基于支路电流的配电网状态估计

提出考虑配电馈线环网和节点零注入的基于支路电流的状态估计算法。该算法较传统的基于节点电压的状态估计算法有效,考虑节点零注入约束,提高了算法的收敛性和计算结果的精确性。     

三相辐射配电网状态估计方法

提出了一种基于牛顿法的三相配网状态估计算法。该算法充分利用辐射配网的特点,计及三相不平衡,采用分解形式的雅可比矩阵,每步迭代时不需要重新分解。理论分析和实际算例表明,该算法收敛可靠,运算速度快,内存占用少,量测适应性好。     

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。     

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.     

保留非线性的交直流联合系统状态估计算法

针对当前交直流联合系统各种状态估计方法所遇到的问题,提出了一种新的有功、无功和直流方程解耦的快速分解状态估计算法.在估计过程中交直流方程交替求解,并对直流方程采用保留泰勒级数展开式中所有高阶项的方法.其特点是:一方面可以使直流方程雅可比矩阵在迭代过程中恒定,降低计算量;另一方面使算法保持了良好的收敛性能.文中在IEEE 14节点系统中构造了多端交直流联合系统,并进行了仿真.仿真结果验证了该算法的有效性和可行性.     

基于负荷电流的配电网非量测负荷估计

提出了一种基于负荷电流的抗差估计算法用于修正10kv配电网非量测负荷。该算法将配电网中的功率量测变换为电流量测，实现了雅可比矩阵常数化，负荷电流实虚部解耦求解。并采用了权值随残差变化的权函数，从而较大程度上抑制了伪量测中坏数据对估计结果的不良影响。文中还给出了IEEE33节点配电系统的计算结果。结果表明，该算法能够有效地修正伪量测数据，使其准确度达到或接近实际量测值的准确度。     

基于分块吉文斯旋转的电力系统状态估计

针对电力系统状态估计问题中状态量及量测雅可比矩阵的绝大多数非零元素均成对出现的实际状况,提出了一种基于分块吉文斯(Givens)旋转的快速状态估计算法。该算法利用电力系统状态估计问题的上述特点对量测雅可比矩阵进行分块,对列编号进行优化,并采用变转轴逐列消元策略,既减少了所需的内存空间,又明显提高了执行效率。试验系统的仿真结果表明,该方法具有较高的执行效率,能够更好地满足在线状态估计的要求。     

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。     

三相辐射配网状态估计方法

提出了一种基于牛顿法的三相配网状态估计算法.该算法充分利用辐射配网的特点,计及三相不平衡,采用分解形式的雅可比矩阵,每步迭代时不需要重新分解.理论分析和实际算例表明,该算法收敛可靠,运算速度快,内存占用少,量测适应性好.     

基于负荷测录系统的配电网状态估计

提出了基于负荷监测系统的配电网状态估计方法。该方法利用负荷测录系统所采集的杆变和配变的三相电压、三相电流、有功功率和无功功率作为状态估计的量测量,将馈线上所有节点的电压、相角作为状态估计的状态量。 使用基于牛顿法的状态估计算法求得配电馈线的运行状态和馈线上所有节点的电压、功率信息,这些信息可帮助调度员了解配电网的整体运行情况并协助决策。以装配有负荷测录系统的一条实际的10 kV馈线网络为例来说明该方法的正确性。     

基于多源信息的配电网电流匹配状态估计

针对配电系统的实时量测冗余度低且只有部分电流量测的问题,结合计量系统的准实时量测数据,提出了电流匹配技术来求解配电网状态估计。推导了最优估计意义下的匹配电流方程及其系统化的求解方法。基于负荷功率因数变化慢的假设,提出了采用计量数据生成准实时量测的处理方法。该方法以实时电流量测为边界,把配电网划分成若干个量测区域,针对每个量测区域进行电流匹配状态估计。测试系统和实际系统算例表明,文中方法满足了当前配电自动化系统的实时应用需求。     

基于超短期负荷预测的智能配电网状态估计

状态估计作为智能配电网自愈控制的数据出口和态势感知工具的核心板块,需要在1个数据采集周期内对全网进行1次状态估计计算,传统的配电网状态估计算法不能满足以上要求,需要研究高效的配电网状态估计算法。提出了一种基于超短期负荷预测的智能配电网的状态估计方法,为自愈控制状态评估模块和潮流计算模块提供所需数据。该算法将预测速度快、预测精度高的超短期负荷预测技术引入智能配电网状态估计,实时预测节点负荷,实现了配电系统节点负荷的实时跟踪;采用指数函数抑制不良数据的影响,提高了状态估计的精度;利用配电网潮流计算的前推回代算法计算状态变量的初始幅值和相角,提高了算法的收敛性;考虑了分布式电源接入,体现了智能电网透明开放的特点。基于IEEE36节点标准算例的计算分析,验证了算法的有效性。     

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。     

一种用于配网状态估计的实时负荷数据模型

状态估计在DMS中具有重要作用，它是配电网络分析的数据之保证。由于配网量测装置配置量极其有限，单靠实时量测难以进行状态估计。通常需引入伪量测，实时负荷数据模型可有效地实现伪量测。日渐发展和完善的负荷管理系统和用电营业系统提供了大量负荷信息，因而该文充分利用负荷管理系统提供的数据和历史用电信息，提出了一种用于实时状态估计的实时负荷数据模型。并根据当前计算机网络技术和供电公司组网的实际情况，制定了实现实时负荷数据模型的网络连接和数据流程。仿真分析表明，该算法具有一定精度，在实际中是可行的，     

基于超短期负荷预测的电力系统动态状态估计

在常规动态状态估计的基础上,引入高精度的超短期负荷预测数据,将预测的节点注入功率作为滤波步的输入,实现了系统状态的实时跟踪预测。仿真表明,基于超短期负荷预测的电力系统动态状态估计算法提高了动态状态估计的计算精度．具有一定的现实意义和理论价值。     

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。     

计及分支负荷分布的配电网合环稳态电流计算

以防止合环操作而引起的线路过载或继电保护误动为目的,提出一种基于戴维南等值的合环稳态电流计算方法.该方法根据实时测量的负荷节点电压、电流相量,以戴维南定理为基础,将整个系统简化为两节点系统,在此基础上推导出稳态电流计算公式,并进一步引入负荷分支系数,将不同分布类型的分支负荷等值为相应的负荷阻抗,修正负荷等效阻抗,以消除配电网分支负荷分布对合环稳态电流计算的影响,使得合环稳态电流计算更加准确.上海某电网的实际计算分析表明本文所提方法实用有效.     

基于复值独立分量分析的配电网谐波状态估计

针对独立分量分析算法在谐波阻抗未知条件下无法准确估计谐波电流幅值的问题,提出基于复值独立分量分析法的相量比例系数计算方法,来估计谐波电流的幅值和相位。首先采用复值独立分量分析法估计谐波电流相量初始值;然后考虑到系统侧等效阻抗远小于负荷侧等效阻抗,忽略线性负荷对谐波电流的分流作用,推导出2种不同情况下相量比例系数的计算方法;最终确定谐波电流幅值和相位。利用IEEE 14节点配电网系统和某地区局域电网对该方法进行验证,并与现有独立分量分析法对比,结果表明该方法能在谐波阻抗未知条件下准确地估计出谐波电流幅值和相位。     

基于容积粒子滤波的配电网动态状态估计

配电网中分布式电源的渗透率逐渐升高,为确保配电网安全稳定的运行,需要对配电网运行状态进行准确的感知。针对容积卡尔曼滤波(Cubature Kalman Filter, CKF)算法对强非线性非高斯系统滤波精度有限、标准粒子滤波(Particle Filter, PF)选取重要性密度函数不准确的问题,提出了基于容积粒子滤波(Cubature Particle Filter, CPF)的配电网动态状态估计模型：利用CKF算法设计PF的重要性密度函数。既克服了CKF算法要求噪声为高斯分布的限制又保留了PF算法的强抗干扰能力。仿真结果表明,在高斯噪声和非高斯噪声下,CPF算法比CKF算法滤波精度更高、更灵活。     

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。