基于正交变换与置信域的量测方差估计与权重设置算法

在状态估计实际应用中,量测方差获取和权重设置存在一定的困难。伴随状态估计运算量越来越繁重,现有量测方差估计算法的收敛性无法得到保证。为此提出了一种基于正交变换与置信域的量测方差估计和权重设置算法。利用正交变换降低迭代系数矩阵条件数,提高量测方差估计的数值稳定性;根据正交变换的化简结果,结合拉格朗日乘子法,建立新的量测方差估计模型;对于迭代过程的中间数据,采用置信域作为目标函数的约束,确保每次估计结果落在置信区间内;最后,通过IEEE 14/30/118标准系统算例证明了该算法的有效性。     

基于预测残差的配电网三相状态估计

为了提高配电网状态估计的计算精度和计算速度,针对常规抗差状态估计算法迭代次数较多的特点,给出了一种以节点电压为状态量,基于预测残差的配电网三相抗差状态估计方法。利用了配电网中各种类型的量测,通过对节点电压和支路电流的相位变换,以及对电流幅值量测进行的等效量测变换,实现了整个雅可比矩阵的常数化,在迭代过程中保持不变,降低了计算量。基于预测残差的信息设置抗差状态估计中的等价权,避免了常规抗差状态估计算法对等价权修正中不必要的多次迭代,提高了收敛速度。算例分析表明,所提的算法抗差能力强、计算速度快、数值稳定性和鲁棒性较好。     

混合量测下基于UKF的电力系统动态状态估计

针对当前电力系统动态状态估计主要采用的扩展卡尔曼滤波(EKF)法存在收敛速度慢、鲁棒性差的缺点,采用一种新的非线性方法——无迹卡尔曼滤波(UKF)法进行电力系统动态状态估计。UKF法由于使用了无迹变换,避免了线性化误差的引入和雅可比矩阵的计算,相比EKF法有更高的估计精度和稳定性。广域测量系统(WAMS)能够提供相量信息,具有精度高、全网严格同步等优点。因此,将WAMS量测数据和数据采集与监控(SCADA)系统量测数据相结合,形成应用混合量测的电力系统动态状态估计。仿真表明,UKF法相比EKF法能够更准确地估计动态系统中的状态量,WAMS信息的引入进一步提高了动态状态估计的性能。     

基于广域测量系统的混合量测状态估计算法

针对当前广域测量系统（WAMS）测量点少、无法进行状态估计的问题，提出利用量测变换的方法将数据采集与监控系统 (SCADA)支路功率量测转换成等效电流相量量测，与WAMS量测组成混合量测系统，并提出了直角坐标系下混合量测的状态估计算法。理论分析和算例表明该算法具有常数的雅克比矩阵和信息矩阵，而且信息矩阵能够针对节点电压相量的实部和虚部进行解耦处理。该算法收敛快速，属于线性收敛，且基本不受系统规模的影响。此外，本文还研究了该算法对有注入功率节点的处理，不同R/X值对该算法收敛情况的影响以及PMU量测值对估计结果精度的影响分析。     

基于分块雅可比矩阵的最小二乘状态估计算法

提出了一种基于分块雅可比矩阵的加权最小二乘状态估计算法。该方法将全部的注入功率量测、赋予很大权值的虚拟量测和必要的支路量测来构造一组恰好可求解系统全部状态变量的量测集,将余下的支路功率量测作为量测系统的冗余部分看待,并依此对量测雅可比矩阵进行分块,在此基础上推导出了该文算法迭代的修正方程式。该文所提算法既具有很好的数值稳定性,又能够减少计算量。仿真试验表明该方法是快速且数值稳定。     

电力系统静态状态估计的量测系统配置

本文应用矩阵的特征分析等方法,讨论了电力系统静态状态估计的量测系统优化配置问题,提出了量测系统配置的五个原则。本文所提出的原则,可用于计算机辅助设计或改善一个量测系统,以较少的量测仪表获得较高的估计精度和数值稳定性。本文方法比之文献已有的方法效果好,计算量小。     

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。     

电力系统谐波状态估计量测配置算法研究

谐波状态估计技术是在全球定位系统和相量量测技术的基础上发展起来的一项新型技术,是电网谐波分析的一种有效手段.阐述了电力系统谐波状态估计可观性分析概念及主要方法;鉴于谐波量测系统成本造价高,在分析传统量测配置算法优劣的基础上,提出了序贯搜索法结合量测方程数值稳定性和量测子站最少化为目标函数的量测配置优化的算法,实现保证系...     

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。     

状态估计中选取量测权值的新原则

估计结果的准确性和数值稳定性是状态估计的两个重要方面,通常按量测精度选取量测权值,能使估计结果有较高的准确性,但可能对数值稳定性不利。文中在分析量测权值变化对状态估计数值稳定性影响的基础上,提出了状态估计中选取量测权值的新原则：非关键量测的权值反映量测精度,以量测方差的倒数为其权值;关键量测的权值根据数值稳定性的要求选取,以其他量测权值的平均值为关键量测的权值。这样能较好地协调数值稳定性与估计结果准确性之间的关系。在附录中论述了估计精度与关键量测的权值无关。     

A new method for redundancy analysis of measurements applied to three-phase state estimation

In this paper, a new method based on the properties of the Gram matrix is proposed to verify the redundancy of measurements in three-phase state estimation. The Gram matrix is constructed using rows of the measurement Jacobian matrix as vectors. The method can be used for measurement systems planning or updating of three-phase networks so that the overall system remain observable even under possible branch contingencies and loss of measurements. It is a fast and robust numerical method based on the Gram matrix factorization that is easy to implement. A small numerical example that shows the application of the method is presented.     

基于分块QR分解的一种状态估计算法

文中提出了一种基于分块QR分解的状态估计方法。该方法把虚拟测量处理为等式约束，避免了由于权因子分散而导致的数值病态问题。在每次迭代中，通过对两个分块矩阵的QR分解和一个稀疏三角线性方程组的求解，实现了系数矩阵的三角分解。与带有约束的正规方程(NE/C)法相比，不但消除了Jacobian矩阵叉乘造成的信息损失，而且保证了分解的数值稳定性。稀疏QR分解采用了基于Givens变换的方法并利用最小度列排序和变主元消元策略。减少注入元素的数目，提高了状态估计的计算效率。试验系统的仿真结果表明了该方法具有良好的数值稳定性和鲁棒性，而且有较高的计算效率，可以满足在线状态估计的要求。     

A new numerical algorithm to check the observability and bad-data processing ability of the metering scheme

This paper provides a unified approach for the optimization of measurements placements employed for power system online monitoring through state estimation. The proposed methodology, which can be suitable for the mixed measure system, preserves state estimation observability and bad-data processing capability by employing numerical algorithms for observability checking, critical measurements and critical couple identification. First, node injection radix measurements and measurement categories are defined. According to the above definitions, the coefficient matrix can be solved. The analysis on the column vectors of the coefficient matrix can determine each measurement classification. Furthermore, the numbers of each measurement class contains can determine bad-data processing capability. The observability can be checked by the type number of measurements. The proposed method is illustrated with the IEEE39-bus system and the IEEE118-bus system. Results from the case studies are presented to demonstrate that the approach adequately fulfills the desired properties related to observability, bad-data processing, cost, and robustness.     

考虑量测相关性的容积卡尔曼滤波动态状态估计

针对电力系统动态状态估计中SCADA量测量间存在相关性的实际情况,文中提出了一种考虑量测相关性的容积卡尔曼滤波动态状态估计方法。首先进行了SCADA量测相关性分析,然后基于状态转移方程推导过程噪声协方差矩阵,基于容积变换方法计算考虑SCADA量测相关性的量测误差协方差矩阵,并提出了考虑量测相关性的电力系统动态状态估计流程,每次估计实时修正量测误差协方差矩阵及过程噪声协方差矩阵。IEEE-39节点系统的仿真结果表明,相较于不考虑量测相关性的容积卡尔曼滤波算法,文中方法能够明显提高状态估计结果的精度。     

基于WAMS／SCADA混合量测的电力系统强跟踪滤波动态状态估计

针对当前电力系统动态状态估计主要采用的扩展卡尔曼滤波(EKF)法存在鲁棒性差、建模具有不确定性等缺点,提出一种强跟踪滤波动态状态估计算法.该算法在扩展卡尔曼滤波器中引入时变次优渐消因子,在线调整状态预报误差协方差矩阵和相应的增益矩阵,使状态估计残差方差最小.同时,引入广域测量系统(WAMS)/-数据采集与监视控制(SCADA)系统的混合量测数据,增加了系统的冗余量测,进一步提高了动态状态估计的性能.仿真结果表明,所提方法在正常情况以及负荷突变、存在坏数据、网络拓扑错误各种情况下具有较好的预测和滤波效果.     

基于广义岭估计的电力系统谐波状态估计

基于广域测量系统提供的网络部分节点的谐波同步测量数据和网络导纳矩阵建立谐波状态估计模型,通过对模型的求解得出整个网络的谐波状态。对于待求解的数学模型,由于网络中某些元件参数可能导致求解方程病态问题的出现,应用最小二乘估计所得结果存在较大误差,提出应用广义岭估计进行求解。仿真算例结果表明,在系数矩阵病态时,应用广义岭估计进行谐波状态估计的结果较最小二乘法有更高的准确度。     

小生境遗传算法在状态估计中的应用

提出了一种基于小生境遗传算法的求解状态估计问题的新方法,根据加权最小二乘法原理导出状态估计模型可计及各种伪量测。采用小生境遗传算法可提高计算速度,并改善收敛性。仿真计算表明,该方法是有效的,而且精度高、数值稳定性好。