一种多源量测终端数据融合的微电网状态估计方法及系统

技术领域

本发明涉及微电网技术领域，尤其涉及一种多源量测终端数据融合的微电网状态估计方法及系统。

背景技术

近年来，大量分布式电源接入配电网导致电能质量降低，采用微电网对分布式电源进行管理是一种有效的方式。但是，目前的微电网难以准确感知末端用户的电能质量状态，为微电网的运行控制来带影响。

目前的微电网状态估计只利用了传统的SCADA(supervisorycontrol and dataacquisition,数据采集与监视控制)数据，而在微电网末端，通常不具备SCADA终端，因而，仅靠SCADA数据无法对微电网实施准确而全面的状态估计。

同时，微电网末端具备AMI(advanced metering infrastructures,高级量测体系)量测信息，但是其与SCADA数据之间在时间尺度、量测精度及同步性等方面存在较大的差异，从而导致微电网状态估计的计算精度较低。

发明内容

本发明提供了一种多源量测终端数据融合的微电网状态估计方法及系统，解决了微电网状态估计的计算精度较低的技术问题。

有鉴于此，本发明第一方面提供了一种多源量测终端数据融合的微电网状态估计方法，包括以下步骤：

获取SCADA量测终端和PMU量测终端分别在相应的预置测量点的SCADA量测序列数据和PMU量测序列数据；

判断所述SCADA量测终端和所述PMU量测终端分别对应的所述预置测量点是否重合，若判断所述SCADA量测终端和所述PMU量测终端分别对应的所述预置测量点重合，则根据所述PMU量测序列数据对所述SCADA量测序列数据进行更新；

获取AMI量测终端在微电网末端的预置测量点的AMI量测序列数据，基于微电网的网络拓扑结构，搜索与所述AMI量测终端相关联的SCADA量测终端的多个预置测量点，构成SCADA测量点集合；

在所述SCADA测量点集合中获得与所述AMI量测终端的电气距离最近的SCADA测量点，作为AMI量测终端最关联的SCADA测量点；

根据AMI量测终端最关联的SCADA测量点对应的SCADA量测序列数据以及所述AMI量测序列数据估算AMI当前量测值；

基于加权最小二乘法，根据所述SCADA量测序列数据、所述PMU量测序列数据和所述AMI当前量测值进行微电网状态估计。

优选地，本方法还包括：

判断所述SCADA量测终端和所述PMU量测终端分别对应的所述预置测量点是否重合，若判断所述SCADA量测终端和所述PMU量测终端分别对应的所述预置测量点重合，则计算SCADA量测周期内的所有PMU量测序列数据的平均值为，

式中，t

利用SCADA量测周期内的所有PMU量测序列数据的平均值对所述SCADA量测序列数据进行更新。

优选地，基于微电网的网络拓扑结构，搜索与所述AMI量测终端相关联的SCADA量测终端的多个预置测量点，构成SCADA测量点集合的步骤具体包括：

获取微电网的潮流方向，基于微电网的网络拓扑结构，以AMI量测终端在微电网末端的预置测量点为起点，按照潮流方向对网络拓扑结构中所有预置测量点进行拓扑分析，得到与所述AMI量测终端相关联的SCADA量测终端的多个预置测量点，构成SCADA测量点集合。

优选地，在所述SCADA测量点集合中获得与所述AMI量测终端的电气距离最近的SCADA测量点，作为AMI量测终端最关联的SCADA测量点的步骤具体包括：

计算所述SCADA测量点集合中的每个SCADA测量点与所述AMI量测终端的预置测量点之间的线路阻抗值，获取线路阻抗值最小的SCADA测量点，作为AMI量测终端最关联的SCADA测量点。

优选地，根据AMI量测终端最关联的SCADA测量点对应的SCADA量测序列数据以及所述AMI量测序列数据估算AMI当前量测值的步骤具体包括：

根据AMI量测终端最关联的SCADA测量点对应的SCADA量测序列数据以及所述AMI量测序列数据通过下式估算AMI当前量测值为：

式中，

优选地，基于加权最小二乘法，根据所述SCADA量测序列数据、所述PMU量测序列数据和所述AMI当前量测值进行微电网状态估计的步骤具体包括：

根据根据所述SCADA量测序列数据、所述PMU量测序列数据和所述AMI当前量测值构建微电网状态估计模型，其中，微电网状态估计模型的目标函数为，

J(x)＝[z-h(x)]

式中，z为所述SCADA量测序列数据、所述PMU量测序列数据和所述AMI当前量测值的方差值，x为状态量，h(x)表示量测值与状态量之间的非线性关系，W为量测权重矩阵，T为转置符号；

利用加权最小二乘法对微电网状态估计模型的目标函数进行求解，得到状态量。

第二方面本发明提供了一种多源量测终端数据融合的微电网状态估计系统，包括：

量测获取模块，用于获取SCADA量测终端和PMU量测终端分别在相应的预置测量点的SCADA量测序列数据和PMU量测序列数据；

搜索模块，用于获取AMI量测终端在微电网末端的预置测量点的AMI量测序列数据，基于微电网的网络拓扑结构，搜索与所述AMI量测终端相关联的SCADA量测终端的多个预置测量点，构成SCADA测量点集合；

关联模块，用于在所述SCADA测量点集合中获得与所述AMI量测终端的电气距离最近的SCADA测量点，作为AMI量测终端最关联的SCADA测量点；

估算模块，用于根据AMI量测终端最关联的SCADA测量点对应的SCADA量测序列数据以及所述AMI量测序列数据估算AMI当前量测值；

状态估计模块，用于基于加权最小二乘法，根据所述SCADA量测序列数据、所述PMU量测序列数据和所述AMI当前量测值进行微电网状态估计。

优选地，本系统还包括：

平均值计算模块，用于判断所述SCADA量测终端和所述PMU量测终端分别对应的所述预置测量点是否重合，若判断所述SCADA量测终端和所述PMU量测终端分别对应的所述预置测量点重合，则计算SCADA量测周期内的所有PMU量测序列数据的平均值为，

式中，t

更新模块，用于利用SCADA量测周期内的所有PMU量测序列数据的平均值对所述SCADA量测序列数据进行更新。

优选地，所述估算模块具体用于，根据AMI量测终端最关联的SCADA测量点对应的SCADA量测序列数据以及所述AMI量测序列数据通过下式估算AMI当前量测值为：

式中，

优选地，所述状态估计模块具体包括：

模型构建模块，用于根据根据所述SCADA量测序列数据、所述PMU量测序列数据和所述AMI当前量测值构建微电网状态估计模型，其中，微电网状态估计模型的目标函数为，

J(x)＝[z-h(x)]

式中，z为所述SCADA量测序列数据、所述PMU量测序列数据和所述AMI当前量测值的方差值，x为状态量，h(x)表示量测值与状态量之间的非线性关系，W为量测权重矩阵，T为转置符号；

求解模块，用于利用加权最小二乘法对微电网状态估计模型的目标函数进行求解，得到状态量。

从以上技术方案可以看出，本发明具有以下优点：

本发明通过获取SCADA量测终端和PMU量测终端分别在相应的预置测量点的SCADA量测序列数据和PMU量测序列数据，还获取AMI量测终端在微电网末端的预置测量点的AMI量测序列数据，基于微电网的网络拓扑结构，搜索与AMI量测终端相关联的SCADA量测终端的多个预置测量点，构成SCADA测量点集合，并确定与AMI量测终端的电气距离最近的SCADA测量点，作为AMI量测终端最关联的SCADA测量点，根据AMI量测终端最关联的SCADA测量点对应的SCADA量测序列数据以及AMI量测序列数据估算AMI当前量测值，根据SCADA量测序列数据、PMU量测序列数据和AMI当前量测值进行微电网状态估计，从而将AMI量测数据转换为由SCADA量测序列数据估算的量测值，避免了两者时标不同步，提高微电网状态估计的计算精度。

附图说明

图1为本发明实施例提供的一种多源量测终端数据融合的微电网状态估计方法的流程图；

图2为本发明实施例提供的一种多源量测终端数据融合的微电网状态估计系统的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为了便于理解，请参阅图1，本发明提供的一种多源量测终端数据融合的微电网状态估计方法，包括以下步骤：

S1、获取SCADA量测终端和PMU量测终端分别在相应的预置测量点的SCADA量测序列数据和PMU量测序列数据。

S2、获取AMI量测终端在微电网末端的预置测量点的AMI量测序列数据，基于微电网的网络拓扑结构，搜索与AMI量测终端相关联的SCADA量测终端的多个预置测量点，构成SCADA测量点集合；

S3、在SCADA测量点集合中获得与AMI量测终端的电气距离最近的SCADA测量点，作为AMI量测终端最关联的SCADA测量点；

S4、根据AMI量测终端最关联的SCADA测量点对应的SCADA量测序列数据以及AMI量测序列数据估算AMI当前量测值；

S5、基于加权最小二乘法，根据SCADA量测序列数据、PMU量测序列数据和AMI当前量测值进行微电网状态估计。

需要说明的是，本实施例提供了一种多源量测终端数据融合的微电网状态估计方法，通过获取SCADA量测终端和PMU量测终端分别在相应的预置测量点的SCADA量测序列数据和PMU量测序列数据，还获取AMI量测终端在微电网末端的预置测量点的AMI量测序列数据，基于微电网的网络拓扑结构，搜索与AMI量测终端相关联的SCADA量测终端的多个预置测量点，构成SCADA测量点集合，并确定与AMI量测终端的电气距离最近的SCADA测量点，作为AMI量测终端最关联的SCADA测量点，根据AMI量测终端最关联的SCADA测量点对应的SCADA量测序列数据以及AMI量测序列数据估算AMI当前量测值，根据SCADA量测序列数据、PMU量测序列数据和AMI当前量测值进行微电网状态估计，从而将AMI量测数据转换为由SCADA量测序列数据估算的量测值，避免了两者时标不同步，提高微电网状态估计的计算精度。

在一个具体实施例中，本方法还包括：

判断所述SCADA量测终端和所述PMU量测终端分别对应的所述预置测量点是否重合，若判断所述SCADA量测终端和所述PMU量测终端分别对应的所述预置测量点重合，则计算SCADA量测周期内的所有PMU量测序列数据的平均值为，

式中，t

利用SCADA量测周期内的所有PMU量测序列数据的平均值对所述SCADA量测序列数据进行更新。

在一个具体实施例中，基于微电网的网络拓扑结构，搜索与所述AMI量测终端相关联的SCADA量测终端的多个预置测量点，构成SCADA测量点集合的步骤具体包括：

S201、获取微电网的潮流方向，基于微电网的网络拓扑结构，以AMI量测终端在微电网末端的预置测量点为起点，按照潮流方向对网络拓扑结构中所有预置测量点进行拓扑分析，得到与所述AMI量测终端相关联的SCADA量测终端的多个预置测量点，构成SCADA测量点集合。

在一个具体实施例中，步骤S3具体包括：

计算所述SCADA测量点集合中的每个SCADA测量点与所述AMI量测终端的预置测量点之间的线路阻抗值，获取线路阻抗值最小的SCADA测量点，作为AMI量测终端最关联的SCADA测量点。

在一个具体实施例中，步骤S4具体包括：

根据AMI量测终端最关联的SCADA测量点对应的SCADA量测序列数据以及所述AMI量测序列数据通过下式估算AMI当前量测值为：

式中，

在一个具体实施例中，步骤S5具体包括：

S501、根据根据所述SCADA量测序列数据、所述PMU量测序列数据和所述AMI当前量测值构建微电网状态估计模型，其中，微电网状态估计模型的目标函数为，

J(x)＝[z-h(x)]

式中，z为所述SCADA量测序列数据、所述PMU量测序列数据和所述AMI当前量测值的方差值，x为状态量，h(x)表示量测值与状态量之间的非线性关系，W为量测权重矩阵，T为转置符号；

S502、利用加权最小二乘法对微电网状态估计模型的目标函数进行求解，得到状态量。

以上为本发明提供的一种多源量测终端数据融合的微电网状态估计方法的实施例的详细描述，以下为本发明提供的一种多源量测终端数据融合的微电网状态估计系统的实施例的详细描述。

为了便于理解，请参阅图2，本发明提供的一种多源量测终端数据融合的微电网状态估计系统，包括：

量测获取模块100，用于获取SCADA量测终端和PMU量测终端分别在相应的预置测量点的SCADA量测序列数据和PMU量测序列数据；

搜索模块200，用于获取AMI量测终端在微电网末端的预置测量点的AMI量测序列数据，基于微电网的网络拓扑结构，搜索与所述AMI量测终端相关联的SCADA量测终端的多个预置测量点，构成SCADA测量点集合；

关联模块300，用于在所述SCADA测量点集合中获得与所述AMI量测终端的电气距离最近的SCADA测量点，作为AMI量测终端最关联的SCADA测量点；

估算模块400，用于根据AMI量测终端最关联的SCADA测量点对应的SCADA量测序列数据以及所述AMI量测序列数据估算AMI当前量测值；

状态估计模块500，用于基于加权最小二乘法，根据所述SCADA量测序列数据、所述PMU量测序列数据和所述AMI当前量测值进行微电网状态估计。

在一个具体实施例中，本系统还包括：

平均值计算模块，用于判断所述SCADA量测终端和所述PMU量测终端分别对应的所述预置测量点是否重合，若判断所述SCADA量测终端和所述PMU量测终端分别对应的所述预置测量点重合，则计算SCADA量测周期内的所有PMU量测序列数据的平均值为，

式中，t

更新模块，用于利用SCADA量测周期内的所有PMU量测序列数据的平均值对所述SCADA量测序列数据进行更新。

在一个具体实施例中，所述估算模块具体用于，根据AMI量测终端最关联的SCADA测量点对应的SCADA量测序列数据以及所述AMI量测序列数据通过下式估算AMI当前量测值为：

式中，

在一个具体实施例中，所述状态估计模块具体包括：

模型构建模块，用于根据根据所述SCADA量测序列数据、所述PMU量测序列数据和所述AMI当前量测值构建微电网状态估计模型，其中，微电网状态估计模型的目标函数为，

J(x)＝[z-h(x)]

式中，z为所述SCADA量测序列数据、所述PMU量测序列数据和所述AMI当前量测值的方差值，x为状态量，h(x)表示量测值与状态量之间的非线性关系，W为量测权重矩阵，T为转置符号；

求解模块，用于利用加权最小二乘法对微电网状态估计模型的目标函数进行求解，得到状态量。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。