Power system static and dynamic state estimation methods using heterogeneous measurements

Abstract

Power system state estimation (SE) constitutes an essential function of energy management systems (EMS), enabling operators to maintain a comprehensive awareness of system operating conditions through available field measurements. In the modern transmission sector, two primary measurement technologies are employed, namely the supervisory control and data acquisition (SCADA) system and the wide area monitoring systems (WAMS). The benefits of augmenting conventional SCADA-based SE algorithms with synchrophasor measurements from phasor measurement units (PMUs) – the measurement devices within WAMS – are widely recognized, resulting in numerous methodologies being proposed for hybrid state estimation (HSE), aimed at optimally integrating SCADA and PMU data. Under this premise, this thesis introduces several contributions to the research domain of HSE. Initially, fundamental concepts of static and dynamic SE are elaborated from both mathematical and practical implementation perspectives, followed by an introduction to the principles of HSE. Subsequently, key challenges associated with HSE implementations are identified, accompanied by a comprehensive literature review focusing on novel static and dynamic HSE methods designed to overcome these challenges. Furthermore, a classification of existing methods is proposed based on their scope and underlying mathematical formulations. Subsequently, the main contributions of the thesis are detailed. Firstly, a weighted least squares (WLS)-based static HSE formulation is developed, separately handling SCADA and WAMS measurements. The principal advantages of the proposed method include its modular design and practical applicability, making it particularly suitable for PMU integration into existing SE software through minimal modifications. Moreover, considering the widespread adoption of high-voltage direct current (HVDC) transmission technology, particularly for renewable energy integration and submarine interconnections, modern state estimators must accommodate relevant component models. Accordingly, a model suitable for current source converter (CSC)-HVDC links in static HSE implementations is proposed and validated via numerical simulations involving both SCADA and PMU measurements on the AC side, along with diverse combinations of DC-side measurements. Additionally, the thesis investigates the inclusion of current injection phasors from PMUs in static HSE algorithms, examining how various current measurement configurations – whether flows or injections – influence HSE performance, a topic inadequately addressed in prior literature. Recognizing the increasing complexity and stochastic behavior of contemporary power systems, transitioning toward advanced SE algorithms capable of providing enhanced system visibility and situational awareness becomes imperative. In response, this thesis proposes a hybrid forecasting-aided state estimation (FASE) approach leveraging an extended Kalman filter (EKF) framework. The method supplements existing static state estimators by incorporating additional information derived from the temporal evolution of system states through multi-sensor data fusion, employing a transition model that combines dense, real-time PMU measurements with forecasted state estimates. To address synchronization discrepancies between SCADA and PMU data, a post-processing correction step based on the modified Bryson-Frazier fixed-interval smoothing algorithm is implemented. In the final two chapters, algorithms dedicated to detecting and suppressing bad data within the context of the proposed HSE approaches are formulated. Additionally, practical aspects of the research are demonstrated using a laboratory-scale experimental setup that integrates both commercial and low-cost PMUs with a digital real-time power system simulator, thereby enabling comprehensive testing and validation of synchrophasor-based monitoring and control algorithms.

Η εκτίμηση κατάστασης (State Estimation – SE) συστημάτων ηλεκτρικής ενέργειας (ΣΗΕ) αποτελεί θεμελιώδες εργαλείο των συστημάτων διαχείρισης ενέργειας (Energy Management Systems – EMS), καθώς παρέχει στους διαχειριστές ένα ακριβές στιγμιότυπο των τρεχουσών συνθηκών λειτουργίας του συστήματος, αξιοποιώντας μετρητικά δεδομένα από το πεδίο. Στον τομέα της μεταφοράς ηλεκτρικής ενέργειας χρησιμοποιούνται δύο κύρια συστήματα εποπτείας: τα συστήματα εποπτικού ελέγχου και συλλογής δεδομένων (Supervisory Control and Data Acquisition – SCADA) και τα συστήματα εποπτείας ευρείας περιοχής (Wide Area Monitoring Systems – WAMS). Τα πλεονεκτήματα της ενίσχυσης των συμβατικών αλγορίθμων SE βασισμένων σε μετρήσεις SCADA με συγχρονισμένες μετρήσεις από μονάδες μέτρησης φασιθετών (Phasor Measurement Units – PMUs), οι οποίες αποτελούν τις μετρητικές μονάδες των WAMS, είναι πλέον ευρέως αναγνωρισμένα από τη διεθνή επιστημονική κοινότητα. Υπό αυτό το πρίσμα, η παρούσα διατριβή αποσκοπεί στην ανάπτυξη καινοτόμων μεθόδων υβριδικής εκτίμησης κατάστασης (Hybrid State Estimation – HSE), για την αξιοποίηση αμφότερων των μετρητικών συστημάτων SCADA και WAMS. Αρχικά, αναλύονται οι βασικές έννοιες της στατικής και δυναμικής SE, τόσο όσον αφορά τη μαθηματική διατύπωση όσο και την πρακτική υλοποίησή τους, και κατόπιν γίνεται μια εισαγωγή στην υβριδική εκτίμηση κατάστασης. Παρουσιάζονται οι κυριότερες προκλήσεις που ανακύπτουν στις υλοποιήσεις HSE και πραγματοποιείται εκτενής βιβλιογραφική ανασκόπηση στατικών και δυναμικών μεθόδων HSE που τις αντιμετωπίζουν αποτελεσματικά. Επιπλέον, προτείνεται μια κατηγοριοποίηση των μεθόδων βάσει του σκοπού τους και της μαθηματικής τους θεμελίωσης. Η πρώτη συνεισφορά της διατριβής στις στατικές μεθόδους HSE αφορά τη διατύπωση ενός αλγορίθμου σταθμισμένων ελαχίστων τετραγώνων (Weighted Least Squares – WLS) που επεξεργάζεται ξεχωριστά τις μετρήσεις από SCADA και WAMS. Η προτεινόμενη μέθοδος αποτελείται από δύο διαδοχικά στάδια εκτίμησης, ένα για κάθε μετρητικό σύστημα, καθιστώντας την κατάλληλη για αναβάθμιση του υπάρχοντος λογισμικού SE με ελάχιστες τροποποιήσεις. Επιπλέον, με γνώμονα την εκτεταμένη ενσωμάτωση τεχνολογιών μεταφοράς υψηλής τάσης συνεχούς ρεύματος (High Voltage Direct Current – HVDC), ιδίως για τη διασύνδεση ανανεώσιμων πηγών ενέργειας και την ανάπτυξη υποθαλάσσιων διασυνδέσεων, προτείνεται ένα ισοδύναμο μοντέλο για κλασικές συνδέσεις HVDC με μετατροπείς πηγής ρεύματος (Current Source Converter HVDC – CSC HVDC) κατάλληλο για στατική υβριδική εκτίμηση κατάστασης. Η εγκυρότητά του επαληθεύεται μέσω αριθμητικών προσομοιώσεων που αξιοποιούν μετρήσεις εναλλασσόμενου ρεύματος (AC) από το σύστημα SCADA και από PMU, καθώς και διάφορους συνδυασμούς μετρήσεων στην πλευρά του συνεχούς ρεύματος (DC). Τέλος, γίνεται μια πρώτη διερεύνηση της επίδρασης των διαφορετικών πιθανών σχημάτων μέτρησης φασιθετών ρεύματος μέσω PMU – με τη μορφή ροών ή εγχύσεων – στη σύγκλιση και την ακρίβεια της HSE, ζήτημα που δεν έχει μελετηθεί επαρκώς στη βιβλιογραφία, τόσο σε δίκτυα διανομής, όσο και σε συστήματα μεταφοράς. Λόγω της αυξημένης πολυπλοκότητας και στοχαστικότητας των σύγχρονων ΣΗΕ, η μετάβαση σε προηγμένους αλγόριθμους εκτίμησης κατάστασης που προσφέρουν βελτιωμένη επίγνωση κατάστασης (situational awareness), δεν αποτελεί απλώς μια αναμενόμενη εξέλιξη, αλλά αναγκαιότητα. Συνεπώς, ο δεύτερος ερευνητικός άξονας της παρούσας διατριβής εστιάζει στην ανάπτυξη μιας μεθόδου εκτίμησης κατάστασης πολλών σταδίων (multi-stage) υποστηριζόμενης από πρόβλεψη (Forecasting-Aided State Estimation – FASE) βασισμένης στο επεκτεταμένο μαθηματικό φίλτρο Kalman (Extended Kalman Filter – EKF). Στο πλαίσιο της μεθόδου, διαμορφώνεται ένα μοντέλο μετάβασης καταστάσεων (state transition model) που ενημερώνεται συνεχώς με δεδομένα πραγματικού χρόνου από PMU, βασιζόμενο στη θεωρία βέλτιστης σύντηξης δεδομένων από πολλαπλούς αισθητήρες (multi-sensor data fusion theory). Με σκοπό την αντιμετώπιση του ζητήματος της έλλειψης συγχρονισμού μεταξύ των μετρήσεων SCADA και WAMS, η προτεινόμενη μέθοδος ενσωματώνει ένα επιπλέον βήμα εξομάλυνσης στη διαδικασία FASE, βασισμένο στον αλγόριθμο εξομάλυνσης σταθερού διαστήματος (fixed-interval smoothing algorithm) Bryson-Frazier. Στη συνέχεια, καθώς ο εντοπισμός και η ανίχνευση εσφαλμένων μετρήσεων (bad data) αποτελούν αναπόσπαστο κομμάτι των εκτιμητών κατάστασης, γίνεται ανάπτυξη αλγορίθμων επεξεργασίας εσφαλμένων δεδομένων, στο πλαίσιο των προτεινόμενων μεθόδων HSE, με χρήση του ελέγχου μεγίστων κανονικοποιημένων υπολοίπων (Largest Normalized Residual Test – LNRT). Τέλος, πρακτικές πτυχές της παρούσας έρευνας αναδεικνύονται μέσω της υλοποίησης εργαστηριακής διάταξης στο Εργαστήριο ΣΗΕ του Τομέα Ηλεκτρικής Ισχύος του ΕΜΠ, η οποία αποτελείται από εμπορικές συσκευές PMU, PMU χαμηλού κόστους και ψηφιακό προσομοιωτή ηλεκτρικών δικτύων, και καθιστά δυνατή τη δοκιμή και αξιολόγηση εφαρμογών εποπτείας και ελέγχου που βασίζονται σε συγχρονισμένα δεδομένα φασιθετών. Η διδακτορική διατριβή ολοκληρώνεται με μια ανακεφαλαίωση των σημαντικότερων συμπερασμάτων που προέκυψαν από την πολυετή αυτή έρευνα, ενώ παρέχονται και ενδεχόμενες κατευθύνσεις για μελλοντική διερεύνηση, γύρω από τις τεχνικές εκτίμησης κατάστασης που αξιοποιούν ετερογενή μετρητικά δεδομένα.