基于相量测量的电力系统状态估计研究

董德慧　王兵

摘要 在经济与科技的带动下，电力系统无论是规模还是结构与运行方式都逐渐呈现复杂化，为提高电力系统安全，实现经济运行，状态估计成为能量管理系統中重要组成部分，尤其是在全球定位系统被应用到各处以后，以GPS为基础的相量测量电力系统状态估计也随之出现。本文将从电力系统状态估计基本情况入手，重点研究基于相量测量的电力系统状态估计。

关键词 相量测量；电力系统；状态估计

中图分类号 TM7 文献标识码 A 文章编号 2095—6363（2016）12—0039—02

为全面且系统地了解电力系统调度控制系统，实现实时掌控电力系统运行状态，做好进一步分析与预测，强化数据库质量就需要应用到状态估计。现代社会已经进入信息时代，计算机技术在各个领域都有应用，状态估计也需要实现现代化，融入新型技术，相量测量电力系统状态估计也随之出现。因此，有必要对基于相量测量的电力系统状态估计开展研究。

1电力系统状态估计概述

之所以电网能够正常运行，与状态估计的运用有一定关系，通过状态估计不仅可以强化电力系统运行，还能促进控制系统优化。电力系统状态估计作用主要体现在以下几方面：第一，随着状态估计的运用，电力系统所获得的数据精度更高，更可以满足实际使用需求；第二，状态估计可以准确辨别出不良数据，同时可以将这些数据进行修改与纠正，进而强化数据系统可靠性；第三，状态估计能够精准的推算出电力量，帮助电力工作者尽快完成工作；第四，能够根据现有数据预见未来电力发展趋势，为电力系统安全运行提供保障。总之，电力系统状态估计有很多好处，因此，应重视状态估计在电力系统中的运用，并做好进一步研究。

2电力系统状态估计方法

对于电力系统状态估计来说，经常采用的方法有3种：第一种，加权最小二乘估计法。这是电力系统状态估计中应用最多的方法，运用这种方法并不需要了解随机变量统计特性，而是将量测值与估计值的差平方和最小作为估计方法；第二种，快速分解状态估计法。这种方法相对于加权最小二乘估计法相对收敛，但却需要很长计算时间，对内存的需要也很大，在设计程序的过程中需要应用一定的电力系统物理性质，也会将不重要的因素忽略，这样既能提高计算速度，又能减少不必要的内存消耗；第三种，以量测变换为基础的估计法。这种方法就是将量测等效变换当做节点且注入电流量测与支路电流量测，然后将迭代方程组雅克比矩阵转化为常数矩阵，不仅可以节约内存，还能强化算法效率。

3基于相量测量的电力系统状态估计

1）相量测量电力系统状态估计的运用的必要性。随着相量测量状态估计在电力系统中的运用，人们不仅可以全面了解系统实际运行情况，还能对电力系统进行全面监控，所以各个都将电力系统状态估计作为重点。我国对电力系统状态估计的研究并不多，仅有几个电力系统应用了相量测量。在对比传统状态估计与相量测量电力系统状态估计中可以发现，传统状态估计不仅实效性差，还需要浪费很长的计算时间，且收敛性较差，也容易出现误差，而基于相量测量的电力系统状态估计则属于线性估计的一种，无论是计算速度还是实效性都很好。此外，由于PMU的应用，相关工作人员也可以随时了解到电压情况，如果2个系统需要连接也可以避免反连接的出现，若电网出现故障，状态估计也可以快速确定故障发生位置，并做好故障分析，为快速解决故障奠定基础。

3）以PMU基础的等效电流量测变换解藕估计模型。相关学者在研究基于相量量测的电力系统态估计的过程中，可以计算出取电压幅值与相角方程，在对比该模型以后可以发现，其与传统状态估计所使用的方法相同。在为某个节点配置PMU的过程中发现，等于两个量测量共同作用其上，量测雅克比矩阵也会受此影响多两行。同时还发现每个行中至少有一个非零元素，由此可见该模型中仅有一个PMU量测值，所以，其对状态估计的影响也不大。总而言之，要做好等效电流量测状态估计模型构建，就需要应用一种新型状态估计模型，如PMU量测模型。

在等效电流量测中还要重视旋转变换，这样也可以了解到其状态估计，进而了解电力系统实际运行情况。随着PMU量测值的应用，不仅可以强化量测冗余度，还能加强状态估计解精度，促进其稳定性提升。基于相量测量的电力系统状态估计不仅压缩了存储空间，还提高了计算速度，强化了计算精度，同时也有效弥补了原有计算中存在不足，可见其有较多益处，所以应重视这种状态估计的运用。

4）算例仿真。为进一步证明基于相量测量的电力系统状态估计高效，还需要应用算例。因此，笔者对一些系统做了测试，通过算例仿真发现，量测数据可以在测试系统潮流结果的基础上呈现正态分布，为强化比较，还需要做好测试系统计算，并通过极坐标的方式展示出来。如在测试某节点的过程中，在一些节点中应用了PMU，并采用了GA算法，发现基于相量测量的电力系统所测量的精度相对较高，尤其在旋转变换的作用下，不仅可以实现严格解藕，还能有效减少雅克比矩阵重新因子化所带来的影响，同时，算法效率也显著提升，且不需要过高存储量，总的来说，由此而来的运行效率也可以满足在线状态估计需求。

为提高估计精度，确定PMU配置目标，应将PSO算法运用进来还要注意粒子群算法的运用，并运用该算法对各个节点进行检验。因此，在实际计算中，应先确定好粒子群规模，明确加速参数，同时设计好最大迭代次数。通过对比发现，引入PSO算法要比GA算法强很多，主要体现PSO算法相对于GA算法更具收敛性，且具有良好的搜索能力。

总的来说，基于PMU的状态估计新模型不仅应用了旋转变换，减少了各种假设性问题的应用，同时，随着该模型的构建，既强化了PMU量测信息的运用，也有效提升了量测冗余度，再加上这种方法对存储量的需求较小，计算速度又很高，精度也能得到保障，所以，应重视这种状态估计的运用，只有这样才能全面且深入的了解电力系统实际情况。

4结论

之所以状态估计会成为电力系统中不可缺少的一部分，不仅在于它是电力系统正常运行的基础，还在于它可以帮助相关工作人员做好本职工作，为进一步做好电力系统状态估计，就需要联系实际情况应用新技术，相量测量单元就是其中之一。本文联系电力系统状态估计基本情况，分析了电力系统状态估计中常用的方法，研究了基于相量测量的电力系统状态估计，希望能为相关人士带来有效参考，做好电力企业工作，为人们提供安全可靠电能，提高人们满意度。endprint