[科普中国]-主动配电网状态估计技术

背景

积极发展可再生能源发电并网技术、电动汽车(EV)入网技术等是国内调整能源结构、应对气候变化、转变经济发展方式和实现可持续发展的战略选择。另一方面，电力需求的持续增长以及电力市场的开放正驱动电网朝着可持续方向发展，其特征表现为风力发电、光伏发电等分布式电源(DG)，EV、储能系统(ESS)等可控负荷以及大量智能终端装置的规模化接入与应用，电力系统尤其是配电网的运行与控制方式日趋复杂。

未来高渗透率DG及主动负荷的接入导致配电网将产生双向功率流，负荷和电源将具有双重不确定性，客户将具有消费者和生产者的双重身份，传统配电网的运行与控制模式已无法适应新的发展需求。在这种背景下，主动配电网的概念应运而生，其旨在针对配电网接入的大规模DG、主动负荷以及大量智能终端装置，辅助以灵活有效的协调控制技术和管理手段，使得配电网具备一定的主动调节、优化内部负荷的能力。与此同时，配电网状态估计技术有望能够进一步快速、准确地感知系统的实时运行状态，为DG出力和主动负荷分配技术、主动配电网有功/无功协调优化技术以及主动配电网自愈技术等提供可靠数据。

配电网状态估计技术近30年的发展使其理论研究取得了显著成果，但在实际工程应用方面尚且还处于起步阶段。近几年随着配电网自动化水平和量测水平的不断提高，加之各种新理论和新技术的不断涌现，都为中低压配电网状态估计程序的在线应用提供了有利条件。然而，在主动配电网背景下，特别是随着高级量测体系的不断普及，电力调度部门采集到的数据日趋呈指数型增长，且海量数据处理的过程又易受用户随机需求响应、客户多样化需求、应急减灾等因素的影响，传统配电网状态估计技术不管是在计算速度与效率方面，还是在估计结果的精度要求方面均难以满足主动配电网的发展需求。因此，进一步加快构建适合主动配电网优化运行与控制的新型状态估计体系，意义重大。1

传统配电网与主动配电网在传统配电网结构中，电力流一般由上端变电站单一流向各个负荷节点，这种单向辐射状供电结构普遍比较薄弱，而且线路损耗较高，运行可靠性较低，在初期的规划设计阶段以及长期的运行管理过程中均未考虑高渗透率新能源的高效利用。2但随着光伏、风电等DG接入量的不断增加以及EV、新型ESS等可控负荷的持续增多将会进一步造成配电网的局部电压越限、短路电流增大、供电可靠性降低、电能质量恶化等问题，现有的配电网架构显然已经很难满足用户在低碳经济背景下对优质电能质量以及高效供电可靠性的需求。为了更好地解决这些问题，传统配电网已从被动运行模式逐步转变为主动运行模式。CelliG等人于2008年在国际大电网会议上首次提出的主动配电网的概念，可以有效地解决传统配电网存在的各种问题。图所示为传统配电网与主动配电网的结构示意图。1

主动配电网状态估计研究现状主动配电网状态估计研究现状当前，基于传统配电网状态估计扎实的研究基础，国内外对主动配电网状态估计技术已开展相应研究工作，重点主要集中在主动配电网中新型伪量测的合理建模、状态估计算法的高效改进以及量测装置的优化、鲁棒配置等方面。

新型伪量测物理量的合理建模与分析在缺少足够的实时量测装置情况下要想获得全网的可观测，就必须对主动配电网中众多类型的DG和负荷向系统注入的功率进行合理建模，并以新型伪量测量的形式添加到状态估计模型中。

目前国内外在这方面开展的研究主要集中在不同类型DG并网机理的详细分析与建模以及主动配电网节点注入功率不确定性的建模与分析等方面，其研究成果都能够取得较为满意的结果。

传统配电网状态估计算法的高效改进措施基于WLS算法的传统配电网状态估计误差采用信息矩阵求逆的方法，物理意义不明确，且难以分析各类型量测的作用，不易于对未来主动配电网的规划和运行提供有效的指导。另外，随着配电网网络拓扑结构的日趋复杂，大量同步相量测量单元(PMU)、微型PMU 及智能电表(SM)等装置的规模化接入与应用，使得主动配电网状态估计需要处理海量的数据流信息，基于WLS算法的传统配电网状态估计在求解速度、数值稳定性方面都难以满足要求。

因此，对传统配电网状态估计算法进行高效的改进，意义重大。当前在这方面的研究主要集中于状态估计误差表示方法的有效改进措施、大规模主动配电网状态估计算法的高速求解策略以及主动配电网三相线性状态估计算法的研究等。

主动配电网量测系统的优化与鲁棒配置配电网的量测系统主要是为状态估计或者态势感知技术完成多元数据的采集与上传，其作用不言而喻。然而，主动配电网规模庞大，量测装置数量有限，试图通过在网络中尽可能大面积地安装量测装置从而确保全网状态估计精度的手段，不但不具备主动配电网运行的经济性能和现实意义，反而极有可能会使得网络中某些物理量被重复多次地进行量测，造成资源的极大浪费。

因此，如何利用现实网络中有限的量测装置来实现量测装置的优化配置和规划，兼顾主动配电网的实际运行情况，并加以考虑状态估计的精度、网络的可观性、运行与控制的经济性和鲁棒性等多重影响因素，意义重大。目前针对该问题开展的研究已取得一系列重大进展，主要包括考虑伪量测不确定性的主动配电网状态估计及其量测装置的优化配置以及考虑外部因素易造成状态估计精度下降情况下的主动配电网量测装置鲁棒配置等方面。此外，综合考虑网络中传统量测设备与PMU 和微型PMU等新型量测的混合配置方法也已经引起国内外学者的关注。

未来主动配电网状态估计的关注重点主动配电网状态估计技术已经开展了一系列有针对性的研究工作，但未来大规模EV 和ESS的随机充/放电、高渗透率DG的间歇性发电并网以及智能量测装置的量测误差等会使得主动配电网状态估计结果需要考虑更多的不确定因素。基于上述考虑，未来主动配电网状态估计技术进一步发展还应重点关注以下几个方面。

计及不确定性的主动配电网三相区间状态估计国内外已开始针对含DG注入功率不确定性的主动配电网状态估计进行有效的分析与研究，但其研究成果中不乏还存在众多细节值得今后进一步研究与拓展：

①受限于输电网中状态估计的思维，大多数主动配电网状态估计模型均是基于单相对称型网络结构而建立，与实际网络结构情况不太相符；

②基于概率统计分布和模糊理论的主动配电网状态估计必须预先获取各DG 注入功率的先验PDF或隶属度函数，易导致求解的时间复杂性变大，且在实际工程中，要想提前获知DG 出力的PDF 或隶属度函数，难度较大；

③大多数文献仅仅是考虑了传统的光伏发电、风力发电等DG出力的不确定性，尚且还没有文献考虑到主动配电网中一类重要的负荷———EV 和ESS充/放电的不确定性建模与分析。

利用区间算术对工程中不确定变量进行建模分析是当前一个研究热点，已有研究表明，相比于概率潮流以及模糊潮流而言，用区间方法来描述配电网潮流计算模型中的不确定性问题，无须获得参数的具体概率分布，只需关注各不确定变量的上下界信息即可，故其工程应用价值更大。关于区间状态估计，在输电网中已有零星的研究。

因此，可以借鉴此类思想，将某一时间断面上网络中常规负荷的功率需求、不同类型的DG 出力以及EV 充/放电等物理量的不确定性统一用区间数表示，如此可以摒弃传统的基于WLS状态估计模型框架中模糊的量测误差表述方法，将系统量测不确定性用区间数的形式予以定量描述，建立精细化的主动配电网三相区间状态估计统一模型和算法。

此外，为了改善最终区间状态量估计结果的合理性(即区间结果的保守性问题)，一方面可以采取更高精度的伪量测区间建模方法，对光伏、风电等发电系统的出力情况以及EV、储能等新型负荷的功率需求进行精准的预测，从数据输入方面提高区间状态估计模型及其最终估计结果的合理性；

含不确定注入的区间状态估计模型可为调度人员提供更加直观的某一时间断面上系统状态量的上下界信息，以便能够为主动配电网有功/无功优化、网络重构等高级应用软件提供系统状态“界”的约束。1

大规模状态估计模型的分布式并行求解策略一方面，由于主动配电网自身网络规模较大、三相不对称等特征，未来高渗透率DG 以及EV 的接入更是进一步增大了系统中状态变量的维度，另一方面，大量的馈线终端单元及其他传感设备将产生海量的数据信息流，这将直接导致传统的集中式状态估计方法在计算速度方面面临严峻挑战。因此，研究基于网络稀疏特性的主动配电网最优分区算法，将整个配电网解耦为若干高内聚低耦合的区域，在此基础上研究主动配电网状态估计的分布式并行计算技术，对考虑网络注入功率不确定性的主动配电网三相状态估计模型进行加速求解，进一步提高主动配电网状态估计的在线实时性，意义重大。

这部分研究内容可以大致分为以下几个步骤。

（1）基于复杂网络稀疏特性的主动配电网最优分区研究：虽然主动配电网自身的网络规模较大、三相不对称，但是其网络具备稀疏特性，因此可以借助输电网中基于图论的方法对其进行最优分区，将主动配电网的节点、配电线路、分布式电源等抽象到图论中的节点、边界、权等，建立主动配电网最优分区模型，从而将主动配电网分成若干高内聚低耦合的分区。

（2）对各个子区域进行本地状态估计计算(包括迭代计算)，并对有交叉节点或共同边界的不同子区域之间进行信息和数据的交互。

（3）当不同子区域之间交互信息满足迭代收敛要求后，输出各个子区域的状态估计计算结果，从而实现全网的状态估计。

基于图论分析及分布式并行计算的大规模主动配电网三相分布式状态估计算法大体技术路线如图所示。1

基于大数据分析的主动配电网状态估计主动配电网建设的不断推进将会促使越来越多的智能传感设备安装投入使用，一方面可使系统调度中心能够对更大范围的网络进行高清晰和高密度的观测，另外也将使主动配电网状态估计程序获取到史无前例的超大量数据，并且包含海量的多源不良数据，如何充分利用这些数据对全网的运行状态进行有效、精准的分析，将会是一个全新的挑战。

下一步工作可以借助于先进的大数据分析手段和方法(如基于云计算技术、多维数据分析与融合技术、基于并行化计算模型与内存并行化计算框架技术等)搭建电力大数据分析处理与存储平台，对采集到的各种海量信息进行深入的数据挖掘，包括对实时数据采集与监控系统数据、动态PMU和微型PMU 数据、计划数据、用户侧智能传感设备监控数据、网架参数、网络拓扑信息等结构化数据及EV 车主出行计划(用户行为分析)、外部环境数据(如风速、太阳辐射值等)等非结构化数据的统一抓取、过滤和整合，在实现多源不良数据的辨识与处理基础上，最大化提取出主动配电网状态估计程序所需的有效信息，从而进一步提升主动配电网整体的状态感知能力。基于大数据分析的主动配电网状态

估计研究方案大致分以下几个步骤。

（1）采用数据聚类和分类等手段对网络中多类型传感设备上传的原始量测数据进行筛选和预处理，以减少数据的存储，结合网络参数生成状态估计程序所需的初始特征量矩阵。

（2）采用大数据分析中的数据融合手段在多维时空上将多个不同电气特征量构建的单时段、单电气特征量的状态估计特征矩阵融合成一个多时间序列、多电气特征量的状态估计特征矩阵，这一环节也是当前大数据思想能否具体应用于工程实践的技术瓶颈。

（3）采用多时间尺度分析方法对高维时空状态估计特征矩阵进行处理，将高维数据在低维空间中进行数据的有效处理，在此基础上进行多源不良数据的检测以及主动配电网运行状态的在线估计。3

结论主动配电网是支撑需求侧响应管理、承载大规模可再生能源电力分配的重要平台，是推动未来大电网建设、解决能源危机的关键环节。与此同时，传统配电网状态估计技术有望进一步升级换代，为主动配电网其他高级应用软件奠定理论基础。

近几年关于主动配电网状态估计已开展了较丰富的研究工作，今后可在前期基础上继续开展主动配电网三相区间状态估计、主动配电网分布式状态估计、基于大数据分析的主动配电网状态估计等方面研究，以期加快实现主动配电网状态估计技术的在线应用。1