风电并网电力系统状态估计方法、装置、设备及存储介质与流程

本发明涉及电力系统，具体涉及风电并网电力系统状态估计方法、装置、设备及存储介质。

背景技术：

1、目前，电力系统动态状态估计能够利用系统微分代数方程约束进行状态轨迹跟踪和量测滤波，进而为系统调度控制提供更加完整准确的状态信息。大规模风电并网导致系统状态和量测数据的波动性显著增强，使同步相量测量装置测量结果的随机误差变大、不良数据的辨识难度增加，进而导致状态估计结果准确性降低，因此对电力系统动态状态估计提出了更高要求。

2、准确的节点电压状态转换方程是电力系统动态状态估计的基础，现有方法主要使用线性平滑技术建立节点电压的状态转移模型，该模型基于电力系统处于准稳态的假设，利用历史数据对节点电压进行预报，无明确的物理意义。然而在风电并网电力系统中，风电出力波动和动态负荷使系统节点注入功率不断变化，进而驱动电力系统侧节点电压相量变化频繁，导致上述模型的预报准确性将难以保证，进而影响最终的状态估计结果。

技术实现思路

1、有鉴于此，本发明提供了一种风电并网电力系统状态估计方法、装置、设备及存储介质，以解决电力系统侧节点电压相量变化频繁而导致预报准确性难以保证的问题。

2、第一方面，本发明提供了一种风电并网电力系统状态估计方法，风电并网电力系统包括多个动态元件和多个节点，动态元件为其参数通过导数来表达的元件，节点为任意两个动态元件之间的连接点，该方法包括：

3、构建风电并网电力系统中动态元件的状态模型；

4、基于状态模型以及动态元件当前时刻的状态对动态元件的状态轨迹进行离散化，并计算得到动态元件的预报状态值和输出功率预报值；

5、基于动态元件的预报状态值以及输出功率预报值构建节点电压状态转换模型；

6、基于节点电压状态转换模型构建风电并网电力系统动态状态估计的状态空间，并对状态空间进行求解得到每个节点电压的状态估计值；

7、基于每个节点电压的状态估计值对所风电并网电力系统的动态状态进行估计。

8、本发明提供的风电并网电力系统状态估计方法，基于构建的动态元件的状态模型以及动态元件当前时刻的状态对动态元件的状态轨迹进行离散化，并计算得到动态元件的预报状态值和输出功率预报值；基于动态元件的预报状态值以及输出功率预报值构建节点电压状态转换模型；基于节点电压状态转换模型构建风电并网电力系统动态状态估计的状态空间，并对状态空间进行求解得到每个节点电压的状态估计值，提供了准确地节点电压状态转换模型和准确地状态空间，且风电并网电力系统中节点电压状态转换模型和准确地状态空间均具有明确的物理意义，进而得出的每个节点电压的状态估计值更加准确，提高了动态状态估计结果的准确性，并且对风电并网的系统运行工况具有良好的适应性，解决了电力系统侧节点电压相量变化频繁而导致预报准确性难以保证的问题。

9、在一种可选的实施方式中，动态元件包括同步发电机、双馈风机和节点负荷，构建风电并网电力系统中动态元件的状态模型包括：

10、获取同步发电机的功角、电角速度、d轴暂态电动势和q轴暂态电动势，基于同步发电机的功角、电角速度、d轴暂态电动势和q轴暂态电动势构建同步发电机的状态模型；

11、获取双馈风机中定子磁通、转子绕组磁链分量和滤波电感的电流，基于定子磁通、转子绕组磁链分量和滤波电感的电流构建双馈风机的状态模型；

12、获取节点负荷的有功功率和无功功率，基于有功功率和无功功率构建节点负荷的状态模型。

13、本发明提供的风电并网电力系统状态估计方法，获取同步发电机的功角、电角速度、d轴暂态电动势和q轴暂态电动势，基于同步发电机的功角、电角速度、d轴暂态电动势和q轴暂态电动势构建同步发电机的状态模型；获取双馈风机中定子磁通、转子绕组磁链分量和滤波电感的电流，基于定子磁通、转子绕组磁链分量和滤波电感的电流构建双馈风机的状态模型；获取节点负荷的有功功率和无功功率，基于有功功率和无功功率构建节点负荷的状态模型，使得构建的同步发电机的状态模型、双馈风机的状态模型和节点负荷的状态模型具有明确的物理意义，为后续得到动态元件的预报状态值和输出功率预报值提供了模型基础。

14、在一种可选的实施方式中，基于状态模型以及动态元件当前时刻的状态对动态元件的状态轨迹进行离散化，并计算得到动态元件的预报状态值和输出功率预报值包括：

15、将同步发电机的状态模型、双馈风机的状态模型和节点负荷的状态模型转化为微分代数方程组；

16、基于微分代数方程组以及动态元件当前时刻的状态对动态元件的状态轨迹进行离散化，得到离散动态方程；

17、基于离散动态方程对同步发电机的下一时刻状态、双馈风机的下一时刻状态和节点负荷的下一时刻状态进行预报，分别得到同步发电机的下一时刻状态的预报状态值、双馈风机的下一时刻状态的预报状态值和节点负荷的下一时刻状态的预报状态值；

18、分别将同步发电机的下一时刻状态的预报状态值、双馈风机的下一时刻状态的预报状态值和节点负荷的下一时刻状态的预报状态值输入至同步发电机的状态模型、双馈风机的状态模型和节点负荷的状态模型中，分别得到同步发电机的输出功率预报值、双馈风机的输出功率预报值和节点负荷的输出功率预报值。

19、本发明提供的风电并网电力系统状态估计方法，将同步发电机的状态模型、双馈风机的状态模型和节点负荷的状态模型转化为微分代数方程组，并对微分代数方程组进行离散化，最终基于离散化的离散动态方程和当前时刻的状态得到下一时刻预报状态值和输出功率预报值，实现了得到下一时刻预报状态值和输出功率预报值的目的，提高了下一时刻预报状态值和输出功率预报值的准确度。

20、在一种可选的实施方式中，基于动态元件的预报状态值以及输出功率预报值构建节点电压状态转换模型包括：

21、基于同步发电机的输出功率预报值、双馈风机的输出功率预报值和节点负荷的输出功率预报值计算得到每个节点注入功率预报值；

22、获取微分代数方程组中的当前时刻代数状态；

23、基于节点注入功率预报值和当前时刻代数状态构建节点电压状态转换模型。

24、在一种可选的实施方式中，基于节点注入功率预报值和当前时刻代数状态构建节点电压状态转换模型包括：

25、对预设节点注入功率方程在当前时刻代数状态进行一阶泰勒展开，并将节点注入功率预报值输入至一阶泰勒展开后的预设节点注入功率方程中，得到节点电压状态转换模型。

26、本发明提供的风电并网电力系统状态估计方法，基于同步发电机的输出功率预报值、双馈风机的输出功率预报值和节点负荷的输出功率预报值计算得到每个节点注入功率预报值；获取微分代数方程组中的当前时刻代数状态；通过对预设节点注入功率方程在当前时刻代数状态进行一阶泰勒展开，并将节点注入功率预报值输入至一阶泰勒展开后的预设节点注入功率方程中，得到了准确的节点电压状态转换模型，为后续风电并网电力系统的状态估计提供了基础。

27、在一种可选的实施方式中，基于节点电压状态转换模型构建风电并网电力系统动态状态估计的状态空间，并对状态空间进行求解得到每个节点电压的状态估计值包括：

28、基于节点电压状态转换模型和预设量测方程构建风电并网电力系统动态状态估计的状态空间；

29、采用容积卡尔曼滤波算法对状态空间进行求解得到每个节点电压的状态估计值。

30、在一种可选的实施方式中，采用容积卡尔曼滤波算法对状态空间进行求解得到每个节点电压的状态估计值包括：

31、获取上一时刻每个节点电压的状态估计值以及上一时刻的估计协方差矩阵；

32、基于上一时刻每个节点电压的状态估计值和上一时刻的估计协方差矩阵生成容积采样点；

33、将容积采样点代入至状态空间中，得到当前时刻的每个节点的状态预报向量及当前时刻的估计协方差矩阵；

34、基于预设量测方程、当前时刻的每个节点的状态预报向量及当前时刻的估计协方差矩阵计算得到每个节点电压的状态估计值。

35、本发明提供的风电并网电力系统状态估计方法，基于节点电压状态转换模型和预设量测方程构建风电并网电力系统动态状态估计的状态空间，并采用容积卡尔曼滤波算法对状态空间进行求解得到每个节点电压的状态估计值，通过具有物理意义的状态空间求解得到的每个节点电压的状态估计值具有准确性的特点，进而提高了每个节点电压的状态估计值对风电并网电力系统状态估计的准确性，对风电并网电力系统的运行工况具有良好的适应性。

36、第二方面，本发明提供了一种风电并网电力系统状态估计装置，风电并网电力系统包括多个动态元件和多个节点，动态元件为其参数通过导数来表达的元件，节点为任意两个动态元件之间的连接点，该装置包括：

37、第一构建模块，用于构建风电并网电力系统中动态元件的状态模型；

38、计算模块，用于基于状态模型以及动态元件当前时刻的状态对动态元件的状态轨迹进行离散化，并计算得到动态元件的预报状态值和输出功率预报值；

39、第二构建模块，用于基于动态元件的预报状态值以及输出功率预报值构建节点电压状态转换模型；

40、求解模块，用于基于节点电压状态转换模型构建风电并网电力系统动态状态估计的状态空间，并对状态空间进行求解得到每个节点电压的状态估计值；

41、估计模块，用于基于每个节点电压的状态估计值对风电并网电力系统的动态状态进行估计。

42、第三方面，本发明提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的风电并网电力系统状态估计方法。

43、第四方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的风电并网电力系统状态估计方法。