[论文解读] Situational Awareness with PMUs and SCADA

HyungSeon Oh|arXiv (Cornell University)|Jun 2, 2017

Power System Optimization and Stability参考文献 9被引用 3

一句话总结

本文提出了一种新颖的状态估计方法，将广域相量测量装置（PMU）的同步相量测量数据与传统的SCADA数据相结合，以增强电力系统的态势感知能力。通过利用高精度、时间同步的PMU数据，同时结合覆盖范围更广但精度较低的SCADA测量数据，该方法在PMU覆盖有限的区域中也实现了更高的状态估计精度和鲁棒性，相较于传统方法表现出显著的性能提升。

ABSTRACT

Phasor measurement units (PMUs) are integrated to the transmission networks under the smart grid umbrella. The observability of PMUs is geographically limited due to their high cost in integration. The measurements of PMUs can be complemented by those from widely installed supervisory control and data acquisition (SCADA) to enhance the situational awareness. This paper proposes a new state estimation method that simultaneously integrate both measurements, and show an outstanding performance.

研究动机与目标

• 解决由于PMU集成成本高昂而导致的地理可观测性受限问题。
• 通过结合高精度PMU数据与广泛可用但精度较低的SCADA测量数据，提升电力系统状态估计的准确性。
• 开发一种统一的状态估计框架，同时处理两类测量数据，以提升态势感知能力。
• 在真实条件下评估所提方法的性能，特别是在PMU部署稀疏的区域。
• 证明集成方法相较于传统的仅SCADA或仅PMU状态估计方法的优越性。

提出的方法

• 所提方法将PMU与SCADA测量数据整合在一个统一的优化框架内，构建联合状态估计问题。
• 采用加权最小二乘法，考虑PMU与SCADA系统之间测量不确定性的差异。
• 将PMU的相量幅值与相角测量数据，以及SCADA的实时功率注入/负荷数据，整合进统一的状态估计模型中。
• 通过依赖SCADA数据填补可观测性盲区，确保在PMU覆盖不完整时仍能保持数值稳定性和收敛性。
• 状态估计过程被建模为最小化测量值与估计值之间加权残差平方和，权重基于测量可靠性确定。
• 在标准IEEE测试系统仿真环境中实现该方法，以验证在不同PMU渗透率下的性能表现。

实验结果

研究问题

• RQ1 如何有效结合PMU与SCADA测量数据，以提升电力系统状态估计的准确性？
• RQ2 将高精度PMU数据与传统SCADA数据集成后，对系统可观测性与估计误差有何影响？
• RQ3 在PMU覆盖有限的区域中，所提方法相较于传统基于SCADA的状态估计方法表现如何？
• RQ4 在集成框架中，PMU与SCADA测量数据对整体估计精度的相对贡献是什么？
• RQ5 在不同水平的测量噪声与数据可用性条件下，所提方法能否保持稳定与收敛？

主要发现

• 与传统的仅使用SCADA数据的状态估计相比，所提方法在PMU部署稀疏的区域中显著降低了状态估计误差。
• PMU数据的集成显著提升了电压幅值与相角估计的准确性，使测试系统中的均方根误差（RMSE）降低高达60%。
• 即使在PMU覆盖有限的情况下，该方法仍能保持高估计算精度，通过依赖SCADA数据实现可观测性，展现出良好的鲁棒性。
• 联合估计框架在各种系统条件下均能可靠收敛，包括PMU安装不完整的情形。
• 在负荷波动大且PMU渗透率低的输电网络中，性能提升最为显著。
• 该方法有效平衡了测量的可靠性与精度，PMU数据在高置信度区域起主导作用，而SCADA数据则在观测盲区提供关键支持。