基于矩阵级清洗的电力系统状态估计改进

电力系统状态估计严重受到测量误差的影响，这些误差来自测量仪器的噪声、通信噪声以及一些不明确的随机性。传统的加权最小二乘（WLS）作为最普遍的状态估计方法，试图最小化测量值与测量变量估计值之间的残差，但无法处理测量误差。为解决该问题，本文基于随机矩阵理论，提出一种数据驱动的方法在矩阵级清洗测量误差。我们的方法显著降低了测量误差的负面影响，并结合 WLS 提出了两阶段状态估计方案。在该方法中，构造一个 Hermitian 矩阵以建立测量值特征值与其协方差矩阵之间的可逆关系。将随机矩阵工具与优化方案相结合，通过收缩协方差矩阵的特征值来清洗测量误差。该方法具有极强的鲁棒性和通用性，特别适用于大型互联电网。我们使用不同的测试系统、多种测量噪声模型以及矩阵规模比，从数值上对所提方法进行了评估。