本技术方案涉及电力系统技术领域,旨在提出一种综合考虑谐波耦合效应的谐波状态估计方法及其应用系统。该方法首先收集电力系统中监测节点的历史非相量数据,随后利用这些数据构建电力监测模型,进而实现对电力系统谐波状态的精确估计。该系统能够有效提升电力系统的监测精度和稳定性。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
在全球能源转型和电力行业变革的背景下,基于清洁能源、数字化技术和智能化管理的理念,具有高效、绿色、灵活、可靠等特点的新型电力系统应运而生。然而,新能源的大量引入使得新型电力系统谐波扰动问题更加严重。伴随大规模异构电力电子设备在新型电力系统的广泛应用,不同频次谐波间正逐渐呈现出强耦合的新特性,导致谐波扰动问题出现越加复杂的发展趋势。因此,对电力系统进行谐波状态估计,研究不同频次谐波的耦合特征,进而对谐波污染问题进行有针对性的治理,显得尤为重要。
谐波状态估计是利用收集到的量测信息以及量测与选定的状态变量的关系,通过与选定方法对应的统计学准则计算状态变量的估计值。当前,国内外学者对谐波状态估计算法进行了广泛的研究,主要可以分为静态算法和动态算法两类:静态谐波状态估计是指利用某一时刻的量测量来估计该时刻的状态量的方法;动态谐波状态估计是指利用某一时刻的量测量,根据运动方程来估计下一时刻的状态量的方法。
传统谐波状态估计,无论是静态算法还是动态算法,均将不同频次的谐波单独处理,未充分考虑各次谐波之间的相互影响,导致估计过程无法有效反映谐波间的耦合关系。同时,传统算法大多在特定谐波频次的节点网络中基于非线性加权最小二乘算法(即非线性算法)进行估计;非线性加权最小二乘算法中雅可比矩阵的维度与参与估计的节点数呈正相关关系。因此,参与估计的节点越多,雅可比矩阵的维度越高,算法的计算效率越低,这大大限制了谐波状态估计算法在大规模电网的应用。
实现思路