基于Karush-Kuhn-Tucker最优条件的电网可疑参数辨识与估计

电网元件参数的误差会导致能量管理系统的状态估计结果不准确,从而影响其他应用结果的可靠性和精确性,因此状态估计程序应当具有辨识和估计元件参数的功能。首先基于拉格朗日乘子的可疑支路辨识法,提出了一种迭代辨识算法,用于生成待修正的支路参数集;然后研究了基于参数-目标函数灵敏度的参数估计方法,该方法针对选出的可疑支路,计算出可疑支路参数对状态估计目标函数的灵敏度;最后利用变步长逐次逼近法估计可疑支路参数,该方法避免了传统方法的数值稳定性问题,具有很高的实用价值。IEEE14和IEEE30标准算例系统验证了所提出方法的正确性。     

基于主导性评估的电网支路参数估计

系统地研究了基于主导性评估的电网支路参数估计的理论与方法。为提高参数估计的量测冗余度,从参数估计的应用目标及电网支路参数对状态估计的影响入手,给出主导参数、非主导参数的严格定义,并将主导参数确定为待估计的参数。为了解决主导性差异较大的参数在估计过程中相互干扰较大的问题,进一步提出强主导参数和弱主导参数的定义,并形成强主导参数和弱主导参数交替估计的参数估计方法。给出了基于主导性评估的电网支路参数估计的流程以及主导参数集的确定方法。IEEE 14节点系统和IEEE 300节点系统的仿真结果表明所提出的电网支路参数估计主导性评估方法的有效性。     

利用支路参数的状态估计法辨识拓扑错误

采用利用支路参数的状态估计法辨识网络拓扑错误。引入支路参数表示支路运行状态,并将其作为参数变量扩展进传统最小二乘状态估计模型中的状态变量中,通过构造新的目标函数求解参数估计值,根据参数估计值大小判断支路运行状况。所述方法在试验系统上进行了试算。     

基于预测—校正内点法的WLAV输电网参数估计

针对基于加权最小二乘法(WLS)参数估计难于处理不良数据且数值稳定性差的不足,提出加权最小绝对值(WLAV)参数估计方法。在原对偶内点法(PDIPM)的基础上,通过每次迭代中增加预测—校正两步的少许计算量,利用2阶信息对中心参数动态调整,保证解的迭代过程高阶逼近中心路径,从而减少了迭代次数,节省了计算时间。结合输电网参数估计法,利用WLAV估计出不良数据和可疑支路的运行状态,使抗差、参数估计和拓扑结构辨识在计算中一次完成。最后,对IEEE标准系统和国内某省级电网进行参数估计试验,与含不良数据辨识的WLS方法进行比较。     

基于等式方程直接求解的支路参数抗差估计方法

提出了一种基于等式方程直接求解的支路参数抗差估计方法.首先基于输电线路和双绕组变压器两端相量测量单元(phasor measurement unit,PMU)或监控与数据采集(supervisory control and data acquisition,SCADA)装置的单时段量测信息,推导了直接求解支路参数的等式方程.然后借鉴文献[18]三绕组变压器参数的抗差估计方法,计算支路参数的多时段均值并以其作为最终的参数估计值.由于采用等式方程直接求解支路参数,计算公式简单直观且避免了传统方法的数值稳定性问题,因此该方法更加实用有效.基于 IEEE 39系统的算例验证了文中方法的有效性     

考虑电力参数和量测误差的网络拓扑误差辨识方法

电力系统的参数误差和量测误差在状态估计时经常同时发生。为此提出了一种同时辨识不正常状态支路和参数误差的方法。首先建立了含断路器的支路模型,确定了利用断路器状态估计的误差方程。然后,提出了一种基于扩展状态估计方程的能够同时辨识网络拓扑误差、参数误差和坏数据量测的多源误差的方法。所提拓扑结构误差辨识方法能够在含有坏数据和网络参数误差下辨识不正常状态支路。该方法将约束条件中的归一化拉格朗日乘子加入到断路器模型和参数误差中,通过估计含有拓扑和参数误差的可疑支路的参数来辨识不正常支路的状态,且仅利用传统状态估计的结果来辨识误差。最后利用IEEE118节点系统进行算例验证,对比分析了多种场景下所提方法与传统辨识方法的结果,说明了所提方法的有效性。     

考虑误差非独立性的电力系统参数辨识估计

确定量测量间的误差传递特性是建立精确量测模型的重要前提。实际量测系统中量测量由所有单相遥测数据构成,在各母线上分析量测误差间的相关性,计算符合遥测数据实际采集特征的量测误差协方差阵。提出了考虑量测误差相关性的电力系统参数辨识估计,利用加权残差率绝对值求和的方法辨识出参数误差支路,采用改进增广状态量法进行参数估计,逐一修正参数误差,利用状态估计结果验证参数辨识估计准确性。IEEE算例仿真结果表明,所提出的算法较传统参数估计结果更接近于系统真值,同时提高了状态估计的精度。     

基于WAMS/SCADA混合量测的电网参数辨识与估计

针对目前电网参数辨识与估计方法存在的数值稳定性变差、易发散及易受残差污染干扰等问题,提出了一种基于混合量测的电网参数辨识与估计方法。该方法首先利用广域测量系统(WAMS)的测量数据计算相对残差,初步判断是否存在参数错误,然后利用相量测量单元(PMU)能够测量电压和电流相量的特性,建立支路两端变量之间的直接联系,对存在参数错误的支路进行辨识,并在此基础上使用智能优化算法估计支路参数。在IEEE 39测试系统上的仿真实验表明,该方法只需安装约1/2总母线数的PMU即可对全网传输线路和变压器进行参数辨识与估计。     

外网扩展电压源支路Ward等值模型及其在状态估计中的应用

随着互联电网建设的加强,各区域网络之间的联系日益紧密,在内网状态估计时考虑外部电网的影响已成为一种趋势。现有的基于外网扩展Ward等值的状态估计方法,不仅需要外网提供等值阻抗参数,还需要等值状态信息,同时要求等值状态和内网状态在采样时间上保持一致。在实际系统中,互联电网一体化的计算周期和内网独立状态估计的计算周期难以保持一致,从而易因采样时间的不同步而使外网等值状态和内网不匹配,给内网状态估计带来较大误差。鉴于此,在已有的外网扩展电压源支路Ward等值模型的基础上,提出了等值阻抗参数和状态参数的计算方法。该模型与扩展Ward等值相比,相同之处是等值阻抗支路的结构及其参数,不同之处是等值注入功率。后者在边界节点,前者在等值电源节点。相应所提模型的等值状态信息只有等值电源节点的电压和功率,该状态量可以基于节点功率平衡方程仅通过边界节点的内网电压和支路功率来确定。因此,所提模型的状态量与内网的状态量完全匹配,不存在扩展Ward等值的状态不匹配问题,从而可以大幅度提高含外网等值独立内网状态估计的精度。同时,所提模型继承了扩展Ward等值的阻抗支路结构与参数,因而在全网信息已知时具有与扩展Ward等值相当的等值精度。IEEE39节点系统的仿真结果验证了所提方法的有效性。     

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。     

基于联络线扩展区域分解协调的分布式并行状态估计

为适应互联电网日益复杂的结构形式和分层分区管理模式,采用联络线分区解耦方式对互联系统进行分布式状态估计计算。考虑到估计计算精度与计算效率的均衡,提出了一种将联络线扩展区域状态估计和灵敏度矩阵协调算法结合的分布式状态估计算法。设计分布式状态估计整体思路,一方面,在实现联络线分区解耦的前提下,完成分区层各子区独立状态估计计算和灵敏度矩阵求解,利用子区计算时机动态构建协调层联络线估计区域并完成并行状态估计计算;另一方面,根据协调层下发的联络线估计值和灵敏度矩阵,分区层各子区并行实现边界估计值不匹配量的协调修正计算。最后,通过IEEE 118节点、IEEE 30节点和实际互联电网的模拟仿真,验证上述算法实现分布式状态估计计算的优越性。仿真结果表明,采用该算法进行分布式估计计算,既具有较高的估计精度、收敛速度和计算效率,又可实现并行独立计算,避免集中式状态估计计算规模大、无法解决局部不可观测或不收敛的瓶颈问题。     

电力系统静态线路参数启发式估计

电力系统线路参数估计传统数值方法受到诸多限制。该文提出基于经验知识的参数估计目标函数修正项,导出状态估计与参数估计目标函数极值的关系,由此提出将目标函数从增广解空间垂直投影到参数空间的估计策略,并指出参数估计偏差的成因。针对投影的局部单峰特性,提出分段适应粒子群优化(staged particle swarm optimization,SPSO)算法。该算法根据群体适应度方差分阶段调整飞行参数,并在初始阶段增加新型免疫记忆算子。补充证明以估计值均值作无偏估计的可行性。仿真算例表明：应用该文修正项和SPSO方法,能快速准确的估计线路参数,并提高参数估计精度和降低对量测系统参数可估计性的要求,估计均值更接近参数真值。     

计及注入转移分布因子估计误差的鲁棒实时调度

注入转移分布因子是电网运行分析中的一种重要的线性化灵敏度因子,常用以校验一定发电计划下输电支路的潮流安全。注入转移分布因子的估计误差,会造成对支路潮流估计的偏差,从而威胁电网的安全运行。提出一种可以计及电网注入转移分布因子估计误差的电网实时鲁棒调度方法。首先利用实时量测数据,基于贝叶斯线性回归理论建立注入转移分布因子的概率估计模型,并求解获得注入转移分布因子的误差区间。进而,以电网运行经济性为目标,构建同时考虑节点注入功率扰动及注入转移分布因子估计误差的实时调度模型,并基于Soyster鲁棒优化方法,给出了模型的求解算法。通过对6节点系统、IEEE 118节点系统及IEEE 300节点系统的测试计算与分析,验证了方法的有效性。     

新疆电网智能调度支持系统状态估计调试方法研究

针对系统实际运行中的电网状态估计存在的问题,结合电网运行特点进行了分析,对提高状态估计准确率的调试方法的改进进行了研究,并提出相应的实用化调试方法,特别是针对环网线路、多回联络线路、超短线路提出了一种估计参数的方法,在实际工作中验证了其有效性,提高了状态估计的准确性,推动了智能电网调度自动化系统D5000在线分析模块应用实用化的发展。     

基于统一元件参数管理的电力系统状态估计维护研究与应用

为提高电网设备元件参数和状态估计结果的准确性,介绍了适合南方电网的能量管理系统、BPA电力系统分析程序、保护整定系统的对象名称映射方法以及元件参数评价方法,建立跨专业的统一参数管理平台,横向协同运行方式和继电保护专业,纵向贯通多级电力调度,实现了跨专业的参数比对、可疑参数自动识别、可疑量测数据提示和区域厂站可疑情况分析等功能,给出以可疑厂站为引擎的状态估计维护方案。大量实践结果验证了所提方法正确、可行。     

基于深度迁移学习的时变拓扑下电力系统状态估计

针对电力系统拓扑实时变化导致数据驱动状态估计器不可用的情况,提出一种基于深度迁移学习的数据驱动状态估计方法.将原拓扑海量历史数据训练得到的模型作为基础模型,当新拓扑实时量测数据更新时,加载和保存基础模型中特征提取层的权重和参数,只需要微调模型的全连接层,即可获得适应于新拓扑的神经网络,提高了数据驱动状态估计模型的自适应性和泛化性能.通过对IEEE标准系统和中国某实际省网的算例测试,并将其估计结果与加权最小二乘法和加权最小绝对值法进行比较.结果表明,在考虑拓扑时变性的情况下,该算法与上述2种物理算法相比具有更优的估计性能和估计效率.     

基于SC-DNN和多源数据融合的新能源电力系统状态估计方法

大规模新能源并网重塑了电力系统的控制运行特性,现有的电力系统状态估计方法面临新能源波动数据识别困难、估计精度低、估计速度慢等问题。为改善现有方法的不足,提出了一种基于残差连接(skip connection,?SC)-深度神经网络(deep neural network, DNN)和多源数据融合的新能源电力系统状态估计方法。首先采用基于双向长短期神经网络(bidirectional long short-term memory, BILSTM)预测的改进插值法进行多源数据融合。然后利用联合时空交叉机制和BILSTM网络的数据辨识技术替代传统的量测量突变检测法,以便更好地处理新能源波动数据。最后根据原始量测数据集建立基于SC-DNN的状态估计模型,把残差模块的拟合优势和神经网络的速度优势结合起来,从而实现状态估计精度和速度的提高。基于IEEE39节点系统和新疆某地区实网的算例分析表明,相比于传统方法,所提方法能在更准确地分辨新源波动数据与不良数据的同时提高状态估计的精度和速度。     

电网参数变化条件下的谐波状态分段估计方法

针对电网参数变化情况下谐波状态难以准确估计的问题,提出一种谐波状态分段估计方法。首先建立基于独立分量分析法的谐波状态分段估计模型,引入数据段重叠方法减少对历史谐波电流数据的需要,在使用重叠段的基础上,选用相关系数矩阵确定谐波电流次序,利用目标方程最小化法确定谐波电流幅值。接着利用历史谐波电压、电流数据进行统计实验,通过相关系数和方差两个指标确定合适的谐波数据分段长度,通过误差确定合适的重叠段长度,并给出电网参数变化的判据,最后通过二分法判定电网参数变化的数据区间,以实现在电网参数变化时修正估计结果。在34节点馈线系统上的仿真结果表明,所提出的谐波状态分段估计方法能够在电网参数和谐波源数目变化的条件下实现谐波状态的准确估计。     

基于变量代换内点法的加权最小绝对值抗差状态估计

传统内点法加权最小绝对值(WLAV)抗差状态估计能够抑制坏数据影响,提高状态估计精度,但该方法模型复杂,计算效率低,限制了其工程应用价值。文中提出一种基于变量代换内点法的电力系统WLAV估计方法,该方法通过添加中间变量,将非线性量测方程分解为两步线性方程和两步非线性变换,并建立两步线性方程的WLAV估计数学模型。与传统内点法WLAV抗差状态估计相比,该方法无须形成海森矩阵,可有效提高迭代方程中系数矩阵的稀疏度,并减小矩阵的阶数,有效提高WLAV状态估计的计算速度。基于美国电气与电子工程师学会(IEEE)标准系统、波兰电网和国内某省网的仿真结果验证了所述方法的有效性,具有良好的工程应用前景。     

A Novel Topological Genetic Algorithm-Based Phasor Measurement Unit Placement and Scheduling Methodology for Enhanced State Estimation

Phasor measurement units are emerging as a potential tool for on-line power system state estimation. Incorporation of phasor measurement units to the existing power system's monitoring system is impeded by various physical and economic constraints. This article proposes a novel topological genetic algorithm for optimal placement of phasor measurement units along with existing conventional measurement units such that state estimation can be achieved with enhanced accuracy and immunity against power grid contingencies. The proposed algorithm optimally places phasor measurement units so that complete observability of the power system is achieved through them and enhanced redundancy in measurement can be accomplished through conventional measurement units. Since practical phasor measurement unit placements are accomplished in multiple horizons, intelligent sorting and phase optimization methodologies have been presented to attain maximum observability during phasing periods. Placement of phasor measurement units with multiple channel limits has also been studied in this article. The efficacy of the proposed topological genetic algorithm for optimizing the number of phasor measurement units and enhancing state estimation under various operating conditions has been validated through extensive simulation studies conducted in IEEE standard bus systems. Practical case studies have been performed in the western and southern region Indian power grids.