论文部分内容阅读
目前配电网的信息来源主要以数据采集与监控(Supervisory Control And Data Acquisition,SCADA)为主。然而,随着配电自动化水平的提高,对量测信息的时延、精度、频率等方面都提出了更高的要求。因此,基于GPS的同步相量测量装置(Phasor Measurement Unit,PMU)逐步应用于配电网中,其高频、高精度、低时延、量测种类齐全的特点,为配电网提供了更为丰富的信息,也为配电网实现动态状态估计打下了坚实的数据基础。但短期内PMU还无法取代SCADA实现全网可观测的要求,因此由PMU与SCADA组成的混合量测是改善以单一SCADA量测进行状态估计及其他高级应用的一种有效手段,但两类量测在采样频率、时延、量测结构、时标等都有较大差异,因此对混合量测进行预处理,是现对配电网状态估计性能、精度的提升的必要前提,同时由于PMU的高频特性,也需对海量PMU数据进行压缩处理。因此,本文针对混合量测统一使用过程存在的问题及通过混合量测实现配电网动态状态估计进行了研究,主要工作如下:1)基于已有研究,分析PMU/SCADA混合量测的特性,简单介绍国内外对异步量测同步化处理、海量数据无损压缩处理以及配电网状态估计的研究现状。2)针对PMU/SCADA混合量测之间存在因采样频率及时延导致两类量测异步的问题,分析混合量测特性,在Spearman相关系数法的基础上,提出了一种异步数据同步化方法,采用不确定度传播方法对线路参数的不确定性进行建模,实现将同步功能扩散至相邻节点;针对PMU高频量测带来的存储压力,提出一种基于量测预处理的LZW压缩算法(Pre-processing based Lemple-Zip-Welch Compression,PBLZW),通过对量测进行预处理,初步降低数据冗余度后,并通过Burrows-Wheeler可逆变换(Burrows Wheeler Transform,BWT)对数据进行轮转变换,最后通过LZW无损压缩算法实现对量测数据的无损压缩。3)研究基于二次约束二次估计模型的配电网动态状态估计方法,通过添加二次形式的约束条件,建立PMU/SCADA混合量测二次估计模型;为了解决UKF算法抗差性较弱的问题,提出了一种基于二次约束二次估计模型的鲁棒无迹卡尔曼滤波器(QCQE-UKF),并提出相应的量测辨识方法,实现对增益矩阵的自适应修正。