配电网状态估计实用方法研究

论文摘要

状态估计是利用电网自动化系统中实时量测系统的冗余度来提高数据精度，自动排除随机干扰引起的错误信息，估计或预报系统的运行状态。电力系统的测量信息如果误差不大，测量系统的配置适当，则用一般的状态估计算法就可以得到满意的实时数据库，但如果调度中心收到的远动测量数据具有异常大的误差，则常规的状态估计算法无法奏效。电力系统中测量系统的标准误差σ大约为正常测量范围的0.5%-2%，因此当误差大于±3σ的测量值就可称为不良数据（或称为坏数据）。实际系统中一般把大于±（6-7）σ以上的数据作为不良数据。在电力系统中，当出现不良数据时，需要通过检测与辨识的方法来处理，才能满足状态估计计算对测量数据的要求。本课题针对配电网多数据源的现状，基于电力系统综合数据平台IDP（Integrated Data Platform），结合历史数据和遥信数据，利用质量标签和决策树理论对量测数据进行综合评价，研究一种实用配电网状态估计方法。算法利用6个影响因子对配电网状态估计问题进行逻辑判断，借鉴决策树的理论框架建立数据质量评估体系，为后续的高级应用提供相容的状态信息。对基本加权最小二乘法目标函数中的权重向量作了改进，提出了基于质量标签权函数的最小二乘估计计算方法。该算法对量测量采用质量标签赋值作为权重的方法，从而较大程度上抑制了量测量中的不良数据对估计结果的不良影响。研究表明该算法有效克服了传统配电网状态估计将误差平摊的弊端；各规律互为补充，互为制约，减少了不良数据误判概率。基于质量标签的权重函数改进了传统加权最小二乘法。通过对上海某中心供电区域的算例进行验证，结果证明该方法的可行性和优越性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究的背景及意义
• 1.2 国内外研究现状
• 1.2.1 传统不良数据检测和辨识方法
• 1.2.2 不良数据检测和辨识研究热点
• 1.2.3 残差方程的推导
• 1.3 本文的主要研究内容
• 第二章 配电网不良数据辨识与修正方法研究
• 2.1 配电网不良数据特点
• 2.2 不良数据的检测规律
• 2.3 质量标签的定义
• 2.4 不良数据的修正规则
• 2.5 遥信与遥测的互校验
• 2.5.1 遥测数据的建模分析
• 2.5.2 遥信错误的分类
• 2.5.3 遥信错误的辨识
• 2.6 本章小结
• 第三章 基于决策树的不良数据分类算法
• 3.1 决策树理论简介
• 3.1.1 决策树理论概述
• 3.1.2 ID3
• 3.1.3 C4.5
• 3.1.4 其它优化的决策树算法
• 3.1.5 ID3 算法程序
• 3.2 考虑不良数据检测规则的决策树算法
• 3.3 本章小结
• 第四章 考虑质量标签的配电网状态估计算法
• 4.1 加权最小二乘法状态估计简介
• 4.1.1 状态估计的数学描述
• 4.1.2 状态估计与常规潮流的关系
• 4.1.3 常用配电网状态估计方法概述
• 4.2 考虑质量标签的加权最小二乘法状态估计
• 4.3 本章小结
• 第五章 算例分析
• 5.1 算例介绍
• 5.2 不良数据辨识计算
• 5.2.1 训练样本
• 5.2.2 决策树
• 5.2.3 46节点算例试验结果
• 5.3 考虑质量标签的状态估计计算
• 5.4 本章小结
• 第六章 结论
• 6.1 总结
• 6.2 创新点
• 参考文献
• 附录
• 主要技术术语
• 攻读硕士学位期间已发表或已投寄论文目录
• 攻读硕士学位期间参与的科研项目
• 致谢