电力系统中，随着电网规模的扩大和新能源的渗透，系统结构日趋复杂，量测数据体量也日益庞大。传统集中式状态估计方法存在计算效率低和可靠性差的问题。因此，分层式或分布式状态估计方法成为了研究的热点。本文提出了一种电力系统多区域分布式状态估计方法，旨在通过分布式的策略，提高状态估计的计算效率及可靠性，适应结构更加复杂、数据量更大的电网系统。
分布式状态估计方法的核心是多个区域估计器协同配合，利用各自区域的数据采集与监视控制系统（SCADA）提供的量测数据，进行本地状态估计。在此基础上，各个区域估计器通过平均一致性算法交换信息，获取全局信息，以便进行系统级的状态估计。在此过程中，建立了一个基于拉格朗日乘子法的状态估计模型，将整体状态估计的优化目标进行了有效分解。这允许各区域估计器在只需要少量全局信息的情况下，独立地进行状态估计。为了实现这一过程，设计了一个基于平均一致性的全局信息交换协议。
拉格朗日乘子法是一种数学优化方法，适用于寻找多元函数的极值问题。在电力系统的状态估计中，此方法有助于处理包含大量变量的优化问题，提高求解的效率。平均一致性算法是一种分布式算法，通过多个节点（即区域估计器）之间的信息交换，使得各节点能够就全局信息达成一致。这有助于避免单点故障导致整个系统状态估计失效的风险。
文章提到的其他相关方法包括传统的集中式状态估计方法、分层式状态估计方法以及各种分布式状态估计方法。这些方法在优化目标、计算效率、可靠性以及适用性方面各有优劣。例如，有文献提出的两层结构方法虽然提高了并行估计的效率，但不能利用边界注入量测，降低了系统冗余度。有的文献采用了降阶等效的方法，把子区域等效为“超级节点”，但这样的方案仅在本地状态估计值上叠加相同的修正量，不能对本地结果进行有效的改进。
针对大规模电网的分布式状态估计方法中，有的提出了基于交替方向Richardson乘子法的分布式鲁棒状态估计方法，适用于子区域不完全可观测的情况，但其缺点是各区域估计器间需要交换大量的信息。有的方法则利用有限时间一致性，可以在有限次迭代后收敛到集中式状态估计结果的某个区域内，但该方法仅适用于具有树形拓扑的估计器间局部通信网络。还有的方法基于拉格朗日乘子法，适用于任意局部通信网络拓扑，但要求所有节点安装相量测量装置（PMU），这在实际中可能会受到限制。
文章通过在IEEE14节点和118节点系统中的仿真算例，验证了所提方法的正确性和有效性。仿真结果显示，该分布式状态估计方法相比传统集中式状态估计方法在计算效率和可靠性方面都有显著提升，适用于结构更加复杂、量测数据体量更大的电网。
电力系统多区域分布式状态估计方法能够有效解决大规模电网状态估计的计算效率和可靠性问题。通过分散式的信息处理，减少了对中心节点的依赖，提高了系统的整体性能和稳健性。随着未来电力系统的进一步发展和新能源的更多接入，此类分布式方法将具有广阔的应用前景。
VIP享7折，此内容立减4.47元 
