基于超短期负荷预测的智能配电网状态估计

郑伟锋　许达

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）31-0132-03 DOI：10.13535/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

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，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

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：

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

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预测公式：

式中：

Fk——状态转移矩阵，即非0对角动态模型的参数矩阵

Uk——控制向量，即非0对角动态模型的参数矩阵

ωk——系统模型误差，在工程上假设是k时刻服从正态分布的随机白噪声

求解Fk、Uk时，可以利用Holt的双参数线性指数平滑法进行求取。在进行变量突变过程，因为固定参数将会使状态变量在预测时存在误差，所以本文将采用线性外推法为基础的超短期负荷预测，此法更为贴合配电网的现实情况。

将节点注入功率当作预测变量展开求算，如果功率注入母线k存在n条上游母线，那么k+1时刻km支路的电流是：

3.3 状态滤波

依照卡尔曼滤波原理，可以建立出配电系统的目标函数为：

式中：

Z——量测向量

——量测函数

R量测误差协方差矩阵，通常令对量测数值来说即权重因数，通常是根据经验选取。

当函数取最小值时，则：

即：

这时，将采用泰勒级数加以展开，同时将最高次项忽略，可以得到一个线性化的方程：

其中：

将代入公式中，即可得到：

其中：

令，便可以推导出滤波

公式：

使用超短期负荷预测法可以求取注入功率支路电流、支路电流对应的状态估计值。运用量测函数可以求取时刻的量测值。

3.4 引入指数函数

增加指数函数可以提高系统的抗变换性，指数函

数即：

这个函数的作用是将系统中存在的异常状况加以监控，同时可以进行有效的控制。该函数的使用可以不对原有的系统框架进行较大的改动，特别是对已经完全的架构模型修改起来更加的简便。另外，添加了该抑制函数，可以在系统内部含有的恶意数据、状况误判、负荷突变等状况发生时，有着极强的稳定性，不能使载波过程出现分散现象。

3.5 分布式电源的接入方式

智能配电网有着一个重要的优点，便是可以进行电源分布式的连接。要想使各个测量的量可以方便地表示，可以将分布式电源改为一个新的节点，利用一段短的线路与配电网络进行连接，也就是将原来有n个节点的网络扩充为n+1个节点，将该线路的电压两端设置为一样，可以做到零损耗。

一般情况下中小型容量的电源在连入电网后，很少对系统电压进行调整。根据不同电源的发电、接口情况，可以将分布式电源分为四类：第一，P恒定、Q恒定的PQ节点；第二，P恒定、U恒定的PU节点；第三，P恒定、电流増幅I恒定的PI节点；第四，P恒定、U不定，Q由P、U确定的P-Q（U）节点。

4 结语

要达到智能配电网络中自愈控制情况下各模块的需求，因此提出了以超短期负荷预测为基础展开的智能配电网状态估计方式。这个方法对于智能配电网中进行状态估计时，采用超短期负荷对各个节点进行实时预测，指数函数对不完全数据的作用以及前推回代法等技术的使用，实际应用于IEEE36节点进行计算分析，可以证明该方法有着很多的优势，例如计算速度快、收敛性佳、测量误差小等，在实际工作中应用该种方法可以取得良好的效果，且其可信度极高。

参考文献

[1] 李滨，杜孟远，等.基于准实时数据的智能配电网状 态估计[J].电工技术学报，2016，1（1）.

[2] 李丽萍，赵洋，等.配电网状态估计研究现状及展望 [J].通信电源技术，2016，1（1）.

[3] 张超，陈晓英，等.电力系统超短期负荷预测方法及 应用[J].硅谷，2014，10（20）.

[4] 周冬旭，岳浩永，罗兴.智能配电网综合优化调度系 统研制及应用[J].电工电气，2015，10（10）.

[5] 郭志峰.智能配电网短期负荷预测问题研究[J].山东 工业技术，2013，7（14）.