多采样周期混合量测环境下的主动配电网状态估计方法

针对主动配电网中远程终端单元(RTU)、相量测量单元(PMU)与高级量测体系(AMI)多采样周期量测数据长期共存的实际情况,提出了一种基于RTU,PMU,AMI混合量测的主动配电网状态估计混合算法。该混合算法由非线性静态状态估计、线性静态状态估计与线性动态状态估计3种算法组成。线性动态状态估计与线性静态状态估计利用PMU量测与RTU量测,实时跟踪系统注入节点有功功率与无功功率的变化,在非AMI量测的采集时刻,为非线性静态状态估计提供高精度的虚拟量测。所提算法缩短了非线性静态状态估计的计算周期,提高了非线性静态状态估计的精度,提升了对主动配电网运行状态的预测能力。通过算例仿真,验证了所提算法的有效性。     

基于相量量测的等式约束二阶段状态估计模型

利用PMU的量测信息实现系统的动态可观测，考虑PMU数据刷新时间快的特点，在R.F.Nuqui的动态监测模型的基础上建立了适合静态估计的基于等式约束二阶段估计模型。该模型将PMU和SCADA的量测数据共同用于非线性估计，采用零注入节点功率作为等式约束条件来提高估计精度，然后对非线性估计的结果和PMU的支路电流相量进行线性估计。模拟了当系统某节点负荷持续变化时，利用等效导纳法对非线性区域节点状态量进行估计,最后采用IEEE 14和57节点系统算例对提出的模型进行了验证。     

计及PMU的二次状态估计模型的研究

随着相量测量装置（PMU）在电网中的推广应用,其量测结果己成为电力系统重要的数据源之一。将PMU支路电流量测转换为支路潮流量测,使电流相量量测在状态估计中得到了有效的利用。二次估计模型首先把PMU节点的状态量测值作为估计值,PMU支路量测通过变换参与到非线性估计,收敛后再利用非线性估计结果和PMU量测进行线性估计。该模型在充分利用PMU量测特性,保持较高的估计精度的同时,也提高了方程数值稳定性和收敛速度。在快速分解算法的基础上,通过IEEE9和IEEE30节点系统仿真验证本文模型的有效性。     

计及PMU支路电流相量的状态估计模型

评述了相量量测在电力系统状态估计中的各种应用模型,包括仅采用相量测量装置(PMU)的量测进行线性估计、在非线性估计中加入PMU电压幅值和相角量测,以及把非线性估计和线性估计结合等方案.把PMU量测值直接作为估计值虽然可以降低估计的维数,但不一定有利于估计精度.当前PMU的配置还难以满足可观性要求,故必须将PMU量测与其他量测一起用于状态估计.但在非线性估计中,很难直接利用PMU支路电流量测,特别是其相角量测.文中提出通过量测变换来计及PMU支路电流幅值和相角量测的模型.对各种非线性估计模型的仿真说明该模型的估计精度优于其他方案.     

基于混合量测的二次线性状态估计方法及其工程应用

基于相量测量单元(PMU)和数据采集与监控(SCADA)混合量测进行状态估计计算时,如果仍采用传统非线性估计模型,将面临PMU量测计算权值难以确定、PMU量测坏数据辨识不准、相角参考点和成熟商用程序改动等多方面问题。提出了一种基于混合量测的二次线性状态估计方法。该方法在传统非线性状态估计收敛后,利用其结果中的各节点电压幅值及相角估计值和PMU相量量测再进行二次线性状态估计计算,有效解决了上述问题。最后结合电网实例验证了该方法的有效性。     

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。     

基于PMU/SCADA混合量测的电力系统状态估计

为提高电力系统状态估计的准确度,在现有理论基础上提出了基于PMU/SCADA混合量测的状态估计方法,将电力系统划分为线性区域和非线性区域,在线性区域内计算与安装PMU装置相关联节点处的电压相量,将该计算结果作为间接量测引入非线性区域的状态估计中,从而使状态估计的准确度有所提高。仿真实验表明,在IEEE-14系统中,该算法计算速度快,能有效提高状态估计的精度,具有一定的实用价值。     

基于不可观测深度的分阶段PMU配置算法

首先介绍了不可观测深度的概念,然后提出混合运用广域测量系统和能量管理系统的数据进行线性状态估计的方法以弥补PMU量测的不足,以此作为在系统不完全可观条件下进行PMU配置的前提。不完全可观系统PMU配置模型能处理如通信条件限制、已配置了部分PMU等约束条件,并能用0-1线性整数规划模型求解。文章最后提出了PMU分阶段配置的方法,并在新英格兰测试系统和浙江电网中进行了验证。结果表明,PMU分阶段优化配置能有效减少初期费用,并且随着系统不可观测深度的降低,线性状态估计的效果更好。     

基于相量量测的电力系统线性状态估计

分析了相量量测装置的量测误差情况,指出了相量量测参与状态估计计算的必要性。在完全使用相量量测的情况下,给出了基于直角坐标系的实数形式的电力系统线性量测方程和相应的线性静态状态估计算法。对负荷预报加潮流计算的系统状态预报方法进行改进,通过对误差协方差阵计算公式的推导与简化,提出了新的预报误差协方差阵计算公式,并将其与线性量测方程相结合,提出了基于相量量测的线性动态状态估计算法。最后讨论了线性状态估计算法的使用条件,并采用IEEE30节点系统对提出的算法进行了验证。     

计及PMU的电力系统状态估计混合模型的研究

在等效电流量测变换状态估计模型的基础上引入旋转变换,实现方程的实、虚部严格解耦,并建立一种非线性估计和线性估计相结合的混合状态估计模型:首先把PMU节点的状态量测值以及PMU相关节点的状态推算值作为估计值进行非线性估计,然后再利用非线性估计结果和PMU量测进行线性估计。该模型可以充分利用PMU的量测,提高状态估计收敛速度,同时可以进一步利用PMU量测来提高估计精度,所需的存储量较小,具有较好的工程应用前景。最后采用IEEE14和IEEE30节点系统对该模型进行了验证。     

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。     

混合量测用于电力系统状态估计

根据目前PMU的配置状况和PMU与SCADA的数据特点,提出了一种基于PMU与SCADA混合量测的状态估计方法。该方法将非线性估计结果作为伪量测量加入线性估计中,并根据平均距离动态地调整伪量测量的权值,然后通过插值对非线性可观测区域进行实时的近似估计。最后通过IEEE14、IEEE57系统进行了仿真。仿真表明即使在PMU配置较少的情况下,该方法亦能够有效改进非线性可观测区域状态估计的精度和刷新速度。该方法兼顾了PMU和SCADA的特点,有较好的应用价值。     

基于混合量测的电力系统状态估计混合算法

研究了相量量测装置(PMU)相量量测和监控与数据采集(SCADA)量测混合使用时的数据匹配问题,提出了利用状态量转换预测得到预报系统状态和预报节点注入电流向量的方法。在此基础上,提出了应用PMU实时相量量测和预报节点注入电流向量的线性静态状态估计算法,以及应用PMU实时相量量测和预报系统状态的线性动态状态估计算法。文中将这2种算法与传统状态估计算法相结合,组成了状态估计混合算法,保证了状态估计的计算精度。该混合算法有效减少了状态估计的计算时间,对PMU的量测配置也没有严格的要求,具有很好的通用性。最后采用IEEE30节点系统对该方法进行了验证。     

Robust State Estimation for an Electricity-GasHeat Integrated Energy System Considering Dynamic Characteristics

The data for an energy management system (EMS) in an integrated energy system (IES) is obtained through state estimation. This is then the basis for optimal scheduling, protection and control. At present, the dynamic models of gas and heat networks are rarely considered in such state estimation, and the method lacks robustness. This paper develops dynamic state estimation models for gas and heat networks, and proposes a unified method for the electricity-gas-heat network, one which takes into account robustness while ensuring accuracy. First, the state transition equations in matrix form are formulated according to finite difference models considering the dynamic characteristics of the gas and heat networks. Then, combined with a quasi-steady state model of the electric power system, a unified state estimation method and multi-time-scale measurement strategy in the Kalman filter framework are proposed. In addition, the prediction accuracies of the electric power and gas systems are improved through adaptive adjustment. The kernel density estimation method is used to adjust the measurement weights and filter out bad data to ensure robust state estimation. Finally, simulation results show that the proposed method not only can improve the estimation accu-racy by improving prediction accuracy, but also is robust to various types of bad data.     

Multi‐objective PMU placement optimization considering the placement cost including the current channel allocation and state estimation accuracy

The optimal phasor measurement unit (PMU) placement problem in power systems has been considered and investigated by many researchers for accurate and fast state estimation by PMUs. However, the current channel cost of the PMU affects the total placement cost. This paper proposes a novel formulation in the multi‐objective optimal PMU placement, which minimizes the PMU placement cost with the current channel selection and the state estimation error. The current channel selection is represented as a decision variable in the optimization. For trade‐off objective functions, the Pareto approach by nondominated sorting genetic algorithm II (NSGA‐II) is applied in the optimization. The result of the numerical experiment in this paper demonstrates the advantage of considering the appropriate PMU current channel allocation, compared with the conventional method that ignores it, in the modified IEEE New England 39‐bus test system. As a result, the proposed method obtained a better Pareto solution compared with the conventional one because of the consideration for the current channel selection. An advantage of the proposed PMU placement is that it is able to reduce the total PMU placement cost while maintaining the state estimation accuracy.     

量测量的时延差对状态估计的影响及其对策

监控和数据采集(SCADA)系统的量测量没有统一的时标,更新周期长,而且时延较大。同步采样的相量测量单元(PMU)正成为电力系统中另一种重要的数据采集装置,它可以反映动态响应且时延较小;由于带有精确时标,即使通道传输存在时延也能保证时间断面的一致性。为在状态估计中协调这两种量测量,处理各量测量不同的时延,建立了SCADA量测时延的均匀分布模型,分析了各量测数据所反映的时间断面不一致性对状态估计精度的影响,提出了对时延不同的量测量的处理方法。通过对IEEE14节点电网和一个366节点的实际电网的仿真,验证了该方法的有效性。     

两级线性迭代策略下的混合状态估计的研究

基于卡尔曼滤波及线性迭代基本原理,针对当前电力系统混合状态估计精度低、滤波效果差及收敛能力低等问题,提出了一种基于两级线性迭代的电力系统混合状态估计的研究策略:第1级利用相量测量单元(PMU)的量测数据进行线性估计;第2级将其与传统量测值相结合用于状态估计,并利用PMU的高频特性对两级的量测数据进行多次迭代采样。将其在IEEE 14和IEEE 57节点测试系统进行测试,并将结果与其他混合模型比较,结果表明,该策略的估计精度、数据收敛度及量测参数误差均优于其他混合模型。     

基于灵敏度分析的线性混合量测状态估计

提出一种基于灵敏度矩阵并以相量测量单元(PMU)采样为周期的混合量测线性估计方法.把PMU的电流量测转换成功率量测,在初始计算时刻与基于监控和数据采集系统的量测一起进行非线性运算,得到状态估计值和功率量测量之间的灵敏度矩阵.在后续的PMU采样时刻,将转换得到的功率量测和通过负荷预报补充的伪量测组成混合量测,然后根据求得的灵敏度矩阵进行以PMU采样为周期的线性跟踪计算.当估计误差积累到一定程度时,重新进行一次混合非线性计算以更新灵敏度矩阵.通过IEEE 118节点系统,给出了负荷变化速率、预报误差和PMU量测数对所提估计方法计算精度的影响.结果表明,负荷变化越慢、预报误差越小、PMU的个数越多,其跟踪计算精度越高.     

基于PMU分解协调的状态估计算法

PMU至少可实现系统局部可观,此性质必然产生系统的自动划分,即出现围绕PMU配置点集的若干可观测性子系统。基于这一思路,从状态估计快速性角度出发,提出电网分解协调的状态估计快速算法,分解是指依据PMU配置的可观测子系统的划分,协调是指各子系统如何达到无缝的衔接,在快速估计下达到与整体估计一样的效果。最后,以IEEE-39节点及IEEE-118节点系统对对算法进行了验证。     

基于PMU的状态估计的研究

传统的状态估计是基于单相纯正弦模型的,但实际电力系统的三相并不是完全对称,这就导致了传统的状态估计存在着固有的误差。随着基于GPS同步相量测量单元(PMU)的应用和计算机技术的发展,该文提出了一种以PMU为基础的三相状态估计和谐波状态估计算法以消除这种固有误差。利用PMU的电压幅值测量值和相角测量值与SCADA原有的测量值构成的混和量测系统一起用于状态估计,从而提高网络的可观测性及状态估计的精度,来弥补传统状态估计的不足。所以这种算法可根本解决系统三相不平衡和状态向量非纯正弦带来的误差问题。最后讨论了对该算法的评估方法。