三相四线制配电网抗差状态估计与不良数据辨识方法研究

随着我国智能电网的发展和用户对电能质量要求的提高,电力企业对配电网运行状态的实时监测和在线分析与决策控制水平提出了更高的要求。配电网状态估计是配电管理系统的重要组成部分,也是其他高级应用软件的数据基础,对于保障配电网的安全经济运行具有重要意义。状态估计方法在输电网中得到了深入研究和广泛应用,但配电网(特别是低压配网)状态估计的研究较少,其主要困难在于配电网络结构的差异和实时量测的缺乏。近年来,智能电表开始大量安装并应用于低压配网,为低压配网状态估计创造了有利条件。如何综合考虑配电网的结构特点和量测量类型及特征,提高状态估计性能和结果精度成为配网三相状态估计的研究重点。不良数据检测与辨识是电力系统状态估计的重要内容,对提高状态估计的可靠性和实时数据的质量具有重要作用。为此,本文对三相四线制配网的状态估计与不良数据辨识方法进行了深入研究,主要研究内容如下:①提出一种基于智能电表量测的三相四线制配网抗差估计方法。本文充分利用智能电表的三相实时量测信息,以三相四线制配网节点注入电流方程为基础,建立了三相四线制配网指数加权最小二乘抗差估计模型。该模型中将零注入功率方程同时作为量测方程和等式约束,目标函数中采用标准化残差的指数型权函数,以抑制不良数据影响;而且该模型未对配电系统中性点电位和电源端点三相电压作任何假设。通过对IEEE-13节点修正系统进行算例分析,仿真结果表明,所提方法具有良好的收敛性和抗差性,状态估计结果的精度高。②提出一种抗差估计与均值聚类算法相结合的不良数据辨识方法。本文综合利用指数加权最小二乘抗差估计和k均值聚类方法在不良数据处理方面的优势,首先采用指数加权最小二乘估计来获取系统所有量测的最佳估计值,并计算得到相对量测估计误差的特征数据集;然后应用k均值聚类算法实现不良量测数据的分组聚类辨识,其中还利用最大最小距离法和间隙统计算法分别确定初始聚类中心和最优聚类个数,有效提高了聚类稳定性和不良数据辨识效果;最后对IEEE-13节点修正系统和重庆江津实际台区电网进行了仿真分析,算例结果表明本文方法的辨识准确性高,实用性强,具有良好的工程应用前景。