基于超短期负荷预测和混合量测的线性动态状态估计

目前电力系统量测主要是广域测量系统(wide area measurement system,WAMS)和数据采集与监控系统(supervisory control and data acquisition,SCADA)混合量测并存。利用量测变换技术,将SCADA系统下支路功率量测和节点注入功率量测转换为等效的电流相量量测,并与WAMS量测组成混合量测系统,在此基础上提出了直角坐标系下的线性动态状态估计算法。此外,采用高精度的母线超短期负荷预测并通过潮流计算得到预测值,实现了系统状态的实时跟踪预测。该算法减少了动态状态估计的计算时间,提高了动态状态估计的计算精度。采用IEEE14节点系统对提出的算法进行了验证。     

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。     

基于广域测量系统的状态估计研究综述

广域测量系统（WAMS）的逐步发展给电力系统在线分析方法提供了一个新思路。针对WAMS测量精度高、具有同步相量测量功能以及数据传输快等特点，分别从引入高精度节点电压相量量测的状态估计算法、引入高精度支路电流相量量测的算法、引入全部WAMS量测的算法以及其他与WAMS状态估计相关的问题等4个方面，介绍了目前引入WAMS量测的各种状态估计算法；并详细分析了各种算法的优缺点和适用范围，从工程应用出发研究其可行性，对部分算法给出了改进措施。讨论了WAMS的不良数据检测与辨识问题、相量测量装置（PMU）的最优配置问题以及基于PMU的动态状态估计和谐波状态估计等与WAMS状态估计相关的其他问题。     

计及PMU量测信息的量测量变换状态估计

针对目前监视控制和数据采集(supervision control and data acquisition,SCADA)系统和广域测量系统(wide-area measurement system,WAMS)量测数据的特点,提出了一种计及相量测量单元(phasor measurement unit,PMU)的量测量变换状态估计。文中利用量测量变换方法,将SCADA和WAMS下的各类量测转化为等效电压量测,经简化处理得到了常实数信息矩阵,实现了节点电压实部、虚部的解耦计China(NSFC)(50177066).算。该算法具有计算速度快的特点,克服了传统量测量变换状态估计只能处理单一支路功率量测的弊端。IEEE30节点系统算例验证了所提方法的有效性。     

计及广域测量信息的状态估计错误参数识别与修正

因电网元件参数可能随工作环境变化而改变、遥信量在干扰下可能出现错误,需要对状态估计中的错误参数进行识别和修正。根据当前监控与数据采集（SCADA）系统和广域测量系统（WAMS）量测共存的状况,引入WAMS量测求得的功率残差和零注入节点功率残差,与SCADA量测残差一起构成拉格朗日函数,由优化理论得出参数误差与各残差的灵敏度关系,从而进一步识别和修正错误参数。所述方法不仅避免了增广参数估计维数高的问题,还利用了高精度的相量量测信息。在标准测试系统上的仿真结果验证了方法的有效性。     

基于混合量测的电力系统状态估计混合算法

研究了相量量测装置(PMU)相量量测和监控与数据采集(SCADA)量测混合使用时的数据匹配问题,提出了利用状态量转换预测得到预报系统状态和预报节点注入电流向量的方法。在此基础上,提出了应用PMU实时相量量测和预报节点注入电流向量的线性静态状态估计算法,以及应用PMU实时相量量测和预报系统状态的线性动态状态估计算法。文中将这2种算法与传统状态估计算法相结合,组成了状态估计混合算法,保证了状态估计的计算精度。该混合算法有效减少了状态估计的计算时间,对PMU的量测配置也没有严格的要求,具有很好的通用性。最后采用IEEE30节点系统对该方法进行了验证。     

计及零注入节点约束的混合量测分区状态估计方法

在WAMS/SCADA混合量测系统下的分区状态估计算法能够综合2系统的特性进行状态估计计算,并且达到较好的估计效果,但是该方法并未考虑到零注入节点约束,不能保证零注入节点注入量严格为零。为此,文章在分区混合估计法的基础上,提出一种计及零注入节点约束的分区估计方法。该方法考虑到WAMS可观测区与WAMS不可观测区内不同的量测性质,在2区域中采用了不同的零注入节点处理办法,使两区域内的零注入节点严格为0;同时针对2量测区域边界零注入节点与两区域均相关而带来的零注入节点处理困难问题进行了专门处理,使边界处零注入节点的注入量保持为0。在IEEE 9、IEEE 39、IEEE 118节点系统中的算例结果表明该方法能够在牺牲较小计算效率的前提下,保证两量测区域内的零注入节点注入量严格为零。     

基于时序数据相关性挖掘的WAMS/SCADA数据融合方法

在电力系统多运行方式的背景下,研究WAMS/SCADA等量测数据融合是解决大电网在线稳定分析的关键点之一。为此,基于理论分析,从2者数据相关性角度研究了WAMS/SCADA相关性系数,提出了基于时序数据相关性挖掘的WAMS/SCADA数据融合方法。通过构建Pearson相关性系数,对WAMS/SCADA的相关性进行评估;运用广义EM算法对量测数据曲线时差问题进行函数模型求解;在考虑量测权值的情况下对量测有效性进行分析。结果表明:对3种不同数据进行状态估计后,经过数据融合后的曲线结果在系统稳定时段与出现扰动时段均保持平稳;基于时序数据相关性融合法所得到的状态估计曲线变化趋势与其他算法相同,混合量测状态估计结果误差5%。IEEE 118节点母线系统算例的仿真结果验证了上述方法的有效性与稳定性。     

基于WAMS/SCADA数据兼容和改进FCM聚类算法的PMU最优配置

针对当前应用于状态估计的广域量测系统(wide area measurement system,WAMS)和SCADA系统混合量测中相量测量单元(phasor measurement unit,PMU)最优配置点的选取问题,在分析WAMS/SCADA数据差异的基础上,提出一种基于数据兼容和改进模糊C均值(fuzzy C-means,FCM)聚类算法的PMU最优配置方案。采用大数据挖掘理念,通过改进FCM聚类算法对SCADA数据依据相关度分区,在分区内可观测度最大的节点配置PMU,各分区内采用该PMU节点的最优平滑系数进行Vondrak插值,得到满足兼容性的数据,应用于混合模型的状态估计。相对只考虑可观测度的PMU配置方案,新方案不仅可以实现WAMS/SCADA数据有效兼容,提高估计精度,应用混合量测的状态估计还可有效控制系统负荷快速变化时的估计误差。通过在IEEE 39节点系统上模拟日负荷变化,验证了该PMU最优配置方案的有效性。     

基于相量量测的等式约束二阶段状态估计模型

利用PMU的量测信息实现系统的动态可观测，考虑PMU数据刷新时间快的特点，在R.F.Nuqui的动态监测模型的基础上建立了适合静态估计的基于等式约束二阶段估计模型。该模型将PMU和SCADA的量测数据共同用于非线性估计，采用零注入节点功率作为等式约束条件来提高估计精度，然后对非线性估计的结果和PMU的支路电流相量进行线性估计。模拟了当系统某节点负荷持续变化时，利用等效导纳法对非线性区域节点状态量进行估计,最后采用IEEE 14和57节点系统算例对提出的模型进行了验证。     

基于混合量测的电力系统动态状态估计

针对目前广域量测量无法单独进行状态估计的问题,引入部分SCADA功率量测与广域量测一起构成混合量测系统,提出了基于混合量测的动态状态估计算法。该算法采用扩展卡尔曼滤波算法实现状态预测与滤波,并能利用精度高和短期更新的广域量测数据去提高状态滤波效果。仿真分析表明,当广域量测在混合量测数据所占比例逐渐增加以及广域量测更新周期缩短后,状态预测和滤波结果精度均会有明显提高。     

基于WAMS/SCADA混合量测和离散粒子群优化算法的PMU优化配置

当前应用于状态估计的量测数据由广域测量系统(wide area measurement system, WAMS)和数据监控及采集系统(supervisory control and data acquisition,SCADA)采集, WAMS向量测量单元(phasor measurement unit,PMU)的优化配置问题成为研究的重点。本文在分析WAMS/SCADA混合量测数据成分、时间断面、精度、刷新频率4个方面差异的基础上,实现了混合量测数据的有效兼容,提出了一种基于无迹卡尔曼滤波(unscented kalman filter, UKF)动态状态估计和离散粒子群优化(discrete particle swarm optimization, DPSO)算法的PMU优化配置方案。采用该方案下的混合量测数据进行UKF动态状态估计,很好地提高了状态估计精度。在IEEE39节点系统上模拟日负荷变化验证了该PMU配置方案的有效性。     

与SCADA互补的WAMS中PMU的配置及数据处理方法

数据采集与监控(Supervisory Control and Data Acquisition,SCADA)系统只能提供稳态的、低采样密度的、不同步的电网时间断面信息;广域测量系统(Wide-Area Measurement System,WAMS)虽然能在毫秒级的时间尺度上对电力系统进行同步测量,但在现有技术条件下它还不能完全代替SCADA系统.在相当长的时间内,势必出现两种系统并存、互为补充的局面.文章以基于负荷区的简化核心网完全可观测为原则,提出了一种实用的相角测量单元(Phasor Measurement Unit,PMU)配置方法.该方法利用PMU所产生的精确数据来同步系统其它部分的SCADA数据,并对其加上时间坐标,然后进一步利用状态估计来提高数据精度.该方法有效地考虑了WAMS精确数据与SCADA非精确数据的相互配合,具有一定实用价值.     

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。     

广东电网WAMS增强SCADA状态估计研究

SCGM（1,1）模型是灰色预测理论在传统GM（1,1）上的进一步发展。文中首次将单变量的SCGM（1,1）模型应用于中长期电力负荷预测,分别阐述了简化SCGM（1,1）模型、均值SCGMMV（1,1）模型、拓广SCGMa0（1,1）模型的原理和特点,并应用于实例。同时将精度较高的后两种模型和GM（1,1）模型进行固定权值和变权组合,进一步提高预测结果的精确度和可靠性。计算结果证明该方法预测准确,可靠性高,抗干扰性强,是中长期负荷预测新工具之一。     

计及磁饱和的同步发电机内电势幅值测量方法

在直接测量转子位置获取同步发电机内电势相位的基础上,给出了同步发电机内电势幅值的准确直接计算方法,该方法的准确性只依赖于机端电压、机端电流、发电机功角等电气测量结果的准确性,与同步发电机参数无关。同时,基于内电势幅值和相位的准确测量,给出了能够计及磁路饱和影响的同步发电机定子与转子间互感电抗和同步电抗的计算方法,并基于正态分布参数估计理论,给出电抗计算结果的置信区间和点估计值,实际算例表明,所述方法准确可靠。