基于统计方法的电网谐波状态估计误差分析

谐波状态估计是谐波治理的基础,其精度与量测误差、谐波网络参数以及状态估计算法都密切相关。采用统计方法,运用概率密度函数和累计概率密度函数,通过IEEE-14节点谐波测试系统进行抽样计算和分析,研究了谐波状态估计误差问题。针对已有的谐波状态估计对误差分析只考虑量测误差以及正态分布的情况,探讨了量测误差和参数误差分布分别满足正态分布或均匀分布时,各次谐波状态估计的误差。分析了误差不确定性的大小对精度的影响。谐波状态估计算法采用计及参数和测量误差的总体最小二乘算法。结果表明在谐波网络拓扑结构不变时估计值的概率密度曲线都近似成正态分布,且谐波次数越高其置信区间越窄。参数误差对谐波状态估计的影响不可忽略,总体最小二乘算法对正态分布的误差有较好的抑制作用。

一种计及参数误差的电网谐波状态估计方法

综合考虑测量误差和参数误差,提出利用总体最小二乘估计算法进行谐波状态估计。将母线分为非谐波源母线和可能有谐波源的母线,减少了未知状态变量的数目。通过IEEE 14节点谐波测试系统进行了仿真分析,验证了该方法的合理性和可行性。采用Matlab计算程序,随机抽样10000次,分析了测量误差和参数误差都服从高斯分布时谐波状态估计算法的精度。结果表明,在考虑测量和参数2种误差的情况下,用总体最小二乘法对系统进行谐波状态估计能得到有效的估计结果。

光伏发电系统的超导储能设计

超导储能(SMES)具有非常快速的功率调节能力和灵活的四象限运行能力,可完成调节电力系统功率因数、补偿电压跌落等功能。文章针对光伏发电系统的特殊运行方式,提出了利用光伏出力与本地负荷需求的差值作为SMES控制器的功率控制信号策略。在PSCAD/EMTDC仿真平台建立了超导储能系统模型,并对其在光伏发电系统的中的运行控制方式进行研究。研究结果表明,超导储能与光伏系统配合可以很好地解决光伏发电功率易受环境影响、不可调节、难于满足负荷需求的问题,对由负荷变化引起的母线电压波动和故障引起的母线电压跌落具有良好的补偿作用。