基于深度神经网络伪量测建模的交直流混合配电网交替迭代法状态估计

当前配电网状态估计面临的一个突出问题是实时量测数量不足,难以实现全网可观性。为了给配电管理系统提供准确的基础数据,提出一种基于深度神经网络伪量测建模的交直流混合配电网交替迭代状态估计方法。首先,建立电压源换流器的稳态模型和混合配电网的实时量测模型;然后,利用历史量测数据对深度神经网络进行离线训练,建立负荷节点注入功率的伪量测模型;最后,对交流区域和直流区域进行交替迭代状态估计,在交替过程中区域间交换VSC支路状态量的估计值,保证了边界状态量的一致性。算例测试结果表明,所提方法能在实时量测覆盖率低的情况下,准确估计混合配电网的状态值。     

深度学习辅助的区域交直流配电网区间状态估计

针对区域交直流混合配电网中实时量测覆盖率低、量测误差分布具有不确定性的问题,提出了基于深度神经网络(DNN)伪量测建模的交直流配电网区间状态估计方法。该方法首先对DNN进行离线训练,然后将实时量测数据和电压源换流器控制的变量值作为DNN的输入特征,建立伪量测模型;接着,在实时量测更新时,利用已训练好的DNN快速生成伪量测;最后,对伪量测和实时量测的不确定性采用区间形式建模并进行区间状态估计,进而准确监测交直流系统状态。算例仿真结果表明,所提方法能够避免对量测误差的概率分布进行假设,并且能够在低冗余量测配置或量测缺失时,准确获得交直流配电网状态变量的上下界信息。     

基于脉冲神经网络伪量测建模的配电网三相状态估计

为了给配电网管理系统提供全面准确的实时数据,配电网三相状态估计显得尤为重要。针对当前配电网量测信息不足,提出了基于脉冲神经网络(SNN)伪量测建模的配电网三相状态估计。该方法首先将实时和部分历史支路功率量测输入SNN进行伪量测建模,然后由高斯混合模型生成相应的量测误差,最后进行基于加权最小二乘法的配电网三相状态估计。理论分析和算例验证表明,所提模型不仅能够在正常通信时有效提高配电网状态估计精度,而且能在通信故障时保证估计精度在合理范围内,进而为配电网的运行控制提供参考依据。     

基于多时间尺度状态估计的配电网实时态势预测

为有效提升泛在电力物联网建设过程中的配电网运行安全感知能力,提出了一种基于多时间尺度状态估计的配电网实时态势预测方法,该方法可实现对配电网安全态势的快速、准确预测。首先,基于多元混合量测提出了多时间尺度递归动态状态估计方法,通过状态预测与伪量测递归变换改进了已有的量测线性等效变换方法,缩短了状态更新周期,在递归变换算法中添加了校正算法以消除伪量测波动误差,提高了状态估计算法的计算速度。然后基于状态估计得到历史估计状态,采用分区多元时间序列分析方法建立了实时状态预测模型,实现了配电网的实时安全性态势预测。最后在Matlab仿真平台中基于实际算例对所提方法进行了分析,结果验证了所提配电网实时态势预测方法的准确性和有效性。     

基于多准则分区和WLS-PDIPM算法的有源配电网状态估计

针对复杂有源配电网三相不平衡状态估计计算速度较慢与计算精度较低的问题,提出了一种基于多准则分区和基本加权最小二乘法—原对偶内点法(WLS-PDIPM)混合算法的状态估计方法。基于对有源配电网中实时量测、虚拟量测和伪量测的配置分析,建立了适用于复杂有源配电网状态估计的多准则分区优化模型,该模型综合考虑了分区后各子区域规模均衡、量测冗余度均衡及伪量测平均误差均衡。通过高级量测体系(AMI)全量测点实现各子区域完全解耦,有效减小了系统规模和雅可比矩阵阶数。所提方法将WLS与PDIPM的优点相结合,在提高算法精度的同时减少了计算时间。仿真算例结果表明所提方法可实现对复杂有源配电网的合理分区,有效提高了状态估计的计算速度与求解精度。     

基于深度信念网络伪量测建模的配电网状态估计

针对配电网实时量测不足需要增加伪量测以提高量测冗余度的情况,提出基于深度信念网络(DBN)伪量测建模的配电网状态估计方法。利用多种类型负荷的历史数据及对应温度、日期类型对DBN进行训练,训练完成后输入测试数据得到精度较高的伪量测;基于改进的等效电流量测变换法进行配电网状态估计,以线性约束的形式处理虚拟量测。仿真结果验证了所提方法的有效性。     

计及AMI的配网分层状态估计及伪量测计算北大核心CSCD

针对高级量测体系AMI(advanced metering infrastructure)带来的新的实时量测数据,提出一种改进的智能配电网状态估计方法,以AMI量测节点作为边界节点对配电网进行分层,将系统解耦为若干子区域实现并行计算。再在配网系统解耦的基础上,提出基于子区域负荷分配系数预测的节点负荷伪量测生成方法。最后,将IEEE33标准配电系统配置5个AMI量测节点,对其进行分层状态估计,并生成节点负荷伪量测数据。结果表明:与整体估计相比,分层状态估计方法在保证高精度的前提下提高了计算速度;生成的伪量测数据精度优于负荷预测得到的伪量测数据。     

计及AMI的配网分层状态估计及伪量测计算

针对高级量测体系AMI(advanced metering infrastructure)带来的新的实时量测数据,提出一种改进的智能配电网状态估计方法,以AMI量测节点作为边界节点对配电网进行分层,将系统解耦为若干子区域实现并行计算。再在配网系统解耦的基础上,提出基于子区域负荷分配系数预测的节点负荷伪量测生成方法。最后,将IEEE33标准配电系统配置5个AMI量测节点,对其进行分层状态估计,并生成节点负荷伪量测数据。结果表明:与整体估计相比,分层状态估计方法在保证高精度的前提下提高了计算速度;生成的伪量测数据精度优于负荷预测得到的伪量测数据。     

配电网状态估计的全局灵敏度分析及应用

在配电网状态估计中,量测装置配置不齐全,通常引入伪量测来满足系统的可观性要求。考虑到量测数据有一定的误差以及伪量测与真实值之间可能存在偏差,配电网状态估计的量测和伪量测存在不确定性,这会影响配电网状态估计的准确性。文中提出了配电网状态估计的全局灵敏度分析方法,辨识影响状态估计精度的关键(伪)量测不确定性因素及其位置;利用稀疏多项式混沌展开计算全局灵敏度指标,以提高全局灵敏度分析的计算效率;建立了基于不确定性因素重要性排序的量测装置布点方法。采用IEEE 33节点配电网进行仿真,通过与常用方法进行比较,验证了所提方法的有效性。该方法克服了传统状态估计灵敏度分析方法的不足,能有效评估(伪)量测不确定性因素的交互作用对状态估计的影响;此外,基于全局灵敏度分析的量测装置布点方法能显著提高配电网状态估计精度。     

三阶段式交直流混合主动配电网三相区间状态估计

为了解决主动配电网由于采用大量伪量测而使得各节点量测质量差别大且伪量测很难给出概率密度分布,只能给定误差量测区间的问题,提出一种三阶段式区间状态估计方法来过滤主动配电网中的量测生数据。首先,通过第一阶段的混合整数线性规划坏数据辨识模型,对模型中极其粗糙的坏数据进行第一阶段的剔除;然后,建立第二阶段更精确的坏数据辨识模型,由于该问题属于混合整数非线性规划问题,其对初值敏感,且求解困难,因此将第一阶段模型的计算结果作为初值,以提高第二阶段的计算效率;最后,进行基于非线性规划模型的区间状态估计。通过3节点和13节点主动配电网系统进行仿真分析,结果表明,所提的三阶段区间状态估计方法既能提高状态估计计算效率,又能保证计算结果的精度。     

三相不平衡下交直流配电网状态估计

基于电压源型换流器(VSC)的柔性直流技术被越来越多地运用到配电网中,需要对含VSC的三相不平衡交直流配电网进行准确的状态估计,而配置相量测量单元(PMU)的测量数据是实现配电网准确状态估计的有效手段。首先,提出了考虑配电网三相不平衡特性的交直流配电网状态估计模型,采用加权最小绝对值法进行状态估计;其次,进行PMU测量数据的线性描述,给出了PMU及数据采集与监控(SCADA)系统的混合测量方程,并将多种交直流设备在测量方程中统一描述;最后,在三相不平衡的IEEE 33节点交直流配电网算例上,验证了所提方法的有效性和实用性。     

含VSC- HVDC的交直流混合系统状态估计

针对以电压源换流器(VSC)为基础的新一代高压直流输电(HVDC),对含VSC-HVDC的交直流混合系统进行静态状态估计.介绍了VSC-HVDC的稳态模型.通过确定交直流混合系统的量测函数、状态变量和雅可比矩阵,建立了含VSC-HVDC的交直流混合系统的状态估计模型;在基本加权最小二乘状态估计算法的基础上,提出了含VSC-HVDC的交直流混合状态估计同时迭代求解法:对经过修改的IEEE 14、IEEE30、IEEE 57节点系统算例进行仿真,从算法的估计误差、迭代次数和计算速度等方面验证了算法的有效性和实用性.     

含电压源换流器的交直流混联电网状态估计快速解耦法

多端柔性直流输电技术的发展迫切需要改进和完善现有的状态估计算法以支撑调度系统应用。根据含多端柔性直流的交直流混联系统状态估计模型的结构特点,提出了一种含电压源换流器的交直流电网快速解耦状态估计算法。在传统交流状态估计模型上扩展了柔性直流电网模型,并根据交直流系统的稳态物理特性按有功、无功类对交直流量测和状态量进行分类,在保留系统耦合关系的基础上忽略雅可比矩阵中的某些次要因素,通过正常工况下的矩阵元素常数化,从而实现交直流系统的快速解耦估计计算。通过含3端柔性直流系统的IEEE 14和IEEE 118节点交直流系统算例仿真,验证了算法的有效性和实用性。     

A distribution system state estimator accommodating large number of ampere measurements

This paper presents a three-phase state estimation method for distribution network which can accommodate large number ampere measurements and voltage measurements. In this method, the power on sending end of branch and the square of branch current magnitude are chosen as the state variables. Therefore, measurement functions of ampere and voltage measurements are significantly simplified and no measurements transformation is needed in this method. Furthermore, a novel robust state estimation model is presented, which can suppress bad data automatically. The observability analysis indicates the proposed method can be used in distribution system with very limited measurements. Numerical tests on radial and weak-meshed network show the real-time branch current measurements can significantly improve the accuracy of estimation results.