基于动态规划算法的PMU优化配置

以电力系统状态完全可观测和PMU配置数目最小为目标,提出基于动态规划算法的PMU优化配置方案。选择PMU配置位置为动态规划的状态,PMU台数为动态规划的阶段数,从而实现动态规划计算。通过预处理准则、对称性准则、优胜劣汰准则提高了计算效率。用文中方法对IEEE 14和IEEE 39节点系统进行了PMU配置。与其他文献方法对比表明了该算法的正确性与优越性。     

动态状态估计中PMU配置的离散粒子群优化算法

以提高动态状态估计精度为目标,采用离散粒子群优化(discrete particle swarm optimization,DPSO)算法对同步相量测量单元(phsor measurement unit,PMU)的配置点进行优化。该方法克服了传统解析优化方法难以适应不连续目标函数和不连通约束域等情况的缺点,同时,在配置有限PMU的情况下使PMU量测量发挥最大效益。最后对基于扩展Kalman滤波算法的动态状态估计模型进行仿真,证明了经DPSO优化后的配置与随机配置相比最大可能地利用了PMU的高精度量测信息,充分发挥了PMU量测的优点,大大提高了动态状态估计的精度。     

考虑拓扑约束并采用改进遗传算法的PMU优化配置

为了进一步提高同步相量测量单元(phasor measurement unit,PMU)配置的效率以及其在大规模系统中的应用,提出一种结合人工智能方法和图论方法的混合优化算法。该算法以4种拓扑重构规则和3种PMU配置规则为基础,利用拓扑约束分析法逐步得出目标电网PMU配置的约束条件,有效缩小了问题的可行解空间,并提出基于序号编码法的遗传算法(genetic algorithm,GA),使用改进的交叉变异算子避免繁殖过程中出现不可行解,从而进行高效的优化。算例表明,所提算法不仅能够准确得到最小PMU配置数目,而且对大系统也具有较快的运算速度,在大规模系统PMU配置中具有很高的应用价值。     

用免疫BPSO算法和N-1原则多目标优化配置PMU

为了在满足全网的完全可观测的前提下实现PMU安装投入的性价比最高,通过理论分析得出判断电网节点拓扑可观测的依据,并提出以N-1可靠性检验原则对PMU配置方案进行冗余性检验,由此以全网完全可观测、PMU数目最少和N-1量测冗余度最高为目标建立了PMU多目标优化配置数学模型,并设计了一种结合免疫系统信息处理机制的二进制粒子群优化算法对模型进行求解。该算法综合了粒子群优化算法简单快速和免疫系统种群多样性的优点,明显改善了进化后期算法的收敛性能和全局寻优能力。对新英格兰39母线系统进行PMU多目标优化配置仿真及量测冗余性分析的结果表明,该法对PMU配置方案的量测可靠性及其所需PMU数量进行综合评价可方便快捷地得到性价比最优的方案,较之普通的PMU单目标优化配置方法更为合理和灵活。     

计及状态估计性能的PMU测点禁忌优化配置

介绍了PMU测点优化配置现状;分别从利用PMU量测提高状态估计精度和状态估计方程数值稳定性出发,给出了PMU测点优化配置模型,并给出了禁忌优化算法。仿真表明,提出的禁忌优化配置算法是有效的。     

基于广域测量系统的地区电网稳定性研究

在介绍了广域测量系统(WAMS)基本概念和架构的基础上,将广域测量技术与地区电网稳定相联系,提出了基于WAMS的地区电网稳定性研究方法,并分别采用深度优先算法、模拟退火算法、最小生成树算法及N-1安全递归算法对地区电网PMU的优化配置问题进行讨论。此外,分析了WAMS在地区电网稳定性研究中的相关应用,如系统动态监测、状态估计及稳定预测控制、系统模型验证及参数校正、系统广域保护与故障定位、故障录波等,并对WAMS在地区电网中的应用做出了展望。     

基于最大树理论的分阶段相量测量单元配置方案

当前相量测量单元(PMU)配置主要采用启发式算法进行,不足之处在于无法实现不完全可观下分阶段配置PMU,也无法同时保证N?1故障下可观性和经济性。为此,提出一种分阶段配置PMU并保证N?1条件下可观性的优化PMU配置方案。该方案首先依据通信质量、经济效益和均衡性三方面对广域电网进行分区,再按照熵理论对各区内节点脆弱性指标进行排序,以这两方面为基础采用最大树理论实现全网PMU分区分阶段配置。最后,设计了N?1条件下全网可观的PMU配置方案,为现实条件下的PMU配置工作提供了坚实的理论基础。以IEEE 39节点系统对所述方案进行测试,其结果表明本方案不但在经济性、安全性和时间效益方面取得了较好的平衡,而且对于现有电网中已装配PMU的情况,本方法具有更好的效果。     

计及PMU最优配置的输电线路广域自适应故障定位算法

针对电网信息不全条件下的输电线路故障定位问题,提出一种计及相量测量单元(phasor measurement unit,PMU)最优配置的广域自适应故障定位方法。该文在分析基于故障可观测性的故障定位原理的基础上,建立了计及零注入节点实现全网线路故障可观测性的PMU最优配置模型;提出了基于定位域的广域故障定位策略,根据系统拓扑和PMU节点划分定位域,电网拓扑结构发生变化时,只需局部更新相应定位域。线路故障后,利用PMU测量结果快速界定故障的定位域,无需线路故障信息,提高了定位算法的自适应能力。基于PSCAD/EMTDC和Matlab的仿真结果表明,该文提出的计及零注入节点的PMU优化配置方法能有效减少PMU数量,基于定位域的故障定位算法自适应能力强,定位结果精度高,对系统拓扑结构变化、各种故障类型、过渡电阻、故障位置均有较好的适用性。     

基于免疫BPSO算法与拓扑可观性的PMU最优配置

以电力系统状态完全可观测和相量测量单元PMU配置数目最小为优化目标,基于PMU的功能特点和电力网络的拓扑结构信息,形成快速且通用的电网拓扑可观测性判别方法,并设计了一种结合免疫系统信息处理机制的二进制粒子群优化算法对目标函数进行求解,该算法综合了粒子群优化算法简单快速和免疫系统种群多样性的优点,明显改善了进化后期算法的收敛性能和全局寻优能力.最后通过对IEEE14和新英格兰39母线系统进行PMU优化配置仿真及量测冗余性分析,验证了本文方法的有效性和优越性.     

用于负荷侧强迫振荡监测的PMU优化配置

针对电力系统周期性负荷扰动引发的强迫振荡问题,提出了一种应用于负荷侧强迫振荡监测问题的相量测量单元(phasor measurement unit,PMU)优化配置方法。通过分析冲击负荷典型特征得出PMU监测策略,缩小监测范围以保证PMU配置的经济性;建立二分类逻辑树来进行PMU优化配置分析,并利用网络连通算法和网络拓扑辨识来获取进行PMU优化配置所需的网络中变电站编号、PMU配置状态及网络中各节点连接情况等数字化信息。该方法保证了PMU配置的经济性与负荷侧强迫振荡的监控,最后通过示例验证了该方法的可行性。     

区域电网相量测量单元的配置方案及变电站动态电压稳定性的模拟评估

运用电力系统分析软件Power World对某区域电网的潮流进行了仿真计算,找出了该区域电网中电压稳定性较弱的节点与区域,给出了相量测量单元(phasor measurement unit,PMU)的优化配置方案。采用最小二乘辩识等值阻抗法对该区域电网的电压稳定性进行了动态模拟评估,验证了该PMU优化配置方案的正确性和可靠性,指出可以用阻抗模比指标判定节点电压的稳定情况。     

考虑节点控制模式的柔性直流电网潮流线性化计算方法

提出了考虑节点控制模式的柔性直流电网潮流线性化计算方法。根据线性网络的叠加原理,将直流电网潮流分布分解为定电压控制节点和定功率控制节点两部分贡献的叠加。通过推导直流电网节点注入功率和节点电压对支路潮流的灵敏度,实现了直流电网潮流分布的线性表达。将所提方法与已有文献的算例进行对比分析,验证了所提方法的正确性和有效性。     

A PMUs placement methodology based on inverse of connectivity and critical measurements

This paper presents a methodology to determine the optimal location of phasor measurement units (PMUs) in any network to make it observable. This proposed methodology is based on network connectivity information and unreachability index (URI), where URI is the difficulty to observe any node in the network and it is computed using the inverse of connectivity. In order to choose the optimal bus, it is basically considered to observe a low connectivity bus from an adjacent bus selected by weighting factors that are based on logical analysis of the observability theory combined with the URI; this process stops until the network is observable. The purpose is minimize the number of PMUs in a network with the optimal location and the aim to get a low number of critical measurements (CM) with a high total redundancy (TR), in order to obtain an optimal distribution of PMUs on the network. The proposal is considered as an easy solver for PMU’s placing on the network due to important reduction in complexity and computational cost, besides comparable results are as good as those papers using recent optimization methods such as metaheuristics and stochastics, without taking into account that the proposal can handle huge networks. The algorithm is applied to the IEEE 14, 30, 57, 118 and 300-bus systems, and also to medium and large power systems of 1006, 3305, 15,000, 20,000 and 30,000 buses with success.     

电力系统中PMU最优配置的研究

针对确定配置同步相量测量单元(PMU)的最小数目和最佳位置以达到最大的网络结构可观测性的PMU最优配置问题,提出了一种最小生成树(MST)算法,在深度优先搜索(DFS)算法的基础上提出了一种新的寻优规则,从而提高了解的质量和求解速度。该算法克服了DFS算法收敛性差和模拟退火(SA)算法收敛速度慢的缺点。算例仿真证明了利用MST算法求解PMU最优配置问题能使解的质量与求解效率达到很好的平衡,同时也可提高最优解的多样性。     

Optimal allocation of phasor measurement unit for full observability of the connected power network

This paper presents binary particle swarm optimization (BPSO) technique for the optimal allocation of phasor measurement units (PMUs) for the entire observability of connected power network. Phasor measurement units are considered as one of the most important measuring devices in the prospect of connected power network. PMUs function may be incorporated to the wide-area connected power networks for monitoring and controlling purposes. The optimal PMU placement (OPP) problem provides reference to the assurance of the minimal number of PMUs and their analogous locations for observability of the entire connected power networks. Binary particle swarm optimization (BPSO) algorithm is developed for the solution of OPP problem. The efficacy and robustness of the proposed method has been tested on the IEEE 14-bus, IEEE 30-bus, New England 39-bus, IEEE 57-bus, IEEE 118-bus and Northern Regional Power Grid (NRPG) 246-bus test system. The results obtained by proposed approach are compared with other standard methods and it is observed that this BPSO based placement of phasor measurement units is found to be the best among all other techniques discussed.     

基于改进的整数规划法结合零注入节点的PMU优化配置方法

为了提高同步相量测量装置的优化速度并利用最少数量的相量量测单元(PMU),结合零注入节点的特性,提出了基于整数规划算法的PMU优化配置算法。根据电力系统全网的可观测性建立其数学模型,并考虑了零注入节点的相关特点,求解系统模型获得PMU的优化位置。对IEEE-14节点、IEEE-18节点、IEEE-30节点以及IEEE-118节点系统分别进行了实验仿真,并利用Matlab以及Lingo工具对所提改进的整数规划法进行了验证,对约束方程进行优化,获得了PMU的数量和位置。将该算法与整数规划算法、模拟退火法以及改进过的遗传算法相比较,该算法可以用更少数量的PMU设备使全网可观,验证了该方法的有效性和优越性。     

电力系统PMU最优配置数字规划算法

随着相量量测装置(PMU)硬件技术的逐渐成熟和高速通信网络的发展,PMU在电力系统中的状态估计、动态监测和稳定控制等方面得到了广泛应用.为达到系统完全可观,在所有的节点上均装设PMU既不可能也没有必要.文中提出一种基于系统拓扑可观性理论的数字规划算法,利用PMU和系统提供的状态信息,最大限度地对网络拓扑约束方程式进行了简化,以配置PMU数目最小为目标,形成了PMU最优配置问题,并采用禁忌搜索算法求解该问题.其突出优点是利用了系统混合测量集数据,即不仅考虑了PMU实测数据,同时计及了可用的潮流数据.在IEEE14节点和IEEE 118节点系统的仿真结果表明,与常规的PMU最优配置算法相比,所提出的数字规划算法可以实现安装较少数量的PMU而整个系统可观的目标.     

基于遗传算法的稀疏节点优化编号方法

稀疏技术在电力系统中的应用显著提高了电力系统矩阵运算的效率。节点优化编号问题是稀疏技术的关键内容之一,求其最优解比较困难。遗传算法具有寻优空间广,易达到或者接近全局最优解的特点。采用遗传算法进行节点优化编号,提出了适合节点优化编号的遗传编码和适应值函数。通过对IEEE4节点和IEEE30节点系统的计算和与Tinney-2算法的比较,表明基于遗传算法的节点优化编号方法能够找到更加优化的编号方式,从而提高了矩阵运算的效率。     

基于Petri网和多种群遗传算法的海洋核动力平台电力系统网络重构

针对现有海洋核动力平台电力系统网络重构方法中功率流分析复杂,且重构模型求解算法难以稳定收敛到全局最优解的问题,提出一种基于Petri网和多种群遗传算法的核动力平台电力系统网络重构方法。综合故障后负荷恢复量、开关操作代价和发电机运行效率指标建立系统网络重构目标函数;基于Petri网对系统进行拓扑建模,将储能装置等效为负值"负荷",通过动态更新机制确定功率流分布;采用多种群遗传算法求解网络重构问题,获取满足系统约束的最佳开关状态组合方案。典型核动力平台电力系统算例表明,所提方法能有效防止算法局部收敛以及减少迭代次数,快速提供完备的系统重构方案。     

Novel Clustering-based Hidden Markov Model (CHMM) optimization approach for optimal PMU placement

A Phasor Measurement Unit (PMU) is an important device for monitoring the wide-area power distribution network. Placement of the PMUs across the network enables reliable monitoring of the network to identify the faults in the bus system. Due to the increase in the installation cost of the PMUs, optimal placement of the PMU is a significant task. But the existing techniques do not provide the optimal solution for the PMU placement. To overcome this issue, this paper proposes a novel Clustering-based Hidden Markov Model (CHMM) optimization approach to achieve optimal placement of PMUs in the power distribution network. Optimal PMU placement is achieved by applying cluster formation in the bus system to extract the data with neighboring buses. Best optimal position for placing the PMU is estimated by using Fuzzy logic-based rale formation to update the binary table of the bus system. The HMM approach is used for updating weight in the cluster formation. Our system is implemented in various bus systems like IEEE 28-bus system, 69-bus system and also in Karnataka 155-bus system. The proposed approach is implemented in the IEEE bus system and Karnataka Power Transmission Corporation Limited (KPTCL) bus system and compared with the existing approaches, based on the total number of PMU placement. The proposed approach achieves better performance in the optimal placement of PMU than the existing optimization algorithms.