Power system state estimation : a new mathematical approach to solution and bad data analysis with uncertainty in measurements and network parameters

Nowadays, the power system State Estimation (SE) represents one of the most important applications for any Energy Management System (EMS) whose performances depend on the accuracy of available input data. The SE, for transmission systems is defined as an overdetermined problem in which the number of measurements is greater than the number of unknown state variables (measurement redundancy). Traditionally, the network topology and the network parameters are assumed as perfectly known, taking into account the measurement accuracy as the only source of uncertainty in the measurement model. In this first case, the solution approach to find out the state is based on Weighted Least Square (WLS) method. In practise, the outputs are the estimates of state and measurement residuals. These lasts, eventually, allow to detect and identify gross error among the input measurement set. However, it is important to consider also the network parameter finite accuracy as a further and higher source of uncertainty. Therefore, the inconsistency in the traditional adopted model, driving to employ another one capable to cope with the network parameter uncertainty. In this second case, the solution approach to find out the state is based on the named Extended Weighted Least Square (EWLS) method. In practise, the outputs are the estimates of state, measurement and network parameter residuals. These lasts, eventually, allow to detect and to identify gross error among the input data set (measurements and/or network parameters). In consequence of the intrinsic SE problem definition and solution, the bad data analysis is not always effective because of the lack of residual observability, that implies the reduction of the identification capability. The goal of this work is to provide a novel and innovative approach that, taking into account the residual observability problem, allows to correctly perform the bad data analysis, identifying gross error in the input data (measurements and/or network parameters). Different case studies are done on a simple three buses power system, in order to numerically show the performances of the proposed approach.

Oggigiorno, la stima dello stato nei sistemi elettrici di potenza, rappresenta una delle più importanti applicazioni per ogni Energy Management System (EMS), le cui performance dipendono dall'accuratezza dei dati disponibili in ingresso. Il problema della stima dello stato è definito, nei sistemi di trasmissione, come un problema sovradeterminato in cui, il numero delle misure è maggiore del numero delle variabili di stato incognite (ridondanza delle misure). Tradizionalmente, la topologia e i parametri di rete sono assunti come perfettamente noti, considerando finita l'accuratezza delle misure come unica fonte di incertezza nel modello di misura. In questo primo caso, l'approccio risolutivo per ricavare lo stato, è basato sul metodo dei Weighted Least Squares (WLS). In pratica, i risultati dello stimatore sono le stime dello stato e dei residui delle misure. Questi ultimi permettono, eventualmente, di identificare errori grossolani nelle misure in ingresso. Comunque, è inoltre importante considerare finita l'accuratezza dei parametri di rete, come ulteriore e più rilevante fonte di incertezza nel modello di misura. Quindi, l'inconsistenza del modello tradizionale adottato, guida verso l'impiego di uno che possa includere l'ulteriore fonte di incertezza nei parametri di rete. In questo secondo caso, l'approccio risolutivo per ricavare lo stato, è basato sul metodo nominato Extedend Weighted Least Squares (EWLS). In pratica, i risultati sono le stime dello stato, dei residui delle misure e dei parametri di rete. Questi ultimi permettono, eventualmente, di identificare errori grossolani nel set di dati in ingresso (misure e/o parametri di rete). In conseguenza alla definizione del problema, sia per il WLS che per il EWLS, l'analisi dei bad data non è sempre efficace a causa della mancanza di osservabilità dei residui stimati, che implica una riduzione nella capacità di identificazione. L'obiettivo di questo lavoro è fornire un originale e innovativo approccio che, tenendo conto del problema dell'osservabilità dei residui, permetta di eseguire correttamente l'analisi dei bad data, identificando errori grossolani che possono essere presenti nei dati in ingresso (misure e/o parametri di rete). Sono illustrati diversi casi di studio, eseguiti su un semplice sistema di potenza a tre nodi, in modo da mostrare numericamente le prestazioni del nuovo approccio proposto.