基于权函数的电力系统状态估计算法

提出基于权函数的电力系统状态估计算法,该方法较好地综合了加权最小二乘法（ＷＩ－Ｓ）和加权最小绝对值（ＷＬＡＶ）两种估计方法的优点,仅需对应用广泛的ＷＬＳ软件作很少的修改即可实现该算法。在求解迭代过程中,以残差变化最作为加速因子,修正权函数,减少了迭代次数,加快了算法的计算速度,用ＩＥＥＥ３０和ＩＥＥＥ１１８节点系统验证了此方法的优越性。     

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。     

基于神经网络的状态估计方法研究

智能电网建设的快速推进,导致状态估计算法所处理的数据量急剧增加。串行状态估计算法求解速度慢,无法满足电力系统实时分析的要求;而并行状态估计方法需要大规模计算集群的支持,会占据大量的硬件资源并产生高能耗。为解决上述问题,提出一种基于神经网络的状态估计方法。该方法以离线方式搭建并训练神经网络。在状态估计的实际计算中,以神经网络的前向计算代替传统算法中的迭代最小二乘拟合,从而大幅减少状态估计算法的执行时间。由于神经网络的前向计算所需时间很短,即使处理大规模电网,提出的方法仍可在单机平台上运行,从而避免使用大规模计算集群所需的能耗。同时,神经网络自身的高容错性还能有效地修正量测数据中的误差。实验结果表明,与串行方法相比,所提方法计算速度提升了约205倍。     

基于改进型平方根UKF算法的永磁同步电机状态估计

针对永磁同步电机驱动系统的状态估计问题,提出一种改进型平方根UKF(SRUKF)的状态估计算法.为避免增加sigma点带来的计算量大问题,依据UT变换理论,采用超球体单形采样方法,使得sigma点的数量减少,从而在与SRUKF算法估计精度相当的情况下,计算量大大减少.考虑系统的非线性,采用SRUKF估计方法研究系统的状态估计问题,避免了扩展卡尔曼滤波(EKF)产生的线性化误差.同时在滤波过程中采用Cholesky和QR分解,以协方差平方根阵代替协方差阵参加迭代运算,有效地避免了滤波器的发散,提高了滤波算法的收敛速度和稳定性.仿真表明,与EKF、SRUKF估计方法相比,该方法能减少估计过程中的计算量,提高估计精度.     

多端交直流系统状态估计

综合分析了近些年来关于多端交直流系统（ＡＣ／ＭＴＤＣ）状态估计的算法,并提出了一种ＡＣ／ＭＴＤＣ状态估计分析的算法－改进交替求解法,此方法由于在对交流系统和直流系统进行解耦时未忽略耦合量,所以可以保证算法的收敛性。同时,由于对交直流系统实现了解耦,此算法可以采用简便的交直流系统交替迭代形式,并能很方便地与现有的交流状态估计算法相结合,且实现简单,算例验证了所提出的方法是正确的,有效的。     

基于多调度控制中心的分解协调状态估计

针对区域互联大电网集中式状态估计实时性、快速性和鲁棒性效果差的问题,提出了基于多调度控制中心的分解协调状态估计方法。该方法在电网分层分区的控制管理模式下采用节点分裂法将电网进行实时动态分区,将全网状态估计范围分解成电气主网和多个子分区,建立全网状态估计分解计算模型,基于电气主网和子分区的边界量测不匹配量及边界量测灵敏度迭代求解子区域状态量,实现主网和子分区状态估计结果的协调。在模型中心形成全电网状态估计结果以满足基于全网大模型的潮流计算、安全稳定分析等高级应用的计算需求。在D5000系统中的实际应用证明所提出的分解协调状态估计算法具有较高的准确性、收敛性和计算效率。     

基于平方根容积卡尔曼滤波的发电机动态状态估计

发电机动态状态估计是电力系统动态安全分析的重要内容。针对容积卡尔曼滤波(CKF)在迭代中协方差阵不对称或非正定导致的估计精度下降甚至滤波发散问题,利用平方根滤波(SRF)能确保协方差阵非负定和数值稳定性方面的优势,提出基于平方根容积卡尔曼滤波(SRCKF)的发电机动态状态估计方法,并给出了计算步骤。最后,利用仿真系统和实际系统比较了SRCKF、CKF和无迹卡尔曼滤波(UKF)三种算法的估计性能,证明了SRCKF算法能够解决CKF滤波中因协方差阵非正定导致的滤波发散问题;同时SRCKF算法在计算效率、滤波精度和数值稳定性方面均优于CKF和UKF算法。     

含分布式电源接入配电网的电压暂降状态估计

提出了一种基于奇异值分解算法的电压暂降状态估计新方法,该方法属于数值解法,具有计算复杂度小、历时少等优点,且较ANN和GA等算法此方法不需要迭代,没有收敛性问题。基于软件DIg SILENT针对有分布式电源接入的配电网电压暂降状态估计进行仿真分析验证。结合多个算例仿真分析了同步机型DG和逆变机型DG及其不同控制策略与DG出力对电压暂降状态估计产生不同程度的影响,验证结果表明分布式电源接入不同并网方案能在相应程度上缓解电网的电压暂降问题。     

多目标函数预抗差估计

对于电力系统中出现在杠杆量测上的不良数据,传统含不良数据辨识的最小二乘法状态估计不能很好排除不良数据对系统估计结果的影响。本文提出了多目标函数预抗差状态估计,利用可变窗宽算法平衡了指数目标函数状态估计的精度与速度矛盾,同时利用加权最小二乘估计与之相结合,在不同的迭代周期中使用不同的目标函数,使得估计既可以具有结构抗差估计的优秀抗差性能,又使得估计具有最小二乘法相对优秀的收敛性,避免了迭代震荡浪费计算资源的情况。将本文所提方法与传统算法进行比较,结果表明本文所提出的算法在性能上具有明显优势。     

基于等值信息交换的分布式抗差估计算法

提出了一种基于等值信息交换的分布式抗差状态估计算法。各子系统通过等值计算将自身量测信息浓缩成等值信息,协调层收集各子系统的等值信息计算出边界状态量进而实现分布式状态估计。此外,在分布式算法基础上实现了分布式抗差估计。采用等价权原理将指数型目标函数抗差估计方法转换成变权重的加权最小二乘估计,并基于不动点迭代的方法进行求解。在求解过程中,等值信息随着权重值的变化而不断更新,子系统得以综合全系统信息进行抗差估计。最后,构造了多子系统算例和含不良数据的算例对算法进行测试。测试结果表明分布式抗差估计算法具有很高的计算精度和很好的抗差性能。