作为广东省工业重镇的东莞，其电网运行方式安排所需数据主要取自EMS实时数据库和历史数据库，电网离线计算则采用BPA以及PSAS。数据库建模和电网负荷水平的录入工作量巨大，使电网分析工作举步维艰。因此，在运方现有的工作环境下，集成离线计算和在线应用，研发一个新系统，使相关工作人员无需录入大量数据便能快速提取目标运行方式，检验处电网运行的安全性和经济性，给出分析报告，并能满足对运行方式多方位和多功能的工作需求，意义重大。
1 状态估计算法与稀疏矩阵
实时运行方式生成启用东莞电网最新的数据模板，通过实时数据接口提取实时数据，并进行数据预处理。通过状态估计检测和识别坏数据，最终求得给定时间断面东莞电网实时运行方式。实时运行方式生成模块可以人工随机启动，也可以自动定时启动。
状态估计是实时运行方式生成模块的核心。状态估计利用实时量测，检测和识别坏数据，推算母线电压，最终建立电网实时运行方式。目前，广泛使用加权最小二乘法作为状态估计器。
式中Z为m维量测向量，X为n维母线电压向量，ν为量测残差，h为量测和电压的观测关联量。
由加权最小二乘估计准则可得，目标函数为：
求导，得出目标函数的极小值后获得最后估计解，即有：
式中H=为m×n阶雅可比矩阵，而R=E[vvT]为量测残差期望值，是量测量权重的倒数。
将式（3）改写成便于迭代计算的形式：
要使式（4）有解，则必须使m≥n，且矩阵H的秩不小于n。
阶雅可比矩阵H反映量测量与电压量的观测关联，依据电力网络的特点，阶雅可比矩阵H是稀疏矩阵。例如一个线路的PQ量测仅与线路两侧的母线电压量关联：
式中P、Q为线路量测量，i、j是线路两侧的母线编号，Zij为线路阻抗。一个线路量测在雅可比矩阵一行向量中，仅两个非零元素，其余n-2个均为零元素。母线量测也类似，一个母线PQ量测仅与本母线以及与本母线有支路相连的母线电压关联，其表达公式可以类推。总之，状态估计软件设计必须充分利用矩阵的稀疏性，以节省存储空间，加快运算速度。
虽然已经拿到SCADA实时数据，并可以通过实时数据了解电网运行工况，但仍有必要开展运算状态估计的有关工作。首先，SCADA实时量测是有误差的，反映在母线功率的不完全平衡；其次，SCADA实时量测是不完整的，有的元件未配置实时量测；第三，SCADA实时量测有时可能包含坏数据，包括坏的遥测值和错误的遥信值，使运行人员产生误判。正是基于SCADA数据的不完整性和不成熟性，使状态估计的工作成为必须。
2 实时数据的提取和系统的可观测性分析
运算状态估计前的必经一步是从实时数据接口提取实时数据，在这之后需用提取的数据检验系统的可观测性。系统可观测性的判断可以有多种方法，方法之一是采用拓朴算法，其原理是：
（1）先将全电网的各个母线设置为孤立态，逐个扫描量测量，凡线路量测将该量测两侧的母线设置为同环。
（2）凡节点量测，增加一个与该节点相邻而非同环的母线设置为同环。量测扫描结束后判断电网是否为全部母线同环，是则表示系统可观测，反之则不可观测。
3 外部等值网络的可观测性
外部等值网络的可观测性影响包含外网等值的东莞电网的可观测性。按照目前上下级调度自动化系统的连接模式，地区电网EMS/SCADA尚无法得到外部网络的实时数据，仅能通过与外网厂站相连的输电线路自己一侧的PQ量测来观测外部网络，进而推算外部网络的等值发电或等值负荷。在不能利用这些连接外部网络输电线路自己一侧PQ量测完全观测外部网络，又无法获取外部网络实时数据的情况下，外部网络成为不可观测，此时软件设计应该提供空间，允许使用伪量测来确保状态估计有解。
外部网络使用伪量测的最简易方法是使用上一时段的推算值作为量测值。由于电网负荷变化的渐进的特点，使用上一时段的推算值作为本时段的伪量测大多数情况是可行的。然而，连续使用伪量测来确保外部网络的可观测性，可能会令伪量测逐渐远离真值，这是应该避免的。需要指出的是，外部网络使用伪量测不影响220kV地区分片电网的潮流，只会影响涉及伪量测的地区分片电网电磁解合环分析的精度，也即外部等值网络使用伪量测的影响面是有限的。
4 实时量测的预检验
确定系统满足可观测性之后，进而再检验母线功率平衡，进行量测误差的预检验。母线功率不平衡度超过某一限定值时，或者给出告警对话框，要求用户选择，或者给出告警信息后直接进入状态估计分析，无需人工介入。
造成母线功率不平衡度偏大的原因是：实时数据接口解析错误、遥测数据反向或错误、遥信位置错误等。母线功率不平衡度过大说明可能存在大的误差数据或坏数据，需要及时校正，在用户给出响应后便可进入状态估计。
实时量测预检验在新建数据模板、调试实时数据接口时用处很大，量测量中明显错误的坏数据可以在第一时间剔除出系统，避免其影响状态估计的运行。服务器上的运行方式实时生成进程不理会实时量测预检验告警，而是直接进行状态估计计算，以确保系统的连续可靠运行。大误差量测数据或者被识别成为坏数据，或者被同母线其他量测数据消解，淹没在平均误差之中。
5 坏数据的检测与识别
状态估计检测和识别坏数据的性能是状态估计成功应用的关键，如若不能有效剔除坏数据，就难以减小量测误差，无法求得全网潮流真解。
本文采用文献[4]提出的基于残差灵敏度矩阵的不良数据再估计识别算法来处理坏数据。为了简化，有关矩阵和向量均采用加权值，从而将权值向量从公式中消除。
按照最小二乘法，状态估计量测残差向量r的估计值表示为：
式中 为随机量测误差，b为坏数据，U为残差灵敏度矩阵，可表达为：
式中H为加权雅可比矩阵，则状态估计目标函数为：
存在坏数据情况下，状态估计目标函数的期望值大于m?n，依据此检测坏数据，即：
基于残差灵敏度矩阵的坏数据再估计识别算法本质上是一种成组搜索的方法。假设量测系统中存在k个坏数据， 是k个坏数据的真实集合， 是k个坏数据的任意集合，则有：
式（10）涉及高阶矩阵的组合搜索，运算量很大，工程应用困难。基于残差灵敏度矩阵的等幂性即：U2=U，经过推导可以得到一个重要而又简练的算式，称之为坏数据的再估计校正算式：
式中 为可疑量测的再估计值， 是与可疑测点集相关的残差灵敏度矩阵的k阶子集。 矩阵必须是满秩，以便矩阵能够求逆，方程有解。换而言之，除去可疑测点集合 后的量测集合仍能保证电网可观测。可以证明，可疑量测 的再估计目标函数值与全网状态估计的目标函数值有下面的等式关联：
即坏数据的再估计识别 与剔除坏数据的成组识别 本质上是一致的，前者涉及k阶低阶矩阵的运算，而后者需要进行m-k高阶矩阵运算，可见基于残差灵敏度矩阵的坏数据再估计识别是有严格理论基础的高效率识别算法。
6 状态量的快速校正
当系统检测并识别出坏数据后，原则上必须除去坏量测，重新进行状态估计，求得电网潮流的真值。由于重新进行全网状态估计需要高阶矩阵的求逆，计算量大，相当耗时，为了提高实时运行方式生成的效率，在已知 后采用快速校正电网状态量的算法：
即用坏数据向量 对状态量的修正值与用剔除坏数据后的量测量进行全网状态估计等价。
状态估计在检测与识别坏数据，获得电网潮流真解之后，将方式存入准实时数据库，同时给出分析报告，部分报告内容推入准实时数据库的日文件日志记录中，完成运行方式实时生成进程。要求状态估计给出分析报告是系统维护的需要。
分析报告之一是坏数据列表，给出本次状态估计的坏数据数目、坏量测点名、量测值、校正值等，供量测系统检验、状态估计坏数据识别性能分析、状态估计器参数调整之用。状态估计坏数据检测与识别的具体过程则记录在运行信息窗，供用户查询，但未登记入日记录。
分析报告之二是状态估计结果查询对话框。在查询对话框中可以查询全部量测量的状态、是否是坏量测、估计误差等。
7 结论
本文介绍了东莞电网实时运行方式生成系统的设计流程，即启用东莞电网最新的数据模板，通过实时数据接口提取实时数据，并进行数据预处理。通过状态估计检测和识别坏数据，最终求得给定时间断面的东莞电网实时运行方式，并出台分析报告。为东莞电网安排合理的运行方式提供指导，具有广泛的应用价值。
参考文献
[1]颜俊，程改红，张中庆，马进霞.南方电网500 kV/220 kV电磁环网运行方式研究[J].南方电网技术，2013，7（6）：76-80.
[2]孔慧超，袁炜灯，何建宗，马志强.东莞电网运行方式实时生成系统的研究与应用[J].广东电力，2012，25（11）：68-71，95.
[3]薛伟.基于加权最小二乘法的广域测量系统状态估计[J].科学技术与工程，2011，11（35）：8902-8906.
[4]马志强.关于电力系统状态估计中的检测与识别[J].中国电机工程学报，1982，（01）：26-31.
作者简介
王传旭（1981-），男，大学本科学历。现为广东电网公司东莞供电局工程师，主要研究方向为变电运行。
中国论文网(www.lunwen.net.cn)免费学术期刊论文发表,目录,论文查重入口,本科毕业论文怎么写,职称论文范文,论文摘要,论文文献资料,毕业论文格式,论文检测降重服务。 返回通信学论文列表
