基于PMUSCADA量测数据的配电网状态估计方法研究的任务书.docx

基于PMUSCADA量测数据的配电网状态估计方法研究的任务书
任务书
任务名称：基于PMUSCADA量测数据的配电网状态估计方法研究
任务背景：
当前，随着智能电网的逐步推进，电力系统的保护、控制、管理等各个方面都处于快速发展之中。其中，配电网作为系统的最后一级，其运行状态对电力供应的质量和可靠性有着至关重要的影响。而为了更好地掌握配电网的实时运行情况，配电网状态估计技术变得越来越重要。目前，配电网状态估计技术主要基于EMA/SCADA系统实时采集的数据进行估计，但这些数据很难达到高精度、高时空分辨率等要求。
而PMUSCADA数据则是一种基于PMU技术及SCADA数据融合的新型数据，可以提供全面、快速、高精度、高时空分辨率的电力系统运行信息，更适合配电网状态估计的需求。因此，本次任务旨在探讨基于PMUSCADA量测数据的配电网状态估计方法。
任务目标：
1.掌握PMUSCADA数据的采集、处理、存储等基础知识，了解其优缺点；
2.系统分析配电网状态估计技术的现状与发展趋势；
3.结合PMUSCADA数据，研究配电网状态估计方法，建立地域特征化的模型；
4.根据配电网状态估计模型，对PMUSCADA数据进行实时监测和分析，实现配电网状态估计；
5.复现与验证所得状态估计数据，评估模型的准确性和可靠性。
任务内容：
1.调研PMUSCADA数据采集、处理、存储等基础知识，以及配电网状态估计技术的现状与发展趋势，撰写综述文献。
2.基于PMUSCADA数据特征化，研究配电网状态估计方法，建立模型。
3.设计并编写状态估计程序，对PMUSCADA数据进行实时监测和状态估计分析。
4.根据复现的状态估计数据，评估模型的准确性和可靠性，并和现有EMA/SCADA系统实现的状态估计进行对比分析。
5.编写任务报告，并撰写相关学术论文。
任务计划：
任务启动时间：2022年1月1日
初期任务（1-3月）：
1.深入学习PMUSCADA数据采集、处理、存储等基础知识，以及现有配电网状态估计技术的现状与发展趋势；
2.建立基于PMUSCADA数据特征化的配电网状态估计方法研究框架；
3.设计并实现状态估计程序，对PMUSCADA数据进行实时监测和状态估计分析。
中期任务（4-6月）：
1.根据所得的数据和模型，完成实验室实际场景中的状态估计试验；
2.验证所得状态估计数据，评估模型的准确性和可靠性。
后期任务（7-12月）：
1.对实验和测试所得数据进行进一步分析，与现有EMA/SCADA系统实现的状态估计进行对比分析；
2.撰写任务报告，并撰写相关学术论文；
3.结束任务。
任务参与人员及任务分工：
1.甲方：电力公司配电部门，承担任务的组织协调工作。
2.乙方：研究团队，承担任务的具体实施工作。
3.任务分工：
研究团队成员：
成员1：主攻PMUSCADA数据处理和配电网状态估计技术研究工作，主持任务实施。
成员2：主攻模型的设计与实现，开展状态估计程序设计和实现工作。
成员3：主攻数据处理和实验部署、质量评估工作。
成员4：参与任务调研、文献撰写、数据分析等工作。
总体来看，任务由甲乙双方协同完成。具体分工详见团队内部协商。
任务成果：
1.任务报告：对任务涉及的理论分析、实验过程、结果分析等进行详细记录和梳理，形成任务报告。
2.学术论文：针对任务实施过程中所解决的科学问题和所取得的研究成果，撰写不少于两篇学术论文，投稿国内外权威学术期刊。
3.研究成果：开发出基于PMUSCADA数据的配电网状态估计方法，并形成相关计算程序。