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。     

用于配电网分布式抗差状态估计的自动分区

网络分区是进行配电网分布式状态估计的基础。分析配电网的网络结构特点,从各分区计算量均衡的角度出发,借助图论中网络的快速搜索能力,通过编程对配电网进行自动分区,从而实现状态估计的并行计算。为改善状态估计算法的抗差性,采用指数表达的权重系数,在迭代过程中降低不良数据在目标函数中权重值,从而减少不良数据对目标函数和估计结果的影响。这种基于分区的配电网分布式抗差状态估计算法可以实现对配电网的自动合理分区,有效地提高状态估计的计算速度,改善了算法对量测量的抗差性。通过IEEE-118节点算例的计算分析,说明了算法的可行性。     

基于联络线扩展区域分解协调的分布式并行状态估计

为适应互联电网日益复杂的结构形式和分层分区管理模式,采用联络线分区解耦方式对互联系统进行分布式状态估计计算。考虑到估计计算精度与计算效率的均衡,提出了一种将联络线扩展区域状态估计和灵敏度矩阵协调算法结合的分布式状态估计算法。设计分布式状态估计整体思路,一方面,在实现联络线分区解耦的前提下,完成分区层各子区独立状态估计计算和灵敏度矩阵求解,利用子区计算时机动态构建协调层联络线估计区域并完成并行状态估计计算;另一方面,根据协调层下发的联络线估计值和灵敏度矩阵,分区层各子区并行实现边界估计值不匹配量的协调修正计算。最后,通过IEEE 118节点、IEEE 30节点和实际互联电网的模拟仿真,验证上述算法实现分布式状态估计计算的优越性。仿真结果表明,采用该算法进行分布式估计计算,既具有较高的估计精度、收敛速度和计算效率,又可实现并行独立计算,避免集中式状态估计计算规模大、无法解决局部不可观测或不收敛的瓶颈问题。     

基于AMI全量测点分区的配电网动态状态估计方法

针对传统配电网三相不平衡动态状态估计存在计算速度较慢且估计精度较低的问题,提出了一种基于高级量测体系(AMI)全量测点分区的配电网的动态状态估计方法。以AMI全量测点作为配电网分区节点,提出综合3个指标的分区目标函数对配电网进行分区,可对子区域进行完全解耦,缩小系统规模;并通过所提数据融合框架进行多尺度量测数据的融合,以远程终端单元量测周期为基准,融合量测周期较长的AMI量测数据,对非AMI量测时刻的系统状态进行跟随。提出一种基于子区域数据融合方法的高精度集合卡尔曼滤波算法,采用协方差膨胀法改进滤波发散的问题。算例仿真结果表明所提方法有效地提高了配电网动态状态估计的计算速度和估计精度。     

基于一致性理论的多区域电力系统分布式状态估计

随着电网规模不断扩大,传统集中式状态估计方法的数据通信与存储任务重、计算量大,难以满足现代电力系统状态估计需求。在计及系统状态估计非线性的基础上,将电力系统划分为若干个不重叠的子区域,并利用拉格朗日乘子法对状态估计方程进行解耦,建立电力系统多区域非线性状态估计模型。基于一致性理论建立全分布式状态估计方法对模型进行求解,该方法无需状态估计控制中心,只需各子区域交换一致性变量和边界节点的状态变量信息,各子区域便可平行独立地计算本地状态变量估计值,较集中式状态估计均衡了通信及计算负担。IEEE 14节点系统仿真结果验证了所提分布式状态估计方法的有效性。     

考虑虚假数据注入攻击的有源配电网分布式状态估计

状态估计作为保障电网监测数据质量的关键一环,为能量管理系统提供可靠的数据基础。考虑到有源配电网量测误差大、易遭受网络攻击等问题,本文研究计及虚假数据注入攻击的有源配电网分布式状态估计方法。首先,各子区域根据自身量测进行状态估计,并利用平均一致性算法获取全局信息对内部状态量进行修正,实现完全分布式状态估计;其次,在子区域状态估计中引入权函数动态修正目标极值函数的权重矩阵,增强状态估计的抗差性能;然后,在边界节点和易受到虚假数据注入攻击的节点配置同步相量测量单元,提高辨识虚假数据攻击的能力;最后,利用IEEE 118节点配电网系统进行算例仿真验证。试验结果表明,本文所提出的状态估计方法不仅可以有效减小估计误差,还能准确辨识虚假数据注入攻击,提高了状态估计的精度和虚假数据注入攻击的辨识能力。     

基于分区解耦的配电网状态估计的分布式并行计算

以全量测配置为边界对配电网馈线进行解耦分区,把分区作为独立的分析单元对状态估计进行分块处理,并采用基于支路电流的量测变换技术对配电网的单分区进行状态估计。同时,构建了分布式并行计算的分层结构,引入基于消息中间件ZeroMQ技术,采用不同类型套接字的组合实现分布式系统内部的N-N高效通信。并在分布式并行计算平台上以分区状态估计为子任务,实现全网状态估计的分布式并行计算。算例分析表明：在配电网规模达到500节点及以上时,采用所提出的状态估计分布式架构进行计算具有明显的速度优势。     

基于交替方向乘子法的分布式双线性状态估计

提出了一种计及数据采集与监控(SCADA)系统和相量测量单元(PMU)混合量测的电力系统多区域分布式状态估计的新方法。首先假设量测模型是线性的,以扩展子区域法进行分区,所得到的扩展子区域包含了相邻区域的边界母线。然后采用广泛应用于分布式计算的交替方向乘子法(ADMM)求解,由于各子区域间仅需交换边界母线状态量信息,无需中央协调侧,因而保留了各子区域的独立性。随后基于SCADA系统和PMU混合量测的双线性模型,将传统的非线性加权最小二乘(WLS)估计转化为三阶段问题,第1、第3阶段为线性WLS估计(各子区域由ADMM分布式求解);第2阶段为一步非线性变换(各子区域可独立变换)。双线性理论与ADMM技术的结合,保证了分布式状态估计的收敛性,同时也提高了计算效率。最后,算例测试部分从多个方面论证了所述方法相比于现有方法的优越性。     

含高渗透率分布式光伏配电网的网络分区与电压协调控制

为了解决大规模分布式光伏并网导致的电压越限问题,提出一种含高渗透率分布式光伏配电网的网络分区与电压协调控制方法。首先根据改进的模块度函数分区算法将配电网划分为若干分区。再以光伏有功削减量、节点电压偏差和网损之和最小为目标构建各分区子优化控制模型。然后,根据区内信息采集和区间信息交互,采用同步交替方向乘子法协调求解各分区的子模型,经过多次迭代后将最优解输出,实现各分区并行控制。最后,将分区方法和电压控制策略应用于贵州省某地实际馈线系统,得到了良好的效果,在保证配电网经济运行的同时提高电压质量,减少功率倒送。     

基于伪量测型协调变量的分布式状态估计算法

电力系统状态估计在实际工程中通常由各控制中心采用区域状态估计模式独立完成。考虑到在电网分层分区的控制管理模式下,多样化的电网信息本身就是按照分层分区的分布式模式采集的,分布式状态估计无疑是更加适应该体系的状态估计运行模式。利用集中式优化问题的一阶KKT条件分解技术,实现状态估计任务的分解。为保证在边界上相邻分区状态估计结果的一致性,引入描述边界协调项的等式约束。另外,将上述边界等式约束处理成零功率注入伪量测,以简化分区之间的数据交换,便于重用已有状态估计器。为了尽最大可能维持各个分区计算的独立性,该文给出了协调侧Lagrangian函数梯度的两步式计算方法,并结合Newton-GMRES算法完成求解。最后,通过IEEE标准系统的测试,验证了所提方法的有效性。     

电力系统分区和解耦状态估计研究综述

电力系统状态估计已经成为电网EMS/DMS监测与控制的核心功能之一。有效的状态估计方法可以提高状态估计的精度、提升计算效率及改善估计结果的数值稳定性。首先介绍了当前电网分区准则,分析了各类分区方法需要研究的核心问题,并对基于网络拓扑和地理位置、AMI、MAS的电力系统分区状态估计的优缺点进行评述。然后从提高区域内部输配电网计算速度角度,指出基于快速解耦和相序解耦方法是处理当前三相平衡与三相不平衡系统的状态估计的有效解决方案。最后总结了分区和解耦状态估计研究存在的问题,并对今后进一步的研究方向提出建议。     

基于神经网络的状态估计方法研究

智能电网建设的快速推进,导致状态估计算法所处理的数据量急剧增加。串行状态估计算法求解速度慢,无法满足电力系统实时分析的要求;而并行状态估计方法需要大规模计算集群的支持,会占据大量的硬件资源并产生高能耗。为解决上述问题,提出一种基于神经网络的状态估计方法。该方法以离线方式搭建并训练神经网络。在状态估计的实际计算中,以神经网络的前向计算代替传统算法中的迭代最小二乘拟合,从而大幅减少状态估计算法的执行时间。由于神经网络的前向计算所需时间很短,即使处理大规模电网,提出的方法仍可在单机平台上运行,从而避免使用大规模计算集群所需的能耗。同时,神经网络自身的高容错性还能有效地修正量测数据中的误差。实验结果表明,与串行方法相比,所提方法计算速度提升了约205倍。     

一种新的分布式电力系统状态估计算法

随着电力系统的发展,区域电网互联,形成了规模更大的系统。为了适应这一趋势,电力系统状态估计应采用分布式算法。在配置少量PMU的基础上,将分区后的边界等式约束条件通过拉格朗日乘子计入整体目标函数,将分布式状态估计的问题转化为一个带等式约束的最优化问题,实现了电力系统状态估计的分布式计算。该算法不仅提高了状态估计的速度,而且可在不必改动原有状态估计模块的基础上,很容易地加入等式约束的修正模块。最后通过IEEE14节点和IEEE30节点系统的模拟仿真,验证了该算法的有效性和优越性。     

含分布式电源的配电网分区和主导节点选取方法研究

为了应对分布式电源及柔性负荷大规模接入给配电网电压控制带来的困难,提出一种基于改进的粒子群优化算法的配电网分区方法,通过分区使分布式电源主动参与到配电网的控制过程中。引入评价分区结果优劣的四个指标,综合考虑分区内无功/有功储备、区域内强耦合和区域间弱耦合,并结合无功/有功可控性和电压可观性,构建主导节点选取公式。该方法将分区转化为优化求解问题,使得分区结果能根据分布式电源运行参数和配电网结构的变化进行灵活调整。通过仿真证明了该分区科学合理,在该方法基础上的分布式电压控制能有效缓解柔性负荷大规模接入所带来的节点电压越限等问题,具有实际应用价值。     

基于超短期负荷预测的智能配电网状态估计

状态估计作为智能配电网自愈控制的数据出口和态势感知工具的核心板块,需要在1个数据采集周期内对全网进行1次状态估计计算,传统的配电网状态估计算法不能满足以上要求,需要研究高效的配电网状态估计算法。提出了一种基于超短期负荷预测的智能配电网的状态估计方法,为自愈控制状态评估模块和潮流计算模块提供所需数据。该算法将预测速度快、预测精度高的超短期负荷预测技术引入智能配电网状态估计,实时预测节点负荷,实现了配电系统节点负荷的实时跟踪;采用指数函数抑制不良数据的影响,提高了状态估计的精度;利用配电网潮流计算的前推回代算法计算状态变量的初始幅值和相角,提高了算法的收敛性;考虑了分布式电源接入,体现了智能电网透明开放的特点。基于IEEE36节点标准算例的计算分析,验证了算法的有效性。