基于SDAE-ELM伪量测建模的高容错快速状态估计方法

doi:10.3969/j.issn.1000-7229.2019.11.009

电力建设 ›› 2019, Vol. 40 ›› Issue (11): 65-72.doi: 10.3969/j.issn.1000-7229.2019.11.009

基于SDAE-ELM伪量测建模的高容错快速状态估计方法

陈防渐1，王玉彬1，陈奇芳1，夏明超1，杨晓楠2，韩锋2

1.北京交通大学电气工程学院，北京市 100044；2.电网安全与节能国家重点实验室（中国电力科学研究院），北京市 100192

出版日期:2019-11-01
作者简介:陈防渐(1996)，女，硕士研究生，主要研究方向为电力系统状态估计；王玉彬(1994)，男，硕士研究生，主要研究方向为电力系统状态估计、电力线路参数辨识；陈奇芳(1986)，男，博士，主要从事主动配电网优化规划与调度、电动汽车充电站优化、微能源网优化运行等工作；夏明超(1976)，男，博士，博士生导师，通信作者，主要研究方向为智能配用电、微电网等; 杨晓楠（1990），女，硕士研究生，主要研究方向为电力系统自动化；韩锋（1988），男，硕士研究生，主要研究方向为EMS系统的应用。
基金资助:
2018电网安全与节能国家重点实验室开放基金(FX83-18-002)

High Fault-Tolerant Fast State-Estimation Method Based on SDAE-ELM Pseudo-Measurement Modeling

CHEN Fangjian1， WANG Yubin1， CHEN Qifang1， XIA Mingchao1， YANG Xiaonan2， HAN Feng2

1.School of Electrical Engineering， Beijing Jiaotong University， Beijing 100044， China; 2. State Key Laboratory of Power Grid Safety and Energy Conservation (China Electric Power Research Institute)， Beijing 100192， China

Online:2019-11-01
Supported by:
This work is supported by Open Fund of State Key Laboratory of Power Grid Safety and Energy Conservation in 2018(No. FX83-18-002).

摘要/Abstract

摘要： 目前在电力系统中无法保证相量量测单元完全覆盖的情况下，状态估计需要采用相量量测单元（phasor measurement unit， PMU）与数据采集与监控（supervisory control and data acquisition， SCADA）混合量测进行传统非线性状态估计，但是SCADA数据精度低，含有较多不良数据，同时混合数据需要迭代求解，会导致计算效率低且存在截断误差。针对该问题，文章提出了一种基于堆叠去噪自编码器（stack denoising autoencoder， SDAE）与极限学习机（extreme learning machine， ELM）伪量测建模的电力系统高容错快速状态估计方法。其将含有不良量测的SCADA量测数据作为SDAE-ELM伪量测模型的输入，节点电压实部与虚部作为输出，根据历史数据进行训练得到伪量测值与伪量测误差模型，训练完成后得到精度较高的伪量测；将伪量测与PMU量测一起进行快速的线性状态估计。仿真结果表明，所提方法在保证估计精度的基础上，提高了计算效率，验证了所提方法的有效性。

关键词: 高容错, 快速, 状态估计, 堆叠去噪自编码器, 极限学习机

Abstract: In the cases that the phasor measurement units (PMUs) cannot be deployed with all buses in the power system， the traditional nonlinear state estimation needs to be carried out by using the hybrid measurement of PMU and supervisory control and data acquisition (SCADA). SCADA data are low accurate and have bad data， and the iterative solution process of mixed data will lead to low computational efficiency and truncation error. In order to solve this problem， a high fault-tolerant fast state-estimation method for power systems on the basis of stack denoising auto-encoder (SDAE) and extreme learning machine (ELM) pseudo-measurement modeling is proposed in this paper. The SCADA measurement data with bad measurement are used as the input of the SDAE-ELM pseudo-measurement model， and the real and imaginary parts of the bus voltage phasors are used as outputs， the pseudo-measurement value and the pseudo-measurement error model are obtained by training the historical data. The pseudo measurement with high precision is obtained after the training and then the pseudo-measurement and PMU measurement are used for fast linear state estimation. The simulation results show that the proposed method improves the computational efficiency and verify the effectiveness of the proposed method on the basis of ensuring the estimation accuracy.

Key words: high fault tolerance, fast, state estimation, stacked denoise auto encoder, extreme learning machine

中图分类号:

TM 73

陈防渐，王玉彬，陈奇芳，夏明超，杨晓楠，韩锋. 基于SDAE-ELM伪量测建模的高容错快速状态估计方法[J]. 电力建设, 2019, 40(11): 65-72.

CHEN Fangjian， WANG Yubin， CHEN Qifang， XIA Mingchao， YANG Xiaonan， HAN Feng. High Fault-Tolerant Fast State-Estimation Method Based on SDAE-ELM Pseudo-Measurement Modeling[J]. Electric Power Construction, 2019, 40(11): 65-72.

参考文献

［1］ ABUR A， EXPOSITO A G. Power System State Estimation: Theory and Implementation［M］. New York: Marcel Dekker Inc， 2004：16-22.
［2］于尔铿. 电力系统状态估计［M］. 北京: 水利电力出版社， 1985.
［3］WANG M， SUN Y. A practical， precise method for frequency tracking and phasor estimation［J］. IEEE Transactions on Power Delivery， 2004， 19(4): 1547-1552.
［4］靳夏宁，汪芙平，王赞基. 基于PMU动态同步相量测量的故障测距［J］. 电网技术， 2013， 37(10): 2932-2937.
JIN Xianing， WANG Fuping， WANG Zanji. Research on fault location based on dynamic synchronous phasor measurement by PMU［J］. Power System Technology， 2013， 37(10): 2932-2937.
［5］马世英，刘道伟，吴萌，等. 基于WAMS及机组对的电网暂态稳定态势在线量化评估方法［J］. 电网技术， 2013， 37(5): 1323-1328.
MA Shiying， LIU Daowei， WU Meng， et al. An online quantitative evaluation method of power system transient stability situation based on WAMS and generator pair［J］. Power System Technology， 2013， 37(5): 1323-1328.
［6］李大路，李蕊，孙元章. WAMS/SCADA混合测量状态估计数据兼容性分析［J］. 中国电机工程学报， 2010， 30(16): 60-66.
LI Dalu， LI Rui， SUN Yuanzhang. Data compatibility analysis of WAMS/SCADA hybrid measurements state estimation［J］. Proceedings of the CSEE， 2010， 30(16): 60-66.
［7］李钦，项凤雏，颜伟，等. 基于SCADA及PMU多时段量测信息的独立线路参数估计方法［J］. 电网技术， 2011， 35(2): 105-109.
LI Qin， XIANG Fengchu， YAN Wei， et al. An approach to estimate parameters of single transmission line based on multi-interval information measured by SCADA and phasor measurement units［J］. Power System Technology， 2011， 35(2): 105-109.
［8］李强，周京阳，于尔铿，等. 基于混合量测的电力系统状态估计混合算法［J］. 电力系统自动化， 2005， 29(19): 31-35.
LI Qiang， ZHOU Jingyang， YU Erkeng， et al. A hybrid algorithm for power system state estimation based on PMU measurement and SCADA measurement［J］. Automation of Electric Power Systems， 2005， 29(19): 31-35.
［9］李强，周京阳，于尔铿，等. 基于相量量测的电力系统线性状态估计［J］. 电力系统自动化， 2005， 29(18): 24-28.
LI Qiang， ZHOU Jingyang， YU Erkeng， et al. Power system linear state estimation based on phasor measurement［J］. Automation of Electric Power Systems， 2005， 29(18): 24-28.
［10］赵红嘎，薛禹胜，汪德星，等. 计及PMU支路电流相量的状态估计模型［J］. 电力系统自动化， 2004， 28(17): 37-40.
ZHAO Hongga， XUE Yusheng， WANG Dexing， et al. State estimation model with PMU current phasor measurements［J］. Automation of Electric Power Systems， 2004， 28(17): 37-40.
［11］程云峰，张欣然，陆超. 广域测量技术在电力系统中的应用研究进展［J］. 电力系统保护与控制， 2014， 42(4): 145-153.
CHENG Yunfeng， ZHANG Xinran， LU Chao. Research progress of the application of wide area measurement technology in power system［J］. Power System Protection and Control， 2014， 42(4): 145-153.
［12］丁宏恩，戴则梅，霍雪松，等. 基于混合量测的二次线性状态估计方法及其工程应用［J］. 电力系统保护与控制， 2016， 44(13): 163-170.
DING Hongen， DAI Zemei， HUO Xuesong， et al. Hybrid measurement based secondary linear state estimation method and its engineering application［J］. Power System Protection and Control， 2016， 44(13): 163-170.
［13］许勇. 基于PMU的电力系统不良数据检测与辨识［D］. 成都: 西南交通大学， 2015.
XU Yong. Bad data detection and identification based on PMU in power system［D］. Chengdu: Southwest Jiaotong University， 2015.
［14］FANTIN C A， CASTILLO M R C， CARVALHO B E B， et al. Using pseudo and virtual measurements in distribution system state estimation［C］//2014 IEEE PES Transmission & Distribution Conference and Exposition. New York: IEEE， 2014.
［15］黄蔓云，孙国强，卫志农，等. 基于脉冲神经网络伪量测建模的配电网三相状态估计［J］. 电力系统自动化， 2016， 40(16): 38-43， 82.
HUANG Manyun， SUN Guoqiang， WEI Zhinong， et al. Three-phase state estimation in distribution systems based on pseudo measurement modeling using spiking neural network［J］. Automation of Electric Power Systems， 2016， 40(16): 38-43， 82.
［16］WANG Y B， XIA M C， CHEN Q F， et al. State estimation of distribution network based on historical data mining and APSO-BP algorithm［C］//2018 IEEE Innovative Smart Grid Technologies. New York: IEEE， 2018.
［17］孙国强，钱嫱，陈亮，等. 基于深度信念网络伪量测建模的配电网状态估计［J］. 电力自动化设备， 2018， 38(12): 94-99.
SUN Guoqiang， QIAN Qiang， CHEN Liang， et al. State estimation of distribution system based on pesudo measurement modeling using deep belief network［J］. Electric Power Automation Equipment， 2018， 38(12): 94-99.

[1]	史晨豪，唐忠，魏敏捷，李征南，陈寒. 基于数据驱动的配电网光伏双层优化调控策略[J]. 电力建设, 2020, 41(3): 62-70.
[2]	王度，杨佳，吴仕强，陈知导，王伟民，孙国强，卫志农. 计及UPFC的电力系统双线性抗差估计[J]. 电力建设, 2019, 40(7): 65-75.
[3]	王成龙，王育飞，薛花. 基于负载电流补偿与转速反馈的飞轮储能系统控制策略[J]. 电力建设, 2019, 40(3): 51-58.
[4]	樊海锋，刘文龙，苏大威，余璟. 基于有功不平衡指标的储能快速调频方法[J]. 电力建设, 2018, 39(10): 106-112.
[5]	焦晓鹏，刘青 . 基于改进快速排序算法的MMC均压控制策略 [J]. 电力建设, 2017, 38(7): 146-.
[6]	殷豪，董朕，马留洋. 基于可变模式分解和NWCSO优化极限学习机的短期风速预测 [J]. 电力建设, 2017, 38(6): 36-.
[7]	尹忠东，汪沛. 基于自抗扰控制的电动汽车快速充电纹波抑制方法 [J]. 电力建设, 2017, 38(6): 52-.
[8]	廖斌杰，杨俊，文福拴，李波，李梁，毛建伟. 电动出租车充电负荷的时空随机分布特性[J]. 电力建设, 2017, 38(1): 8-.
[9]	李嘉逸，张宏刚，夏雪，宁康红，彭明伟，陈慧妙，胡泽春3. 市内电动汽车快速充电设施的最优规划[J]. 电力建设, 2017, 38(1): 17-.
[10]	陈和升，卫志农，孙国强，陈胜，臧海祥. 考虑换流器控制特性的交直流混联微电网状态估计[J]. 电力建设, 2016, 37(5): 91-99.
[11]	徐衍会，张蓝宇，宋歌. 基于核的模糊C均值逐层聚类算法在负荷分类中的应用[J]. 电力建设, 2015, 36(4): 46-51.
[12]	罗冠姗,卢惠辉,苏成悦，何榕礼，陈元电. 一种基于小波包变换的电力谐波检测方法[J]. 电力建设, 2015, 36(3): 71-76.
[13]	姚蜀军，韩民晓,汪燕,万磊. 大规模电网电磁暂态快速仿真方法[J]. 电力建设, 2015, 36(12): 16-21.
[14]	王磊，陈洁，万磊，林晓静，戴敏. 特高压GIS变电站VFTO仿真计算研究[J]. 电力建设, 2014, 35(9): 1-6.
[15]	谢双义，金鑫. 基于风剪效应的独立变桨控制对漂浮式风力发电机性能的影响[J]. 电力建设, 2014, 35(9): 13-17.

基于SDAE-ELM伪量测建模的高容错快速状态估计方法

High Fault-Tolerant Fast State-Estimation Method Based on SDAE-ELM Pseudo-Measurement Modeling

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价