陳秋英

摘 要：諧波狀態(tài)估計對于電力系統(tǒng)諧波監(jiān)測和治理具有重要意義。該文對現(xiàn)有的諧波狀態(tài)估計算法進行了評述，探討了諧波狀態(tài)估計的可觀性和量測配置優(yōu)化問題，并分析了常用不良數(shù)據(jù)識別方法的優(yōu)缺點。最后，對諧波狀態(tài)估計技術(shù)的應用前景進行展望，并討論了該領(lǐng)域尚待解決的問題。

關(guān)鍵詞：諧波狀態(tài)估計 可觀性分析 不良數(shù)據(jù)識別

中圖分類號：TM711 文獻標識碼：A 文章編號：1672-3791（2017）04（c）-0043-02

在諧波狀態(tài)估計中，主要分為3大部分：諧波狀態(tài)估計算法、可觀性分析及量測配置優(yōu)化和不良數(shù)據(jù)識別。通過合理的狀態(tài)估計算法，得到節(jié)點諧波電流的估計值。然而，量測裝置的數(shù)量對估計效果起到確定性作用。在確保對全網(wǎng)絡可觀性的前提下，需對量測裝置進行優(yōu)化，以達到估計精度和經(jīng)濟成本的平衡。同時，在實際網(wǎng)絡中，量測值會存在不良數(shù)據(jù)，如何避免不良數(shù)據(jù)對狀態(tài)估計正確性的影響，非常關(guān)鍵。該文圍繞該3個部分，對諧波狀態(tài)估計進行了相應的綜述及展望。

1 諧波狀態(tài)估計算法

諧波狀態(tài)估計技術(shù)采用了同步量測和三相模型，量測值為電壓和電流相量，而非傳統(tǒng)的電壓和功率，因此，諧波狀態(tài)估計算法須根據(jù)諧波測量的特點對傳統(tǒng)的狀態(tài)估計進行調(diào)整。

諧波狀態(tài)估計的最大困難是如何排除背景諧波的干擾。因為在公共連接點處會有諧波電流注入，從而導致線性負荷的諧波電壓失真，誤判為諧波源。但諧波狀態(tài)估計的最大困難是如何排除背景諧波的干擾。因為在公共連接點處會有諧波電流注入，從而導致線性負荷的諧波電壓失真，誤判為諧波源。

同時，在諧波狀態(tài)估計中，需得知網(wǎng)絡拓撲的網(wǎng)絡阻抗等具體參數(shù)。若參數(shù)存在誤差或缺乏時，會導致估計結(jié)果的錯誤。通過對負荷電流的統(tǒng)計特性分析及少量的諧波電壓量測量，利用獨立分量法實現(xiàn)了在未知網(wǎng)絡拓撲和諧波網(wǎng)絡阻抗情況下的諧波源定位。但該方法沒有考慮到在量測數(shù)據(jù)存在誤差的情況下，如何提高諧波源辨識的準確性。該文指出在配電網(wǎng)中量測數(shù)據(jù)的噪聲會增加狀態(tài)估計的錯誤性。而且，并沒有對量測量和量測位置對估計精度的影響進行分析。在該方法中量測量由諧波源的數(shù)量而確定，則需事先知道諧波源的數(shù)量，并不現(xiàn)實。

因此，人工智能技術(shù)如神經(jīng)網(wǎng)絡法和模糊聚類法，也應用于諧波狀態(tài)估計。神經(jīng)網(wǎng)絡能夠符合復雜和高度非線性的輸入-輸出對，并在電氣領(lǐng)域得到廣泛應用。建議用神經(jīng)網(wǎng)絡實現(xiàn)狀態(tài)量的偽量測，來減少量測量，并進行諧波狀態(tài)估計。通過將模糊理論應用到神經(jīng)網(wǎng)絡中，實現(xiàn)多諧波源定位。通過模糊聚類方法將電力系統(tǒng)分割成若干個集群，且集群的數(shù)量等同于需安裝的量測量；通過反向傳播算法訓練神經(jīng)網(wǎng)絡來辨識所有諧波源。該方法所需的量測量少。指出神經(jīng)網(wǎng)絡在電力系統(tǒng)諧波研究的廣泛應用。由于神經(jīng)元網(wǎng)絡的建立需要預先提供大量的訓練對，且需事先預知諧波源數(shù)量，顯然并不現(xiàn)實。

2 諧波狀態(tài)估計可觀性及量測配置優(yōu)化

諧波狀態(tài)估計技術(shù)的研究屬于網(wǎng)絡諧波分析的范疇。然而，諧波狀態(tài)估計的前提是要進行諧波的監(jiān)測，則需對整個網(wǎng)絡進行可觀性分析和量測配置優(yōu)化?？捎^測性分析是在給定的網(wǎng)絡拓撲結(jié)構(gòu)和量測配置的前提下，判斷利用量測數(shù)據(jù)確定母線狀態(tài)的能力和程度，是在進行系統(tǒng)諧波狀態(tài)估計之前進行的一個步驟。系統(tǒng)不可觀時，狀態(tài)估計會出現(xiàn)不收斂的情況。可觀測性分析算法的好壞將直接關(guān)系到諧波狀態(tài)估計的運行性能，甚至導致估計不收斂。

在諧波狀態(tài)估計的可觀性分析中，主要分為兩大方法：拓撲算法和數(shù)值算法?；谕負涞目捎^性分析是通過在量測網(wǎng)絡中搜索滿秩的生成樹的存在來判斷是否可觀。基于數(shù)值的可觀性分析是通過判斷量測雅可比矩陣是否列滿秩或信息矩陣是否奇異來判斷是否可觀。同時，基于數(shù)值的可觀性分析又可分為拓撲模式和數(shù)值模式。

因此，拓撲算法無需浮點運算，不受舍入誤差的影響，但算法復雜，求解耗時；數(shù)值算法需進行浮點運算，可利用信息矩陣以及量測雅可比矩陣的計算結(jié)果，但計算量大，受舍入誤差影響。

同時，電網(wǎng)節(jié)點規(guī)模龐大，考慮到經(jīng)濟性和實用性，不可能所有母線配置量測量，則量測配置的關(guān)鍵在于如何確定系統(tǒng)可觀測的前提下，盡可能地減少量測量。針對諧波狀態(tài)估計的不可觀情況提出了一種優(yōu)化傳感器配置的線性技術(shù)，但只能得到一個近似最優(yōu)解。通過辨識冗余的量測裝置，給出了量測裝置的最小數(shù)量。然而，該方法不能解決有兩個相關(guān)量測方程（如一條線路的兩端點的電流都有量測量）的情況，實際意義不大。提出了一種基于系統(tǒng)誤差協(xié)方差的方法，但非常耗時。提出了基于遺傳算法的優(yōu)化配置，該算法迭代次數(shù)較多且本身參數(shù)設置對迭代過程影響較大，影響算法的收斂速度。

3 諧波狀態(tài)估計不良數(shù)據(jù)識別

此小節(jié)在所搭建的35 kV配電網(wǎng)模型的基礎(chǔ)上，分在諧波狀態(tài)估計中，不僅要考慮到網(wǎng)絡的可觀性，而且應能利用實時量測系統(tǒng)的冗余度來提高數(shù)據(jù)精度，排除隨機干擾所引起的錯誤信息，進而定位諧波源。冗余度與不良數(shù)據(jù)的檢測、參數(shù)估計和錯誤處理等密切相關(guān)。常用的不良數(shù)據(jù)檢測辨識的方法主要有殘差搜索法、非二次準則法、零殘差法和估計辨識法。

分析了量測數(shù)據(jù)協(xié)方差矩陣中的元素在白噪聲、突變量和不良數(shù)據(jù)等3種狀況下的變化規(guī)律，通過其變化規(guī)律來檢測和辨識不良數(shù)據(jù)。提出利用最優(yōu)二乘法檢測不良數(shù)據(jù)檢測，利用殘差進行不良數(shù)據(jù)的辨識。提出了分布式的不良數(shù)據(jù)檢測與辨識方法。通過將系統(tǒng)劃分成若干個獨立的子區(qū)域，各子區(qū)域的不良數(shù)據(jù)檢測與辨識由該區(qū)域控制中心的計算完成。狀態(tài)估計采用分布加權(quán)最小二乘法實現(xiàn)，不良數(shù)據(jù)的檢測辨識采用分布式殘差的方法實現(xiàn)。

以上的方法都是將加權(quán)殘差或標準殘差值作為特征值，并按照一定的置信度水平設置閥值來進行假設檢驗，從而識別不良數(shù)據(jù)。由于需采用殘差方程進行辨識，狀態(tài)估計的計算量大，且容易發(fā)生錯誤辨識的現(xiàn)象。

因此，出現(xiàn)了人工智能算法應用于諧波狀態(tài)估計的不良數(shù)據(jù)識別中。主要分為基于神經(jīng)網(wǎng)絡、基于模糊理論和聚類分析的兩種方法。采用典型工況的正確量測數(shù)據(jù)作為反向傳播神經(jīng)網(wǎng)絡的訓練樣本，利用兩級神經(jīng)網(wǎng)絡來比較預測值與原始量測值之間差值，并通過閥值的大小來識別不良數(shù)據(jù)。然而神經(jīng)網(wǎng)絡方法的缺點在于閥值選取帶有較大的主觀性和經(jīng)驗性，使得實際應用比較困難?；谀：途垲惙治龅姆椒ㄒ藶榈卮_定隸屬度的大小，也帶有一定的主觀性。

4 展望

電力系統(tǒng)諧波狀態(tài)估計的研究將為電力系統(tǒng)諧波監(jiān)測和治理提供有效的支撐。通過對電力系統(tǒng)諧波狀態(tài)估計算法、可觀性分析及優(yōu)化配置和不良數(shù)據(jù)識別的評述，應盡快開展以下幾方面的工作。

（1）諧波狀態(tài)估計基礎(chǔ)工作的進一步研究，包括同步發(fā)電機、電力變壓器、輸電線路、并聯(lián)補償裝置、負荷等三相平衡或不平衡諧波模型及諧波源模型的建立。

（2）可觀測分析依賴于系統(tǒng)拓撲結(jié)構(gòu)，如果系統(tǒng)拓撲結(jié)構(gòu)發(fā)生較大變化，須重新搜索；且應考慮到量測數(shù)據(jù)因某種原因（如故障等）而無法得到情況下的系統(tǒng)可觀測性分析和狀態(tài)估計。因此，需要提出電力系統(tǒng)諧波狀態(tài)估計可觀性分析的新方法，確定最小的諧波量測集，研究使諧波狀態(tài)不可觀測的網(wǎng)絡變?yōu)榭捎^測網(wǎng)絡的可能性。因此，可觀分析方法不僅要能夠分析網(wǎng)絡的可觀性，也應能辨識出可觀測島，并盡可能地提供偽量測。

（3）電力系統(tǒng)諧波狀態(tài)估計的實際應用，并開發(fā)實用的諧波狀態(tài)估計軟件。目前大多數(shù)學者的研究重點在于穩(wěn)態(tài)領(lǐng)域的量測優(yōu)化配置，未充分考慮系統(tǒng)動態(tài)行為的優(yōu)化配置。結(jié)合經(jīng)濟性和可觀性進行量測系統(tǒng)的優(yōu)化配置；海量量測數(shù)據(jù)的關(guān)鍵信息提取和實時性保持；提出速度快且精度高的節(jié)點負荷實時估計算法；在允許的誤差范圍內(nèi)研究刪減不重要的支路。

參考文獻

[1] 吳篤貴，徐政.基于相量量測的電力系統(tǒng)諧波狀態(tài)估計（I） [J].電工技術(shù)學報，2004，19（2）：64-68.

[2] 孫國強，衛(wèi)志農(nóng)，周封偉.改進迭代自組織數(shù)據(jù)分析法的不良數(shù)據(jù)辨識[J].中國電機工程學報，2006，26（11）：162-166.