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SCADA/PMU混合量测的广域动态实时状态估计方法

根据来自监视控制与数据采集(supervisory control and data acquisition，SCADA)系统和相量测量单元(phasor measurement unit，PMU)的数据特点，提出了一种基于SCADA/PMU混合量测的广域动态实时状态估计方法，该方法充分利用了各节点间电压变化的相互联系，通过SCADA系统提供的初始值和安装PMU的节点的电压量测可简单地获得其他未安装PMU节点的电压相量。该方法有效地解决了在PMU配置不足的情况下如何观测电网状态以及如何在动态过程下实时观测电网。最后，通过对新英格兰10机39节点系统的多种故障进行仿真，验证了该方法的有效性和准确性。     

基于01整数规划的多目标最优PMU配置算法

针对目前缺乏多目标PMU配置方法,提出了一种基于线性01规划的多目标优化配置算法。并在此基础上导出了三种特殊模型,分别处理系统在正常运行方式下完全可观测的PMU布点问题,在线路N-1故障时系统仍可观测的PMU布点问题及在PMU N-1故障时系统仍可观测的PMU布点问题。该方法的突出特点在于能够同时将以上三种布点需求使用统一的形式同时处理,并且最终的布点方案在保证PMU数目最少或保证配置PMU所需费用最少的基础上获得了最高的测量冗余度。通过IEEE30、IEEE 57、IEEE118节点系统布点验证了该方法的有效性和灵活性。     

基于01整数规划的多目标最优PMU配置算法

针对目前缺乏多目标PMU配置方法,提出了一种基于线性01规划的多目标优化配置算法.并在此基础上导出了三种特殊模型,分别处理系统在正常运行方式下完全可观测的PMU布点问题,在线路N-1故障时系统仍可观测的PMU布点问题及在PMU N-1故障时系统仍可观测的PMU布点问题.该方法的突出特点在于能够同时将以上三种布点需求使用统一的形式同时处理,并且最终的布点方案在保证PMU数目最少或保证配置PMU所需费用最少的基础上获得了最高的测量冗余度.通过IEEE30、IEEE 57、IEEE118节点系统布点验证了该方法的有效性和灵活性.     

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。     

广域测量系统中PMU优化配置方法的比较

首先介绍了基于PMU的系统线性量测模型和可观测性分析,接着分别介绍了5种基于系统完全可观测下的PMU优化配置算法.利用这些算法对几种IEEE标准节点系统进行PMU优化配置仿真研究.结果表明,这几种算法在解的收敛速度、解的收敛性和解的多样性方面各有其特点.因此,所提PMU优化配置方法和算法性能比较具有一定的实用性.     

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。     

基于多目标进化算法的PMU的优化配置

研究了配置相量测量单元(PMU)后电力系统可观测性的判断方法,以保证电力系统完全可观测为约束条件,以配置PMU数目最小和保证测量量具有最大量测冗余度为目标,建立了PMU最优配置问题的数学模型。这是一个多目标优化问题,需要寻求一组Pareto最优解,应用多目标进化算法求解该问题可以得到多种满足条件的PMU配置可行方案。最后,以IEEE39节点系统为例验证了该方法的合理性。     

与SCADA互补的WAMS中PMU的配置及数据处理方法

数据采集与监控(Supervisory Control and Data Acquisition,SCADA)系统只能提供稳态的、低采样密度的、不同步的电网时间断面信息;广域测量系统(Wide-Area Measurement System,WAMS)虽然能在毫秒级的时间尺度上对电力系统进行同步测量,但在现有技术条件下它还不能完全代替SCADA系统.在相当长的时间内,势必出现两种系统并存、互为补充的局面.文章以基于负荷区的简化核心网完全可观测为原则,提出了一种实用的相角测量单元(Phasor Measurement Unit,PMU)配置方法.该方法利用PMU所产生的精确数据来同步系统其它部分的SCADA数据,并对其加上时间坐标,然后进一步利用状态估计来提高数据精度.该方法有效地考虑了WAMS精确数据与SCADA非精确数据的相互配合,具有一定实用价值.     

基于图论的电力系统PMU布点优化算法

基于最小支配集理论和电力系统线性量测模型,提出了可观测节点集合、WAMS可观测矩阵两个概念以及一种新的节点可观测性计算规则。以保证系统的完全可观测性和以系统图的最小支配集为搜索范围构成约束条件, 以电力系统状态完全可观测和相量测量装置（PMU）配置数目最小为目标,形成了PMU配置优化问题。并应用禁忌搜索(TS)方法求解该问题,保证了全局寻优。最后采用 IEEE 14、30、57 、118节点系统和新英格兰 39 节点系统对该方法进行了验证,仿真结果表明该方法的有效性和可行性。     

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。     

基于分段迭代法的PMU的优化配置研究

对电力系统中有限个数目PMU的优化配置进行研究。采用分段迭代法对PMU的优化配置进行研究。该法假设最初每个节点均安装有PMU。第一阶段和第二阶段的迭代算法用来去除那些不太重要的节点的PMU配置,并保留节点位置重要的PMU的配置。第三阶段的迭代算法则对前两阶段的PMU数目进行进一步的最小化,并且充分考虑电力系统全网的可观性,使得该法达到PMU的最优配置。通过在IEEE 14和IEEE 30节点上进行仿真验证,并与现有的优先算法在计算时间上进行对比,证明该法在计算时间上的优越性,及该法的有效性。     

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.     

WAMS中的PMU最优配置新方法

鉴于相量测量单元(phasor measurement unit,PMU)能够实时测量母线电压和相角,在传统监控和数据采集(supervisory control and data acquisition,SCADA)量测系统的基础上,提出了一种选择PMU最优配置方案的新方法。该法在假定系统完全可观测的前提条件下,考虑不同量测噪声信号比的影响,采用直接替代(direct sub-stitution,DS)法、加权最小二乘(weighted least squares,WLS)法和扩展加权最小二乘(augmented weighted least squares,AWLS)法计算状态估计值,验证了量测噪声对选择PMU配置点没有影响这一结论,并最大限度地提高了状态估计的准确度。在IEEE9节点和IEEE14节点测试系统上验证了此方法的正确性和有效性。     

基于最大测量树法的电力系统PMU优化配置

着重研究了基于图论的相量测量单元PMU(Phasor Measurement Unit)配置方法.引入测量树的概念,提出了一种新的寻找最佳PMU配置点的规则.并由此得到最大测量树法MMT(MaximalMeasurement Tree),该方法以任一母线为起始母线,以能够提供最大的测量树为目标配置PMU.在实际算例中分别对IEEE 14、IEEE39、IEEIE 118系统进行仿真计算,根据计算结果比较了最大测量树方法以及末端节点法、深度优先法DFS(Depth First Search)和模拟退火法SA(Simulated Annealing)的优缺点.算例表明:MMT法可以获得最少PMU配置数目,相比SA法有较高的效率和较快的收敛速度.最后,分别利用最大测量树法和末端节点法实现了江西电网PMU优化配置.     

基于PMU量测数据和SCADA数据融合的电力系统状态估计方法

针对传统静态状态估计方法的缺点,提出了一种改进的电力系统状态估计方法,即将部分节点相量测量单元(phasor measurement unit,PMU)量测数据与监控数据采集(supervisory control and data acquisition,SCADA)量测数据融合进行电力系统的全网状态估计。该方法简化了系统的雅可比矩阵,缩短了计算时间。文章研究了PMU和SCADA系统融合改进后的快速分解法,针对SCADA量测数据的缺点,通过历史数据库对潮流数据进行预测,并依据PMU量测量对系统进行分析,继而进行系统全网状态的动态监测。通过算例证明,与传统的估计方法相比,该方法改善了状态估计的精确性,减少了迭代次数,细致地描绘了电网状态的变化过程,为调度中心下一步的决策提供了依据。     

基于WAMS/SCADA混合量测和离散粒子群优化算法的PMU优化配置

当前应用于状态估计的量测数据由广域测量系统(wide area measurement system, WAMS)和数据监控及采集系统(supervisory control and data acquisition,SCADA)采集, WAMS向量测量单元(phasor measurement unit,PMU)的优化配置问题成为研究的重点。本文在分析WAMS/SCADA混合量测数据成分、时间断面、精度、刷新频率4个方面差异的基础上,实现了混合量测数据的有效兼容,提出了一种基于无迹卡尔曼滤波(unscented kalman filter, UKF)动态状态估计和离散粒子群优化(discrete particle swarm optimization, DPSO)算法的PMU优化配置方案。采用该方案下的混合量测数据进行UKF动态状态估计,很好地提高了状态估计精度。在IEEE39节点系统上模拟日负荷变化验证了该PMU配置方案的有效性。     

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。     

考虑PMU量测信息的配电网运行状态分析方法

同步相量量测单元PMU(phasor measurement unit)在配电网中的推广使用有效提升了电网系统的可观性。首先提出了一种考虑PMU信息的配电网运行状态分析方法,该方法在数据采集与监控SCADA(supervisory control and data acquisition)系统数据更新时,将SCADA和PMU等不同量测时间尺度的混合数据进行状态估计;之后通过PMU数据进行状态估计更新,直至新的SCADA数据到来,开始新的混合数据状态估计。目标函数由估计值与量测值之间残差指数的加权和组成,降低了不良数据对估计结果的影响,并通过抗残差加权减少由于量测坏数据引起的运行状态波动。最后通过IEEE 123节点的算例分析,验证了所提方法具有较好的运行状态分析效果和有较高的时效性。