基于WAMS的电力系统状态估计及PMU的最优配置研究

作为能量管理系统的基础与核心,电力系统状态估计的作用至关重要。随着我国经济迅速发展,电力系统规模日渐庞大、接线复杂度与日俱增,为了安全有效的输送电能需要调度运行人员更加准确、迅速的掌握系统运行状况。这对电力系统状态估计提出了更高的要求。 随着技术的进步,以GPS、相量量测单元(Phasor Measurement Unit, PMU)为基础的广域量测系统(Wide Area Measurement System,WAMS)逐渐在电力系统中得到了应用。论文首先研究了将WAMS的高精度数据引入到状态估计中的方法。基于电力系统分析和误差理论,分析了与PMU相关联节点的PMU量测推算值的可信度,提出将PMU量测值和相关联节点的PMU量测推算值作为高精度量测加入到状态估计计算中的算法。通过高精度量测的引入,增加量测数据冗余度,提高状态估计精度。 注意到在提高量测数据冗余度的同时,由于矩阵维度的增大也导致迭代计算时间延长的问题。尤其是当网络中配置PMU的数目增多的条件下这种现象更加明显。与此同时,从装设PMU的经济型和必要性上考虑,不是电网中所有节点都有装设PMU的必要。 采用图论中的最小生成树(Minimun Spanning Tree,MST)算法,对PMU的最优配置进行研究。以“对电力网络覆盖范围最广的母线”作为所搜目标寻求保证全网可观的PMU配置方案。针对电网中零注入节点的广泛存在,提出采用校核算法,对MST搜索到的配置方案进行校核,形成了RMST算法。 利用MATLAB7.0对上述两部分算法进行仿真计算。IEEE-14母线系统和IEEE-30母线系统的仿真结果表明,论文提出的RMST方法在PMU配置方案的灵活性、PMU数量的最小化方面都具有优势,并且成功的剔除了网络中存在的零注入节点。将提出的经过PMU最优配置后的混合状态估计算法与传统的加权最小二乘法和快速分解法进行对比,结果表明：所提出的方法在估计精度等指标上均较传统方法有了一定程度的提高。