【状态估计】基于加权最小二乘法进行电力系统状态估计，测量包括电压幅值、功率注入和功率流Matlab代码

本文链接：https://blog.csdn.net/j_jinger/article/details/145914062

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

电力系统状态估计（State Estimation, SE）是电力系统运行控制的基础，它利用实时测量数据，计算出系统当前运行状态，即各个节点的电压幅值和相角。准确的状态估计是保证电力系统安全、稳定、经济运行的关键。在众多状态估计算法中，加权最小二乘法（Weighted Least Squares, WLS）由于其算法简单、计算效率高、鲁棒性好等优点，被广泛应用于实际电力系统状态估计中。本文将深入探讨基于加权最小二乘法的电力系统状态估计，并着重分析在测量数据包括电压幅值、功率注入和功率流的情况下，WLS算法的具体应用和潜在问题。

一、电力系统状态估计模型

电力系统状态估计的目标是根据系统拓扑结构、元件参数以及实时测量数据，估计出系统中所有节点的电压幅值和相角。数学上，状态估计问题可以描述为一个非线性方程组：

z = h(x) + v

其中：

z
是测量向量，包含了各种类型的测量值，例如节点电压幅值、线路功率流、节点功率注入等。
x
是状态向量，通常由所有节点的电压幅值和相角组成，这是状态估计的目标。
h(x)
是测量函数向量，描述了状态向量 x 与测量向量 z 之间的非线性关系。这些关系来源于电力系统潮流方程。
v
是测量误差向量，代表测量过程中不可避免的误差，通常假设服从正态分布，均值为零，方差为已知。

二、加权最小二乘法原理

加权最小二乘法（WLS）的核心思想是最小化测量值与估计值之间的加权残差平方和。其目标函数可以表示为：

J(x) = [z - h(x)]TR-1[z - h(x)]

其中：

R
是测量误差协方差矩阵，反映了各个测量量的精度。对角线元素代表各个测量的方差，非对角线元素代表测量量之间的相关性（通常忽略相关性，R为对角矩阵）。
R-1
是R的逆矩阵，作为权重矩阵，体现了不同测量对状态估计结果的影响。精度较高的测量对应较高的权重，而精度较低的测量对应较低的权重。

求解状态估计问题，即寻找状态向量 x，使得目标函数 J(x) 达到最小值。由于测量函数 h(x) 的非线性特性，通常采用迭代算法求解。最常用的迭代算法是高斯-牛顿法（Gauss-Newton Method）。

三、高斯-牛顿迭代法

高斯-牛顿法是一种迭代求解非线性最小二乘问题的优化算法。其迭代公式如下：

xk+1 = xk + Δxk

其中：

xk
是第k次迭代的状态向量估计值。
Δxk
是第k次迭代的状态向量修正量，可以通过求解以下线性方程组得到：

(HT(xk)R-1H(xk))Δxk = HT(xk)R-1[z - h(xk)]

其中：

H(xk)
是测量函数向量 h(x) 对状态向量 x 在 xk 处的雅可比矩阵，也称为灵敏度矩阵。其元素代表了测量值对状态变量变化的敏感程度。

该线性方程组又被称为正规方程组。求解正规方程组的关键在于构建雅可比矩阵 H(xk)。雅可比矩阵的元素取决于测量函数的具体形式，而测量函数又取决于所使用的测量量类型，例如电压幅值、功率注入和功率流。

四、测量量模型及雅可比矩阵构建

在电力系统状态估计中，常用的测量量包括电压幅值、功率注入和功率流。下面分别介绍这些测量量的模型及其对应的雅可比矩阵元素的计算方法。

电压幅值 (Vi)

电压幅值是最基本的测量量，直接反映了节点电压的大小。测量函数为：

zi = Vi

其中 Vi 是节点 i 的电压幅值。

雅可比矩阵元素：

∂zi/∂Vi = 1∂zi/∂δi = 0∂zi/∂Vj = 0 (j ≠ i)∂zi/∂δj = 0 (j ≠ i)

其中 δi 是节点 i 的电压相角。
功率注入 (Pi, Qi)

功率注入是指节点 i 注入的功率。测量函数为：

Pi = Vi Σj∈N(i) Vj(Gijcos(δi-δj) + Bijsin(δi-δj))Qi = Vi Σj∈N(i) Vj(Gijsin(δi-δj) - Bijcos(δi-δj))

其中：

雅可比矩阵元素：

∂Pi/∂Vi = Σj∈N(i) Vj(Gijcos(δi-δj) + Bijsin(δi-δj)) + ViGii∂Pi/∂δi = Vi Σj∈N(i) Vj(-Gijsin(δi-δj) + Bijcos(δi-δj))∂Pi/∂Vj = Vi(Gijcos(δi-δj) + Bijsin(δi-δj))∂Pi/∂δj = ViVj(Gijsin(δi-δj) - Bijcos(δi-δj))

∂Qi/∂Vi = Σj∈N(i) Vj(Gijsin(δi-δj) - Bijcos(δi-δj)) - ViBii∂Qi/∂δi = Vi Σj∈N(i) Vj(Gijcos(δi-δj) + Bijsin(δi-δj))∂Qi/∂Vj = Vi(Gijsin(δi-δj) - Bijcos(δi-δj))∂Qi/∂δj = -ViVj(Gijcos(δi-δj) + Bijsin(δi-δj))
- N(i) 是与节点 i 相连的节点集合。
- Gij 和 Bij 是节点 i 和节点 j 之间的电导和电纳。
功率流 (Pij, Qij)

功率流是指线路 i-j 从节点 i 流向节点 j 的功率。测量函数为：

Pij = Vi2gij - ViVj(gijcos(δi-δj) + bijsin(δi-δj))Qij = -Vi2bij - ViVj(gijsin(δi-δj) - bijcos(δi-δj)) - Vi2bsh

其中：

雅可比矩阵元素：

∂Pij/∂Vi = 2Vigij - Vj(gijcos(δi-δj) + bijsin(δi-δj))∂Pij/∂δi = ViVj(gijsin(δi-δj) - bijcos(δi-δj))∂Pij/∂Vj = -Vi(gijcos(δi-δj) + bijsin(δi-δj))∂Pij/∂δj = -ViVj(gijsin(δi-δj) - bijcos(δi-δj))

∂Qij/∂Vi = -2Vibij - Vj(gijsin(δi-δj) - bijcos(δi-δj)) - 2Vibsh∂Qij/∂δi = -ViVj(gijcos(δi-δj) + bijsin(δi-δj))∂Qij/∂Vj = -Vi(gijsin(δi-δj) - bijcos(δi-δj))∂Qij/∂δj = ViVj(gijcos(δi-δj) + bijsin(δi-δj))

需要注意的是，雅可比矩阵的构建依赖于系统拓扑结构和元件参数。对于大型电力系统，雅可比矩阵通常是稀疏矩阵，可以采用稀疏矩阵存储和计算技术来提高计算效率。
- gij 和 bij 是线路 i-j 的串联电导和串联电纳。
- bsh 是线路 i-j 的并联电纳。

五、WLS算法的应用流程

基于加权最小二乘法的电力系统状态估计的一般流程如下：

数据准备：
收集电力系统拓扑结构数据、元件参数数据以及实时测量数据（电压幅值、功率注入、功率流等）。
初始化：
选择初始状态向量 x0。通常可以采用平启动方式，即所有节点电压幅值为1.0 pu，相角为0度。
迭代计算：
a. 计算测量函数向量 h(xk)。b. 计算雅可比矩阵 H(xk)。c. 求解正规方程组 (HT(xk)R-1H(xk))Δxk = HT(xk)R-1[z - h(xk)]，得到状态向量修正量 Δxk。d. 更新状态向量：xk+1 = xk + Δxk。
收敛判断：
检查迭代是否收敛。常用的收敛判据包括：a. |Δxk|max < ε (最大状态变量修正量小于阈值)。b. |J(xk+1) - J(xk)| < ε (目标函数变化量小于阈值)。如果满足收敛判据，则算法结束，xk+1 为最终的状态估计结果。否则，返回步骤3，进行下一次迭代。
结果分析：
对状态估计结果进行分析，例如检查电压越限情况、