摘要: 现代电力系统的规模不断扩大，互联程度不断加强，结构和运行方式日趋复杂，对状态估计提出了更高要求。对于大规模互联电网的状态估计问题，传统整体式状态估计方法在可靠性及实时性方面存在一定的局限性。首先，局部系统的不可观测及不良数据都将直... 展开 现代电力系统的规模不断扩大，互联程度不断加强，结构和运行方式日趋复杂，对状态估计提出了更高要求。对于大规模互联电网的状态估计问题，传统整体式状态估计方法在可靠性及实时性方面存在一定的局限性。首先，局部系统的不可观测及不良数据都将直接影响到整个系统状态估计能否顺利进行。其次，由于系统阶数过大，系统计算中心需要处理大量量测数据及求解大规模估计方程，很难满足系统分析和控制对状态估计实时性的要求。随着PMU装置逐步在电网中推广应用，PMU量测数据已经成为电力系统重要的数据源之一。PMU量测可直接量测相角，且具有量测精度高、严格同步和更新周期短等许多优点。如何在状态估计中以更细的时间尺度有效利用PMU量测是当前必须面对和解决的问题。 本文针对以上两方面问题，以提高大规模互联电网状态估计可靠性及实时性和有效利用 PMU量测数据进行混合量测系统状态估计更好为系统分析服务为目的，主要研究了互联电网的分布式状态估计和混合量测系统状态估计问题。 将变化量测的概念用于空间上的状态估计问题，提出了基于量测灵敏度分析的分布式状态估计。采用在联络线上重叠的区域划分方法，实现互联系统的拓扑分解。将两端估计器在联络线上的功率估计不匹配量作为各子系统虚拟变化量测量，基于子系统状态量、量测量及功率估计值之间的灵敏度关系迭代修正求解子系统状态估计统一解。分析了子系统相角转换问题，指出了影响该方法系统相角估计精度的几个重要因素。 基于拓扑分解和分块矩阵运算技术，推导了空间递推算法的基本原理，提出了由前推和回推计算过程组成的基本空间递推算法及逐层空间递推算法。逐层空间递推算法将互联电网分解为子系统层和边界系统层，在两层结构间实现前推和回推计算。推导了量测量逐次处理线性递推计算公式，基于此公式，在前推计算结果的基础上通过逐次处理附加的边界量测完成回推估计计算，有效地加快了逐层空间递推算法计算速度。 提出了基于网络灵敏度的分布式状态估计方法。通过在联络线上引入虚拟节点，将大规模互联电网划分为若干子系统。利用虚拟节点两端估计器计算得到的流过虚拟节点功率估计值的残差加权平均值来协调各子系统估计结果，并基于网络灵敏度的方法修正各子系统估计结果。该方法无需负责协调的系统级计算中心，可实现各计算中心之间的平行对等的单层分布式组织结构。 将分布式状态估计与Multi-Agent技术相结合，提出一种分布式状态估计Multi-Agent系统（Distributed State Estimation Multi-agent System, DSEMAS）设计方案。针对基于网络灵敏度的分布式状态估计算法构建了DSEMAS的三层体系结构及各级Agent的组织结构，并详细介绍了该系统的通信交互和运行机制。各Agent之间相互协作，共同完成互联电网的分布式状态估计。 针对SCADA/PMU量测数据组成的混合量测系统，提出了基于Ward等值的混合量测实时状态估计模型。根据实现WAMS对系统中部分重要枢纽厂站和重要线路进行动态监测的实用原则对PMU进行配置，并将节点划分为PMU覆盖的内部节点和边界节点及PMU未覆盖的外部节点。在SCADA断面，采用量测增强非线性估计模型提高估计精度，并基于Ward等值方法形成等值WAMS系统。在PMU量测断面，基于全部实时PMU量测数据对等值WAMS系统进行线性估计，实现对PMU量测数据在更精细断面上的利用。 分别利用 IEEE-30节点和IEEE-118节点系统对本文各算法进行了仿真模拟，仿真计算及比较分析结果充分说明了本文算法正确有效，具有一定理论价值及工程实用性。 收起