Контроль качества измерительной информации электроэнергетической системы с ветровыми электростанциями

Page 1
background image

Page 2
background image

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. 


Page 3
background image

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

— 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


Page 4
background image

62

Скольжение асинхронного генератора (

s

i

   

x

2

) на-

ходится из уравнения, которое входит в систему (9):
 

P

/

 

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


Page 5
background image

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


Page 6
background image

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


Page 7
background image

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


Читать онлайн

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.

Поделиться:

«ЭЛЕКТРОЭНЕРГИЯ. Передача и распределение» № 2(71), март-апрель 2022

О предельных значениях отклонения частоты напряжения генерирующих установок ТЭЦ и гистограммах ее распределения

Учет электроэнергии / Тарифообразование / Качество электроэнергии
Тукшаитов Р.Х. Семенова О.Д. Иванова В.Р.
Спецвыпуск «Россети» № 1(24), март 2022

Эффективность различных мероприятий по повышению качества электрической энергии

Учет электроэнергии / Тарифообразование / Качество электроэнергии
Тимур Данник, Виктория Дубровская (АО «Россети Тюмень» Сургутские электрические сети)
«ЭЛЕКТРОЭНЕРГИЯ. Передача и распределение» № 1(70), январь-февраль 2022

Обзор функциональности интеллектуальных приборов учета электроэнергии «МИРТЕК» с комбинированным GSM-модулем с поддержкой GPRS и NB-IoT

Учет электроэнергии / Тарифообразование / Качество электроэнергии
ГК «МИРТЕК»
«ЭЛЕКТРОЭНЕРГИЯ. Передача и распределение»