《Results in Engineering》:Voltage Pseudo-Measurement Generation for Distribution System State Estimation: A Smart Meter-Based Approach
编辑推荐:
随着智能电表(Smart Meter, SM)在低压配电网络中的广泛部署,配电系统状态估计(Distribution System State Estimation, DSSE)的实时化成为可能。研究人员提出了一种基于线性加权最小二乘法的概率性DSSE框架,该
随着智能电表(Smart Meter, SM)在低压配电网络中的广泛部署,配电系统状态估计(Distribution System State Estimation, DSSE)的实时化成为可能。研究人员提出了一种基于线性加权最小二乘法的概率性DSSE框架,该框架利用从SM数据生成的电压伪测量。与传统以功率伪测量为核心的方法不同,本研究提出了一种新颖的电压相角估计模型,该模型通过线性回归从电压幅值推导相角,实现了单次迭代即可同时求解母线电压和电压调节器分接头位置。针对低可观性系统中的测量丢失问题,研究人员设计了一种基于相邻节点电压相似性的简易电压伪测量模型。该方法在精度上优于人工神经网络,并在美国和欧洲电网拓扑中进行了验证,包括在约4000节点的实际三相网络中,仅利用低压SM计量数据推断中压状态。即使在显著测量丢失的情况下,大多数真实状态仍落在估计置信区间内,证实了所提伪测量模型的可靠性。该框架无需昂贵的计算基础设施或相量测量单元(Phasor Measurement Unit, PMU)即可支持实时智能电网运行。
研究背景与意义
配电系统状态估计(DSSE)是实现智能电网实时监控与控制的核心技术,能够为电网调度、故障诊断和运行优化提供可靠的网络状态信息。在输电系统中,相量测量单元(PMU)可提供高精度同步相量数据,但由于成本限制,其在配电网络中的应用极为有限。近年来,智能电表(SM)的大规模部署为DSSE提供了新的数据源。SM通常以15分钟间隔上报用电数据,但其内部采样频率可达1?Hz至1?MHz,具备支撑更高频状态估计的潜力。然而,现有DSSE方法大多依赖功率伪测量,且在电压相角未知时需迭代求解,收敛速度慢,计算成本高。此外,配电网络的辐射状结构导致测量冗余度低,测量丢失会严重影响可观性。在此背景下,研究人员提出了一种基于SM数据的电压伪测量生成方法,以实现高效、可靠的概率性DSSE。该研究发表于《Results in Engineering》。
关键技术方法
研究人员采用OpenDSS进行配电网络潮流仿真,构建了包含美国EPRI系列、IEEE?8500节点及欧洲实际电网的多场景测试环境,涵盖有无30%居民光伏渗透两种情况。核心技术包括:①基于线性回归的电压相角伪测量模型,利用电压幅值与相角的强相关性实现单次迭代估计;②相邻节点电压相似性模型,用于测量丢失时的伪测量补全;③线性加权最小二乘法(Weighted Least Squares, WLS)框架,结合误差传播理论实现概率性状态估计;④联合电压调节器分接头位置估计流程,将网络分区后在各区域内独立执行SE,并通过主、副边电压推算分接头档位。
研究结果
4.1 电压相角伪测量
研究人员对比了人工神经网络(ANN)与线性回归在电压相角预测中的表现。结果表明,线性回归在美欧多种电网中均具有更低的平均绝对误差(MAE)和标准差,训练时间显著短于ANN。光伏渗透率的提高会增加相角估计误差,但在所有场景中线性回归均保持最优的综合性能。电压幅值与相角的线性关系受光伏出力、电压调节器分接头切换等因素影响,靠近松弛母线的节点误差更小。
4.2 测量丢失处理
针对测量丢失导致的可观性问题,研究人员提出两种电压伪测量策略:基于最近邻节点电压差和基于标称电压差。结果显示,最近邻节点电压差法的平均误差和波动性均低于标称电压法,且在光伏渗透率较高时更具鲁棒性。
5.1 平均绝对误差(MAE)
在EPRI?J1电网测试中,研究人员比较了四种场景:已知分接头位置、联合分接头估计、PMU测量及OpenDSS基准。结果表明,所提方法在电压幅值估计上优于OpenDSS,在功率估计上与OpenDSS相当。PMU虽降低了电压MAE,但因约束过强,反而增大了支路功率误差。
5.2 估计不确定性
PMU测量的估计不确定性最低,SM次之,测量丢失越多不确定性越高。OpenDSS因确定性算法无法提供不确定性量化。
5.3 真值覆盖区间
即使在测量丢失严重的情况下,大部分真值仍落在±25%至±50%的估计置信区间内,验证了伪测量模型的稳定性。
讨论与结论
研究人员指出,电压相角伪测量可通过线性回归从SM数据中高效生成,使DSSE在单次迭代内完成,并同时估计电压调节器分接头位置。相比功率伪测量,电压伪测量建模更简单、输入更稳定,避免了复杂的非线性关系拟合。该方法在多国电网中均表现出良好的适应性,且无需PMU等高成本设备。尽管SM当前报告周期较长且缺乏同步,但未来升级后可支持近实时DSSE。研究还发现,PMU的高精度测量在某些场景下会因强约束放大功率计算误差,而SM的适度不确定性反而提升了功率估计的整体表现。在测量丢失情况下,基于相邻节点的电压伪测量能有效维持估计精度。未来工作将扩展至网络开关状态识别和微电网环境适配,以进一步提升方法的实用性和适用范围。