Оценивание состояния режимных параметров энергосистем по телеметрии и синхронизированным векторным измерениям.
Авторы
DOI:
https://doi.org/10.31489/2024No4/61-70Ключевые слова:
синтезированный метод оценивания состояния, метод Гаусса-Ньютона, расширенный фильтр Калмана, массивы телеизмерений, синхронизированные векторные измеренияАннотация
Диспетчерское управление энергосистемами базируется на результатах, полученных из программных комплексов реального времени. Модуль оценивания состояния программных комплексов реального времени является ключевым, так как на основании результатов оценки режимных параметров, полученных из этого модуля, определяются более ёмкие режимные параметры, отвечающие за устойчивость и надёжность работы энергосистем. В настоящее время для оценивания режимных параметров применяются не только телеизмерения, но и синхронизированные векторные измерения, поэтому развитие методов оценивания состояния является актуальной задачей. Предлагаемый метод оценивания состояния позволяет повысить точность оценивания состояния и качество принимаемых диспетчерских решений. Метод базируется на математическом аппарате метода Гаусса-Ньютона и расширенном фильтре Калмана при совместном использовании массивов телеизмерений и синхронизированных векторных измерений. По результатам экспериментов установлено, что по сравнению со стандартным методом оценивания состояния, предлагаемый метод повышает точность оценивания напряжения в узлах схемы и перетоков активной мощности в связях в нормальных и послеаварийных режимах. Разработанный алгоритм позволяет внедрить метод в модуль оценивания состояния программных комплексов реального времени. Определены перспективные направления развития методов оценивания состояния в динамических режимах работы энергосистем.
Библиографические ссылки
Hoseinzadeh B., Bak C.L. (2018) Centralized coordination of emergency control and protection system using on-line outage sensivity index. Electric Power Systems Research, 163, 413 – 422. DOI:10.1016/j.epsr.2018.07.016.
Panteli M., Crossley P.A., Fitch J. (2015) Design of dependable and secure system integrity protection scheme. Electrical Power and Energy Systems, 68, 15 – 25. DOI:10.1016/j.ijepes.2014.12.047.
Ballal M.S., Kulkarni A.R., Suryawanshi H.M. (2021) Methodology for the improvements in synchrophasor based System Integrity Protection Schemes under stressed conditions. Sustainable Energy, Grids and Networks, 26, 1 – 19. DOI:10.1016/j.segan.2021.100465.
Rao A.K., Kundu P. (2023) System integrity protection scheme for minimizing curtailment considering transmission line thermal limits. Sustainable Energy, Grids and Networks, 33, 1 – 13. DOI:10.1016/j.segan.2022.100970.
Kotha S.K., Rajpathak B., Mallareddy M., Bhuvanagiri R. (2023) Wide area measurement systems based Power System State Estimation using a Robust Linear-Weighted Least Square method. Energy Reports, 9, 23 – 32. DOI:10.1016/j.egyr.2023.05.046.
Khalid H.M., Flitti F., Mahmoud M.S., Hamdan M.M., Muyeen S.M., Dong Z.Y. (2023) Wide area monitoring system operations in modern power grids: A median regression function-based state estimation approach towards cyber attacks. Sustainable Energy, Grids and Networks, 34, 1 – 15. DOI:10.1016/j.segan.2023.101009.
Phadke G., Thorp J. S. (2008) Synchronized Phasor Measurements and Their Applications. New York: Springer, 247. Available at: https://ieeexplore.ieee.org/document/5447627.
Martin K.E. (2015) Synchrophasor measurements under the IEEE Standard C37. 118.1-2011 with amendment C37.118.1a. IEEE Transactions on Power Delivery, 30, 3, 1 – 14. Available at: https://ieeexplore.ieee.org/abstract/document/7052413.
Espejo E.B., Sevilla F.R.S., Korba P. (2023) Monitoring and Control of Electrical Power Systems Using Machine Learning Techniques. Elsevier, 339. Available at: https://www.sciencedirect.com/book/ 9780323999045/monitoring-and-control-of-electrical-power-systems-using-machine-learning-techniques.
Karvelis G.I., Korres G.N., Darmis O.A. (2022) State estimation using SCADA and PMU measurements for networks containing classic HVDC links. Electric Power Systems Research, 212, 2–7. DOI:10.1016/j.epsr.2022.108544.
Zhenjie W., Lin Y., Pei L., Chengda L., Zhengyang Z., Suirong L., Sun J.F. (2021) State estimation of distribution network based on hybrid measurement combined with multi-source asynchronous data. Energy Reports, 8, 1778–1783. DOI:10.1016/j.egyr.2022.03.195.
Liu Y., Lin Y., Yue K. (2021) Modern power system state estimation methods. Elsevier, 277. Available at: https://nyuscholars.nyu.edu/en/publications/modern-power-system-state-estimation-methods.
Li K., Han X. (2022) A distributed Gauss–Newton method for distribution system state estimation. International Journal of Electrical Power and Energy Systems, 136, 1 – 14. DOI:10.1016/j.ijepes.2021.107694.
Ahmad F., Rashid M.A.K., Rasool A., Özsoy E.E., Sabanovic A., Elitaş M. (2017) Performance Comparison of Static and Dynamic State Estimators for Electric Distribution Systems. International Journal of Emerging Electric Power Systems, 18, 3, 1 – 14. DOI:10.1515/ijeeps-2016-0299.
Zhao J., Gomez-Exposito A., Netto M., Mili L., Abur A., Terzija V., Kamwa I., Pal B., Singh A.K., Qi J., Huang Z., Meliopoulos A.S. (2019) Power System Dynamic State Estimation: Motivations, Definitions, Methodologies, and Future Work. IEEE Transactions on Power Systems, 34, 4, 3188 – 3198. DOI:10.1109/TPWRS.2019.2894769.
Yu Y., Li Q., Chen C., Zheng X., Tan Y. (2022) Improved dynamic state estimation of power system using unscented Kalman filter with more accurate prediction model. Energy Reports, 8, 364 – 376. DOI:10.1016/j.egyr.2022.10.112.
Hong-de D., Shao-wu D., Yuan-cai C., Guang-bin W. (2012) Performance comparison of EKF/UKF/CKF for the tracking of ballistic target. TELKOMNIKA Indonesian Journal of Electrical Engineering, 10, 7, 1692 – 1699. DOI: 10.11591/telkomnika.v10i7.1564.
Mokhtari S., Yen K.K. (2023) Dynamic state estimation with additive noise for load frequency control using bilateral fuzzy adaptive unscented Kalman filter. Electric Power Systems Research, 220, 1 – 10. DOI: 10.1016/j.epsr.2023.109363.
Lorenz-Meyer N., Suchantke R., Schiffer J. (2023) Dynamic state and parameter estimation in multi-machine power systems. Experimental demonstration using real-world PMU-measurements. Control Engineering Practice, 135, 1 – 10. DOI: 10.1016/j.conengprac.2023.105491.
Batseva N.L., Foos Y.A. (2023) Effectiveness of the dynamic state estimation method application for mode parameters of a power system. Bulletin of the Ivanovo State Power Engineering University, 3, 5 – 15. DOI:10.17588/2072-2672.2023.3.005-015. [in Russian]
Veerakumar N., Cetenovic D., Kongurai K., Popov M., Jongepier A., Terzija V. (2023) PMU-based real-time distribution system state estimation considering anomaly detection, discrimination and identification. International Jornal of Electrical Power and Energy Systems, 148, 1 – 15. DOI: 10.1016/j.ijepes.2022.108916.
Pugachev V.S., Sinitsin I.N. (2004) A theory of stochastic systems. Moscow, Logos Publ., 999. Available at: https://search.rsl.ru/ru/record/01002457901. [in Russian]
