基于支路电流的配电网非量测负荷估计

提出一种基于支路电流的抗差估计算法用于修正10kV配电网非量测负荷。该算法将配电网中的功率量测变换为电流量测,实现了雅可比矩阵常数化,支路电流实虚部解耦求解。并采用了权值随残差变化的权函数,较大程度地抑制了伪量测中坏数据对估计结果的不良影响。文中还给出IEEE 33节点配电系统的计算结果。结果表明,本文的算法能够有效地修正伪量测数据,使其准确度达到或接近实际量测值的准确度。     

配电网非量测负荷的最小二乘估计

提出了用于修正10kV配电系统非量测负荷的变权值最小二乘估计算法，该算法采用了权值随残差变化的权函数，从而较大程度上抑制了伪量测中坏数据对估计结果的不良影响。用该算法编制了应用程序并进行了实例研究。结果表明该算法能够利用线路首端的实测数据和有量测装置的配电变压器的实测数据对非量测点的伪测量数据进行修正，使其准确度达到或接近实际量测值。     

基于鲁棒Holt-Winter模型的超短期配变负荷预测方法

超短期配变负荷预测结果是配电网状态估计中伪量测的主要来源之一,其利用的历史数据主要来源于自动计量系统。伪量测的精度会显著影响状态估计的结果。给出了一种基于鲁棒Holt-Winter模型的超短期负荷预测方法。该方法综合考虑线性趋势、季节变动和随机波动的时间序列特性,并与指数平滑法相结合,具有良好的预测能力。此外,该方法可以自动识别和修正坏数据。以某配电网的实际数据进行了算例分析,结果表明该方法具有良好的预测精度,且具有自动压缩坏数据影响的特性。     

基于负荷测录系统的配电网状态估计

提出了基于负荷监测系统的配电网状态估计方法。该方法利用负荷测录系统所采集的杆变和配变的三相电压、三相电流、有功功率和无功功率作为状态估计的量测量,将馈线上所有节点的电压、相角作为状态估计的状态量。 使用基于牛顿法的状态估计算法求得配电馈线的运行状态和馈线上所有节点的电压、功率信息,这些信息可帮助调度员了解配电网的整体运行情况并协助决策。以装配有负荷测录系统的一条实际的10 kV馈线网络为例来说明该方法的正确性。     

k-means聚类算法在负荷曲线分类中的应用

为了提高电力系统状态估计结果的准确性,利用k-means聚类算法并结合有效指数准则,提出了一种辨识系统不良数据的新方法.研究内容是以某一节点负荷数据为研究对象,运用数据挖掘中k-means聚类算法并结合有效指数准则提取出日负荷特征曲线,分别对输电网状态估计中的不良数据检测和辨识、配电网状态估计中的伪量测补充进行了研究....     

一种用于配网状态估计的实时负荷数据模型

状态估计在DMS中具有重要作用，它是配电网络分析的数据之保证。由于配网量测装置配置量极其有限，单靠实时量测难以进行状态估计。通常需引入伪量测，实时负荷数据模型可有效地实现伪量测。日渐发展和完善的负荷管理系统和用电营业系统提供了大量负荷信息，因而该文充分利用负荷管理系统提供的数据和历史用电信息，提出了一种用于实时状态估计的实时负荷数据模型。并根据当前计算机网络技术和供电公司组网的实际情况，制定了实现实时负荷数据模型的网络连接和数据流程。仿真分析表明，该算法具有一定精度，在实际中是可行的，     

解耦变换模式下智能配电网快速状态估计算法

提出一种解耦变换模式下的智能配电网快速状态估计算法,基于修正功率解耦思想,将配电网中支路功率量测、负荷量测、虚拟伪量测、电流幅值量测解耦变换表达。进一步对解耦变换后的功率量测和电流幅值量测作保留非线性变换,使得量测方程线性化,从而简化迭代求解。该文算法以网络节点电压幅值、相角对其初值的变化量为状态变量,利用配电网中多种量测,将功率量测解耦迭代表达,求解规模降低,同时适用于含新能源接入的不同阻抗比配电网络。变换后量测雅克比矩阵常数化,状态估计中无需重复计算,进一步提高求解速度。通过标准测试系统和实际配电系统算例分析,从估计正确性、算法收敛情况、计算时间三方面验证该方法实用性。     

一种配电网状态估计算法的研究

针对配电网管理系统开发一种性能优良的状态估计算法。采用配电网潮流算法中较为出色的ZBUS法作为基础的潮流算法 ,并以基于负荷电流的量测变换方法来处理量测量 ,使得该算法能快速可靠收敛 ,并方便高效地处理各类量测。仿真表明该算法是有效的     

k-means聚类算法在负荷曲线分类中的应用

为了提高电力系统状态估计结果的准确性,利用k-means聚类算法并结合有效指数准则,提出了一种辨识系统不良数据的新方法.研究内容是以某一节点负荷数据为研究对象,运用数据挖掘中k-means聚类算法并结合有效指数准则提取出日负荷特征曲线,分别对输电网状态估计中的不良数据检测和辨识、配电网状态估计中的伪量测补充进行了研究.最终用Matlab编制算法程序并进行仿真分析,结果表明,此方法效果良好.     

主动配电网状态估计技术评述

间隙性分布式电源高渗透率并网,电动汽车、储能系统等可控负荷及高级量测装置的规模化接入使得主动配电网状态估计在结果精度要求、计算效率等方面面临诸多全新挑战。首先,简要阐述了国内外有关传统配电网状态估计技术前期的研究成果;然后,较为全面地梳理了主动配电网状态估计技术的国内外研究现状,包括新型伪量测的合理建模、状态估计算法的高效改进及量测装置的优化配置等研究方面;最后,对该领域未来进一步发展所面临的关键问题进行了探讨和分析。     

电力系统状态估计在抚顺电网中的应用与研究

介绍了地区电网状态估计的基本原理及功能，即利用实时量测系统的冗余度提高数据精度，从而自动排除错误信息，估计出系统的状态；在自满上采用基于等效电流量测变换的状态估计方法，使雅可比矩阵常数化，充分利用了系统量测类型多的特点，将量测支路电流作为已知量带入计算，使其肯的较好的数值稳定性和计算速度；分析了在实时不良数据冲击下，该算法的稳定性和收敛性；在抚顺电网实际运行中效果良好。     

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。     

基于快速分解正交变换状态估计算法的坏数据检测与辨识

提出了在快速分解正交变换状态估计算法中检测与辨识坏数据的新方法。该方法成功地将假设检验辨识法(HTI)和量测补偿法的思想应用于基于快速分解状态估计算法的坏数据检测与辨识,用基于对增广的量测雅可比矩阵进行Givens行变换的方法计算和更新残差协方差矩阵,在建立可疑量测集时,考虑有功类量测误差对无功类量测残差的影响和无功类量测误差对有功类量测残差的影响。算例说明,该方法检测与辨识坏数据的能力较强。     

基于深度信念网络伪量测建模的配电网状态估计

针对配电网实时量测不足需要增加伪量测以提高量测冗余度的情况,提出基于深度信念网络(DBN)伪量测建模的配电网状态估计方法。利用多种类型负荷的历史数据及对应温度、日期类型对DBN进行训练,训练完成后输入测试数据得到精度较高的伪量测;基于改进的等效电流量测变换法进行配电网状态估计,以线性约束的形式处理虚拟量测。仿真结果验证了所提方法的有效性。     

Revealing gross errors in critical measurements and sets via forecasting-aided state estimators

State estimators are important monitoring tools which process real-time data in power system control centers. The capability of detecting and identifying bad data depends on the redundancy level of the information to be processed. Network changes or a temporary malfunction of the data acquisition system reduce data redundancy for state estimation. Measurement redundancy deterioration can be characterized by the presence of critical measurements and sets. For the vast majority of data validation algorithms, it is impossible to process gross errors in critical measurements and sets. This paper proposes an algorithm for detecting, identifying and removing bad data in critical measurements and sets through forecasting-aided state estimators. Using the IEEE-14 bus test system, the performance of the proposed algorithm is evaluated and discussed through the simulation of different levels of data redundancy degradation.     

New digital filter for unbalance distorted current and voltage estimation in power systems

This paper presents a novel algorithm for identifying and measuring the symmetrical components of distorted three phase voltage or current waveforms in electrical power systems. The proposed algorithm is capable of estimating the symmetrical components as well as the harmonic contents of a given unbalanced distorted signal. The proposed technique is based on stochastic estimation theorem. The problem is formulated as an estimation problem and presented in state space form. The proposed algorithm used to estimate the positive, negative and zero components of unsymmetrical waveforms as well as the harmonic content of a given distorted signal. Application of the proposed algorithm has been conducted on various test cases. Among which a practical simulated power system has been implemented using EMTP. Various scenarios are carried out to simulate realistic situations of unsymmetrical waveforms. Effects of bad data on the solution accuracy are also studied. The speed of convergence is examined by changing the estimator initial conditions. Results obtained show that the proposed technique can estimate and track the symmetrical components of non-stationary three phase unbalance voltage or current waveforms in noisy environments. Fast accurate solutions are guaranteed regardless of the initial conditions. It is also shown that bad measurements have no effects on the final accuracy of the estimation.     

Load reallocation based algorithm for state estimation in distribution networks with distributed generators

In this paper is proposed a novel branch flow and weighted least square (WLS) based algorithm for state estimation in three phase distribution networks with distributed generation (DG) units. The basic formulation is simplified by the use of radial property of distribution network and later will be extended to meshed networks. Unmonitored (or partially monitored) loads are initially estimated from normalized daily load profiles (NDLPs) with lower weights (treated as the pseudo measurements). Also, the different types of monitored, partially monitored, or unmonitored DG units are included in state estimation. Their initial power outputs are calculated on the basis of external inputs, such as wind, sun and water inflow forecasts etc. (depending on DG unit type) or by normalized daily generation profiles (NDGPs) obtained from historical generation data. The pseudo measurements obtained by Initial Load/Generation Allocation are re-adjusted additionally by Optimal Load/Generation Reallocation procedure to fit real-time measurements inside WLS-based state estimation. The results and practical aspects of the proposed methodology are demonstrated on two real-life distribution networks.