發(fā)布時間：2018-06-22 09:37

  本文選題：預測輔助狀態(tài)估計 + 時間序列分析　； 參考：《西南交通大學》2017年碩士論文

【摘要】：電力系統(tǒng)狀態(tài)估計對電力系統(tǒng)的可靠和安全運行至關(guān)重要。電力系統(tǒng)狀態(tài)估計可以根據(jù)量測系統(tǒng)采集到的信息計算出未量測的電氣量,得到的結(jié)果將被送往能量管理中心用作事故分析、負荷預測和最優(yōu)潮流計算等。然而,傳統(tǒng)的靜態(tài)狀態(tài)估計由于缺乏預測能力因而實際中不能得到狀態(tài)的預測值。該方法的缺陷使研究者們提出了能在下一時刻提供預測狀態(tài)的預測輔助狀態(tài)估計。預測輔助狀態(tài)估計根據(jù)系統(tǒng)當前的狀態(tài)使用物理模型來預測系統(tǒng)下一時刻的狀態(tài)。一旦得到下一時刻的預測向量,該向量便用于濾波從而得到最優(yōu)的估計值。預測輔助狀態(tài)估計有助于發(fā)現(xiàn),識別和排除壞數(shù)據(jù)從而提高估計效果。目前預測輔助狀態(tài)估計算法都假定狀態(tài)轉(zhuǎn)移矩陣是對角的,這意味著狀態(tài)變量之間被假定為相互獨立。這個假設在電力系統(tǒng)中有微電網(wǎng)及分布式和間歇性新能源時是不成立的。由于分布式能源的接入,未來的電網(wǎng)將變得越來越分散化并導致系統(tǒng)節(jié)點數(shù)量的減少及帶來大量的功率注入。因此,系統(tǒng)中樞紐節(jié)點將失去它們在電網(wǎng)中的影響力而使狀態(tài)間的空間關(guān)聯(lián)性變得越來越可觀。當系統(tǒng)中某個量測量因量測設備故障而丟失量測信息時而使系統(tǒng)不可觀測時,考慮狀態(tài)量之間的空間相關(guān)性可以使系統(tǒng)重建可觀測性�；诖�,本文提出了一種能考慮節(jié)點時空關(guān)聯(lián)性的狀態(tài)轉(zhuǎn)移矩陣應用于預測輔助狀態(tài)估計,主要工作如下:(1)本文首先對時間序列分析常用的幾種建模方法作了簡要介紹,并通過實驗作了對比分析。(2)在考慮節(jié)點時空關(guān)聯(lián)性的狀態(tài)預測方面,給出了一個稀疏、非對角及時變的狀態(tài)轉(zhuǎn)移矩陣用于狀態(tài)預測。主要內(nèi)容是對節(jié)點間的時間關(guān)聯(lián)性建立自回歸模型,空間關(guān)聯(lián)性建立向量自回歸模型,并使用該模型在系統(tǒng)正常運行和系統(tǒng)中節(jié)點量測信息丟失情況下與目前廣泛應用的指數(shù)平滑模型做了實驗對比。(3)在考慮節(jié)點時空關(guān)聯(lián)性的預測輔助狀態(tài)估計方面,將能考慮節(jié)點時空相關(guān)性的自回歸及向量自回歸混合模型用于狀態(tài)預測。主要內(nèi)容是在系統(tǒng)正常運行和系統(tǒng)中節(jié)點量測信息丟失情況下,使用該模型與席爾瓦預測模型進行預測輔助狀態(tài)估計,對得到的結(jié)果進行了分析及總結(jié)。
[Abstract]:The state estimation of the power system is very important for the reliable and safe operation of the power system. The state estimation of the power system can be calculated according to the information collected by the measurement system, and the results will be sent to the energy management center for accident analysis, load forecasting and optimal power flow calculation. However, the traditional static state of the power system is used. As a result of lack of predictability, the predicted value of a state can not be obtained in practice. The defect of this method makes the researchers propose a prediction assistant state estimate that can provide the predictive state at the next moment. The prediction auxiliary state estimation is based on the current state of the system using the physical model to predict the state of the system at the next moment. The prediction auxiliary state estimation helps to discover, identify and exclude bad data to improve the estimation effect. The present predictive auxiliary state estimation algorithms assume that the state transition matrix is diagonal, which means that the state variables are assumed to be phases. It is independent. This assumption is unfounded when there is a micro grid and distributed and intermittent new energy in the power system. Due to the access of distributed energy, the future power grid will become more and more decentralized and lead to a reduction in the number of nodes and a large amount of power injection. Therefore, the hub nodes in the system will lose them in the power grid. The influence of the system makes the spatial correlation between states become more and more observable. When one measure of the system is not observable when measuring the fault of the equipment, the system can reconstruct the observability by considering the spatial correlation between the state. Based on this, this paper proposes a kind of consideration of the spatiotemporal Association of nodes. The main work of the state transition matrix is as follows: (1) first of all, this paper briefly introduces several modeling methods commonly used in time series analysis, and makes a comparative analysis through experiments. (2) a sparse, non diagonal and timely change state is given in consideration of the state prediction of the spatiotemporal correlation of nodes. The transfer matrix is used for state prediction. The main content is to establish an autoregressive model for the time correlation between nodes, and to establish a vector autoregressive model for spatial correlation. The model is compared with the exponential smoothing model which is widely used in the normal operation of the system and the loss of measurement information of nodes in the system. (3) it is considered. In the aspect of prediction aided state estimation of node spatiotemporal correlation, the autoregressive and vector autoregressive hybrid model which can consider the spatiotemporal correlation of nodes is used for state prediction. The main content is to use the model and the Silva prediction model to estimate the auxiliary state estimation under the condition of the system normal operation and the loss of the node measurement information in the system. The results are analyzed and summarized.
【學位授予單位】：西南交通大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TM732

【相似文獻】

相關(guān)期刊論文 前10條

1 王力哲,王心豐,范正剛,薛巍;電力系統(tǒng)中廠站/全網(wǎng)雙層狀態(tài)估計[J];電網(wǎng)技術(shù);2001年02期

2 彭世康,王永剛;一種新的三相狀態(tài)估計算法[J];繼電器;2001年01期

3 衛(wèi)志農(nóng),周紅軍,顧杵,唐治育;保留非線性三相配電網(wǎng)狀態(tài)估計[J];南京理工大學學報(自然科學版);2003年04期

4 韓富春,任先成;快速解耦狀態(tài)估計算法研究[J];電力系統(tǒng)及其自動化學報;2003年06期

5 張麗,韓富春;帶有等式約束的狀態(tài)估計快速算法[J];太原理工大學學報;2003年05期

6 黃滔,盧建剛,張輝;廣東省調(diào)提高狀態(tài)估計計算精度的措施[J];電網(wǎng)技術(shù);2004年16期

7 李雪;王克文;;在線概率狀態(tài)估計[J];中原工學院學報;2006年01期

8 鄭健;王承民;張強;劉志強;;自適應抗差理論在配網(wǎng)狀態(tài)估計中的應用[J];繼電器;2006年10期

9 吳建中;余貽鑫;;配電網(wǎng)集成負荷估計和狀態(tài)估計(英文)[J];天津大學學報;2006年S1期

10 任江波;郭志忠;;電網(wǎng)自愈控制中的狀態(tài)估計模式研究[J];電網(wǎng)技術(shù);2007年03期

相關(guān)會議論文 前10條

1 徐興華;陳萬里;;地調(diào)狀態(tài)估計實用化探討[A];華東六省一市電機工程（電力）學會輸配電技術(shù)研討會2002年年會山東電機工程學會交流論文集[C];2002年

2 郭金蓮;范曉丹;趙洪山;;分布式狀態(tài)估計算法的研究[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術(shù)年會論文集（上冊）[C];2008年

3 劉耀年;郝靜;;基于分布式抗差加權(quán)最小二乘法的狀態(tài)估計[A];第十一屆全國電工數(shù)學學術(shù)年會論文集[C];2007年

4 劉順明;劉耀年;于賀;湯德海;;基于抗差加權(quán)最小二乘法的分布式狀態(tài)估計[A];高效 清潔 安全 電力發(fā)展與和諧社會建設——吉林省電機工程學會2008年學術(shù)年會論文集[C];2008年

5 何青;歐陽紅林;楊民生;童調(diào)生;;基于最優(yōu)定界橢球的自適應集員狀態(tài)估計[A];2004全國測控、計量與儀器儀表學術(shù)年會論文集（上冊）[C];2004年

6 郭曉林;曹軍海;賈小平;;模糊狀態(tài)估計在機動目標跟蹤中的應用[A];1997中國控制與決策學術(shù)年會論文集[C];1997年

7 林桂華;張艷軍;周蘇荃;;基于量測變換的混合量測狀態(tài)估計算法[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術(shù)年會論文集（上冊）[C];2008年

8 景渤雯;趙璐;張雨生;;基于PMU的狀態(tài)估計研究現(xiàn)狀及發(fā)展展望[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術(shù)年會論文集（上冊）[C];2008年

9 彭云輝;繆棟;劉云峰;;SR-UKF在狀態(tài)估計中的應用[A];2006中國控制與決策學術(shù)年會論文集[C];2006年

10 王正志;肖齊英;;部分參數(shù)不準確的線性系統(tǒng)H_∞狀態(tài)估計濾波問題[A];1993年控制理論及其應用年會論文集[C];1993年

相關(guān)博士學位論文 前10條

1 王吉華;多軸轉(zhuǎn)向車輛狀態(tài)估計與控制研究[D];南京航空航天大學;2013年

2 Sideig Abd elrhman Ibrahim Dowi;PMU測量單元對電力系統(tǒng)動態(tài)狀態(tài)估計影響研究[D];華北電力大學;2015年

3 任江波;電力系統(tǒng)過程狀態(tài)估計研究[D];哈爾濱工業(yè)大學;2007年

4 陳芳;電網(wǎng)狀態(tài)估計及其擴展的理論研究[D];山東大學;2010年

5 暢廣輝;基于混合量測的電力系統(tǒng)分布式狀態(tài)估計研究[D];武漢大學;2009年

6 王永;互聯(lián)電網(wǎng)分布式狀態(tài)估計和混合量測狀態(tài)估計研究[D];哈爾濱工業(yè)大學;2008年

7 白宏;基于PMU量測信息的面向過程狀態(tài)估計研究[D];哈爾濱工業(yè)大學;2008年

8 黃彥全;電力系統(tǒng)狀態(tài)估計若干問題的研究[D];西南交通大學;2005年

9 柯晶;強跟蹤狀態(tài)估計與群集辨識[D];浙江大學;2003年

10 李強;基于PMU量測的電力系統(tǒng)狀態(tài)估計研究[D];中國電力科學研究院;2006年

相關(guān)碩士學位論文 前10條

1 王珊珊;利用支路信息進行電力網(wǎng)絡拓撲辨識[D];鄭州大學;2015年

2 張娜;電流推算法及其與新息圖相結(jié)合的狀態(tài)估計研究[D];哈爾濱工業(yè)大學;2015年

3 沈豪棟;一種基于參數(shù)修正的區(qū)域性電網(wǎng)狀態(tài)估計改進方法[D];上海交通大學;2014年

4 胡曉艷;分布式平臺下的配電網(wǎng)狀態(tài)估計研究[D];華北電力大學;2015年

5 賈楠;基于WAMS的電力系統(tǒng)狀態(tài)估計及其應用[D];華北電力大學;2015年

6 白鐸;智能電網(wǎng)狀態(tài)估計及性能分析[D];電子科技大學;2015年

7 安維亮;離散時間復雜網(wǎng)絡的狀態(tài)估計[D];南京郵電大學;2015年

8 沈超;自愈控制下電網(wǎng)狀態(tài)估計的研究[D];南京郵電大學;2015年

9 邳浚哲;不良數(shù)據(jù)檢測辨識及提高狀態(tài)估計合格率的方法研究[D];華北電力大學;2015年

10 張鵬飛;離散時間隨機系統(tǒng)的狀態(tài)估計與最優(yōu)控制器設計[D];青島科技大學;2015年

，

本文編號：2052403