基于深度神经网络伪量测建模的交直流混合配电网交替迭代法状态估计

当前配电网状态估计面临的一个突出问题是实时量测数量不足,难以实现全网可观性。为了给配电管理系统提供准确的基础数据,提出一种基于深度神经网络伪量测建模的交直流混合配电网交替迭代状态估计方法。首先,建立电压源换流器的稳态模型和混合配电网的实时量测模型;然后,利用历史量测数据对深度神经网络进行离线训练,建立负荷节点注入功率的伪量测模型;最后,对交流区域和直流区域进行交替迭代状态估计,在交替过程中区域间交换VSC支路状态量的估计值,保证了边界状态量的一致性。算例测试结果表明,所提方法能在实时量测覆盖率低的情况下,准确估计混合配电网的状态值。     

基于深度神经网络伪量测建模的交直流混合配电网交替迭代法状态估计

当前配电网状态估计面临的一个突出问题是实时量测数量不足,难以实现全网可观性。为了给配电管理系统提供准确的基础数据,提出一种基于深度神经网络伪量测建模的交直流混合配电网交替迭代状态估计方法。首先,建立电压源换流器的稳态模型和混合配电网的实时量测模型;然后,利用历史量测数据对深度神经网络进行离线训练,建立负荷节点注入功率的伪量测模型;最后,对交流区域和直流区域进行交替迭代状态估计,在交替过程中区域间交换VSC支路状态量的估计值,保证了边界状态量的一致性。算例测试结果表明,所提方法能在实时量测覆盖率低的情况下,准确估计混合配电网的状态值。     

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。     

配电网状态估计的量测配置

1.引言 要对配电系统进行分析决策,首先必须确定配电系统的运行状态。状态估计,也称实时网络状态分析,能够利用网络结构信息和实时量测信息估计出完整、一致和可信的系统状态,实时量测信息通常包括有功功率、无功功率、母线电压值和线路电流值。然而,目前的配电系统通常缺     

配电网状态估计中的量测变换技术

分析了不同情况下状态估计算法中量测变换技术的应用情况，导出了量测变换的具体数学表达式和量测变换后各数据量权重的确定。文章分别对基于牛顿法的状态估计算法，以节点电压电流方程式为基础的状态估计算法及基于支路电流的配电网状况估计算法进行了比较，从文中分析可以看出，量测变换技术的应用虽提高了算法的运算速度但牺牲了估计精度。因此在应用量测变换技术时，须因地制宜，在速度和精度之间寻求平衡。     

基于多分支电流混合量测的配电网三相状态估计

同步相量测量应用于配电网高级应用中是近年来的研究热点。针对配电网同步相量与智能电表的混合量测问题,提出一种以支路电流为状态变量的配电网状态估计方法。该方法在含分布式光伏接入的配电网中,将微型同步相量测量单元(Micro-Synchronous Phasor Measurement Unit,μPMU)和智能电表量测数据进行等效变换,实现异构数据支路电流幅值量测误差最小。首先,基于混合量测系统,推导三相量测方程模型。然后,运用加权最小二乘法实现了三相支路电流的状态估计。所提方法适用于三相不平衡、多分支电流量测的配电网。最后,通过对含分布式光伏的IEEE 37节点系统进行仿真,验证了方法的有效性。     

计及AMI的配网分层状态估计及伪量测计算

针对高级量测体系AMI(advanced metering infrastructure)带来的新的实时量测数据,提出一种改进的智能配电网状态估计方法,以AMI量测节点作为边界节点对配电网进行分层,将系统解耦为若干子区域实现并行计算。再在配网系统解耦的基础上,提出基于子区域负荷分配系数预测的节点负荷伪量测生成方法。最后,将IEEE33标准配电系统配置5个AMI量测节点,对其进行分层状态估计,并生成节点负荷伪量测数据。结果表明:与整体估计相比,分层状态估计方法在保证高精度的前提下提高了计算速度;生成的伪量测数据精度优于负荷预测得到的伪量测数据。     

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。     

计及AMI的配网分层状态估计及伪量测计算北大核心CSCD

针对高级量测体系AMI(advanced metering infrastructure)带来的新的实时量测数据,提出一种改进的智能配电网状态估计方法,以AMI量测节点作为边界节点对配电网进行分层,将系统解耦为若干子区域实现并行计算。再在配网系统解耦的基础上,提出基于子区域负荷分配系数预测的节点负荷伪量测生成方法。最后,将IEEE33标准配电系统配置5个AMI量测节点,对其进行分层状态估计,并生成节点负荷伪量测数据。结果表明:与整体估计相比,分层状态估计方法在保证高精度的前提下提高了计算速度;生成的伪量测数据精度优于负荷预测得到的伪量测数据。     

基于混合量测状态估计的配电网故障定位方法

微型相量测量单元(micro-phasor measurement unit, μPMU)为配电自动化的进一步升级提供了良好的量测基础,但现阶段电网中μPMU数量有限,难以满足传统配电网故障定位的需求。针对该问题,结合电网中μPMU与智能电表等量测设备,并基于虚拟节点的多重状态估计方法,提出了一种基于混合量测状态估计的故障定位方法。首先,通过等效变换将μPMU和智能电表的测量信息输入到故障状态估计器当中。然后,利用μPMU将网络划分为不同的区域。根据状态估计结果计算故障电流,缩小故障搜索区域以减少计算复杂度。为了识别区域内的故障位置,通过设置附加虚拟故障节点形成多种特定的故障拓扑结构并执行多重状态估计,计算出用于识别故障位置的加权测量残差指标,以确定故障位置。最后,在实时仿真系统(real-time digital simulation, RTDS)中进行仿真测试,结果表明所提方法在不同故障场景下均能准确有效地定位故障,且对量测误差具有较好的鲁棒性。     

配电系统状态估计区域解耦算法

简述了目前常用的配电状态估计算法,分析比较了这些算法各自的优缺点。针对配电系统量测的特点,提出一种配电系统状态估计的区域解耦算法,将配电网中各馈线分解成多个量测区域,使得分解后的各个区域之间解耦,即可以对各个区域单独进行状态估计。该算法无需利用配网辐射特性或者放弃某些实时量测,就可以大大减小计算规模,加快计算速度,因此能充分利用各种量测,还可以应用于弱环网配电系统。理论分析和算例结果表明,所提出的方法高效可行,适合当前配电系统在线应用的实际要求。     

深度学习辅助的区域交直流配电网区间状态估计

针对区域交直流混合配电网中实时量测覆盖率低、量测误差分布具有不确定性的问题,提出了基于深度神经网络(DNN)伪量测建模的交直流配电网区间状态估计方法。该方法首先对DNN进行离线训练,然后将实时量测数据和电压源换流器控制的变量值作为DNN的输入特征,建立伪量测模型;接着,在实时量测更新时,利用已训练好的DNN快速生成伪量测;最后,对伪量测和实时量测的不确定性采用区间形式建模并进行区间状态估计,进而准确监测交直流系统状态。算例仿真结果表明,所提方法能够避免对量测误差的概率分布进行假设,并且能够在低冗余量测配置或量测缺失时,准确获得交直流配电网状态变量的上下界信息。     

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。     

基于导纳修正的配电网状态估计方法

文中给出一种修正导纳的状态估计方法。通过修正注入节点的等效导纳,逐步迭代减小导纳的偏差,理论推导证明了该方法的正确性。应用IEEE 30节点算例仿真表明,该方法精度高、计算速度快、编程简单、适于配电网状态估计。     

基于容积粒子滤波的配电网状态估计

高精度的状态估计是配电网安全稳定运行的基础。粒子滤波(Particle Filter,PF)选取重要性密度函数不准确以及卡尔曼框架下滤波方法对非线性系统滤波精度有限的问题,把容积粒子滤波(Cubature Particle Filter,CPF)引入配电网状态估计中。鉴于容积卡尔曼滤波(Cubature Kalman Filter,CKF)在状态更新阶段融入了最新量测,因此在粒子滤波框架下,利用CKF算法设计PF的重要性密度函数,采样获得的带权值粒子更加逼近真实后验分布,提高了状态估计精度。在三相不平衡配电网中进行仿真分析,结果表明,CPF算法比UKF滤波精度高。     

不同线路模型下的配电网三相状态估计

将配电线路分为架空线路和电缆线路两大类,并建立精确、简化和近似3种线路模型。给出负荷不平衡线路伏安特性的计算方法,通过分析线路模型对电压不平衡度的影响,进而研究线路模型对配电网状态估计的影响。通过IEEE33节点系统对不同线路模型进行测试,得出结论:精确模型对实时量测的影响较小,对精度不高的伪量测影响较大;若要提高伪量测的精度,可采用简化模型。     

基于萤火虫算法的配电网状态估计研究

针对配电网状态估计方法不完善,最小二乘算法对迭代初值要求较高、容易造成不收敛的缺点,深入研究了具有很好的求取全局极值和搜索多极值能力的萤火虫优化算法。将萤火虫优化算法应用于配电网状态估计,算例分析结果表明该方法能够克服最小二乘法的缺点,具有良好的精确度、适应性,且收敛速度快,能够应用于配电网状态估计。     

基于测量不确定度的配电网状态估计新方法

基于测量不确定度的理念,构造了以正常测点数目最多为目标函数的配电网状态估计新方法.同时,考虑到配电网三相不平衡、辐射状、规模庞大、电流和电流量测多、数值计算困难等特点,该方法选取支路电流和节点电压的实部与虚部作为状态变量.通过对IEEE 13,IEEE 37,IEEE 123标准配电系统进行测试,证明该方法具有抗差性强、收敛快、合理性好等优点,有良好的在线应用前景.