基于超短期负荷预测的智能配电网状态估计

《基于超短期负荷预测的智能配电网状态估计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于超短期负荷预测的智能配电网状态估计　　摘要：智能配电网中的自愈控制内的数据出口以及态势的感知元件所包含的重要部分便是状态估计。状态估计是每个数据采集周期过程中进行相应的全网的状态的估计计算。利用指数函数对错误数据产生的影响进行控制，可对状态估计的精度进行提升。文章根据对IEEE36节点的计算进行分析来对算法的科学性进行验证。　　关键词：超短期负荷预测；智能配电网；状态估计；自愈控制；数据出口；感知元件文献标识码：A　　中图分类号：TM715文章编号：1009-2374（2016）31-0132-03DOI：10.13535

2、/j.cnki.11-4406/n.2016.31.066　　本文所介绍的新算法在预测精度和速度上均有着很好效果，将超短期负荷预测应用于配电网的状态估计中，对各个点负荷进行实时预测，以此来达到对系统中的各节点的负荷进行实时追踪。利用指数函数对错误数据产生的影响进行控制，来对状态估计的精度进行提升。使用配电网中所用的前推回代对计算变量中的初始幅值与相角进行计算，从而增加算法的收敛。对于采用分布式进行电源连接，使电网透明的特点得到了应有的显现。　　1智能配电网的状态估计简介7　　配电网即电网中使主网与用户用电相连接在一起的重要部分

3、，智能配电网相比以往的性能更加优质，而且所具有的弹性也有较大的提升，对于自然灾害等外力所造成的破坏有着较大的抵抗力，同时有着极为强大的自愈能力。目前，我国对于状态估计主要是应用在高压输电网中，对于使用于中低压配电网尚处于研究阶段。伴随着国家对智能电网的推进，负荷监控以及数据采集是配电系统的重要的数据提供源，以保证配电估计有足够的数据。　　配电网是与输电网有着诸多的差异，以往进行的状态估计已根本无法满足配电网进行状态估计，所以不能将输电网中的成果应用于配电系统中。对此，有关的电力研究人员对配电网的状态估计展开了研讨，并取得了一定

4、的成果。现在有四种主要的状态估计方法，第一，根据最小二乘法来进行配电估计的计算方式；第二，根据人工智能以及专家系统进行配电估计的计算方式；第三，根据信息图理论进行配电估计的计算方式；第四，根据GPS电压向量测量进行配电估计的计算方式。在这里，前三种计算方式均无法满足自愈控制对速度与精度的要求。最后一种计算方法因需进行PMU的安装，然而PMU尚未在现实中的配电网中加以使用，所以对其发展有所制约，所以要对智能配电网研究出更加有效的状态估计的方法。　　由于超短期负荷预测技术得到不断的进步，因此预测的精度也在不断提升，而且已经在实际中

5、得到了应用。而且自愈控制在每个采集周期都要进行一次估计，所以依据当时预测的负荷对下一时刻的节点状态量进行计算，这样更加能满足电力动态估算的算法特点。超短期负荷预测加入到电网的状态估计，从而对系统状态进行跟踪预测，使精度得到提升，计算时间有效降低。　　2超短期负荷预测7　　当下，超短期负荷预测可以从原理上进行分类：一类是依据原有数据资料来选取合理的外推方式；另一类就是以电力负荷和选定影响因素为基础的有关方式。因为智能配电网在进行状态估计时对于计算速度有着较高的要求，所以本文将使用以线性外推法为基础的预测方法。数学模型为：　　式中

6、：　　P（tn-1）――tn-1时刻的负荷值　　P（tn）――tn=tn-1时刻的负荷值　　ΔP――待求时刻的负荷变化值　　b――待求时刻的负荷变化率　　依照我国当前的5天工作与2天休息日安排，可将时间进行相应的划分。对之前的5个同种类型日在预测时段的负荷进行获取，进行一定的处理，以保证待求时间的负荷变化没有较大的波动。假设得到变化趋势一致的k个同类日期内的待求时间段的数据，其中是过去时刻，那么在同P（i，t0），P（i，t1），P（i，t2）一时刻的k天的负荷平均值是：　　根据以上公式在进行待求时间段内的负荷变化，同时使用最

7、小二乘法进行拟合，得：　　式中：　　那么t2时刻的预测负荷值为：　　利用功率因数pf即可得到t2时刻的无功功率：　　3智能配电状态估计算法　　3.1配电线路模型7　　在配电线路较短的情况下，配电线路模型只需对线路的电阻以及电抗进行考虑。但是一旦线路较长时，线路的电容将会使电流发生改变。有三种不同的电流选择支路中的电流作为状态变量，那么三个电流间的关系式为：　　但是因为PMU的成本较高，其没有在配电网进行大范围的应用，无法对电流的相角进行收集，所以大多数文献均对支路电流的初始数值确定避而不谈。然而配电网在进行状态估计时其收敛性极

8、易受初始数值的干扰，因此支路的电流幅值以及相角的初始数值给计算方法的收敛速度造成了很大的影响。文中根据配电网的前推回算的思路进行展开，假使各个节点的负荷均可以获取，从最后的节点向前推算，这就可以使收敛速度得到较大的提升。　　3.2状态预测　　以往在进行状态估计时所采用的是以下