朱趙桓，王安雨，徐 天

（南京工程學院，江蘇 南京 210000）

0 引 言

隨著電力企業的不斷發展，電力網絡逐漸受到電力行業工作人員的重視。在電力網絡的日常運行中，量測量和量測通道的使用狀態以及外界信號的干擾會產生大量的量測誤差[1]。含壞數據的檢測與辨識作為電網狀態估計的重要工作內容之一，主要結合獲得的狀態估計值和電網中預留的冗余信息發現并排除量測采樣數據中的含壞數據，從而提高電網狀態估計的真實性。分析使用效果可知，傳統的電網含壞數據檢測與辨識效果較差且適用性不強[2-3]。因此，設計基于快速分解正交變換狀態估計的電網含壞數據檢測與辨識方法，采用算例測試的形式對比其與傳統方法的使用差異。

1 基于快速分解正交變換狀態估計的電網含壞數據檢測與辨識方法設計

1.1 電網狀態估計

在正常運行的電網中，有功功率Y、電壓增幅Z、無功功率X以及電壓相角α之間存在微弱的關聯。通過使用雅可比矩陣，可知：

在狀態估計中，采用式（1）實現對XY解耦，估計快速分解正交變換算法引用的電網狀態后，量測方程設定如下：

式（2）中，AU為量測產生的電壓數據，AR為量測產生的功率數據，gu(k)、gr(k)為某支路上的電壓數據和功率數據，zu、zr為節點的電壓數據和功率數據。根據式（2）完成量測過程，使用雅可比矩陣和快速分解法潮流算法進行求值，并將求得的值設定為權重對角陣分解矩陣[4-5]。修正矩陣得出電網的狀態值并展開迭代計算，計算后得到的狀態值為電網的最佳狀態估計值。依據此狀態估計值，可實現電網含壞數據檢測與辨識。

1.2 電網含壞數據檢測方法設計

此次研究中采用量測量突變檢測法檢測電網中的含壞數據。量測量突變檢測法是將采樣時間的量測量與采樣之前的預測量進行對比。如果出現數據量激增的問題，則對此可疑數據展開檢測。此方法可提升檢測的精準度。

使用此方法前，應設定相應的約束條件。例如，相鄰采樣點之間的電網狀態不發生變化，檢測數據中存在含壞數據時，需及時修正數據。對約束條件設定的突變門限值如下：

式（3）中，gi,j為ti時間第i個實際測量值，gi/i-j為ti-1時對gi,j的預測值，?i為突變門限值，Δgi,j為激增量。使用式（3）檢測電網數據中的含壞數據，并將其應用于原有的方法，從而實現對電網不良數據的檢測與辨識。

1.3 實現含壞數據檢測與辨識

為實現設定的技術及程序，則設定方法中使用PMU量測和SCADA量測。將兩種量測設備相結合，可有效提升量測結果的可靠性。方法使用的過程中涉及到數據運算的部分較多，因而采用SQL數據庫存儲采樣數據，并在數據庫中展開運算過程，以確保數據計算的可控性。

整合上述設計部分，形成整體性的方法。至此，完成基于快速分解正交變換狀態估計的電網含壞數據檢測與辨識方法設計。

2 算例測試

2.1 測試環境設定

測試中，采用MATPOWER仿真軟件對電網的數據結果展開仿真處理。處理內容包括計算信息向量、基于網絡支路的信息向量以及差別向量等。通過對比文中設計方法與原有的電網含壞數據檢測與辨識方法，完成測試過程。

設定此次測試中的含錯數據存在于網絡枝干。在電網的正常運行狀態下，如果前面部分支路突然斷開，后面部分支路的有效數據就會大幅度激增。通過產生的設定模擬含錯數據，展開文中設計方法與原有方法對此測試環境的含壞數據檢測與辨識，結合電網主路與支路上兩種對比方法對含錯數據的精準度進行檢測與辨識。

2.2 測試結果

通過上述設定設計測試環境，并將其作為此次測試的基礎完成測試過程。此次測試展開兩次檢測與辨識工作，結合電網主路的各個節點和支路的重要連接節點數據。為了加強數據管理，通過測試點Z1～Z10對本文方法及原有方法進行測試。根據設定工作環境將含錯數據分別放在電網主路上和支路上分別進行檢測及辨識。測試環境進行兩次檢測與辨識，以測定兩種方法的檢測精準性如表1和表2所示。

表1 含錯數據在電網主路上的檢測精準度測試結果

表2 含錯數據在電網支路上的檢測精準度測試結果

通過實驗數據可知，含錯數據的位置影響檢測與辨識方法的使用效果。經分析可知，原有方法含錯數據在電網主路時的檢測精度高于在電網支流的檢測精度。通過數據對比可知，文中設計方法在兩種測試環境的使用效果均優于原有方法。文中設計方法的檢測精準度取值范圍約達99%，原有方法的精準度取值最高值僅為96%左右。

3 結 論

電網狀態估計是電網控制中的重要組成部分，含壞數據的檢測與辨識是電網狀態估計中的重點研究對象。當今，智能電網的應用普及，對電網調度方式安排智能化的要求越來越高，因此電網量測數據的要求隨之提升。在此環境背景下，針對傳統方法的不足，引用快速分解正交變換算法對其展開優化，并根據電網的實際情況設定含錯數據檢測方法。通過算例測試可知，文中設計方法的使用效果更佳。在日后的電網使用與控制中廣泛應用此方法，可提升電網調度的科學性。