(胶州市光明电力服务有限公司山东青岛266300)
摘要：为了保证电力系统运行的安全性!稳定性和经济性，电力系统调度中心需要迅速准确而全面地掌握电力系统的实际运行状态，从而对运行中的各种问题能够及时准确地提出解决对策。
关键词：电力系统，状态估计，加权最小二乘，混合量测。
引言
目前电力系统中广泛应用SCADA(数据采集和监控系统)进行数据的采集和传输，其中的数据采集!模数转换和传输等过程均有可能产生误差，各个过程有时还可能受到干扰或出现故障，因此调度中心计算机接收到的数据与真实数据之间难免存在一定的差异。这会影响调度中心对电力系统运行状态的判断结果，产生决策错误，有时会导致严重的后果。采用电力系统状态估计对调度中心计算机接收到的数据进行处理，可以使这些数据更好地逼近真实值，使调度中心对电力系统运行状态的判断更准确，有效减少经济损失。
随着PMU(同步相量测量装置)成功地应用于电力系统，电力系统的状态估计进入了一个新的阶段，由于PMU装置能够提供相量量测，而且数据精度高，采样周期短，为线性动态状态估计的实现提供了可能，但是由于PMU装置成本较高，目前的安装数量有限，在相当长的一段时间会与SCADA共存。
现在基于PMU量测装置的广域测量系统(WAMS)与基于SCADA量测装置的现代能量管理系统(EMS)相互独立，可是在工程实际应用中可以把WAMS系统数据传送到EMS系统数据库中，如果在状态估计中结合使用两个系统的数据，能够有效提高状态估计的准确度，保证电网运行的经济性，因此本文研究如何利用PMU量测数据和SCADA量测数据进行混合状态估计。
本文在现有理论基础上提出了基于混合量测的线性与非线性混合模型，将电力系统划分为线性区域和非线性区域，在线性区域内充分利用PMU电压量测和电流量测，计算与安装PMU装置节点相关联节点处的电压相量，将该计算值作为间接量测引入非线性区域的状态估计中，并进行权值计算;同时利用PMU量测采样周期短的特点，将计算得到的电压相量作为非线性区域状态估计的初值参与计算，从而有效提高状态估计的准确度。
混合量测是将PMU测量数据和SCADA测量数据结合，组成混合量测，然后应用于状态估计中。由于它们采集的数据不同，因此需要考虑两种数据的匹配以及算法问题，本章就上述问题进行了研究。
一、SCADA量测数据与PMU量测数据的比较
在电力系统中，有很多因素会使测得的SCADA数据与实际值存在差异。但基于PMU的数据，由于其与GPS实现同步的相位测量，数据较为精确【１２】，具体特点见表1.1。
数据的匹配问题
将SCADA和PMU数据应用于状态估计前需要考虑他们的匹配问题，主要包括时间的匹配和相角的匹配。
时间的匹配
基于GPS技术的PMU数据是与实时数据紧密结合的，在进行数据采集的同时，记录当时的时间数据，比如年份日期等。SCADA数据则不带时标，无法确定数据的采集【１３】时间。
庞大的运算量和估计算法的复杂性，数据处理的反应速度，数据的储存和传输等等原因，导致了SACDA数据的延迟现象。为解决这个问题，我们可以通过分析测量延迟误差矩阵，利用SACDA延迟测量误差表示数学期望，建立测量延迟和量测变化率的函数加以解决。
相角的匹配
由于SACDA数据中没有相角，选取一点作为参考点，那么其电压相角为零，将电压参考节点之间的相角差作为其余节点的电压相角。由于PMU装置是应用全球定位系统(GPS)技术的相量测量装置，测量数据包含电压和电流的相角，因此其相角量测参考点为GPS参考点，其相角为与GPS参考点之间的相角差，相角关系【１３】如图1.2所示。
在图1.2中，基于SCADA量测的状态估计得到节点电压相角为
无疑加大了运算量，十分麻烦。因此本文中，在传统的状态估计的参考节点安装PMU。可以大大减少了运算任务。
二、PMU数据的引入
安装了PMU的位置，我们不仅能够采集到该处相量量测，还能够得到有关节点的电流相量量测。
PMU量测引入状态估计的方式有五种：
（1）作为状态估计的真值：
如果状态估计的精度要求一般时，可以将测量结果作为真值直接引用。这种引入最显著的作用是使计算量大大减少，提高了运算速度，且无需修改现有的状态估计程序，只要确定PMU装置的位置就可以了，但数据精度不高。
（2）增加节点电压相量量测：
传统状态估计算法中，PMU量测更为准确，为了能将PMU数据引入，提升状态估计结果，必须在在算法中赋予较大的权重，才能够保证结果的准确性【１９】，引入方法如下:
这种增加节点电压量测的方法，在理论分析中，是能够提高状态估计的准确性的，但因为引入PMU量测数据不多，对系统复杂程度的减少没有多大的作用。因此，这种方法在实际中运用的不是很多【１９】。
（3）根据PMU电压电流量测计算相邻节点电压
将支路1-2的有功、无功功率作为间接量测数据，运用到状态估计中，这样既增加了系统量测的冗余度，又有利于提高系统的精度。
在整个的状态估计方法，为了获得估计值与原值得差，需要进行原始状态估计的计算，从而进一步计算支引入PMU量测数据后的支路潮流附加量。经过上述的计算，状态估计的精度被大大提高了，但可以看到，由于进行权值计算，并且进行了两次估计计算，整个算法计算量大大增大。故理论上可行，实际应用中较为繁琐【１９】。
（5）电压相量测量转化为支路电流测量和节点的电压，关系为:
式中：下标r，i分别表示实部、虚部。
此方法充分发挥了将电压量转换成电流相量进行数据扩充计算的优势，把转化的电流量与PMU量测数据中的电流相量量测(多数量测)一起用于状态估计，、利用增加后的PMU量测数据提高系统的冗余度，提高系统的状态估计精度。然而，雅克比矩阵将的非对角性，将电压量转换成电流相量等问题，都使得计算越加复杂【１９】。
三、状态量转换预测
如图1.4，由于电力系统通用状态变量节点电压幅值V和角度在节点间的相关性强，不易进行预测，本文通过将通用状态变量转换为节点间相关性弱的非通用状态变量(发电机机端节点电压、一节点注人有功和无功功率)，对转换后的状态变量进行预测，然后利用潮流计算将预测后的状态转换为通用状态变量节点电压幅值和角度，并得到节点注人电流向量【２０】，具体流程见图2.4。
图中：状态变换1通过非线性网络方程方式得到；状态变换2通过非线性潮流计算方式得到；状态预测可以各节点负荷单独预测，也可根据系统负荷预报通过分配系数得到。发电机机端节点电版值最好与电压计划接口，若不能得到电压计划的结果，则假设发电机机端节点电压基本恒定，但这样会影响状态量转换预测的精度【２０】。
静态状态估计混合算法
如图1.5，状态估计的SCADA数据只能采用非线性状态估计算法，基于PMU数据的状态估计可以使用快速的线性状态状态估计算法。因此，每隔一分钟，用传统的加权最小二乘（WLS）进行非线性状态估计【１６】，并考虑PMU相量量测。同时，确定每种类型的荷载的基本分布系数，通过WLS法确定负荷的类型。每隔5S，利用来自PMU的数据，采用线性WLS算法进行线性状态估计。
伪量测源自传统Wl一S状态估计(SE)的结果和状态量转换预测的结果，即根据传统SE的结果、系统超短期负荷预报和由传统SE维护的母线负荷预报系数，计算得到当前时刻的母线注人功率，再根据发电计划得到发电机机端电压，调用潮流计算模块【１７】，得到当前时刻的系统状态，将其转换为母线注人电流向量的形式，作为伪量测与PMU量测一起进行线性状态估计计算。若PMU量测中包含某些母线的注入电流相量量测，则以PMU量测为准，状态量转换预测的结果只用于补充没有PMU注入电流相量量测的情况【２０】。
算法特点如下：
（l）是现有方法的结合，通过状态量转换预测模块，将PMU数据与SCADA数据有机结合，使不可观测量变为可观测量，形成了线性状态估计。
（2）由于PMU量测量和补充的节点注入电流向量伪量测都相对稳定的，所以，混合算法中采用的线性状态估计具有完全PMU线性状态估计的所有优点，即增益矩阵G、H阵在拓扑结构变化前相对固定，所以计算速度比较快。
（3）该方法大幅的提高了状态估计的运行速度，从时间角度提高了状态估计的实用性和准确性，使状态估计的运行周期从分级降至秒级。
（4）算法的开发工作量相对较小，只需要改变现有的小程序的状态估计，利用PMU测试提供了测量电压相量集，考虑非线性状态估计程序PMU的电压相量测量。线性混合测量估计程序仍需要单独的发展【２０】。
四、结论
状态估计是电力系统的重要组成部分，在对数据进行采集分析的基础上，得到电力系统的稳定运行条件，在电力系统正发挥着重要的作用。基于全球定位系统的PMU装置，为状态估计提供了节点电压和电流向量，使调度中心得到实时的相量测量，弥补了传统的数据的不足。在本文中，通过研究中外文献，对电力系统状态估计和PMU装置的进行了解，结合状态转换进行预测，引入基于混合量测的状态估计算法。仿真结果验证了该算法的有效性。
参考文献：
[1]李阳林.基于WAMS/SCADA混合量测的电力系统动态状态估计算法研究［Ｊ］，河海大学硕士论文，2007：5-7.
[2]F.C.Schweppe，J.Wildes，I3.B.Rom，PowerSystemStatic-StateEstimation［Ｊ］.IEEETransaction，1970：120-135.
[3]RoyL，MohammedTA.FastSuperDecoupledStateEstimatorforPowerSystems［Ｊ］.IEEETrans.PAS，1997，12(4):1597-1603.
[4]李可文，张步涵，曲伟君.一种基于量测变换的快速解祸状态估计方法［Ｊ］.华中理工大学报，2000，28(2):61-63.