本文選題：配電網狀態(tài)估計 + 新息圖��； 參考：《哈爾濱工業(yè)大學》2014年碩士論文

【摘要】：配電網狀態(tài)估計是獲得配電系統(tǒng)準確實時狀態(tài)信息的重要手段，是配電網運行控制的基礎。本文針對波動性分布式電源并網后的配電網狀態(tài)估計問題展開研究，以新息圖理論為基礎，建立含分布式電源配電網的新息圖模型，對一系列不正常事件進行辨識。 針對接入波動性分布式電源后，節(jié)點注入不正常事件發(fā)生頻繁，輻射狀配電網近根部支路因受新息誤差累加的影響，而導致不正常事件誤判或者湮沒的問題，通過分析誤差形成的原因，提出了計及網損和分布式電源輸出功率的計算新息矢量，用當前時刻的節(jié)點注入測量與節(jié)點注入預報分別回推計算各支路潮流，將得到的兩潮流作差，形成計算新息矢量，并代替原有的連支推算新息矢量，同時對分布式電源進行簡化處理，建立含分布式電源配電網的新息圖模型。通過蒙特卡洛模擬的方法對兩種新息圖模型的誤差進行了比較，結果表明計算新息矢量在新息圖計算中能夠極大降低新息誤差，提高了新息圖在配電網中辨識不正常事件的精確度。 與輸電網的新息圖建模不同，配電網新息圖計算中必須用到節(jié)點注入測量，會出現(xiàn)節(jié)點注入測量誤差較大的壞數據和預報誤差較大的負荷突變發(fā)生在同一位置的情況，配電網中接入間歇式、波動性分布式電源后，受兩種誤差交疊影響的情況進一步加重。針對節(jié)點注入測量壞數據與負荷突變交疊、多相關測量壞數據與負荷突變交疊這兩類問題，基于含分布式電源配電網新息圖模型，提出在新息差中將測量壞數據與負荷突變分離，先辨識測量壞數據后辨識負荷突變的分類辨識方法。33母線測試系統(tǒng)算例表明，所提出的方法能準確辨識接入分布式電源后節(jié)點注入測量壞數據與負荷突變交疊、多相關測量壞數據與負荷突變交疊的情況。 配電網正由傳統(tǒng)的嚴格輻射狀向弱環(huán)狀發(fā)展，弱環(huán)聯(lián)絡開關狀態(tài)的改變引起拓撲結構的變化，針對含分布式電源配電系統(tǒng)中弱環(huán)合環(huán)但未報告的拓撲錯誤，在解環(huán)模型下通過新息圖理論將弱環(huán)的辨識轉化為弱環(huán)合環(huán)潮流等效節(jié)點注入位置的辨識；單電源輻射狀配電網結構最簡單但不利于提高供電可靠性，廣泛存在的是由常分聯(lián)絡開關連接的多電源環(huán)網，在這類結構的配電網中因線路故障或者檢修經常進行負荷轉移，改變了拓撲結構，通過新息圖理論辨識轉移負荷的方向以及負荷的大小，來辨識負荷轉移引起的拓撲錯誤。通過33母線測試系統(tǒng)驗證了所提出辨識拓撲錯誤方法的有效性。 本文研究工作依托于國家高技術研究發(fā)展計劃（863計劃）重大項目《高滲透率間歇性能源的區(qū)域電網關鍵技術研究和示范》（2011AA05A105）以及國家自然科學基金項目《電網參數分檢式估計方法研究》（50977017）。
[Abstract]:Distribution network state estimation is an important means to obtain accurate real-time state information of distribution system and is the basis of distribution network operation control. In this paper, based on the theory of innovation graph, the innovation graph model of distributed power distribution network is established, and a series of abnormal events are identified. After accessing the fluctuating distributed power supply, the abnormal events of node injection occur frequently, and the near root branch of the radial distribution network is affected by the accumulation of innovation error, which leads to the misjudgment or annihilation of the abnormal events. By analyzing the causes of the error formation, the computational innovation vector considering the network loss and the output power of the distributed power source is proposed. The node injection measurement and node injection prediction at the current time are used to calculate the branch power flow, respectively. The calculated innovation vector is formed by the difference of the two currents, and the new information vector is calculated instead of the original connected support. At the same time, the distributed power supply is simplified and the innovation graph model of the distribution network with distributed power is established. The errors of the two models are compared by Monte Carlo simulation. The results show that the computational innovation vector can greatly reduce the error of innovation in the calculation of innovation graph. The accuracy of the innovation graph in identifying abnormal events in distribution network is improved. Different from the modeling of innovation graph of transmission network, nodal injection measurement must be used in the calculation of innovation graph of distribution network, and the bad data with big error of node injection measurement and the sudden change of load with large prediction error will occur in the same position. After the intermittent and fluctuating distributed generation is connected in the distribution network, the influence of the overlap of the two kinds of errors is further aggravated. Aiming at the two kinds of problems such as node injection measurement bad data and load mutation overlap, multi-correlation measurement bad data and load sudden change overlap, this paper based on the innovation graph model of distribution network with distributed generation. In this paper, a new method of classification and identification of bad data and load mutation is proposed, which separates the bad data from the load mutation in the new interest rate difference. The example of the busbar test system .33 shows that the method can be used to detect the bad data and then identify the load mutation. The proposed method can accurately identify the overlap of node injection measurement bad data and load mutation after access to distributed power supply, and the overlap of multi-correlation measurement bad data and load abrupt change. The distribution network is developing from the traditional strict radiation to the weak ring. The change of the state of the weak ring connection leads to the change of the topology structure. The topology error of the weak ring closed ring in the distributed power distribution system is not reported. Based on the theory of innovation graph, the weak ring identification is transformed into the identification of the equivalent node injection position of the weak loop, the single source radial distribution network has the simplest structure but is not conducive to improving the reliability of power supply. What exists widely is the multi-power loop network connected by the constant branch contact switch. In the distribution network of this kind of structure, the load transfer is often carried out because of the line fault or maintenance, which changes the topological structure. The topological errors caused by load transfer are identified by using innovation graph theory to identify the direction and magnitude of load transfer. The validity of the proposed method is verified by 33 busbar test system. The research work in this paper is based on the national high technology research and development plan "the national high-tech research and development plan") the major project "regional power grid key technology research and demonstration of high permeability intermittent energy" (2011AA05A105) and the national natural science foundation project < grid parameters A study on the estimation method of the Partition of Inspection.
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TM73

【相似文獻】

相關期刊論文 前10條

1 陳桂琴,宋順成;等維新息模型預測國外裝甲及反裝甲武器發(fā)展[J];兵器材料科學與工程;2005年04期

2 周蘇荃,柳焯;新息圖的智能特征[J];電力系統(tǒng)自動化;2000年13期

3 姚洪利,高效,田科鈺;基于衰減記憶n次新息的目標機動檢測和排飛點[J];情報指揮控制系統(tǒng)與仿真技術;2004年05期

4 周蘇荃,李昌,柳焯;利用回路新息相角差代數和識別拓撲結構變化[J];電力自動化設備;2002年06期

5 潘國榮,王穗輝;引入時變遞增因子的加權等維新息模型及預測[J];同濟大學學報(自然科學版);2004年06期

6 王福海;能源產量的等維新息模型及應用[J];能源研究與利用;1994年05期

7 朱志芳;丁鋒;;自回歸模型的多新息投影辨識方法[J];科學技術與工程;2009年14期

8 毛志強;蔡中勤;周蘇荃;李碧君;李雷;龔成明;;基于新息圖法的電力系統(tǒng)負荷突變辨識[J];電力系統(tǒng)自動化;2011年12期

9 于麗;丁鋒;張佳波;;多新息隨機梯度辨識方法的收斂性研究[J];科學技術與工程;2007年21期

10 魯文,徐石明,周蘇荃,柳焯;新息圖法輻射配電網不正常事件的識別[J];華北電力技術;2004年04期

相關會議論文 前3條

1 聶曉華;;基于新息偏差多模型機動目標跟蹤算法[A];中國造船工程學會電子技術學術委員會2006學術年會論文集（下冊）[C];2006年

2 王惠娟;;新息數據對GM(1,1)模型的影響分析及應用[A];第25屆全國灰色系統(tǒng)會議論文集[C];2014年

3 盧曉;張煥水;王偉;;時滯線性系統(tǒng)最優(yōu)濾波方法[A];第二十三屆中國控制會議論文集（上冊）[C];2004年

相關博士學位論文 前2條

1 張直;無線傳感器網絡中基于量化新息的狀態(tài)估計研究[D];上海交通大學;2015年

2 張艷軍;新息圖狀態(tài)估計應用研究[D];哈爾濱工業(yè)大學;2008年

相關碩士學位論文 前10條

1 王世龍;基于有限新息率采樣的醫(yī)學信號恢復算法研究[D];哈爾濱工業(yè)大學;2016年

2 倫小翔;交直流電網新息圖狀態(tài)估計方法研究[D];哈爾濱工業(yè)大學;2016年

3 孫在濤;基于新息圖理論的含分布式電源配電網三相狀態(tài)估計研究[D];哈爾濱工業(yè)大學;2014年

4 岳軍;帶未知參數系統(tǒng)的多傳感器多新息卡爾曼濾波器[D];黑龍江大學;2015年

5 徐艷;基于新息圖法的電力系統(tǒng)參數估計的研究[D];哈爾濱工業(yè)大學;2008年

6 王志廣;方程誤差模型基于最新估計的多新息隨機梯度辨識[D];哈爾濱工業(yè)大學;2015年

7 程文玉;新息圖法狀態(tài)估計與模式識別技術的結合應用研究[D];哈爾濱工業(yè)大學;2013年

8 常亮;基于加權多新息方法的系統(tǒng)辨識[D];哈爾濱工業(yè)大學;2010年

9 張佳波;基于多新息參數估計的隨機梯度自校正控制方法[D];江南大學;2008年

10 馬春陽;基于新息圖的配電網三相狀態(tài)估計[D];哈爾濱工業(yè)大學;2012年

，

本文編號：1990304