第1章 绪 论
1.1 能量管理系统
众所周知，能源是国家的重要战略资源和国民经济的命脉，是人类社会赖以生存和发展的基础和保障。随着经济和社会的发展，人类社会对能源的需求量日益增大；而能源生产和消费过程中的环境污染问题又严重影响和制约着经济社会的发展[1]。因此，保障能源安全、建设生态文明、实现经济和社会的可持续发展逐步上升为国家战略[2]。
作为能源的重要载体，“二战”以后电力系统在装机容量、电网规模、运维水平、管理模式和营销模式等方面得到了长足发展和进步，但其安全性、可靠性、优质性、经济性和环境友好性等仍难以满足人类经济社会不断发展的需要[3]。进入21世纪以来，世界上多个国家相继提出了发展智能电网来增强传统电网的自愈能力、坚强可靠性、经济性及对可再生能源的适应性[4-6]；随后又提出了发展综合能源系统/多能流系统来提高对能源的总体使用效率和对可再生能源的消纳能力[7]。近年来，以可再生能源、分布式发电、储能、电动汽车等为代表的新能源技术以及以物联网、大数据、云计算、移动互联网等为代表的“互联网+”技术发展迅猛，各种技术不断深度融合，兴起了能源互联网/新型电力系统的技术浪潮，其愿景是实现高比例可再生能源并网、满足客户的多元负荷需求、提升电网的弹性和柔性、开拓数字经济的蓝海等[8，9]。
因此，以电为核心的能源互联网/新型电力系统正在成为全球能源的发展战略，而其典型特征是“状态全面感知、信息高效处理、应用便捷灵活”[10，11]。其中，状态全面感知是能源互联网/新型电力系统的基础和前提，即能源互联网/新型电力系统将以数据为中心，通过运用先进的传感技术、通信技术等实现对整个系统的静态和动态数据的采集；并通过物联代理、边缘计算等终端智能化技术实现终端之间协同工作，在设备侧和终端完成对数据的预分析、预处理等；进一步依靠能量管理系统(energy management system，EMS)[12]实现对整个能源互联网/新型电力系统的精确预测、精当决策、精准控制和精益管理等(图1.1)。
经过半个世纪的发展，由DyLiacco博士在1967年提出的EMS已趋于成熟，它是以计算机为基础的现代电力系统的综合自动化系统。EMS利用数据采集与监控系统(supervisory control and data acquisition，SCADA)、广域量测系统(wide area measurements system，WAMS)或先进量测体系(advanced metering infrastructure，AMI)等提供的实时数据完成对系统的闭环(或半闭环)控制，以实现电力系统运行的安全性、可靠性、优质性、经济性和环保性，EMS的应用使调控人员对电力系统的调控从经验型上升为分析型，并具有一定的预见性，因此EMS被公认为是电力系统运行的“神经中枢和大脑”[12]。
图1.1 能源互联网/新型电力系统状态感知及EMS示意图
1.2 电力系统状态估计概述
1.2.1 状态估计的必要性和定义
由图1.1可知，能源互联网/新型电力系统需要处理海量数据和信息，数据和信息的可靠性和精度至关重要，关乎能源互联网/新型电力系统的价值和愿景能否实现。众所周知，作为数据滤波器的电力系统状态估计(state estimation，SE)一直被用作对直接量测得到的不全面、不可靠、不精确的“生数据”进行处理，从而为EMS的高级应用(如经济调度、*优潮流、自动电压控制等)提供全面、可靠和精确的“熟数据”[13，14]；在此基础上，EMS对整个电力系统进行调度和控制，以实现电力系统运行的安全性、可靠性、优质性、经济性和环保性等。因此，在能源互联网/新型电力系统背景下，作为数据滤波器的电力系统SE在“状态全面感知”中起基础和核心作用，可为EMS进行科学调度及预防性分析和控制提供可信数据保障，是EMS各项高级应用正常运行的保证。
电力系统SE*早是由Scheweppe提出的[15-17]，20世纪70年代SE处于理论研究阶段，80年代SE开始逐步得到实际应用，部分电力调控中心安装了SE应用软件，90年代SE得到了大量应用，现在几乎每一个大型调控中心都安装了SE软件，SE已经成为现代调度控制中心不可缺少的基石之一[18-20]。
电力系统SE属于系统辨识的范畴，按照系统辨识理论，SE有三个要素，即量测数据、网络模型和准则函数[21，22]。量测数据一般指由SCADA系统提供的远程量测终端(remote terminal unit，RTU)数据，或由WAMS提供的同步相量量测装置(phasor measuremnt unit，PMU)数据，以及由AMI采集到的用电侧数据等。网络模型由遥信决定的拓扑连接关系和电网参数共同决定；准则函数指的是某个优化目标。已有的SE都是按照某个准则函数在由遥信确定的网络模型下得到与量测数据拟合得*好的电网状态变量，同时SE也包括其他功能(包括不良数据辨识、拓扑错误辨识和参数估计等)。
SE中的状态变量(有时也称状态向量，本书将不加区分地使用状态变量与状态向量)是一组互相独立、数量*少的变量，这组变量确定后整个网络的电气量可以随之确定。由于大电网常为网状结构，所以在用电路原理分析大电网的稳态和准稳态问题时常用节点电压法，对应的状态变量是电网中所有节点的电压复相量(参考节点相角除外)，包括极坐标形式和直角坐标形式。显然，此时SE的状态变量与潮流问题中的状态变量相同。
SE的三个要素决定了影响SE精度的因素包括不良数据、拓扑错误和参数错误。围绕不良数据辨识、拓扑错误辨识和参数辨识，国内外的研究人员和工程人员进行了广泛深入的研究，在理论、模型和方法上均取得了大量成果，不断推动着SE的实用化[23-34]。
1.2.2 状态估计的主要功能
SE的主要功能包括以下5方面。
(1)为量测量的配置提供建议。在SE计算进行之前，一般要进行可观性分析，一方面通过可观性分析确定网络可观的部分，SE仅对可观的部分进行估计；另一方面可观性分析需要给出网络不可观部分的量测配置建议，即补充哪些量测量可把不可观的网络变得可观测。这一点对于新建网络或配电网尤为有用。
(2)获得全网的状态感知。通过SE计算可得到电网中的状态变量估计值，在此基础上可计算得到所有支路的功率及所有节点的注入功率，这就实现了对全网的状态感知。实际运行的SE软件一般每过几分钟即启动一次，并且通过本书后面的分析将看到，SE得到的状态变量估计结果是“可信的”。基于以上分析，可以得出：电力系统SE可实现对整个系统的全面、实时和精确感知。
(3)剔除不良数据。SE计算依赖于量测数据，但由于种种原因，实际量测数据与其真实值可能有较大偏差，这样的量测数据称为不良数据，其他量测量称为正常量测。SE通过一定的算法辨识出这些不良数据，从而获得可信的估计结果。
(4)进行拓扑错误辨识。SE计算依赖于网络模型，这个网络模型的拓扑连接关系由开关/刀闸(即断路器/隔离开关，俗称开关/刀闸)的状态决定，而开关/刀闸的状态则由遥信决定。实际运行中开关的状态大多都有采集，而对刀闸的状态采集得还不全面，且遥信也会因为受到干扰而产生错误，这就导致SE使用的拓扑连接关系与实际可能不符合，这就是拓扑错误。拓扑错误对SE的影响较大，有时候甚至使SE不收敛。为此，SE还应包括拓扑错误辨识功能。
(5)进行参数估计。SE计算所依赖的网络模型还需要知道网络的参数信息，这里的网络参数指的是线路和变压器的稳态正序参数。由于种种原因(见本书第9章)，SE使用的网络参数可能与实际值不相等；而从更严格的意义来看，电网参数会随着网络运行方式的改变而发生变化。为此，SE还需要借助于冗余的量测量，实现对可疑参数的辨识与估计。
1.2.3 状态估计的分类
SE具有不同的分类方法，*常用的分类方法是按照使用的量测数据及状态变量的特点进行分类，可以分为三类：静态SE[13-17]、状态追踪[35-37]和动态SE[38-40]。静态SE利用单一断面的量测数据来估计当前时刻的状态变量；状态追踪利用多个断面的量测数据进行估计，它不仅给出当前时刻系统状态变量的估计值，而且给出下一时刻系统状态变量的预测值，从而有利于对电力系统进行预防性分析和预防性控制；动态SE常通过对系统机电暂态过程的建模来获得包括发电机功角、所有节点的电压复相量(参考节点相角除外)等的估计值。需要指出的是，状态追踪事实上是状态变量缓慢变化的准稳态SE，动态SE则考虑了电力系统的机电暂态过程。本书侧重于探讨静态SE问题。如无特别说明，本书后文的SE均指静态SE。
按照在估计过程能否自动抑制不良数据对估计结果的影响，SE也可分为抗差型SE和非抗差型SE，前者在估计的过程中可以自动抑制不良数据；而后者一般不能自动抑制不良数据对估计结果的影响，因而后者不能单独使用，必须加上一个额外的不良数据辨识环节才可以使用。本书将在第6章详细介绍抗差SE的理论和方法。
1.3 状态估计问题的数学描述
电力系统SE的输入和输出数据如图1.2所示。由图1.2可见，SE的输入一般包括三类信息：①量测值，量测值由量测系统(遥测)提供；②结线信息，也称网络拓扑连接关系，由开关位置(遥信)决定；③网络参数，静态SE和状态追踪中的网络参数一般指线路和变压器的静态参数，在动态SE中，还需要增加发电机的动态参数。
图1.2 SE的输入和输出数据
1.3.1 量测数据及量测方程
1. 量测系统的数学描述
量测系统的数学描述包括量测数据和量测设备两个方面。
1)量测数据
SE所使用的量测数据一般由SCADA、WAMS或AMI提供，SCADA数据一般包括节点电压幅值量测、节点注入功率量测(包括注入有功量测和注入无功量测)和支路功率量测(包括支路有功量测和支路无功量测)等，配电网中还常包括电流幅值量测；WAMS除了上述量测，还包括相角量测。到目前为止，WAMS测点还不够多，因此本书主要考虑SCADA数据。事实上，基于不同量测数据的SE在基本原理和建模方法上差别不大。
量测数据的来源主要有三种，其中大部分是由遥测得到的实时数据，还有一小部分是由人工设置的数据，这些非遥测数据被称为伪量测(pseudo measurement)数据，它们可能是预测值(如在配电网SE中常将负荷预测值作为伪量测以保证可观性)或通过电话等方式询问得到的数据。另外，零注入功率节点的功率量测值从理论上说应等于零，这类量测量称为虚拟量测。从精度来看，虚拟量测的精度*高(误差为0)，伪量测的精度*低，而实时量测的精度一般介于以上两种量测精度之间。
2)量测设备
量测设备的描述包括量测设备的种类、安装地点、可用情况和仪表精度的信息。量测值随每次采样而变化，而量测系统信息在运行中基本不变，仅在量测系统扩张或检修及其他原因导致的网络模型变化时才出现变化。
2. 实时量测数据的误差和不良数据
每个量测数据都会含有量测误差，所谓量测误差指的是量测值与真实值的差值。为了说明这一点，把数据量测、传送系统、SE程序及实时数据库在调度系统中的作用示意性地画在图1.3中。由图1.3可以看出，一个远方的遥测量要经过许多环节才能达到电力系统调控中心。例如图1.3中所示的一个功率量测值，首先要由量测器(电压互感器和电流互感器)测得电压和电流，接着通过功率变换器将两者相乘并变换到统一规格的信号电压，再由模/数转换器化为数字编码，由远动通道送到调控中心，通过接口进入计算机。这些环节均有误差，并可能出现故障或受到干扰，因此量测误差总是存在的。
图1.3 电力系统中数据量测—传送—处理系统工作示意图
展开
