應(yīng)、可再生電源出力的間歇性等。

文獻[1]認(rèn)為態(tài)勢感知是對配電網(wǎng)中設(shè)備的運行進行實時監(jiān)控、潮流計算以及分析理解,從而對未來配電網(wǎng)的風(fēng)險態(tài)勢進行預(yù)測。文獻[2]認(rèn)為態(tài)勢感知通過對配電網(wǎng)進行實時狀態(tài)估計并結(jié)合歷史數(shù)據(jù)對配電網(wǎng)的發(fā)展趨勢進行態(tài)勢預(yù)測。文獻[3～5]分別側(cè)重于針對配電網(wǎng)的安全狀態(tài)、安全狀態(tài)的快速性和精確度、投資決策體系架構(gòu)設(shè)計和考慮環(huán)境災(zāi)害下的配電網(wǎng)態(tài)勢感知等方面進行了研究。

國際上配電網(wǎng)的態(tài)勢感知技術(shù)研究起步較早,并取得了一定成果。文獻[6]從主動配電網(wǎng)的主動管理和主動服務(wù)的角度提出了主動配電網(wǎng)的態(tài)勢感知架構(gòu)以及態(tài)勢感知的路線圖。文獻[7]從物理分層運行角度提出基于數(shù)據(jù)驅(qū)動的配電網(wǎng)態(tài)勢感知架構(gòu),涉及數(shù)據(jù)存儲和控制指令等不同層面,采用模塊化和分層結(jié)構(gòu)實現(xiàn)全系統(tǒng)的態(tài)勢感知。文獻[8]利用高速可靠的雙向通信(5G)實現(xiàn)主動配電網(wǎng)的全面態(tài)勢感知。國際上的態(tài)勢感知技術(shù)從多個視角將態(tài)勢感知技術(shù)與其他技術(shù)結(jié)合起來,拓展其基礎(chǔ)感知能力。

電力系統(tǒng)網(wǎng)絡(luò)互聯(lián)規(guī)模的不斷增加,使態(tài)勢感知已經(jīng)成為電力系統(tǒng)安全、穩(wěn)定研究中聚焦的熱點。就應(yīng)用背景而言,態(tài)勢感知技術(shù)被應(yīng)用在智能配電網(wǎng)、高彈性配電網(wǎng)、智慧電網(wǎng)與主動配電網(wǎng)等多類配電網(wǎng)背景中。就應(yīng)用技術(shù)而言,研究人員通過數(shù)據(jù)挖掘技術(shù)、大數(shù)據(jù)技術(shù)、構(gòu)造各類態(tài)勢框架、計及各種配網(wǎng)狀態(tài)等方式對配電網(wǎng)態(tài)勢感知技術(shù)進行了優(yōu)化?；诙嘣磾?shù)據(jù)發(fā)現(xiàn)問題、分析問題和解決問題是態(tài)勢感知技術(shù)的價值所在。

分布式電源與靈活性負(fù)荷的大量接入將帶來系統(tǒng)源荷界限模糊化等系列問題,因此有必要提高態(tài)勢感知能力來應(yīng)對這些變化對配電網(wǎng)的沖擊和影響。為此,本文將對主動配電網(wǎng)中態(tài)勢感知技術(shù)的研究進展進行總結(jié),以便為相關(guān)研究提供參考。

1 主動配電網(wǎng)態(tài)勢感知的發(fā)展進程和總體框架

態(tài)勢覺察可采集量測設(shè)備的重要元素信息,是態(tài)勢感知技術(shù)的基礎(chǔ),主要包括氣象要素和配電網(wǎng)運行狀態(tài)要素等設(shè)備狀態(tài)要素。

態(tài)勢理解指將態(tài)勢覺察獲取的重要元素信息進行整合分析。態(tài)勢理解是實現(xiàn)有效態(tài)勢感知的關(guān)鍵,同時是態(tài)勢呈現(xiàn)和態(tài)勢預(yù)測的來源。

態(tài)勢預(yù)測是在態(tài)勢理解的基礎(chǔ)上概括電網(wǎng)的現(xiàn)狀規(guī)律和預(yù)測未來發(fā)展變化。態(tài)勢預(yù)測的結(jié)果被提交到態(tài)勢利導(dǎo)來進一步優(yōu)化電網(wǎng)的控制。這3個部分由上至下,共同組成了態(tài)勢感知技術(shù)。本文關(guān)于配電網(wǎng)的態(tài)勢感知總體框架如圖1所示。

圖1 配電網(wǎng)的態(tài)勢感知框架Figure 1. Situational awareness framework of the distribution network

2 配電網(wǎng)態(tài)勢感知及其研究進程

配電網(wǎng)態(tài)勢感知通過實時監(jiān)控系統(tǒng)運行狀態(tài)的各類參數(shù)分析、評價運行過程中產(chǎn)生的各種數(shù)據(jù)結(jié)果進行保證配電系統(tǒng)安全經(jīng)濟運行。

2.1 態(tài)勢覺察及其研究進程

態(tài)勢覺察收集、處理來自配電網(wǎng)系統(tǒng)的數(shù)據(jù),以支持深入的態(tài)勢理解和態(tài)勢預(yù)測。設(shè)計智能化、自動化、集成化的配電網(wǎng)以及優(yōu)化配置是獲得實時、精確觀測信息的核心。

隨著信息通訊技術(shù)的快速發(fā)展,量測數(shù)據(jù)量產(chǎn)生了一定增長。同步相量測量裝置(Phasor Measurement Unit,PMU)、高級量測體系(Advanced Measurement Infrastructure,AMI)的不斷推廣以及5G等通訊技術(shù)的快速演進,不僅增加了配電網(wǎng)的可視性,同時為態(tài)勢感知技術(shù)提供了更好的數(shù)據(jù)基礎(chǔ)。獲取數(shù)據(jù)的多樣性與實時性、處理多源異構(gòu)的海量數(shù)據(jù)成為了態(tài)勢覺察的難題。在安全問題下,通過采集實時同步量測數(shù)據(jù)以支撐配電網(wǎng)安全態(tài)勢感知[4]?；趦?yōu)化的配電網(wǎng)網(wǎng)絡(luò)拓?fù)浞謱幽Ｐ?可快速捕獲系統(tǒng)安全態(tài)勢要素來增強對配電網(wǎng)的控制能力[9]。

PMU的布置可提高量測數(shù)據(jù)量與配電網(wǎng)可視化能力,但考慮到經(jīng)濟和技術(shù)的局限性,電網(wǎng)中PMU的優(yōu)化規(guī)劃問題備受關(guān)注。在狀態(tài)估計可視化上,通過建立考慮經(jīng)濟性、不確定性、估計精度以及電壓越限影響問題的PMU優(yōu)化配置模型,最大限度地提高了PMU使用效益。通過開發(fā)最優(yōu)PMU布置策略可以增強電力系統(tǒng)動態(tài)狀態(tài)估計(Dynamic State Estimation,DSE)的可觀測性[10]。此外,結(jié)合PMU信道總數(shù)、基于高速率PMU數(shù)據(jù)的最大狀態(tài)估計不確定性以及狀態(tài)估計對線參數(shù)容差的敏感性等方面,可展開對PMU最優(yōu)配置的研究。

由于PMU的高頻特性使通訊系統(tǒng)超負(fù)荷,測量數(shù)據(jù)需要壓縮處理。壓縮量測可用于傳輸前減少量測數(shù)據(jù)量,緩解存儲空間不足、干擾和延遲,提高狀態(tài)估計的準(zhǔn)確度,為動態(tài)狀態(tài)估計夯實數(shù)據(jù)基礎(chǔ)。壓縮量測技術(shù)目前處于初級階段,可利用奇異值分解(Singular Value Decomposition,SVD)、主成分分析(Principal Component Analysis,PCA)等機器學(xué)習(xí)算法對海量數(shù)據(jù)進行降維去噪處理,加快分布式系統(tǒng)狀態(tài)估計的收斂性[11]。

同步相量數(shù)據(jù)異常對其后續(xù)的態(tài)勢感知具有嚴(yán)重影響,例如線路參數(shù)辨識中電壓幅值誤差在向電阻辨識結(jié)果誤差傳遞過程中會放大上千倍[12]。PMU時間同步偏差將破壞廣域阻尼控制的效果,甚至加劇振蕩幅度[13]。同步相量異常數(shù)據(jù)問題引起了各界廣泛關(guān)注,因此在改進PMU裝置以求提升量測數(shù)據(jù)質(zhì)量的同時也要開展對PMU數(shù)據(jù)的檢測修復(fù)研究。

主動配電網(wǎng)已進入數(shù)據(jù)密集時代,但數(shù)據(jù)類型復(fù)雜、變化迅速、規(guī)模和價值密度低,且傳輸和處理大量數(shù)據(jù)的經(jīng)濟技術(shù)成本過高,導(dǎo)致配電網(wǎng)態(tài)勢感知系統(tǒng)的感知精度較低,故障預(yù)判可靠性差。優(yōu)化PMU、增強系統(tǒng)的可視化并對海量多源異構(gòu)量測數(shù)據(jù)的處理已成為主動配電系統(tǒng)的主要研究課題。

2.2 態(tài)勢理解及其研究進程

為了深度理解與分析態(tài)勢感知,需要對感知過程提取的狀態(tài)要素和多源數(shù)據(jù)進行融合,提取有價值數(shù)據(jù),并將其整合到電網(wǎng)運行中。

2.2.1 動態(tài)狀態(tài)估計DSE

配網(wǎng)中多種量測裝置共存,例如PMU、數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)(Supervisory Control and Data Acquisition,SCADA)和AMI。單種測量不能滿足網(wǎng)絡(luò)的可觀測性,需通過整合多種測量數(shù)據(jù)來提高狀態(tài)估計的準(zhǔn)確性,也可將改進后的PMU與其他系統(tǒng)進行混合量測,相互修正量測量以提高估計精確度。文獻[14]提出了對微型同步相量測量單元(μPMU)與SCADA系統(tǒng)的混合量測。不僅兩種量測裝置可混合聯(lián)測,也可提出多源量測數(shù)據(jù)融合的DSE方法[15]。同時,還需要考慮新型裝置接入后數(shù)據(jù)融合處理對狀態(tài)估計結(jié)果的影響。文獻[16]設(shè)計了一種適用于數(shù)據(jù)融合估計技術(shù)的全局監(jiān)測評估方法,但其考慮的新型裝置較少。為實現(xiàn)更高效的分布式DSE,關(guān)于多源數(shù)據(jù)的選擇和處理和評估數(shù)據(jù)融合對狀態(tài)估計的影響研究仍需深入進行。

配電網(wǎng)運行形態(tài)由于新型負(fù)載變得更加復(fù)雜,需考慮新類型電源與量測裝置,對狀態(tài)估計技術(shù)進行深入研究[9]。需考慮到電動汽車、分布式電源以及儲能的不確定性影響。為了處理混合的慢速和快速動態(tài)特性,需要研究具有快速逆變器動態(tài)特性的DSE。此外,還需研究機器學(xué)習(xí)等分析方法來提高DSE的性能以及實現(xiàn)實時分布式DSE,以應(yīng)對在孤島情況下更具彈性的電力系統(tǒng)的穩(wěn)定問題。

估計精度和時效性是衡量電力系統(tǒng)狀態(tài)估計性能的重要指標(biāo)[17]。為了得到可靠的DSE,需要具有高效的魯棒狀態(tài)預(yù)測和狀態(tài)濾波。從狀態(tài)濾波來看,動態(tài)狀態(tài)估計的解決收斂性方法大多以擴展卡爾曼濾波(Extended Kalman Filter,EKF)[18]為主。從魯棒狀態(tài)來看,在統(tǒng)計穩(wěn)健性方面,穩(wěn)健的DSE應(yīng)該設(shè)計成能夠抗數(shù)據(jù)質(zhì)量問題的魯棒性DSE。此外,利用不同理論優(yōu)勢的混合方法更適用于復(fù)雜的電力系統(tǒng),例如基于人工神經(jīng)網(wǎng)絡(luò)和不依賴于電力系統(tǒng)模型的算子理論的數(shù)據(jù)驅(qū)動的決策支持系統(tǒng)[19]。然而,在重載和拓?fù)溴e誤條件下數(shù)據(jù)質(zhì)量、不適當(dāng)?shù)某跏蓟?、模型誤差與不確定性,均可能導(dǎo)致DSE的收斂問題[20]。因而,需要增強數(shù)字和統(tǒng)計穩(wěn)健性來處理該問題。

在數(shù)字化和網(wǎng)絡(luò)化背景下,系統(tǒng)防御能力降低,可通過DSE檢測和識別虛假數(shù)據(jù),故可在易受到攻擊的節(jié)點處配置同步向量測量裝置,并對同步相量數(shù)據(jù)進行分析總結(jié)。此外,還需考慮配電網(wǎng)的拓?fù)渥兓瘜SE的影響。

2.2.2 配電網(wǎng)態(tài)勢評估

評估技術(shù)包括監(jiān)測、態(tài)勢感知和建模。高占比可再生能源的不可控勵磁與無慣性特性導(dǎo)致頻率、電壓和潮流的復(fù)雜響應(yīng)。因此,基于數(shù)據(jù)的非線性動態(tài)模型技術(shù)更具有挑戰(zhàn)性。

處理這些數(shù)據(jù)并準(zhǔn)確地抓住系統(tǒng)特征是研究重點。在混合量測系統(tǒng)中,需要利用PMU準(zhǔn)實時數(shù)據(jù)對主動配電網(wǎng)進行抗差估計[21]。態(tài)勢評估的優(yōu)化可從建立區(qū)間優(yōu)化模型方面展開研究[22]。在子區(qū)域中,可以通過引入動態(tài)估計的權(quán)重矩陣[23]來提高主動配電網(wǎng)的DSE的精確度。

動態(tài)分析從模型驅(qū)動轉(zhuǎn)向數(shù)據(jù)驅(qū)動,通過歷史數(shù)據(jù)獲取系統(tǒng)狀態(tài)是研究重點?？煽紤]建立數(shù)據(jù)驅(qū)動分布式框架以實現(xiàn)全系統(tǒng)的態(tài)勢感知。在電壓方面,針對電壓幅值及其相角進行監(jiān)測和研究[24]。在配網(wǎng)的拓?fù)浞矫?可設(shè)置基于隨機矩陣的監(jiān)測指標(biāo)[25]。在配網(wǎng)安全上,可從電網(wǎng)異常辨識方法方面開展研究,實現(xiàn)配電網(wǎng)的安全態(tài)勢感知[26]。數(shù)據(jù)驅(qū)動方法已被應(yīng)用于解決配電網(wǎng)框架中不斷變化且難以預(yù)測的不確定性問題[27]。目前需將研究重點轉(zhuǎn)移到利用大量量測數(shù)據(jù)進行態(tài)勢感知的無模型控制方法方面。

基于大量系統(tǒng)數(shù)據(jù),經(jīng)典數(shù)學(xué)理論重新出現(xiàn)在無模型控制的視野中,例如Koopman算子、隨機矩陣?yán)碚?Random Matrix Theory,RMT)、概率論的中心極限定理。研究人員利用Koopman算子理論進行了非線性系統(tǒng)控制[28]、狀態(tài)估計[29]、系統(tǒng)辨識[30]、系統(tǒng)穩(wěn)定性評估[31]以及估計電力系統(tǒng)慣性[32]等方面的研究,并利用RMT感知高維復(fù)雜的智能電網(wǎng)[33]、分析電壓和電流的快速波動[34]。基于概率論的中心極限定理,進一步建立了態(tài)勢感知的線性特征值統(tǒng)計[34]。因此,主動配電網(wǎng)的數(shù)據(jù)驅(qū)動的創(chuàng)新方向可考慮以經(jīng)典數(shù)學(xué)理論方法為切入點展開研究。

在非線性控制理論中對創(chuàng)新的數(shù)據(jù)驅(qū)動無模型方法的需求越來越大。大量建模、監(jiān)控和操作應(yīng)用可以從DSE中受益。其中包括態(tài)勢預(yù)測階段的風(fēng)力/太陽能發(fā)電場、負(fù)載和聚合模型校準(zhǔn)、振蕩源位置、不穩(wěn)定性的可見性和檢測等。

2.3 態(tài)勢預(yù)測及其研究進程

態(tài)勢預(yù)測是基于態(tài)勢理解對配電系統(tǒng)中的各種變化因素進行預(yù)測、評估與預(yù)警。隨著PMU在電力系統(tǒng)中的部署,研究人員提出并實現(xiàn)了電力系統(tǒng)不穩(wěn)定預(yù)警、相干和識別等態(tài)勢感知技術(shù),可通過采集配電網(wǎng)高精度實時同步量測數(shù)據(jù),支撐配電網(wǎng)安全態(tài)勢感知,也可研究將人工智能算法用于負(fù)荷預(yù)測[35]。

2.3.1 負(fù)荷態(tài)勢預(yù)測

負(fù)荷態(tài)勢感知本質(zhì)上是態(tài)勢感知在配電網(wǎng)需求側(cè)的深化,其技術(shù)實現(xiàn)過程充分利用前端感知信息及時空多維狀態(tài)信息進行推演,形成“源—荷”互動的實時反饋迭代式的負(fù)荷控制策略。相對于傳統(tǒng)的負(fù)荷調(diào)控技術(shù),其關(guān)鍵技術(shù)體現(xiàn)在全景負(fù)荷狀態(tài)信息的采集提取、數(shù)據(jù)驅(qū)動的泛化負(fù)荷建模、基于多維度感知信息的態(tài)勢推演及調(diào)控實現(xiàn)這三個方面。在多維度感知方面,可展開空間電力負(fù)荷態(tài)勢感知技術(shù)的研究[36]。在短期預(yù)測方面,大數(shù)據(jù)和優(yōu)化神經(jīng)網(wǎng)絡(luò)技術(shù)可實現(xiàn)電力負(fù)荷預(yù)測精度的有效提升[37]。在負(fù)荷感知方面,采用模糊神經(jīng)網(wǎng)絡(luò)和AI代理(Artificial Intelligence Agent)等智能算法建立對母線負(fù)荷態(tài)勢感知的模型[38],實現(xiàn)居民負(fù)荷在參與電網(wǎng)互動過程中更加精細(xì)化和智能化的提升。同時,還需考慮引入超短期負(fù)荷測試方法預(yù)測負(fù)荷、不良數(shù)據(jù)所帶來的不良影響[39]。

針對地區(qū)電網(wǎng)的短期和超短期負(fù)荷預(yù)測難度?？赏ㄟ^對循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)、長短期記憶(Long Short-Term Memory,LSTM)以及混合模型聚類等算法進行深入研究[40],構(gòu)建全面綜合的預(yù)測模型,學(xué)習(xí)和模擬各類因素在負(fù)荷預(yù)測中的作用。

2.3.2 分布式電源態(tài)勢預(yù)測

針對分布式發(fā)電功率的準(zhǔn)確迅速預(yù)測,可使電力調(diào)度員預(yù)測并模擬未來電網(wǎng)運行軌跡的發(fā)展,以靈活應(yīng)對未來電網(wǎng)運行狀態(tài)的變化。

對于光伏功率的預(yù)測功能已基本實現(xiàn),超短期光伏功率預(yù)測技術(shù)可通過時間序列法[41]以及人工智能法[42]實現(xiàn)。人工智能預(yù)測法是研究重點,若在不降低預(yù)測精度的情況下減小對歷史數(shù)據(jù)的依賴性,需加大對深度網(wǎng)絡(luò)模型的研究。

風(fēng)電功率的預(yù)測方法主要分為機理預(yù)測和數(shù)據(jù)驅(qū)動預(yù)測兩大類。這兩種方法分別是建立關(guān)于地表信息和氣象的數(shù)學(xué)模型進行分析預(yù)測[43]。數(shù)據(jù)驅(qū)動法通過建立關(guān)于歷史數(shù)據(jù)的統(tǒng)計模型對未來時刻的風(fēng)電功率進行準(zhǔn)確預(yù)測[44],主要包括時間序列法和人工智能法[45]。將二者結(jié)合起來的風(fēng)電預(yù)測方法具有較大應(yīng)用潛力。未來研究不僅需要充分利用相關(guān)信息,還需要更多的風(fēng)電測量點,以便使其能夠預(yù)測數(shù)據(jù)的空間模式。此外,還需分析不同測量之間的數(shù)據(jù),從而歸納和揭示潛在的物理規(guī)律。

2.3.3 風(fēng)險評估

配電設(shè)備的實時監(jiān)測不斷完善,例如風(fēng)險量化評估,使對配電設(shè)備的實時風(fēng)險評估成為可能。對設(shè)備的實時故障率以及故障停電實時風(fēng)險值、實時停電損失進行計算,構(gòu)建風(fēng)險以及檢修模型,從而優(yōu)化檢修計劃,降低運行風(fēng)險。

不確定性導(dǎo)致系統(tǒng)產(chǎn)生弱阻尼振蕩,而WAMS(Wide Area Measurement System)相干檢測算法能準(zhǔn)確檢測出高占比的可再生能源引起的弱阻尼振蕩[46]。此外,逐漸降低的系統(tǒng)慣性也將導(dǎo)致產(chǎn)生更大的不穩(wěn)定風(fēng)險。對此,可通過設(shè)立不穩(wěn)定性指標(biāo)進行預(yù)警[47]。解決分布式供電導(dǎo)致的元件故障、負(fù)荷波動的突發(fā)性和隱蔽性導(dǎo)致的不穩(wěn)定問題以及實現(xiàn)基于數(shù)據(jù)挖掘和深入學(xué)習(xí)的快速感知是當(dāng)前研究的熱點。

3 態(tài)勢感知的應(yīng)用拓展

態(tài)勢感知技術(shù)是提高配電網(wǎng)柔性的一種信息支持手段,不僅能夠應(yīng)用于上文所述領(lǐng)域,還可用于準(zhǔn)確預(yù)測各類擾動和故障定位與識別等技術(shù)。

3.1 預(yù)測各類擾動對配電網(wǎng)的影響

在配電網(wǎng)彈性研究中,需要準(zhǔn)確預(yù)測各種干擾對配電網(wǎng)絡(luò)的影響,包括系統(tǒng)內(nèi)外部擾動和自然災(zāi)害等。目前電力系統(tǒng)擾動識別的研究主要是數(shù)據(jù)驅(qū)動的方法。為有效辨識信息安全風(fēng)險,保障智能配電網(wǎng)的健康發(fā)展,可考慮將信息攻擊、設(shè)備異常等信息擾動對系統(tǒng)穩(wěn)定運行的影響進行評估[48]。不僅研究分布式電源不確定性、電動汽車充放電的無序性、波動性等對系統(tǒng)的網(wǎng)損和電壓水平等帶來影響,還需考慮分散式電源并網(wǎng)位置,例如研究不同場景下分散式風(fēng)電接入對配電網(wǎng)的影響[49]。針對自然災(zāi)害,已有相關(guān)模型研究其對電網(wǎng)的影響[50]。未來還需研究在特定情況下定量計算不同擾動源的波動對配電網(wǎng)絡(luò)影響的方法,例如區(qū)間-仿射算法等。

3.2 故障定位與識別

含分布式的配電網(wǎng)故障定位與識別具有較高的故障率[51],因而成為態(tài)勢感知的重要內(nèi)容。在故障診斷過程中通常需要借助大量氣象數(shù)據(jù)和電氣設(shè)備運行參數(shù)來提高故障感知能力。針對典型故障,可通過環(huán)境場景關(guān)聯(lián)識別對配電網(wǎng)運行風(fēng)險進行預(yù)警[52],或計及天氣因素的配電網(wǎng)故障特征選擇和故障停電風(fēng)險等級進行預(yù)測[53]。針對多分支線路參數(shù)未知導(dǎo)致定位存在誤差問題,可考慮不受參數(shù)影響的新型算法[54]。針對配電網(wǎng)小電流接地故障選線和區(qū)段定位難點,可利用暫態(tài)故障錄波和配網(wǎng)PMU量測定位法[55]以及分布式同步相量測量裝置(Distributed Phasor Measurement Unit,D-PMU)[56]。

上述方法主要針對配電網(wǎng)單重故障定位,在后續(xù)工作中應(yīng)重點展開對配電網(wǎng)多重故障定位的研究。

4 結(jié)束語

目前,態(tài)勢感知階段的研究已取得了一定成果,但是包括數(shù)據(jù)融合技術(shù)、數(shù)據(jù)挖掘技術(shù)和模式識別技術(shù)在內(nèi)的核心技術(shù)仍未取得突破,形勢預(yù)測研究仍處于初級階段。整合各種情景感知技術(shù)以及實現(xiàn)功能整合是有效實施的關(guān)鍵:

1)在數(shù)據(jù)方面,態(tài)勢感知需要能夠集成、發(fā)現(xiàn)多數(shù)據(jù)源異構(gòu),例如PMU、SCADA、運行信息和市場信息,以便對多種類型的柔性資源的狀態(tài)和調(diào)度潛力進行充分感知;

2)在模型構(gòu)建方面,態(tài)勢感知需要建立一個綜合、靈活的感知指標(biāo)體系,需涵蓋不同操作情景下的空間、物理以及價值等多維屬性;

3)在性能方面,態(tài)勢感知需要實時把握各種不確定性因素變化趨勢,準(zhǔn)確判斷其靈活性要求的特點。

態(tài)勢感知技術(shù)需要靈活觀測,以協(xié)調(diào)不同時間、空間、物理和價值屬性的靈活資源和手段,滿足不同需要,并根據(jù)具體的空間和時間尺度、經(jīng)濟可利用價值和實際可實現(xiàn)的目標(biāo)提供適應(yīng)性控制策略。