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。     

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。     

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PMU量测的城市电力系统分布式状态估计算法

针对未来微网和新能源大量接入城市电网后,电力系统状态估计功能的计算数据量过大,计算速度缓慢的问题,文中提出了一种适用于城市电力系统的基于相量量测装置(PMU)量测的分布式状态估计算法。该算法将城区电网分层分区,将PMU的同步相量量测引入县调层和地调层的分布式状态估计中,不仅在县调层实现并行计算,而且在地调层满足线性状态估计条件,最终达到提高状态估计速度的目标。文中利用IEEE 118节点系统对新算法进行了测试,仿真结果验证了新算法有效提升了状态估计的速度。     

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。     

一种计及零注入电流的PMU量测线性状态估计方法

为充分利用相量测量单元(Phasor Measurement Unit,PMU)数据进一步提升状态估计精度,提出一种完全基于PMU量测数据的线性加权最小二乘状态估计方法。该方法将联络节点的零注入电流作为虚拟量测。由于最小二乘法的实质是通过量测冗余度提高状态估计精度,因此,虚拟量测的引入提升了冗余度,从而能够提高估计精度。利用IEEE39节点和IEEE118节点系统进行仿真,结果表明完全基于PMU量测的线性状态估计与传统非线性状态估计和混合量测状态估计方法相比能够有效提高估计精度和计算速度。此外,利用IEEE39节点测试系统对量测变换误差进行了比较研究,结果表明提出的方法量测变换误差明显小于SCADA量测变换误差,有助于提升估计精度。     

一种计及全量测相关性的混合电力系统状态估计方法

针对电力系统状态估计中全量测存在相关性的实际情况,提出一种计及全量测相关性的混合电力系统状态估计方法。首先,利用无迹变换法计算来自数据采集与监视控制(supervisory control and data acquisition,SCADA)系统量测之间的统计相关性;其次采用量测缓冲器和向量自递归模型(vector autoregressive model,VAR)计及相量测量单元(phasor measurement units,PMU)量测的时空相关性,最终形成两部分相结合的混合线性状态估计方法。该方法在充分考虑PMU量测量之间时相关性的同时,能够确保PMU量测量与基于具有相关性的SCADA量测状态估计结果保持时标的一致性,进而有效地得到计及全量测相关性的电力系统状态估计结果。通过在IEEE-118标准节点系统上进行大量仿真算例分析,结果表明所提方法能够明显提高状态估计结果的精度。     

基于SDAE-ELM伪量测建模的高容错快速状态估计方法

目前在电力系统中无法保证相量量测单元完全覆盖的情况下,状态估计需要采用相量量测单元（phasor measurement unit, PMU）与数据采集与监控（supervisory control and data acquisition, SCADA）混合量测进行传统非线性状态估计,但是SCADA数据精度低,含有较多不良数据,同时混合数据需要迭代求解,会导致计算效率低且存在截断误差。针对该问题,文章提出了一种基于堆叠去噪自编码器（stack denoising autoencoder, SDAE）与极限学习机（extreme learning machine, ELM）伪量测建模的电力系统高容错快速状态估计方法。其将含有不良量测的SCADA量测数据作为SDAE-ELM伪量测模型的输入,节点电压实部与虚部作为输出,根据历史数据进行训练得到伪量测值与伪量测误差模型,训练完成后得到精度较高的伪量测;将伪量测与PMU量测一起进行快速的线性状态估计。仿真结果表明,所提方法在保证估计精度的基础上,提高了计算效率,验证了所提方法的有效性。     

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。     

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。     

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APSI多级策略下的混合电力系统状态估计研究

针对混合电力系统中要求状态估计数据精度高及数据计算量小进行探索研究。提出了两种状态估计构架用于多级策略下SCADA/PMU混合量测的电力系统状态估计。第一个构架是利用先验状态信息(APSI)和正交分块吉文斯旋转提高基于SCADA/PMU量测装置的状态估计的数据处理能力。第二个构架是一个依赖于融合估计的三级方案,优化之前已经确定的SCADA/PMU估计量测值。对多级策略在计算量和精确性上的优化进行详细的描述和比较。在IEEE 30节点系统测试系统进行仿真验证,验证了提出的多级策略能有效地减少状态估计的计算量及增加量测数据的同步性和准确性。     

基于粒子群算法的电力系统非线性谐波状态估计

为增加谐波量测数据的冗余度,提高线性谐波状态估计的可观测度,基于PMU量测数据和SCADA量测数据构成混合量测数据,应用于谐波状态估计,建立非线性谐波状态估计的数学模型。将该非线性数学模型改写为灵敏度模型,并转化为优化问题,应用粒子群算法求解。算例分析表明,非线性谐波状态估计的灵敏度模型是有效的,应用优化算法求解是切实可行的,混合量测数据能提高谐波状态估计的可观测度。     

基于全网架相量测量的抗差状态估计算法

鉴于海南电网实现了主网架全PMU覆盖,提出了一种基于全PMU量测的抗差状态估计算法。该算法以测点正常率最大为目标,兼顾功率、电压相量和电流相量量测,采用现代内点法实现系统非线性模型的高效求解。由于充分利用所有PMU量测数据,该算法可有效排除不良数据的影响。算例表明,所提算法显著地提升了状态估计的收敛率、合格率和计算频率。     

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。     

考虑数据时延的电力系统两阶段动态状态估计方法

由于电力系统中SCADA数据和PMU数据采样频率不同,使得这两种数据存在时延。首先提出基于变点重复检测的PMU最佳缓冲长度计算方法,将SCADA数据和PMU数据统一到同一时间尺度下,然后将无迹变换与指数权函数抗差估计算法相结合,针对历史多数据断面进一步提出了两阶段无迹卡尔曼滤波鲁棒动态状态估计方法。该方法在每一断面内,首先用无迹变换和两参数指数平滑预测后的预测值与SCADA数据结合进行第一阶段滤波,然后再将滤波所得估计值与PMU数据结合进行第二阶段滤波。通过两阶段滤波,能够显著增大滤波过程中的量测冗余度,并且有效降低在混合数据滤波过程中量测精度较低的SCADA量测对精度较高的PMU量测的影响。基于IEEE-39节点标准系统对本文所提方法进行仿真,仿真结果表明,本文所提方法能够有效结合PMU数据和SCADA数据对电力系统进行动态状态估计计算,且估计精度高,鲁棒性好。