Ein numerisches Verfahren, das die konsistenteste Schätzung des Netz-Zustands (typischerweise Knoten-Spannungsbeträge und Phasenwinkel) aus einer Menge redundanter, verrauschter Messungen und einem Messmodell berechnet, üblicherweise durch Lösung eines gewichteten Kleinste-Quadrate-(WLS)-Problems unter Betrachtung von Beobachtbarkeit und Erkennung fehlerhafter Messdaten.

Prinzip

State Estimation fusioniert unvollkommene, redundante Messungen mittels eines expliziten Messmodells und statistischer Gewichtung zu einer Best-Fit-Zustandsschätzung, die mit den Netzgleichungen verträglich ist; Redundanz ermöglicht Fehlererkennung, erhöht die Situationswahrnehmung und liefert Eingaben für Regelung und Marktmechanismen.

Demonstration

Illustratives Szenario: Situation — ein Betreiber hat SCADA-Messungen von Spannungsbeträgen und Leistungsflüssen mit Messrauschen. Erkennen — nichtlineare Messfunktionen formulieren, die Zustandsvariablen mit Messungen verbinden, und WLS mit Messvarianzen wählen. Handlung — WLS iterativ (z. B. Gauss–Newton) lösen, Residuenanalyse und Bad-Data-Tests durchführen und geschätzte Knoten-Spannungen und Winkel ausgeben. Folge — der Betreiber erhält eine kohärente Momentaufnahme des Netzes zur Überwachung und Regelung; markierte fehlerhafte Messdaten führen zu Ersatz oder Abgleich der Messungen.

Fehlanwendung

Anzunehmen, Schätzungen seien genau, ohne Beobachtbarkeit zu prüfen oder Bad-Data-Erkennung durchzuführen; der semantische Fehler besteht darin, ein nicht beobachtbares oder schlecht instrumentiertes Netz und ungefilterte grobe Fehler als verlässliche Zustandsinformation zu behandeln, was Sicherheitsbewertungen und Regelaktionen fehlleiten kann.

Konsequenz

Genaue State Estimation verbessert die Situationswahrnehmung, ermöglicht verlässliche Kontingenzanalysen und liefert Eingabedaten für optimalen Dispatch; fehlerhafte Schätzung (falsches Modell, unzureichende Beobachtbarkeit oder unerkannte fehlerhafte Daten) kann zu falschen Regelaktionen, erhöhtem Risiko von Grenzwertverletzungen oder fehlerhaften Marktsignalen führen.

Umkehrung

Wenn hochauflösende synchronisierte Phasor-Messungen (PMUs) in ausreichender Dichte vorliegen, wird lineare Zustandsschätzung im Phasorraum praktikabel und kann die snapshotbasierten WLS-Methoden ersetzen; hingegen erfordern dynamische Zustandsgrößen oder schnelle Transienten dynamische Schätzverfahren oder zeitabhängige Modelle statt statischer Schätzer.

Abgrenzung

Deutlich innerhalb: stationäre Momentaufnahme-Schätzung eines Übertragungsnetzes mit SCADA-Messungen und redundantem Netzmodell. Randfall: hybride Schätzung, die einige PMUs und SCADA kombiniert, wobei partielle Linearisierung die Leistung verbessern kann. Deutlich außerhalb: vollständige dynamische Zustandsschätzung für Generatorinnenzustände und schnelle elektromagnetische Transienten, die andere Modelle und Algorithmen erfordern.

Semantische Spannung

Redundanz ↔ Beobachtbarkeit/Kosten: das Abwägen zwischen Investitionen in Messredundanz und Instrumentierung (Kosten, Telemetrie) zur Gewährleistung verlässlicher Beobachtbarkeit versus Nutzung spärlicher Messungen und Modellannahmen, die Kosten senken, aber Schätzungsrisiken erhöhen.

Synthese

State Estimation verwandelt verrauschte, unvollständige Messungen in eine statistisch gewichtete Best-Fit-Netz-Momentaufnahme; ihr Nutzen hängt von Messqualität, Redundanz und korrekter Modellspezifikation ab, und Betreiber sollten Schätzungen als modellgestützte Inferenzen betrachten, nicht als direkte Messungen.