60
в
о
з
о
б
н
о
в
л
я
е
м
а
я
э
н
е
р
г
е
т
и
к
а
возобновляемая энергетика
Контроль качества
измерительной информации
электроэнергетической
системы с ветровыми
электростанциями
УДК 621.311.24:621.316
Глазунова
А
.
М
.,
к.т.н., доцент, ст.н.с.
отдела электро энер -
ге тических систем
Института систем
энергетики им. Л.А. Ме-
лен тьева CО РАН
Аксаева
Е
.
С
.,
м.н.с. отдела электро-
энергетических
систем. Института
систем энергетики
им. Л.А. Мелентьева
CО РАН
Под
контролем
качества
измерительной
информации
пони
-
мается
процесс
классификации
измерений
на
ошибочные
и
достоверные
.
В
статье
разработан
метод
обнаружения
грубых
и
систематических
ошибок
в
измерениях
c
низкой
избыточ
-
ностью
,
имеющих
отношение
к
ветровой
электростанции
.
Метод
основан
на
сравнении
оценок
активной
мощности
,
полученных
при
использовании
PQ
и
RX
моделей
асинхронно
-
го
генератора
в
задаче
оценивания
состояния
.
При
отсутствии
ошибок
в
измерении
генерации
,
вырабатываемой
на
ветровой
электростанции
,
и
в
измерении
перетока
в
линии
,
отходящей
от
данной
станции
,
эти
оценки
совпадают
.
Ключевые
слова
:
электроэнергетическая
система, ветровая
электростанция,
измерения, грубые
ошибки, оценивание
состояния
ВВЕДЕНИЕ
Информация о состоянии ЭЭС поступает в диспет-
черский центр от системы диспетчерского контро-
ля и сбора данных реального времени (от системы
SCADA — supervisory control and data acquisition)
в виде измерений. Эта информация используется
при решении задач в оперативно диспетчерской
службе системного оператора. С целью повышения
качества измерительной информации (фильтрация
случайных ошибок) и обеспечения полной карти-
ны о состоянии ЭЭС (расчет неизмеренных пара-
метров режима) используются методы оценивания
состояния (ОС) [1, 2]. В большинстве методов ОС
используется критерий взвешенных наименьших
квадратов, который дает корректные результаты
только при отсутствии грубых ошибок в измерени-
ях. Поэтому задача контроля качества измерений
является важной задачей в оперативно диспетчер-
ском управлении.
Каждое измерение, в зависимости от количества
и расположения датчиков в ЭЭС, характеризует-
ся как избыточное, критическое или принадлежит
к группе измерений с низкой избыточностью.
Избыточное измерение входит не менее, чем
в два балансовых соотношения, и качество таких из-
мерений определяется со 100%-ной уверенностью.
Критическое измерение всегда остается непрове-
ренным. Измерения, которые входят в одно урав-
нение или не входят ни в одно из уравнений, но не
являются критическими, образуют группу измерений
с низкой избыточностью.
61
Проблема обнаружения грубых ошибок в измере-
ниях решается при наличии избыточности измере-
ний. В условиях низкой информационной избыточно-
сти в большинстве случаев невозможно обнаружить
ошибки в измерениях.
В литературе описано много методов обнаруже-
ния ошибочных измерений. Относительно задачи
ОС все методы делятся на априорные и апостери-
орные. К априорным относятся методы, с помощью
которых ошибка в измерениях обнаруживается до
решения задачи ОС [3–7]. В результате примене-
ния апостериорных методов ошибка в измерениях
обнаруживается после решения задачи ОС [8–10].
В условиях низкой информационной избыточно-
сти априорный метод (метод контрольных уравне-
ний) не работает по причине невозможности соста-
вить балансовые соотношения в узлах и в линиях.
С помощью апостериорных методов — по остаткам
оценивания — ошибка может быть обнаружена не
во всех случаях из-за того, что остаток ошибочного
измерения оказывается незначимым.
В данной статье разработан метод обнаружения
грубой и систематической ошибок в измерениях
с низкой избыточностью в части ЭЭС, где располо-
жены ветровые станции.
ОПИСАНИЕ
ИЗМЕРИТЕЛЬНОЙ
ИНФОРМАЦИИ
Измерительная информация, которая обрабатыва-
ется методами оценивания состояния, описывается
вектором измерений:
y
= (
U
i
,
i
,
P
i
,
Q
i
,
P
ij
,
Q
ij
),
(1)
где
U
i
— модуль напряжения в узле
i
;
i
— фаза напря-
жения в узле
i
(если установлено устройство измере-
ния векторных величин в этом узле);
P
i
,
Q
i
— активная
и реактивная инъекция в узле
i
;
P
ij
,
Q
ij
— активный
и реактивный переток в линии (трансформаторе),
ограниченной узлами
i
,
j
.
Модель измерения записывается следующим об-
разом:
y
i
=
y
ист(
i
)
+
y
(
i
)
,
y
(
i
)
N
(0,
2
y
(
i
)
),
(2)
где
y
ист(
i
)
— истинное значение;
y
(
i
)
— нормально рас-
пределенный шум (случайная ошибка);
2
y
(
i
)
— дис-
персия ошибки измерения.
Модель измерения с грубой или с систематиче-
ской ошибкой имеет следующий вид:
y
i
=
y
ист(
i
)
+
y
(
i
)
+
b
,
(3)
где
b
— грубая ошибка.
ОПИСАНИЕ
РАЗРАБОТАННОГО
МЕТОДА
Модели
асинхронного
генератора
В данной работе под группой измерений с низкой
избыточностью понимается измерение генерации
активной мощности на ветровой электростанции
и измерение активного перетока в линии, связан-
ной с этой станцией. На ветровой электростанции
установлены асинхронные генераторы, которые
представлены в задаче ОС двумя математически-
ми моделями: PQ и RX. Главное отличие между мо-
делями заключается в способе вычисления инъек-
ций активной (и реактивной) мощностей.
При использовании PQ-модели мощность в узле
вычисляется как сумма перетоков в линиях, соеди-
ненных с данным узлом, в соответствии с формулой:
k
P
i
=
P
ij
+
U
i
2
G
i
,
(4)
j
= 1
где
k
— количество линий, отходящих от узла
i
;
G
i
—
активная проводимость шунта в узле
i
;
P
ij
,
Q
ij
вычис-
ляются через модуль и фазу напряжения по извест-
ным формулам [11].
При использовании RX-модели асинхронного ге-
нератора величина активной мощности в узле вы-
числяется по формуле [12]:
s R
r
U
2
P
W
= –
—
,
(5)
s
2
(
X
s
+
X
r
) +
R
r
2
где
s
— скольжение генератора,
R
r
,
X
r
— активное со-
противление статора и ротора соответственно,
X
s
—
реактивное сопротивление ротора.
Оценивание
состояния
В задаче ОС вычисляются оценки
y
, значения
которых оказываются наиболее близкими к изме-
ренным значениям
y
в смысле некоторого критерия
и удовлетворяют уравнениям электрической цепи.
В разработанном методе в качестве критерия ис-
пользуется сумма взвешенных наименьших квадра-
тов отклонений оценок от измерений:
J
(
U
,
,
s
) = (
y
–
y
(
U
,
))
T
R
y
–1
(
y
–
y
(
U
,
)) +
+ (
P
w
–
P
w
(
U
,
s
))
T
R
w
–1
(
P
w
–
P
w
(
U
,
s
)),
(6)
где
P
w
— измерение активной мощности на ветровой
электростанции;
R
y
— ковариационная матрица оши-
бок измерений;
R
w
— ковариационная матрица ошибок
измерений активной мощности на ветровой электро-
станции;
x
= (
U
,
,
s
)
— вектор состояния, по которому
вычисляются все остальные параметры режима.
Значения
U
,
,
s
вычисляются путем минимизации
критерия (6):
J
(
x
)/
x
= 0.
(7)
Для лучшего понимания идеи данного метода
вектор состояния представляется двумя частями:
x
1
= (
U
,
),
x
2
= (
U
,
s
).
Минимизация критерия (6) дает систему нелиней-
ных уравнений, которая решается методом Ньютона:
H
y
T
R
y
–1
(
y
–
y
(
U
,
)) = 0,
(8)
H
W
T
R
W
–1
(
P
W
–
P
W
(
U
,
s
)) = 0,
(9)
где
H
=
,
R
=
.
(10)
Фаза напряжения в узле
i
(
i
x
1
) определяется из
уравнения, которое входит в систему (8):
P
i
–
m
/
i
i
=
P
i
–
m
–
P
i
–
m
(
U
i
,
i
),
(11)
где
i
— номер ветровой электростанции,
m
— номер
смежного узла,
P
i
–
m
— измерение перетока активной
мощности в линии
i
–
m
.
№
4 (55) 2019
62
Скольжение асинхронного генератора (
s
i
x
2
) на-
ходится из уравнения, которое входит в систему (9):
P
i
/
s
i
s
i
=
P
i
–
P
i
(
U
,
s
i
),
(12)
где
P
i
— измерение активной инъекции на ветровой
станции. При наличии в схеме одной ветровой элек-
тростанции
P
i
=
P
W
.
По значениям вектора состояния
x
1
вычисляют-
ся перетоки активной мощности в линиях и транс-
форматорах
P
ij
. Затем определяются инъекции во
всех узлах, включая инъекцию на ветровой станции
P
i
=
P
i
(
w
)
по (4).
Значения вектора состояния
x
2
используются для
расчета инъекции на ветровой станции
P
W
по форму-
ле (5).
Таким образом, генерация активной мощности
на ветровой станции вычисляется дважды по
x
1
как
P
i
(
w
) =
P
(
x
1
) и по
x
2
как
P
W
=
P
(
x
2
).
Обнаружение
ошибочных
измерений
Метод обнаружения плохих данных основан на
идее, что при отсутствии ошибок в проверяемых из-
мерениях оценки инъекции на ветровой электростан-
ции, вычисленные по разным частям вектора состо-
яния, будут равны. Для анализа качества измерения
составляются следующие неравенства:
|
P
i
(
w
) –
P
W
| <
d
W
,
(13)
|
P
i
(
w
) –
P
W
| <
d
W
,
(14)
|
P
W
–
P
W
| <
d
W
,
(15)
где
d
W
— некоторый порог.
На рисунке 1 показан алгоритм
обнаружения грубой ошибки в из-
мерениях генерации активной
мощности на ветровой электро-
станции и перетока активной мощ-
ности в линии, отходящей от этой
станции.
Обнаружение ошибки осущест -
вляется по следующему алго-
ритму:
1. Проверяются условия (13)–(15).
2. Если (13) и (14) (или (15)) вы-
полняются, то измерения
P
W
и
P
i
–
m
— достоверные.
3. Если (14) выполняется, то
P
i
–
m
— достоверное,
P
W
— оши-
бочное.
4. Если (15) выполняется, то
P
W
—
P
нет
нет
да
нет
да
да
да
нет
Начало
P
w
W
i
(
w
)
d
P
ˆ
–
<
P
w
W
i
(
w
)
d
P
ˆ
ˆ
–
<
P
w
W
i
(
w
)
d
P
ˆ
–
<
P
w
W
W
d
ˆ
–
<
P
P
W
— достоверное
— достоверное
i
–
m
P
— достоверное
P
W
— достоверное
— ошибочное
— ошибочное
P
i
–
m
P
W
i
–
m
Рис
. 1.
Алгоритм
обнаружения
плохих
данных
,
где
P
i
–
m
—
измерение
активного
перетока
в
линии
,
которая
связывает
ветровую
электростанцию
с
узлом
m
Рис
. 2.
Типовая
кривая
мощности
ветровой
турбины
Рис
. 3.
График
скорости
ветра
достоверное,
P
i
–
m
— ошибочное.
5. Если (14) и (15) не выполняются, то
P
W
и
P
i
–
m
—
ошибочные.
МОДЕЛИРОВАНИЕ
МОЩНОСТИ
ВЕТРОВОЙ
ТУРБИНЫ
И
СКОРОСТИ
ВЕТРА
На рисунке 2 показана типовая кривая мощности
ветровой турбины, которая начинает работать
при скорости ветра
V
cin
= 6 м/с и достигает выра-
ботки номинальной мощности при скорости ветра
V
r
= 13 м/с. Затем, несмотря на увеличение ветра,
выработка мощности остается постоянной до тех
пор, пока скорость ветра не достигнет
V
cc
= 21 м/с.
На рисунке 3 показана скорость ветра, которая
вычислялась с вероятностью, имеющей распре-
деление Вейбулла при
a
= 12,2,
b
= 6, где
a
,
b
—
постоянные, используемые в распределении Вей-
булла.
ПРАКТИЧЕСКИЕ
РЕЗУЛЬТАТЫ
Расчетная
схема
Расчеты выполняются на 30-узловой схеме IEEE
(рисунок 4) в соответствии со сценарием: обнаружить
грубые ошибки в измерениях
P
1
,
P
1–2
в разных режи-
мах работы ЭЭС. Ветровая станция обозначается
узлом 1. Узел 2 является балансирующим. В схеме
измеряются 50 параметров режима, в том числе ак-
тивная мощность на ветровой станции
P
1
и переток
P
1–2
. Баланс в узле 1 составить невозможно из-за от-
ВОЗОБНОВЛЯЕМАЯ
ЭНЕРГЕТИКА
63
сутствия измерения
P
1–3
. Измерения
P
1
,
P
1–2
составля-
ют группу с низкой информационной избыточ ностью,
и их качество остается непроверенным.
B.
Моделирование
срезов
измерений
Для проверки способности метода обнаруживать
ошибки в измерениях
P
1
,
P
1–2
в разных режимах было
смоделировано четыре архива срезов измерений по
алгоритму:
1. Задаются максимальные значения нагрузок в на-
грузочных узлах 5, 12, 21.
2. Из архива данных выбираются суточные графи-
ки активной нагрузки для заданных нагрузочных
узлов в относительных единицах и вычисляется
мощность, потребляемая нагрузкой в именован-
ных единицах. График нагрузки активной мощно-
сти в узле 5 представлен на рисунке 5.
3. Моделируется генерация активной мощности
на ветровой электростанции (узел 1) в зави-
симости от скорости ветра и от установленной
мощности ветровой электростанции (рису-
нок 2). Принимается, что скорость ветра не ме-
няется в течение часа. На рисунке 6 показана
кривая генерации активной мощности на ветро-
вой электростанции.
4. Вычисляются установившиеся режимы для каж-
дой точки графиков нагрузки и генерации (24 ре-
жима). Параметры установившегося режима рас-
сматриваются как истинные значения в модели
измерения
y
ист
.
5. Выполняется моделирование среза измерений.
На
y
ист
измеряемого параметра режима наклады-
ваются погрешности измерения
x
сл
, сгенериро-
ванные датчиком случайных чисел:
y
=
y
ист
+
x
сл
y
,
(16)
где
x
сл
N
(0, 1). Для одной и той же точки УР мо-
делируется 7 срезов, которые отличаются друг от
друга только величиной случайной ошибки. Это
означает, что в рассматриваемом случае качество
измерений проверяется каждые 8,57 минуты.
Сформированные архивы срезов измерений от-
личаются друг от друга наличием или отсутствием
грубой ошибки в измерениях
P
1
,
P
1–2
.
Результаты
расчетов
Расчеты были выполнены в соответствии с алго-
ритмом (рисунок 1) для четырех архивов измерений.
Качество измерений
P
1
,
P
1–2
в каждом архиве пред-
ставлено в таблице 1.
На рисунках 7–10 показаны измерения и оцен-
ки, полученные по разным архивам измерений, где
P
(
U
,
) — оценки активной мощности ветровой элек-
тростанции
P
1(
W
)
, вычисленные по
x
1
;
P
(
U
,
s
) — оценки
активной мощности ветровой электростанции (
P
W
),
вычисленные по
x
2
.
Из рисунка 7 видно, что:
– оценки активной мощности, вычисленные по
x
1
,
x
2
, равны между собой;
Рис
. 4. 30-
узловая
тестовая
схема
IEEE
Рис
. 5.
График
нагрузки
активной
мощ
-
ности
в
узле
Табл. 1. Качество измерений при выполнении расчетов
Номер
архива
Измерение
P
1
P
1–2
1
достоверное
достоверное
2
ошибочное
достоверное
3
достоверное
ошибочное
4
ошибочное
ошибочное
Рис
. 7.
Оценки
и
измерения
активной
мощности
на
вет
-
ровой
электростанции
.
P
1
,
P
1–2
—
достоверные
(
архив
1)
Рис
. 6.
Активная
мощность
на
ветровой
станции
№
4 (55) 2019
64
– оценки равны измерениям.
Это означает, что
P
1
и
P
1–2
достоверные.
Из рисунка 8 видно, что:
– оценки активной мощности, вычисленные по
x
1
(
P
(
U
,
)), не равны оценкам, вычисленным по
x
2
(
P
(
U
,
s
));
– кривая
P
(
U
,
) совпадает с кривой измерений.
Это означает, что
P
1
— ошибочное.
Из рисунка 9 видно, что:
– оценки генерации активной мощности, вычислен-
ные по
x
1
(
P
(
U
,
)), не равны оценкам, вычислен-
ным по
x
2
(
P
(
U
,
s
));
– кривая
P
(
U
,
s
) совпадает с кривой измерений.
Это означает, что
P
1–2
— ошибочное.
Рис
. 9.
Оценки
и
измерения
активной
мощности
на
вет
-
ровой
электростанции
.
P
1–2
—
ошибочное
(
архив
3)
Рис
. 10.
Оценки
и
измерения
активной
мощности
на
ветровой
станции
.
P
1
и
P
1–2
—
ошибочные
(
архив
4)
ЛИТЕРАТУРА
1. Гамм А.З. Статистические методы
оценивания состояния электро-
энергетических систем. М.: Наука,
1976. 220 с.
2. Глазунова А.М., Колосок И.Н. Ре-
шение
задач
диспетчерского
управления интеллектуальными
электроэнергетическими система-
ми на базе методов оценивания со-
стояния / Мат. Всероссийской кон-
ференции «Энергетика в ХХI веке:
инновационное развитие и управ-
ление». Иркутск. 1–3 сентября
2015 г.
3. Kolosok I.N., Glazunova A.M. Bad
data detection in power system state
estimation using ANN. The Interna-
tional Conference ISAP. Budapest,
Hungary, 2001, pp. 124–128.
4. Гамм А.З., Колосок И.Н. Обнару-
жение грубых ошибок телеизмере-
ний в электроэнергетических сис-
темах. Новосибирск: Наука, 2000.
152 с.
5. Glazunova A.M., Kolosok I.N. Bad
Data Detection by Dynamic State
Estimation for the Case of Low Re-
dundancy of Measurements. The
International Conference «Energy-
Con». Dubrovnik, Croatia, 2014.
6. Gramer M., Goergens P., Schnet-
tler A. Bad data detection and Han-
dling in distribution grid state estima-
Из рисунка 10 видно, что:
– оценки активной мощности, вычисленные по
x
1
(
P
(
U
,
)), равны оценкам, вычисленным по
x
2
(
P
(
U
,
s
));
– кривая
P
(
U
,
s
) не совпадает с кривой измерений.
Это означает, что
P
1
и
P
1–2
— ошибочные.
ЗАКЛЮЧЕНИЕ
Разработан метод обнаружения грубых ошибок
в измерениях, основанный на использовании PQ-
и RX-моделей асинхронных генераторов в задаче
оценивания состояния. Использование модели
RX дает возможность получить независимую от
модели PQ оценку генерации асинхронного гене-
ратора.
Равенство этих оценок между собой и равенство
оценок измерению говорит об отсутствии ошибок
в измерениях, которые используются для вычисле-
ния оценки генерации активной мощности на ветро-
вой электростанции.
Разработанный метод предназначен для обна-
ружения грубых и систематических ошибок в из-
мерениях, имеющих отношение к ветровой элек-
тростанции, где невозможно составить баланс
мощности в узле.
Апробация метода выполнена на 30-узловой те-
стовой схеме IEEE. Результаты показали 100%-ное
обнаружение ошибок в исследуемых измерениях.
Работа выполнена в рамках научного проекта
III.17.4.2 программы фундаментальных исследова-
ний СО РАН, рег. № АААА-А17-117030310438-1.
Рис
. 8.
Оценки
и
измерения
активной
мощности
на
вет
-
ровой
электростанции
.
P
1
—
ошибочное
(
архив
2)
ВОЗОБНОВЛЯЕМАЯ
ЭНЕРГЕТИКА
65
tion using artifi cial neural networks.
The International Conference Pow-
erTech, Eindhoven, Netherlands,
2015.
7. Глазунова А.М., Колосок И.Н.,
Съемщиков Е.С. Обнаружение
ошибочных данных в измеритель-
ной информации методами дина-
мического оценивания состояния
при управлении интеллектуаль-
ной энергосистемой // Электри-
чество, 2017, № 2. С. 18–27.
8. Do Coutto Filho M.B., de Souza
J.C.S. Enhanced bad data pro-
cessing by phasor-aided state
estimation. IEEE Transactions on
Power Systems, 2014. Vol. 29.
No. 5, pp. 2200–2209.
9. Gol M., Abu A. A modifi ed chi–
squares test for improved bad data
detection. The International Con-
ference PowerTech. Eindhoven,
Netherlands, 2015.
10. Bilar B., Abur A. Bad data process-
ing when using the coupled mea-
surement model and Takahashi’s
sparse inverse method. Innovative
smart grid technologies confer-
ence – Europe. Istland, Turkey,
2014.
11. Гамм А.З. Вероятностные моде-
ли режимов электроэнергетиче-
ских систем. Новосибирск: На-
ука. Сибирское отделение, 1993.
133 c.
12. Sun Guo-qiang, Wei Zhi-nong,
Pang Bo. Impact of wind generaors
on power system state esti mation.
International Conference on Su-
stain able Power Generation and
Supply. Nanjing, China, 2009.
REFERENCES
1. Gamm A.Z.
Statisticheskiye me-
tody otsenivaniya sostoyaniya ele-
ktroenergeticheskikh system
[Sta-
tistical methods for assessing the
state of electric power systems].
Moscow, Nauka Publ., 1976.
220 p.
2. Glazunova A.M., Kolosok I.N.
Solutions for problem of smart
power systems dispatching con-
trol based on state estimation
methods.
Mat. Vserossiyskoy
konferentsii "Energetika v XXI
veke: innovatsionnoye razvitiye
i upravleniye"
[Proceedings of
All-Russian Conference "Power
engineering of Russia in XXI cen-
tury. Innovative development and
management"]. Irkutsk, 2015 (in
Russian)
3. Kolosok I.N., Glazunova A.M.
Bad data detection in power sys-
tem state estimation using ANN.
The International Conference
ISAP. Budapest, Hungary, 2001,
pp. 124–128.
4. Gamm A.Z., Kolosok I.N.
Obna-
ruzheniye grubykh oshibok teleiz-
mereniy v elektroenergeticheskikh
sistemakh
[Detection of appre-
ciable errors of telemetry in elec-
tric power systems]. Novosibirsk,
Nauka Publ., 2000. 152 p.
5. Glazunova A.M., Kolosok I.N. Bad
Data Detection by Dynamic State
Estimation for the Case of Low
Redundancy of Measurements.
The International Conference
«EnergyCon». Dubrovnik, Croa-
tia, 2014.
6. Gramer M., Goergens P., Schnet-
tler A. Bad data detection and
Handling in distribution grid state
estimation using artifi cial neural
networks. The International Con-
ference PowerTech, Eindhoven,
Netherlands, 2015.
7. Glazunova A.M., Kolosok I.N., Sy-
emshchikov E.S. Detection of er-
roneous data in the measurement
information by methods of dynamic
state estimation when controlling
smart power system.
Elektrichestvo
[Electricity], 2017, no. 2, pp. 18–27
(in Russian)
8. Do Coutto Filho M.B., de Souza
J.C.S. Enhanced bad data pro-
cessing by phasor-aided state
estimation. IEEE Transactions on
Power Systems, 2014. Vol. 29.
No. 5, pp. 2200–2209.
9. Gol M., Abu A. A modifi ed chi–
squares test for improved bad data
detection. The International Con-
ference PowerTech. Eindhoven,
Netherlands, 2015.
10. Bilar B., Abur A. Bad data process-
ing when using the coupled mea-
surement model and Takahashi’s
sparse inverse method. Innovative
smart grid technologies confer-
ence – Europe. Istland, Turkey,
2014.
11. Gamm A.Z.
Veroyatnostnyye mo -
deli rezhimov elektroenergetiches-
kikh sistem
[Probabilistic models
of power system modes]. Novosi-
birsk, Nauka Publ., 1993. 133 p.
12. Sun Guo-qiang, Wei Zhi-nong,
Pang Bo. Impact of wind generaors
on power system state esti mation.
International Conference on Su-
stain able Power Generation and
Supply. Nanjing, China, 2009.
На прав
ах рек
ламы
№
4 (55) 2019
Оригинал статьи: Контроль качества измерительной информации электроэнергетической системы с ветровыми электростанциями
Под контролем качества измерительной информации понимается процесс классификации измерений на ошибочные и достоверные. В статье разработан метод обнаружения грубых и систематических ошибок в измерениях c низкой избыточностью, имеющих отношение к ветровой электростанции. Метод основан на сравнении оценок активной мощности, полученных при использовании PQ и RX моделей асинхронного генератора в задаче оценивания состояния. При отсутствии ошибок в измерении генерации, вырабатываемой на ветровой электростанции, и в измерении перетока в линии, отходящей от данной станции, эти оценки совпадают.
