翟晶晶， 張小蓮， 梁永新， 陳 凡

(1. 南京工程學(xué)院電力工程學(xué)院， 江蘇 南京 211167; 2. 江蘇高校配電網(wǎng)智能技術(shù)與裝備協(xié)同創(chuàng)新中心， 江蘇 南京 211167； 3. 鎮(zhèn)江供電公司， 江蘇 鎮(zhèn)江 212000)

基于可疑度的電網(wǎng)參數(shù)錯(cuò)誤辨識(shí)與估計(jì)方法

翟晶晶1,2， 張小蓮1,2， 梁永新3， 陳 凡1,2

(1. 南京工程學(xué)院電力工程學(xué)院， 江蘇 南京 211167; 2. 江蘇高校配電網(wǎng)智能技術(shù)與裝備協(xié)同創(chuàng)新中心， 江蘇 南京 211167； 3. 鎮(zhèn)江供電公司， 江蘇 鎮(zhèn)江 212000)

電網(wǎng)參數(shù)錯(cuò)誤會(huì)給狀態(tài)估計(jì)、壞數(shù)據(jù)辨識(shí)帶來(lái)不利的影響，并降低能量管理系統(tǒng)中其他高級(jí)應(yīng)用軟件的實(shí)用化程度。本文提出了一種基于綜合可疑度的電網(wǎng)參數(shù)錯(cuò)誤辨識(shí)與估計(jì)方法，首先通過(guò)可疑測(cè)點(diǎn)評(píng)價(jià)函數(shù)確定可疑測(cè)點(diǎn)集合，根據(jù)支路關(guān)聯(lián)距離的概念對(duì)可疑測(cè)點(diǎn)評(píng)價(jià)函數(shù)值進(jìn)行加權(quán)，計(jì)算支路參數(shù)錯(cuò)誤綜合可疑度，然后按照綜合可疑度指標(biāo)大小的順序，逐一排查可疑支路的可疑參數(shù)，最終將錯(cuò)誤參數(shù)的最優(yōu)估計(jì)作為一個(gè)優(yōu)化問(wèn)題求解。算例仿真結(jié)果表明，本文提出的方法能夠準(zhǔn)確有效地辨識(shí)電網(wǎng)參數(shù)錯(cuò)誤并對(duì)其進(jìn)行最優(yōu)估計(jì)，可有效提升電網(wǎng)運(yùn)行參數(shù)的準(zhǔn)確性。

狀態(tài)估計(jì)； 評(píng)價(jià)函數(shù)； 綜合可疑度； 支路關(guān)聯(lián)距離； 增廣狀態(tài)估計(jì)

1 引言

狀態(tài)估計(jì)是能量管理系統(tǒng)(EMS)的重要組成部分，其結(jié)果直接影響電網(wǎng)調(diào)度的智能化分析與決策[1]。正確的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和元件參數(shù)值對(duì)調(diào)度中心極為重要，它不僅是進(jìn)行狀態(tài)估計(jì)的依據(jù)，也是實(shí)現(xiàn)電網(wǎng)的自動(dòng)化(如自動(dòng)發(fā)電控制、經(jīng)濟(jì)調(diào)度、自動(dòng)電壓/無(wú)功控制和穩(wěn)定安全分析等)所必不可少的。電網(wǎng)參數(shù)錯(cuò)誤會(huì)嚴(yán)重降低狀態(tài)估計(jì)在局部區(qū)域的計(jì)算精度，進(jìn)而影響基于狀態(tài)估計(jì)的各種高級(jí)應(yīng)用的運(yùn)行效果。因此，如何檢測(cè)辨識(shí)出網(wǎng)絡(luò)參數(shù)中存在的誤差或錯(cuò)誤并進(jìn)行修正，從而為調(diào)度和運(yùn)方人員提供一個(gè)完整可靠的參數(shù)，是電力系統(tǒng)運(yùn)行中的重要問(wèn)題[2]。

有關(guān)參數(shù)辨識(shí)方法的研究在電氣工程的各個(gè)領(lǐng)域取得了豐碩的成果[3-5]。目前，傳統(tǒng)的電力系統(tǒng)網(wǎng)絡(luò)參數(shù)錯(cuò)誤的辨識(shí)與估計(jì)方法，主要是基于靈敏度分析的方法[6,7]以及基于相量信息的參數(shù)辨識(shí)方法[8]，這些方法可以分別辨識(shí)量測(cè)壞數(shù)據(jù)或參數(shù)錯(cuò)誤，但是在同時(shí)處理量測(cè)壞數(shù)據(jù)和參數(shù)錯(cuò)誤時(shí)效果無(wú)法保證。文獻(xiàn)[9]利用信息圖法識(shí)別網(wǎng)絡(luò)參數(shù)錯(cuò)誤，單個(gè)量測(cè)壞數(shù)據(jù)和參數(shù)錯(cuò)誤同時(shí)存在時(shí)，該方法能夠進(jìn)行辨識(shí)。文獻(xiàn)[10]基于拉格朗日乘子法對(duì)電網(wǎng)錯(cuò)誤參數(shù)進(jìn)行辨識(shí)，該方法可以有效辨識(shí)單個(gè)量測(cè)或參數(shù)錯(cuò)誤。但當(dāng)多個(gè)量測(cè)壞數(shù)據(jù)和錯(cuò)誤參數(shù)同時(shí)存在時(shí)，以上兩種方法的有效性還有待驗(yàn)證。本文提出一種基于綜合可疑度的電網(wǎng)參數(shù)錯(cuò)誤辨識(shí)與估計(jì)方法，可用于多個(gè)量測(cè)壞數(shù)據(jù)和參數(shù)錯(cuò)誤同時(shí)存在情況下的參數(shù)辨識(shí)。該方法定義了支路關(guān)聯(lián)距離的概念，通過(guò)計(jì)算標(biāo)準(zhǔn)化殘差獲得可疑度指標(biāo)，計(jì)算可疑測(cè)點(diǎn)評(píng)價(jià)函數(shù)值得到可疑參數(shù)，并采用增廣狀態(tài)估計(jì)算法修正壞參數(shù)。

2 狀態(tài)估計(jì)理論

2.1 加權(quán)最小二乘狀態(tài)估計(jì)

在給定網(wǎng)絡(luò)結(jié)線、支路參數(shù)和量測(cè)系統(tǒng)的條件下，狀態(tài)估計(jì)中非線性量測(cè)方程為：

z=h(x)+v

(1)

式中，z為m維量測(cè)向量；x為n維狀態(tài)向量；h(x)為狀態(tài)量x的量測(cè)矢量函數(shù)；v為測(cè)量誤差。

J(x)=[z-h(x)]TR-1[z-h(x)]

(2)

式中，R為m×m階權(quán)值對(duì)角矩陣。

對(duì)h(x)在x0處泰勒展開(kāi)，并忽略(x-x0)的二次以上的非線性項(xiàng)，設(shè)Δx=x-x0，Δz=z-h(x0)，則

(3)

式中，H(x)=?h(x)/?x為m×n階量測(cè)矢量的雅克比矩陣。

令RH0=[HT(x0)R-1H(x0)]-1，將式(3)做平方運(yùn)算后得：

(4)

(5)

利用牛頓法對(duì)式(5)進(jìn)行求解，最終第l步迭代修正方程為：

(6)

(7)

2.2 標(biāo)準(zhǔn)化殘差方程

由殘差r與量測(cè)誤差v之間關(guān)系可以推導(dǎo)出m×m階殘差靈敏度矩陣[1]：

W=I-H(HTR-1H)-1HTR-1

(8)

式中，I為單位矩陣；H為式(3)中的雅克比矩陣；R為式(2)中的m×m階權(quán)值對(duì)角矩陣。

記正定對(duì)角陣D=diag[∑r]=diag[WR]，則標(biāo)準(zhǔn)化殘差靈敏度矩陣：

(9)

進(jìn)而，可得到標(biāo)準(zhǔn)化形式的殘差方程：

rN=WNv

(10)

式中，rN為標(biāo)準(zhǔn)化殘差；v為量測(cè)誤差。

2.3 標(biāo)準(zhǔn)化殘差檢測(cè)

在正常量測(cè)條件下，假設(shè)誤檢概率為Pα，即標(biāo)準(zhǔn)化殘差誤檢事件的概率：

P{|rN,i|<γN,i}=Pα

(11)

式中，rN,i為第i個(gè)標(biāo)準(zhǔn)化殘差分量；γN,i為第i個(gè)標(biāo)準(zhǔn)化殘差的檢測(cè)門(mén)檻值。

3 基于可疑度的參數(shù)錯(cuò)誤辨識(shí)與估計(jì)方法

3.1 支路關(guān)聯(lián)距離

如圖1所示簡(jiǎn)單網(wǎng)絡(luò)，定義支路關(guān)聯(lián)距離為d，當(dāng)d=1時(shí)，關(guān)聯(lián)距離支路集合D(d=1)={①}；當(dāng)d=2時(shí)，關(guān)聯(lián)距離支路集合D(d=2)={②,③,④}；當(dāng)d=3時(shí)，關(guān)聯(lián)距離支路集合D(d=3)={⑤,⑥,⑦,⑧,⑨}。

圖1 支路關(guān)聯(lián)距離示意圖Fig.1 Diagram of branch connection distance

圖2顯示了支路參數(shù)錯(cuò)誤對(duì)不同關(guān)聯(lián)距離支路上量測(cè)估計(jì)誤差的影響各不相同。即當(dāng)某條支路存在參數(shù)錯(cuò)誤時(shí)，在不同關(guān)聯(lián)距離的支路上，存在錯(cuò)誤參數(shù)時(shí)的量測(cè)估計(jì)量殘差r1與無(wú)錯(cuò)誤參數(shù)時(shí)的量測(cè)估計(jì)量殘差r0之比各不相同，而且隨著錯(cuò)誤參數(shù)誤差的增大，空間上距離發(fā)生參數(shù)錯(cuò)誤的支路越近，則錯(cuò)誤參數(shù)對(duì)其支路量測(cè)殘差的影響越大。

圖2 參數(shù)誤差與量測(cè)估計(jì)誤差率的對(duì)比Fig.2 Contrast between parameter error and measurement estimation error rate

可以看到，當(dāng)某條支路發(fā)生參數(shù)誤差或者錯(cuò)誤時(shí)，在與其關(guān)聯(lián)距離d>3的支路上的殘差變化已經(jīng)非常不明顯，因此可以說(shuō)明支路參數(shù)錯(cuò)誤對(duì)不同關(guān)聯(lián)距離支路上量測(cè)估計(jì)誤差的影響是局部影響。

3.2 可疑度指標(biāo)的建立

現(xiàn)階段，電網(wǎng)參數(shù)錯(cuò)誤辨識(shí)與估計(jì)方法研究的難點(diǎn)及關(guān)鍵問(wèn)題是在系統(tǒng)量測(cè)存在少量壞數(shù)據(jù)的前提下，如何通過(guò)有效的方法來(lái)辨識(shí)系統(tǒng)中是否存在運(yùn)行參數(shù)錯(cuò)誤。本文提出通過(guò)建立可疑度指標(biāo)，計(jì)算可疑支路的參數(shù)錯(cuò)誤綜合可疑度辨識(shí)電網(wǎng)參數(shù)錯(cuò)誤，該方法可排除量測(cè)系統(tǒng)中壞數(shù)據(jù)對(duì)辨識(shí)結(jié)果的影響。

首先建立可疑測(cè)點(diǎn)評(píng)價(jià)函數(shù)：

(12)

式(12)的意義為：當(dāng)標(biāo)準(zhǔn)化殘差rN,i小于門(mén)檻值γN,i時(shí)，可疑測(cè)點(diǎn)評(píng)價(jià)函數(shù)值Gi(rN,i)=0，表示該測(cè)點(diǎn)正常；否則，Gi(rN,i)=1，表示該測(cè)點(diǎn)可疑，并將其納入可疑測(cè)點(diǎn)集合Ω中。

支路參數(shù)錯(cuò)誤綜合可疑度是根據(jù)支路關(guān)聯(lián)距離d以及各可疑測(cè)點(diǎn)的分布情況，計(jì)及支路參數(shù)錯(cuò)誤對(duì)不同關(guān)聯(lián)距離支路上量測(cè)估計(jì)誤差的影響差異，對(duì)各個(gè)關(guān)聯(lián)距離支路集合上的可疑測(cè)點(diǎn)評(píng)價(jià)函數(shù)G值進(jìn)行加權(quán)求和而得。

首先對(duì)可疑測(cè)點(diǎn)集合中電壓、節(jié)點(diǎn)注入功率以及支路功率量測(cè)量的首尾節(jié)點(diǎn)號(hào)進(jìn)行統(tǒng)計(jì)，確定發(fā)生參數(shù)錯(cuò)誤的可疑支路集合。然后對(duì)應(yīng)于可疑支路集合中的各條支路，找出對(duì)應(yīng)于該支路關(guān)聯(lián)距離d分別為1、2、3的支路集合上的可疑測(cè)點(diǎn)，并且賦予其對(duì)應(yīng)的權(quán)值，最后將關(guān)聯(lián)距離為1、2、3的所有支路集合中的可疑測(cè)點(diǎn)評(píng)價(jià)函數(shù)值進(jìn)行加權(quán)求和，計(jì)算得到可疑支路集合中該條可疑支路的綜合可疑度指標(biāo)：

Sa-b=∑ωdGjd=1,2,3j=1,2,…,k

(13)

式中，k為可疑測(cè)點(diǎn)個(gè)數(shù)；Sa-b為可疑支路集合中支路ab參數(shù)錯(cuò)誤綜合可疑度；ωd為對(duì)應(yīng)不同支路關(guān)聯(lián)距離上的可疑測(cè)點(diǎn)評(píng)價(jià)函數(shù)值權(quán)重；Gj為可疑測(cè)點(diǎn)集合中第j個(gè)可疑測(cè)點(diǎn)評(píng)價(jià)函數(shù)值。

評(píng)價(jià)函數(shù)G表征了各可疑測(cè)點(diǎn)其標(biāo)準(zhǔn)化殘差值是否超過(guò)設(shè)定門(mén)檻值，進(jìn)一步根據(jù)支路綜合可疑度指標(biāo)S可以判斷引起這些標(biāo)準(zhǔn)化殘差越界的存在參數(shù)錯(cuò)誤的具體支路。根據(jù)支路參數(shù)錯(cuò)誤對(duì)不同關(guān)聯(lián)距離支路上量測(cè)估計(jì)誤差的影響各不相同，對(duì)可疑測(cè)點(diǎn)評(píng)價(jià)函數(shù)G值進(jìn)行加權(quán)求和得到支路參數(shù)錯(cuò)誤綜合可疑度指標(biāo)S，該指標(biāo)更能準(zhǔn)確有效地反映支路發(fā)生參數(shù)錯(cuò)誤的可能性大小。

3.3 基于綜合可疑度的參數(shù)辨識(shí)與估計(jì)

按照可疑支路參數(shù)錯(cuò)誤綜合可疑度指標(biāo)大小順序，分析支路參數(shù)遞增或遞減引起的目標(biāo)函數(shù)值大小變化，采用增廣狀態(tài)估計(jì)算法[1]求解可疑參數(shù)最優(yōu)估計(jì)。算法流程如圖3所示，完整的分析計(jì)算步驟如下。

(1)采用加權(quán)最小二乘法進(jìn)行狀態(tài)估計(jì)，計(jì)算標(biāo)準(zhǔn)化殘差rN,i，并根據(jù)建立的可疑測(cè)點(diǎn)評(píng)價(jià)函數(shù)式(12)對(duì)各個(gè)測(cè)點(diǎn)進(jìn)行評(píng)價(jià)，將標(biāo)準(zhǔn)化殘差超過(guò)門(mén)檻值的測(cè)點(diǎn)納入到可疑測(cè)點(diǎn)集合Ω中。

(2)根據(jù)提出的支路關(guān)聯(lián)距離的概念以及各可疑測(cè)點(diǎn)的分布情況，由式(13)對(duì)可疑測(cè)點(diǎn)評(píng)價(jià)函數(shù)G值進(jìn)行加權(quán)求和，計(jì)算得到可疑支路參數(shù)錯(cuò)誤綜合可疑度指標(biāo)S，并排序。

(3)按照綜合可疑度指標(biāo)的大小順序，依次判斷該條支路是線路支路還是變壓器支路。如果是線路支路，在忽略線路對(duì)地電容對(duì)狀態(tài)估計(jì)目標(biāo)值影響的前提下，參數(shù)錯(cuò)誤可能是線路電阻或者線路電抗；如果是變壓器支路，則錯(cuò)誤參數(shù)可能為變壓器變比或者變壓器電抗(變壓器電阻可忽略不計(jì))。

(4)對(duì)此可疑支路參數(shù)大小逐一遞增或遞減，根據(jù)式(2)計(jì)算狀態(tài)估計(jì)目標(biāo)函數(shù)值J(x)。由于狀態(tài)估計(jì)以建立的目標(biāo)函數(shù)值J(x)=[z-h(x)]TR-1[z-h(x)]達(dá)到最小為收斂判據(jù)，當(dāng)系統(tǒng)中無(wú)錯(cuò)誤參數(shù)時(shí)，量測(cè)數(shù)據(jù)由于僅存在較小的服從正態(tài)分布的量測(cè)誤差(電力系統(tǒng)中典型的誤差大約2%左右)，故此時(shí)的目標(biāo)函數(shù)值最小。如果系統(tǒng)中存在錯(cuò)誤參數(shù)，則系統(tǒng)的量測(cè)函數(shù)值h(x)將大大偏離量測(cè)值，即目標(biāo)函數(shù)J(x)將增大。這也是加權(quán)最小二乘狀態(tài)估計(jì)中目標(biāo)函數(shù)J(x)表達(dá)式取為[z-h(x)]TR-1[z-h(x)]的原因。因此可得出如下結(jié)論：如果可疑支路參數(shù)的改變引起了狀態(tài)估計(jì)目標(biāo)函數(shù)值的減小，則說(shuō)明該參數(shù)存在錯(cuò)誤；反之，說(shuō)明該參數(shù)正確。

(5)對(duì)于排查和辨識(shí)出來(lái)的可疑支路錯(cuò)誤參數(shù)，將其釋放為狀態(tài)變量，使式(2)的目標(biāo)函數(shù)值達(dá)到最小，采用增廣狀態(tài)估計(jì)算法求解其最優(yōu)估計(jì)值，并作為修正后的參數(shù)返回。

圖3 基于可疑度的電網(wǎng)參數(shù)錯(cuò)誤辨識(shí)與估計(jì)算法流程Fig.3 Algorithm process of parameter error identification and estimation based on suspicious degree index

4 算例仿真與分析

海南電網(wǎng)220kV以上30節(jié)點(diǎn)系統(tǒng)如圖4所示。

圖4 海南電網(wǎng)220kV以上30節(jié)點(diǎn)系統(tǒng)網(wǎng)絡(luò)Fig.4 Hainan power grid 30-bus network above 220kV

將本文所提方法應(yīng)用于該電網(wǎng)，發(fā)現(xiàn)初始狀態(tài)估計(jì)結(jié)果中存在大量殘差值越限的情況，且越限測(cè)點(diǎn)呈小范圍區(qū)域性特點(diǎn)，因此懷疑其可能存在支路參數(shù)錯(cuò)誤。首先對(duì)該系統(tǒng)進(jìn)行加權(quán)最小二乘法狀態(tài)估計(jì)，并計(jì)算其標(biāo)準(zhǔn)化殘差值rN,i，根據(jù)可疑測(cè)點(diǎn)評(píng)價(jià)函數(shù)判斷各個(gè)測(cè)點(diǎn)的可疑性，并將標(biāo)準(zhǔn)化殘差大于門(mén)檻值γN,i的測(cè)點(diǎn)納入可疑測(cè)點(diǎn)集合Ω。假設(shè)誤檢概率Pα=0.005，則γN,i=2.81，計(jì)算可疑測(cè)點(diǎn)及其標(biāo)準(zhǔn)化殘差，結(jié)果如表1所示。

表1 可疑測(cè)點(diǎn)及其標(biāo)準(zhǔn)化殘差Tab.1 Suspicious points and their standardized residuals

根據(jù)標(biāo)準(zhǔn)化殘差檢測(cè)結(jié)果對(duì)可疑測(cè)點(diǎn)集合Ω中各元素的可疑測(cè)點(diǎn)評(píng)價(jià)函數(shù)值G進(jìn)行加權(quán)求和，計(jì)算得到可疑支路集合中各條可疑支路發(fā)生參數(shù)錯(cuò)誤的綜合可疑度S，并按照綜合可疑度指標(biāo)的大小進(jìn)行排序。

在本仿真算例中，將對(duì)應(yīng)于本支路關(guān)聯(lián)距離d分別為1、2、3的可疑測(cè)點(diǎn)評(píng)價(jià)函數(shù)權(quán)值ωd分別取為1、0.3、0.1。各可疑支路參數(shù)錯(cuò)誤綜合可疑度指標(biāo)計(jì)算及前12位的排序結(jié)果如表2所示。

表2 錯(cuò)誤參數(shù)辨識(shí)前支路綜合可疑度指標(biāo)Tab.2 Suspicious degree index of suspicious branches before parameter errors identification

按照綜合可疑度指標(biāo)的大小順序，對(duì)各條可疑支路的可疑參數(shù)進(jìn)行逐一排查，首先辨識(shí)診斷出支路電抗X2-9為錯(cuò)誤參數(shù)，對(duì)于辨識(shí)出來(lái)的可疑支路的錯(cuò)誤參數(shù)，使用增廣狀態(tài)估計(jì)算法進(jìn)行求解。經(jīng)計(jì)算，由初始錯(cuò)誤參數(shù)值0.029562更新為最優(yōu)估計(jì)值0.005819，重新確定可疑支路集合并計(jì)算其綜合可疑度指標(biāo)，結(jié)果如表3所示。

表3 錯(cuò)誤參數(shù)辨識(shí)后支路綜合可疑度指標(biāo)Tab.3 Suspicious degree index of suspicious branches after parameter errors identification

由表3可以看出，經(jīng)過(guò)對(duì)錯(cuò)誤參數(shù)的辨識(shí)與估計(jì)修正后，可疑支路的綜合可疑度指標(biāo)明顯下降，狀態(tài)估計(jì)目標(biāo)函數(shù)值由2.371減小到0.945，同時(shí)越限的可疑測(cè)點(diǎn)由初始的39個(gè)減少到26個(gè)。因此，受該支路錯(cuò)誤參數(shù)的影響而造成的其他附近相關(guān)聯(lián)支路的綜合可疑度普遍下降，達(dá)到了預(yù)期的效果。

同理，按照綜合可疑度指標(biāo)的順序，逐一排查其他可疑支路的可疑參數(shù)，可辨識(shí)出支路電抗X29-30也為錯(cuò)誤參數(shù)，同樣采用增廣狀態(tài)估計(jì)算法求解其最優(yōu)估計(jì)值，由初始的錯(cuò)誤值0.00581修正為0.00485，此時(shí)，目標(biāo)函數(shù)值由0.9450減小到0.9278。更新參數(shù)集合，再次進(jìn)行標(biāo)準(zhǔn)化殘差檢測(cè)，越限的可疑測(cè)點(diǎn)已減少到17個(gè)，并且無(wú)其他參數(shù)錯(cuò)誤支路存在，基于綜合可疑度的參數(shù)錯(cuò)誤辨識(shí)診斷過(guò)程結(jié)束。

5 結(jié)論

本文提出了一種基于綜合可疑度的電網(wǎng)參數(shù)錯(cuò)誤辨識(shí)與估計(jì)方法，該研究屬于電力系統(tǒng)狀態(tài)估計(jì)理論領(lǐng)域。與現(xiàn)有研究方法相比，該方法將多個(gè)量測(cè)錯(cuò)誤及參數(shù)錯(cuò)誤綜合考慮建立模型，采用計(jì)算支路參數(shù)錯(cuò)誤綜合可疑度和逐一排查相結(jié)合的方法，可以準(zhǔn)確有效地辨識(shí)出可疑支路的錯(cuò)誤參數(shù)，最終采用增廣狀態(tài)估計(jì)算法求解錯(cuò)誤參數(shù)的最優(yōu)估計(jì)值。同時(shí)該方法排除了量測(cè)壞數(shù)據(jù)在錯(cuò)誤參數(shù)辨識(shí)過(guò)程中的不良影響和干擾，可以有效地提升電網(wǎng)運(yùn)行參數(shù)的準(zhǔn)確率。但是，隨著系統(tǒng)規(guī)模的增大和支路數(shù)的增加，本文所提方法在對(duì)錯(cuò)誤參數(shù)進(jìn)行辨識(shí)和估計(jì)的計(jì)算效率方面有所降低，尤其是多錯(cuò)誤參數(shù)同時(shí)存在的情況。正在開(kāi)展的進(jìn)一步研究工作擬對(duì)電網(wǎng)進(jìn)行分區(qū)，將大系統(tǒng)劃分為多個(gè)子區(qū)域，然后在每個(gè)分區(qū)對(duì)錯(cuò)誤參數(shù)進(jìn)行辨識(shí)和修正，這樣不僅可以提高計(jì)算效率，還可以避免各個(gè)區(qū)域間殘差的相互污染，提高估計(jì)精度。

[1] 于爾鏗 (Yu Erkeng). 電力系統(tǒng)狀態(tài)估計(jì) (Power system state estimation) [M]．北京：水利電力出版社(Beijing：Water Resources and Electric Power Press)，1985．

[2] Zarco P，Exposito A G．Power system parameter estimation：a survey [J]．IEEE Transactions on Power Systems，2000，15(1)：216-222．

[3] 張濤，蔡金錠 (Zhang Tao, Cai Jinding). 油紙絕緣變壓器介質(zhì)響應(yīng)電路參數(shù)辨識(shí)的研究(Research on parameters identification for dielectric response equivalent circuit of transformers with oil-paper insulation) [J]. 電工電能新技術(shù)(Advanced Technology of Electrical Engineering and Energy)，2010, 29(4): 35-39.

[4] 何晉偉，史黎明 (He Jinwei, Shi Liming). 一種基于靜態(tài)特性的直線感應(yīng)電機(jī)參數(shù)辨識(shí)方法 (An identification method for linear induction motor parameter based on static characteristics) [J]. 電工電能新技術(shù)(Advanced Technology of Electrical Engineering and Energy)，2009, 28(4): 50-53,70.

[5] 汪鐳, 周?chē)?guó)興, 吳啟迪 (Wang Lei, Zhou Guoxing, Wu Qidi). 神經(jīng)網(wǎng)絡(luò)辨識(shí)方案在異步電機(jī)傳動(dòng)系統(tǒng)參數(shù)辨識(shí)中的應(yīng)用討論 (Application of Hopfield neural network in asynchronous motor parameters’ identification) [J]. 電工電能新技術(shù) (Advanced Technology of Electrical Engineering and Energy)，2001, 20(2): 58-63.

[6] W H E Liu， F F Wu， S M Liu．Estimations of parameter errors form measurement residuals in state estimation [J]．IEEE Transactions on Power Systems，1992，7(1)：81-89．

[7] T Van Cutsem， V H Quintana．Network parameter estimation using online data with application to transformer tap position estimation [J]．Proceedings of the Institution of Electrical Engineers，1988，135(1): 31-40．

[8] 李大路，李蕊，孫元章，等 (Li Dalu, Li Rui, Sun Yuanzhang, et al.)．計(jì)及廣域測(cè)量信息的狀態(tài)估計(jì)錯(cuò)誤參數(shù)識(shí)別與修正 (Recognizing and correcting the wrong parameters in state estimation considering the WAMS measurements) [J]．電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems)，2008，32(14)：11-15．

[9] 周蘇荃，徐艷，張艷軍 (Zhou Suquan，Xu Yan，Zhang Yanjun)．電力網(wǎng)絡(luò)支路參數(shù)估計(jì)新方法 (New approach to linear parameter estimation of power grid) [J]．電力系統(tǒng)及其自動(dòng)化學(xué)報(bào) (Proceedings of the CSU-EPSA)，2009，21(2)：11-14．

[10] Jun Zhu， A Abur．Identification of network parameter errors [J]．IEEE Transactions on Power Systems，2006，21(2)：586-592．

Identification and estimation method for power grid parameter error based on suspicious degree index

ZHAI Jing-jing1,2, ZHANG Xiao-lian1,2, LIANG Yong-xin3, CHEN Fan1,2

(1. Nanjing Institute of Technology, Nanjing 211167, China; 2. Jiangsu Innovation Center for Intelligent Technology and Equipment in Distribution Network, Nanjing 211167, China; 3. Zhenjiang Power Supply Company, Zhenjiang 212000, China)

The network parameters error can bring adverse effect on the state estimation and bad data identification, and will reduce the practical level of other advanced application software in energy management system. This paper proposes a method of identification and estimation for power grid parameter errors based on comprehensive suspicious degree. Firstly, it determines the set of suspicious points based on the values of evaluation function of all suspicious points. Then the weight and synthesis suspicious degree of suspicious branch parameter error are calculated on the branch correlation distance, and the suspicious parameters of suspicious branches are checked one by one according to the order of comprehensive suspicious degree index. Finally, the error parameters’ estimation is solved as an optimal problem. The example simulation results show that the proposed method can identify network parameter errors accurately and estimate their optimal value, and effectively improves the accuracy of the power grid operation parameters.

state estimation; evaluation function; comprehensive suspicious degree; branch correlation distance; extended state estimation

2015-06-03

江蘇省高校自然科學(xué)研究項(xiàng)目(14KJD470004)、 南京工程學(xué)院校級(jí)科研基金項(xiàng)目(QKJA201503)

翟晶晶 (1982-), 女, 河北籍, 實(shí)驗(yàn)師, 工學(xué)碩士, 研究方向?yàn)橹悄苡秒姟?電力系統(tǒng)運(yùn)行與控制； 張小蓮 (1985-), 女, 湖北籍, 講師, 博士, 研究方向?yàn)轱L(fēng)力發(fā)電、 電力系統(tǒng)運(yùn)行與控制。

TM744

A

1003-3076(2016)04-0043-06