本文選題：預(yù)測輔助狀態(tài)估計(jì) + 時(shí)間序列分析��； 參考：《西南交通大學(xué)》2017年碩士論文

【摘要】：電力系統(tǒng)狀態(tài)估計(jì)對電力系統(tǒng)的可靠和安全運(yùn)行至關(guān)重要。電力系統(tǒng)狀態(tài)估計(jì)可以根據(jù)量測系統(tǒng)采集到的信息計(jì)算出未量測的電氣量,得到的結(jié)果將被送往能量管理中心用作事故分析、負(fù)荷預(yù)測和最優(yōu)潮流計(jì)算等。然而,傳統(tǒng)的靜態(tài)狀態(tài)估計(jì)由于缺乏預(yù)測能力因而實(shí)際中不能得到狀態(tài)的預(yù)測值。該方法的缺陷使研究者們提出了能在下一時(shí)刻提供預(yù)測狀態(tài)的預(yù)測輔助狀態(tài)估計(jì)。預(yù)測輔助狀態(tài)估計(jì)根據(jù)系統(tǒng)當(dāng)前的狀態(tài)使用物理模型來預(yù)測系統(tǒng)下一時(shí)刻的狀態(tài)。一旦得到下一時(shí)刻的預(yù)測向量,該向量便用于濾波從而得到最優(yōu)的估計(jì)值。預(yù)測輔助狀態(tài)估計(jì)有助于發(fā)現(xiàn),識(shí)別和排除壞數(shù)據(jù)從而提高估計(jì)效果。目前預(yù)測輔助狀態(tài)估計(jì)算法都假定狀態(tài)轉(zhuǎn)移矩陣是對角的,這意味著狀態(tài)變量之間被假定為相互獨(dú)立。這個(gè)假設(shè)在電力系統(tǒng)中有微電網(wǎng)及分布式和間歇性新能源時(shí)是不成立的。由于分布式能源的接入,未來的電網(wǎng)將變得越來越分散化并導(dǎo)致系統(tǒng)節(jié)點(diǎn)數(shù)量的減少及帶來大量的功率注入。因此,系統(tǒng)中樞紐節(jié)點(diǎn)將失去它們在電網(wǎng)中的影響力而使?fàn)顟B(tài)間的空間關(guān)聯(lián)性變得越來越可觀。當(dāng)系統(tǒng)中某個(gè)量測量因量測設(shè)備故障而丟失量測信息時(shí)而使系統(tǒng)不可觀測時(shí),考慮狀態(tài)量之間的空間相關(guān)性可以使系統(tǒng)重建可觀測性�；诖�,本文提出了一種能考慮節(jié)點(diǎn)時(shí)空關(guān)聯(lián)性的狀態(tài)轉(zhuǎn)移矩陣應(yīng)用于預(yù)測輔助狀態(tài)估計(jì),主要工作如下:(1)本文首先對時(shí)間序列分析常用的幾種建模方法作了簡要介紹,并通過實(shí)驗(yàn)作了對比分析。(2)在考慮節(jié)點(diǎn)時(shí)空關(guān)聯(lián)性的狀態(tài)預(yù)測方面,給出了一個(gè)稀疏、非對角及時(shí)變的狀態(tài)轉(zhuǎn)移矩陣用于狀態(tài)預(yù)測。主要內(nèi)容是對節(jié)點(diǎn)間的時(shí)間關(guān)聯(lián)性建立自回歸模型,空間關(guān)聯(lián)性建立向量自回歸模型,并使用該模型在系統(tǒng)正常運(yùn)行和系統(tǒng)中節(jié)點(diǎn)量測信息丟失情況下與目前廣泛應(yīng)用的指數(shù)平滑模型做了實(shí)驗(yàn)對比。(3)在考慮節(jié)點(diǎn)時(shí)空關(guān)聯(lián)性的預(yù)測輔助狀態(tài)估計(jì)方面,將能考慮節(jié)點(diǎn)時(shí)空相關(guān)性的自回歸及向量自回歸混合模型用于狀態(tài)預(yù)測。主要內(nèi)容是在系統(tǒng)正常運(yùn)行和系統(tǒng)中節(jié)點(diǎn)量測信息丟失情況下,使用該模型與席爾瓦預(yù)測模型進(jìn)行預(yù)測輔助狀態(tài)估計(jì),對得到的結(jié)果進(jìn)行了分析及總結(jié)。
[Abstract]:The state estimation of the power system is very important for the reliable and safe operation of the power system. The state estimation of the power system can be calculated according to the information collected by the measurement system, and the results will be sent to the energy management center for accident analysis, load forecasting and optimal power flow calculation. However, the traditional static state of the power system is used. As a result of lack of predictability, the predicted value of a state can not be obtained in practice. The defect of this method makes the researchers propose a prediction assistant state estimate that can provide the predictive state at the next moment. The prediction auxiliary state estimation is based on the current state of the system using the physical model to predict the state of the system at the next moment. The prediction auxiliary state estimation helps to discover, identify and exclude bad data to improve the estimation effect. The present predictive auxiliary state estimation algorithms assume that the state transition matrix is diagonal, which means that the state variables are assumed to be phases. It is independent. This assumption is unfounded when there is a micro grid and distributed and intermittent new energy in the power system. Due to the access of distributed energy, the future power grid will become more and more decentralized and lead to a reduction in the number of nodes and a large amount of power injection. Therefore, the hub nodes in the system will lose them in the power grid. The influence of the system makes the spatial correlation between states become more and more observable. When one measure of the system is not observable when measuring the fault of the equipment, the system can reconstruct the observability by considering the spatial correlation between the state. Based on this, this paper proposes a kind of consideration of the spatiotemporal Association of nodes. The main work of the state transition matrix is as follows: (1) first of all, this paper briefly introduces several modeling methods commonly used in time series analysis, and makes a comparative analysis through experiments. (2) a sparse, non diagonal and timely change state is given in consideration of the state prediction of the spatiotemporal correlation of nodes. The transfer matrix is used for state prediction. The main content is to establish an autoregressive model for the time correlation between nodes, and to establish a vector autoregressive model for spatial correlation. The model is compared with the exponential smoothing model which is widely used in the normal operation of the system and the loss of measurement information of nodes in the system. (3) it is considered. In the aspect of prediction aided state estimation of node spatiotemporal correlation, the autoregressive and vector autoregressive hybrid model which can consider the spatiotemporal correlation of nodes is used for state prediction. The main content is to use the model and the Silva prediction model to estimate the auxiliary state estimation under the condition of the system normal operation and the loss of the node measurement information in the system. The results are analyzed and summarized.
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TM732

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王力哲,王心豐,范正剛,薛巍;電力系統(tǒng)中廠站/全網(wǎng)雙層狀態(tài)估計(jì)[J];電網(wǎng)技術(shù);2001年02期

2 彭世康,王永剛;一種新的三相狀態(tài)估計(jì)算法[J];繼電器;2001年01期

3 衛(wèi)志農(nóng),周紅軍,顧杵,唐治育;保留非線性三相配電網(wǎng)狀態(tài)估計(jì)[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年04期

4 韓富春,任先成;快速解耦狀態(tài)估計(jì)算法研究[J];電力系統(tǒng)及其自動(dòng)化學(xué)報(bào);2003年06期

5 張麗,韓富春;帶有等式約束的狀態(tài)估計(jì)快速算法[J];太原理工大學(xué)學(xué)報(bào);2003年05期

6 黃滔,盧建剛,張輝;廣東省調(diào)提高狀態(tài)估計(jì)計(jì)算精度的措施[J];電網(wǎng)技術(shù);2004年16期

7 李雪;王克文;;在線概率狀態(tài)估計(jì)[J];中原工學(xué)院學(xué)報(bào);2006年01期

8 鄭健;王承民;張強(qiáng);劉志強(qiáng);;自適應(yīng)抗差理論在配網(wǎng)狀態(tài)估計(jì)中的應(yīng)用[J];繼電器;2006年10期

9 吳建中;余貽鑫;;配電網(wǎng)集成負(fù)荷估計(jì)和狀態(tài)估計(jì)(英文)[J];天津大學(xué)學(xué)報(bào);2006年S1期

10 任江波;郭志忠;;電網(wǎng)自愈控制中的狀態(tài)估計(jì)模式研究[J];電網(wǎng)技術(shù);2007年03期

相關(guān)會(huì)議論文 前10條

1 徐興華;陳萬里;;地調(diào)狀態(tài)估計(jì)實(shí)用化探討[A];華東六省一市電機(jī)工程（電力）學(xué)會(huì)輸配電技術(shù)研討會(huì)2002年年會(huì)山東電機(jī)工程學(xué)會(huì)交流論文集[C];2002年

2 郭金蓮;范曉丹;趙洪山;;分布式狀態(tài)估計(jì)算法的研究[A];中國高等學(xué)校電力系統(tǒng)及其自動(dòng)化專業(yè)第二十四屆學(xué)術(shù)年會(huì)論文集（上冊）[C];2008年

3 劉耀年;郝靜;;基于分布式抗差加權(quán)最小二乘法的狀態(tài)估計(jì)[A];第十一屆全國電工數(shù)學(xué)學(xué)術(shù)年會(huì)論文集[C];2007年

4 劉順明;劉耀年;于賀;湯德海;;基于抗差加權(quán)最小二乘法的分布式狀態(tài)估計(jì)[A];高效 清潔 安全 電力發(fā)展與和諧社會(huì)建設(shè)——吉林省電機(jī)工程學(xué)會(huì)2008年學(xué)術(shù)年會(huì)論文集[C];2008年

5 何青;歐陽紅林;楊民生;童調(diào)生;;基于最優(yōu)定界橢球的自適應(yīng)集員狀態(tài)估計(jì)[A];2004全國測控、計(jì)量與儀器儀表學(xué)術(shù)年會(huì)論文集（上冊）[C];2004年

6 郭曉林;曹軍海;賈小平;;模糊狀態(tài)估計(jì)在機(jī)動(dòng)目標(biāo)跟蹤中的應(yīng)用[A];1997中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1997年

7 林桂華;張艷軍;周蘇荃;;基于量測變換的混合量測狀態(tài)估計(jì)算法[A];中國高等學(xué)校電力系統(tǒng)及其自動(dòng)化專業(yè)第二十四屆學(xué)術(shù)年會(huì)論文集（上冊）[C];2008年

8 景渤雯;趙璐;張雨生;;基于PMU的狀態(tài)估計(jì)研究現(xiàn)狀及發(fā)展展望[A];中國高等學(xué)校電力系統(tǒng)及其自動(dòng)化專業(yè)第二十四屆學(xué)術(shù)年會(huì)論文集（上冊）[C];2008年

9 彭云輝;繆棟;劉云峰;;SR-UKF在狀態(tài)估計(jì)中的應(yīng)用[A];2006中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

10 王正志;肖齊英;;部分參數(shù)不準(zhǔn)確的線性系統(tǒng)H_∞狀態(tài)估計(jì)濾波問題[A];1993年控制理論及其應(yīng)用年會(huì)論文集[C];1993年

相關(guān)博士學(xué)位論文 前10條

1 王吉華;多軸轉(zhuǎn)向車輛狀態(tài)估計(jì)與控制研究[D];南京航空航天大學(xué);2013年

2 Sideig Abd elrhman Ibrahim Dowi;PMU測量單元對電力系統(tǒng)動(dòng)態(tài)狀態(tài)估計(jì)影響研究[D];華北電力大學(xué);2015年

3 任江波;電力系統(tǒng)過程狀態(tài)估計(jì)研究[D];哈爾濱工業(yè)大學(xué);2007年

4 陳芳;電網(wǎng)狀態(tài)估計(jì)及其擴(kuò)展的理論研究[D];山東大學(xué);2010年

5 暢廣輝;基于混合量測的電力系統(tǒng)分布式狀態(tài)估計(jì)研究[D];武漢大學(xué);2009年

6 王永;互聯(lián)電網(wǎng)分布式狀態(tài)估計(jì)和混合量測狀態(tài)估計(jì)研究[D];哈爾濱工業(yè)大學(xué);2008年

7 白宏;基于PMU量測信息的面向過程狀態(tài)估計(jì)研究[D];哈爾濱工業(yè)大學(xué);2008年

8 黃彥全;電力系統(tǒng)狀態(tài)估計(jì)若干問題的研究[D];西南交通大學(xué);2005年

9 柯晶;強(qiáng)跟蹤狀態(tài)估計(jì)與群集辨識(shí)[D];浙江大學(xué);2003年

10 李強(qiáng);基于PMU量測的電力系統(tǒng)狀態(tài)估計(jì)研究[D];中國電力科學(xué)研究院;2006年

相關(guān)碩士學(xué)位論文 前10條

1 王珊珊;利用支路信息進(jìn)行電力網(wǎng)絡(luò)拓?fù)浔孀R(shí)[D];鄭州大學(xué);2015年

2 張娜;電流推算法及其與新息圖相結(jié)合的狀態(tài)估計(jì)研究[D];哈爾濱工業(yè)大學(xué);2015年

3 沈豪棟;一種基于參數(shù)修正的區(qū)域性電網(wǎng)狀態(tài)估計(jì)改進(jìn)方法[D];上海交通大學(xué);2014年

4 胡曉艷;分布式平臺(tái)下的配電網(wǎng)狀態(tài)估計(jì)研究[D];華北電力大學(xué);2015年

5 賈楠;基于WAMS的電力系統(tǒng)狀態(tài)估計(jì)及其應(yīng)用[D];華北電力大學(xué);2015年

6 白鐸;智能電網(wǎng)狀態(tài)估計(jì)及性能分析[D];電子科技大學(xué);2015年

7 安維亮;離散時(shí)間復(fù)雜網(wǎng)絡(luò)的狀態(tài)估計(jì)[D];南京郵電大學(xué);2015年

8 沈超;自愈控制下電網(wǎng)狀態(tài)估計(jì)的研究[D];南京郵電大學(xué);2015年

9 邳浚哲;不良數(shù)據(jù)檢測辨識(shí)及提高狀態(tài)估計(jì)合格率的方法研究[D];華北電力大學(xué);2015年

10 張鵬飛;離散時(shí)間隨機(jī)系統(tǒng)的狀態(tài)估計(jì)與最優(yōu)控制器設(shè)計(jì)[D];青島科技大學(xué);2015年

，

本文編號：2052403