线性离散系统最小信息损失动态状态估计原理及其在热网中的应用

综合能源系统作为未来能源系统的发展趋势，可以有效地助力我国“双碳”目标的实现。状态估计作为能量管理系统的基础核心，在综合能源系统领域变得日益重要。无论是热网还是气网，其动态过程的建模最后都可以转化为线性离散系统的形式。因此，该文从信息科学的视角对线性离散系统动态状态估计的理论基础进行研究。根据最小信息损失(minimuminformationloss,MIL)决策原理，提出通用的线性离散系统MIL动态状态估计新原理，建立MIL动态状态估计模型，分析不同时刻噪声相关性、不同噪声概率分布类型对该模型的影响，在理论上证明全信息滚动时域估计、多断面加权最小二乘、多断面加权最小绝对值等常用估计方法均为MIL动态状态估计在一定假设下的特例。进一步以热网为例对该原理进行验证，建立热网状态空间模型和热网MIL动态状态估计模型，对该模型在考虑不同噪声概率分布类型、不同时刻噪声相关性、预测信息等方面的普适性进行验证。     

海底观测网电力系统状态估计

由于海底观测网电力系统量测量冗余度低,传统的加权最小二乘(WLS)法状态估计结果精度不高,且WLS法不具有抗差性。针对该问题,引入小波分析方法,将其与WLS方法相结合,提出一种电力系统状态估计方法,该方法利用小波降噪理论提高WLS状态估计结果的精度,利用小波变换奇异性检测理论识别传感器故障,提高WLS方法抗差能力。海底观测网电力系统模型的仿真结果验证了该方法的优越性。     

最小信息损失状态估计在拓扑错误辨识中的应用

网络拓扑的错误导致状态估计结果不可用,一直是电力系统状态估计应用中的难题.该文将最小信息损失（MIL）状态估计理论应用到拓扑错误辨识中,提出了具有严格数学基础的MIL拓扑检错新方法.该方法综合利用了蕴涵在遥测和遥信中的信息量,在总体信息损失最小的估计目标下,对遥信和遥测实施统一最优估计,并给出拓扑检错结果.文中还分析了MIL法与传统方法的内在联系,指出了传统残差法是MIL法的特例,讨论了新方法的在线实现问题.给出了小算例系统和实际系统的对比试验研究,结果验证了MIL法比传统残差法具有更低的错误率和更强的可扩展性.     

基于Gauss-Markov模型的电力系统t型抗差状态估计

将t型估计引入状态估计中,提出自适应Gauss-Markov模型的t型抗差状态估计。该方法能够克服传统不良数据辨识程序不能很好地辨识多个强相关不良数据的不足,且与传统状态估计程序具有很好的兼容性,利用t分布的自由度动态调节估计的效率和抗差性。该方法目标函数连续可微,可利用与加权最小二乘(WLS)法类似的牛顿法进行求解。IEEE标准系统和某实际输电网测试验证了所提方法的有效性,与含不良数据辨识功能的WLS估计和二次-常数(QC)估计相比,所提方法的抗差性具有明显的优势。     

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。     

基于深度神经网络的电力系统快速状态估计

随着现代电力系统的迅猛发展,电网结构和运行方式日益复杂,对状态估计的实时性和准确性也提出了更高的要求。为此,该文提出一种基于深度神经网络的电力系统快速状态估计,通过相关性分析筛选出该状态估计模型的输入量测集,进一步利用海量历史数据建立基于深度神经网络的状态估计模型。当电力系统的实时量测更新时,将强相关量测输入已建立的状态估计模型中快速获得系统状态的估计结果。通过在IEEE标准系统和某实际省网进行算例仿真表明,所提方法的估计精度和鲁棒性均优于传统加权最小二乘(weighted least square,WLS)和加权最小绝对值估计(weighted least absolute value,WLAV);并且该方法的在线计算时间受系统规模影响较小,由实际省网的仿真结果可知,其计算效率较WLS和WLAV分别提升1.43和27.2倍。     

基于指数权函数的抗差状态估计算法

电力系统状态估计是电力调度中心一切高级应用及分析的基础。针对加权最小绝对值法（WLAV）状态估计收敛性较差的问题,提出了指数权函数的状态估计新算法（E-LAV）。该方法采用指数权函数代替WLAV的不连续权函数,从而克服了WLAV方法在权函数间断点收敛性能大大降低的缺点。以4节点系统及IEEE-118系统作为算例的计算结果表明,E-LAV算法在拥有与最小二乘法（WLS）近乎类似的迭代速度的同时,却拥有很强的抗差能力。该算法只需在原有最小二乘法的基础上修改权重矩阵即可,因此拥有良好的工程应用前景。     

基于PMU的配电网状态估计

分布式能源的接入、网络结构的复杂性以及量测数据冗余不足,使配电网状态估计的精度较低。针对量测数据精度不高的问题,引入同步向量测量装置(Phasor Measurement Unit,PMU)以提高状态估计的精度;针对配电网状态估计中应用最多的加权最小二乘法(Weighted Least Squares,WLS)对量测数据精度要求高、抗差能力差的缺点,结合Huber算法和多目标函数抗差估计算法改进了加权最小二乘法,提出三目标函数型预抗差状态估计。通过对迭代次数的判断并结合WLS、Huber算法和指函数型目标函数的优点确定选用哪种目标函数。算例分析在IEEE33节点系统中展开,结果表明,加入PMU有效提高了量测数据的准确性。三目标函数预抗差算法比WLS估计精度高、抗差性强,验证了所提算法的有效性。     

含微电网的电力系统状态估计研究

分布式电源的接入不仅改变了电网的潮流分布和拓扑结构,而且使微电网系统的状态估计面临新的挑战。基于有限的实时量测和包含分布式电源节点的伪量测提出微电网状态估计量（MGSE）,并分别采用改进的传统加权最小二乘法（WLS）和粒子群智能算法（PSO）对微电网进行求解。利用Matlab对一典型欧洲低压微电网系统的状态估计进行仿真,验证了该估计量能准确地描述系统的状态,并比较了两种算法的优劣,为含微电网的电力系统预测控制和性能优化提供了基础。     

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。     

基于测量不确定度的电力系统状态估计（三）算法比较

加权最小二乘估计准则在电力系统状态估计中应用广泛,但其结果易受不良测点影响.为解决这一问题,已经提出了加权最小绝对值准则、非二次准则等估计器.应用大量算例,对已有估计准则和文中所提出的以最大测点正常率为目标的状态估计方法进行了对比研究,进一步对残差污染情况进行了讨论.算例表明,在估计结果合理性方面,当测点中不合不良数据时,文中所提出的方法与加权最小二乘估计相当,优于其他方法;当测点中含有不良数据时,文中所提出的方法大幅度优于以往状态估计方法,说明所提出的方法可较好地解决残差污染问题.     

Weighted least absolute value power system state estimation using rectangular coordinates and equivalent measurement functions

This paper presents a new efficient computation technique for robust power system state estimation based on weighted least absolute value (WLAV) criterion. The proposed method employs rectangular form of state variables and equivalent measurements technique in order to obtain the linear measurement functions with linear constraints of state variables. The state estimation problem is then formulated as an optimization problem with a set of equality and inequality constraints. A solution method based on interior point algorithm is also proposed. Tests with several IEEE standard systems have been performed to investigate the performance of the proposed algorithm. Results indicate that the proposed state estimator gives promising performance compared with weighted least square (WLS) based estimation algorithms using state variables in polar forms. © 2011 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于多准则分区和WLS-PDIPM算法的有源配电网状态估计

针对复杂有源配电网三相不平衡状态估计计算速度较慢与计算精度较低的问题,提出了一种基于多准则分区和基本加权最小二乘法—原对偶内点法(WLS-PDIPM)混合算法的状态估计方法。基于对有源配电网中实时量测、虚拟量测和伪量测的配置分析,建立了适用于复杂有源配电网状态估计的多准则分区优化模型,该模型综合考虑了分区后各子区域规模均衡、量测冗余度均衡及伪量测平均误差均衡。通过高级量测体系(AMI)全量测点实现各子区域完全解耦,有效减小了系统规模和雅可比矩阵阶数。所提方法将WLS与PDIPM的优点相结合,在提高算法精度的同时减少了计算时间。仿真算例结果表明所提方法可实现对复杂有源配电网的合理分区,有效提高了状态估计的计算速度与求解精度。     

最小信息损失状态估计中潮流和拓扑统一估计的通用理论

传统的电力系统状态估计方法具有严格的数学前提.为了提出更通用的状态估计方法,该文建立了遥信的广义信道模型,给出了遥信的信息损失计算式,发展了最小信息损失状态估计理论.将遥测和遥信在信息空间上统一建模,得到了潮流和拓扑统一估计的通用理论和方法,可以充分利用遥测和遥信等混合数据中所蕴含的信息量,对电网潮流和网络拓扑实施同步估计,并取消了传统状态估计必须保证拓扑正确的数学前提,为拓扑错误辨识提供了严格的数学基础.     

配电网状态估计的一种新算法

加权最小二乘法是当前配电网状态估计的常用算法,但它对于粗差的处理能力不足,量测量中的粗差会使估计结果严重偏离真值.介绍了一种抗差原理,利用权因子把一般性的M估计转换为加权最小二乘法,并将之应用于配电网的状态估计.通过测试,证明该方法可以有效减小或消除量测量里面的粗差影响,对于配电网状态估计技术有较强的实用价值.     

自适应抗差理论在配网状态估计中的应用

提出了一种基于自适应抗差理论的配电网状态估计算法。该方法首先对生数据进行预处理,然后基于抗差原理,利用权因子把一般性的M估计转换为加权最小二乘法,并将权系数和余差联系起来,有效地解决了常规加权最小二乘法中,由于常数权系数所导致的,对粗差处理能力不足的问题。将该方法应用于一个实际配电网络的状态估计当中,结果表明该方法可以有效减小或消除量测量中粗差的影响。     

电力系统状态估计算法研究

电力系统状态估计作为一种高及应用软件,在整个能量管理系统中起着非常重要的作用。本文在对已有状态估计方法进行分析的基础上,并考虑了实际电网的一些特点,提出了一种将电压量测量和功率、电流量测量分解开来进行计算的加权最小二乘法状态估计算法。研究了该方法在微机ＤＯＳ平台上的实现,和其他方法进行了比较,认为该方法具有收敛性好,计算速度快的优点。     

一种双线性抗差状态估计方法

传统状态估计方法一般需要求解某个非线性非凸优化问题,并用基于梯度的方法予以求解,因而存在难以保证获得全局最优解、可能收敛困难等问题。文中基于国外学者提出的精确线性化量测方程构建了一种双线性抗差状态估计方法。该方法仅需求解一个线性加权最小绝对值估计问题(等价为线性规划问题)、一个非线性变换以及一个线性加权最小二乘估计问题(二次规划问题),从数学上可保证获得全局最优解,并不存在收敛性问题。最后,通过仿真算例验证了所提方法的有效性。     

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.