摘要：新能源被应用于发电供电后，还要完成电力系统状态估计。基于这种情况，本文从状态估计的模型、算法和应用三个方面对含新能源电力系统状态估计研究现状展开了分析，并提出了未来的研究展望。
关键词：新能源并网；状态估计；不良数据检测
引言：在能源危机和环境污染日渐严重的情况下，更多的新能源被并入电力系统中，以缓解电力供给压力。而加强对含新能源电力系统的状态估计研究，则能更好的制定策略提高系统的电能质量和可靠性，使电网保持安全、稳定运行。因此，还应进一步明确含新能源电力系统状态估计研究现状和展望，以便为相关工作的开展带来启示。
一、含新能源电力系统状态估计研究现状
（一）状态估计模型的研究现状
针对含新能源的电力系统状态进行估计，还要完成建模分析。就目前来看，在状态估计模型研究上，主要从三个方面展开研究。首先，需研究系统拓扑结构。电力系统的拓扑结构由拥有不同几何和物理关系的元件构成，很难利用数学式子进行表达。而在并入新能源后，系统拓扑结构将更加复杂，所以还要重点进行拓扑结构分析和处理。目前，主要采用的拓扑分析法包含矩阵法和搜索法两类，主要从消除电网结构变化角度进行系统拓扑结构分析，有关系统薄弱拓扑辨识研究的内容较少。其次，完成新能源接入后，系统会由单向式电源转变为分布式电源，需完成相应并网模型构建。现阶段，PV模型、PI模型和PQ模型等为常见并网模型。采用这些模型，都是将分布式电源归结为PV、PI和PQ，能够完成配电网潮流计算分析，对系统在不同环境下的功率输出进行估计[1]。最后，需完成并网后电力系统可观测性研究，采用数值、混合和拓扑三种算法对系统状态进行估计。在该方面，PMU算法得到了广泛应用。采用该算法，能够通过减少PMU的配置提高系统可观测性，并完成系统冗余度分析。
（二）状态估计算法的研究现状
在状态估计算法研究上，现有研究大多采用4种算法进行并网电力系统状态估计。首先，通过将系统看成是混合整数非线性优化问题，则能采用智能优化算法和数学优化方法完成线电压、支路电流和功率等状态变量的分析。在实际分析的过程中，需对状态变量个数、约束条件等进行考虑，以实现优化算法的合理选择，确保状态估计的稳定性和收敛性能够得到提高。其次，将电网系统网络看成是贝叶斯网络，则能通过静态统计模型开展状态评估，采用置信传播算法完成电网各节点电压幅值和相角的估计，利用回归平均方法等进行新能源气候关联性分析。再者，将电力系统等效为RX模型，可以滑差迭代算法进行潮流计算和系统状态估计，可以获得较好的收敛性和较高的计算效率。最后，将系统看成是PV节点型系统，可以利用GA优化算法将光伏等等效为PV型节点，然后通过求解方程对系统输出功率进行估计。
（三）状态估计应用的研究现状
从含新能源电力系统状态估计应用上来看，其主要用于完成系统不良数据检测和识别，以确保系统状态估计收敛性能够得到提高。通过完成系统状态估计，则能得到系统冗余信息，以确定测量采样中的不良数据，继而使系统状态估计的可靠性得到提高。在新能源并网的过程中，系统的数据基数将得到提高，不良数据的出现概率也将随之增大，并且不良数据的类型也将随之增多，因此将给系统不良数据检测带来负担[2]。但在系统不良数据检测研究方面，现有研究内容较少，大多是利用几何原理和假设检验进行分析，缺少实验测试。
期刊文章分类查询,尽在期刊图书馆考虑新能源大规模并网需求，系统鲁邦状态估计方法得以被提出，但是未能实现对电网动态特性的实时跟踪和估计，也缺少对新能源并网给系统带来的鲁棒性影响的分析，因此难以为系统安全运行提供保障。
二、含新能源电力系统状态估计研究展望
（一）状态估计模型的研究展望
随着新能源的并网整合，电力系统的规模必将得到扩大。在这一背景下，系统状态估计模型的研究也将得到不断加深，从而更好的完成系统拓扑结构处理，并且采用动态拓扑处理方法反映各种元器件的变化。为应对庞大的系统，除了加强基于智能优化算法的拓扑结构模型研究，还要利用基于图论和分布式拓扑结构的网络划分方法实现系统拓扑结构优化，继而使系统运行保持较强的经济性。在系统可观测性研究方面，则要研究如何利用PMU实现系统状态信息高精度、动态反映的问题，将过去的SCADA系统量测与PMU结合在一起，加强系统经济性分析。此外，需对分布式电源接口、并网方式等进行综合考虑，从而完成最佳状态估计模型的选择。
（二）状态估计算法的研究展望
在状态估计算法研究方面，面对规模不断增大的电网，还要实现原本状态估计算法的改进，尝试采用全局优化混合后算法、禁忌搜索算法、模拟退火算法等多种算法完成状态估计过程的优化。在状态估计模型发生改变的基础上，还要对系统结构约束、运维代价和运行约束等因素展开分析，以便利用多目标优化算法实现问题求解分析。此外，在系统信号处理方面，可以对贝叶斯网络的时空关联性和随机性等优势进行吸取，采用粒子滤波、卡尔曼滤波等算法完成新能源特性分析，并利用ARMA、AR等随机序列分析方法完成新能源气候关联性分析，以便更好的完成电力系统的状态估计。最后，为使系统状态估计的算法速度和稳定性得到提高，还要加强对分布式状态估计算法的分析，完成多区域系统状态估计方法的研究，以实现对输电网级、配网级和局部区域级等多级电力系统的状态估计。
（三）状态估计应用的研究展望
为满足未来电力系统状态估计的实践应用需求，还要加强含新能源系统不良数据检测研究，利用多不良数据分布式检测、分布式抗差算法等方法加强对不良数据的检测。结合系统不良数据剔除要求，可以加强粒子滤波等数据信号处理技术的研究，以便将系统数据的噪声信息等不良数据删除[3]。而采用数据挖掘、模糊数学等预见性检测方法，则能有效进行不良数据攻击的躲避，避免系统运行受到不良干扰，继而使并网的新能源得到有效监控管理。
结论：通过分析可以发现，现阶段新能源并网比例依然较低，所以有关含新能源电力系统状态估计的研究仍然有限，大多研究都是对系统状态估计模型和算法进行研究，缺少对状态估计应用问题的研究。而随着新能源并网规模的逐步扩大，相关研究必将得到进一步开展。因此，还应加强对含新能源电力系统状态估计研究方向的把握，以便更好的开展相关研究工作。
参考文献：
[1]杨翾，楼华辉，卢瀚顺等.基于PMU量测的城市电力系统分布式状态估计算法[J].高压电器，2016，52（04）：170-175.
[2]杨翾，王坚俊，唐剑等.基于快速解耦算法的地区电网状态估计研究[J].高压电器，2017，53（01）：102-107+112.
[3]陈来军，梅生伟，许寅等.未来电网中的独立电力系统模式[J].电力科学与技术学报，2011，26（04）：30-36.
论文作者:柴庆
论文发表刊物:《电力设备》2018年第10期
论文发表时间:2018/7/30
标签：状态论文; 新能源论文; 系统论文; 算法论文; 电力系统论文; 拓扑论文; 模型论文; 《电力设备》2018年第10期论文;