基于抗差总体最小二乘法的电力系统谐波状态估计

介绍了谐波状态估计的数学模型及最小二乘和总体最小二乘的求解算法,综合考虑测量误差和参数误差的影响,利用总体最小二乘法进行谐波状态估计。分析了测量粗差对估计结果的影响,针对总体最小二乘法不具备抑制粗差能力的缺点,提出利用抗差总体最小二乘法进行谐波状态估计。用Matlab搭建了IEEE-14节点谐波测试系统仿真模型,在测量数据和参数矩阵中分别加入含有粗差的正态分布误差及正态分布误差,画出概率密度曲线图,并对总体最小二乘法、抗差最小二乘法和抗差总体最小二乘法进行比较,结果表明利用抗差总体最小二乘法能够得到更精确的谐波状态估计结果。     

一种处理杠杆量测的配电网抗差估计算法

提出了一种新的基于支路电流的配电网抗差估计算法用于消除坏杠杆量测对估计结果的不良影响。该方法利用杠杆量测量的固有特性,在加权最小绝对值(WLAV)估计器的目标函数中引入结构抗差因子;同时借助等价权的概念,将抗差估计转化成最小二乘估计的形式,编程简单,从而使改进后的WLAV估计法不仅能够辨识出非杠杆量测中的不良数据,而且能够有效地抵御杠杆量测量中的坏数据,并得到高精度的估值。实验系统的仿真表明,该方法具有良好的数值稳定性和鲁棒性。     

一种处理杠杆量测的配电网抗差估计算法

提出了一种新的基于支路电流的配电网抗差估计算法用于消除坏杠杆量测对估计结果的不良影响。该方法利用杠杆量测量的固有特性，在加权最小绝对值(WLAV)估计器的目标函数中引入结构抗差因子；同时借助等价权的概念，将抗差估计转化成最小二乘估计的形式，编程简单，从而使改进后的WLAV估计法不仅能够辨识出非杠杆量测中的不良数据，而且能够有效地抵御杠杆量测量中的坏数据，并得到高精度的估值。实验系统的仿真表明，该方法具有良好的数值稳定性和鲁棒性。     

抗差最小二乘法状态估计

研究电力系统状态估计具有重要的理论价值和实际意义 ,在现代调度控制中心 ,状态估计是实现EMS/DMS的许多功能 :调度员潮流、事故预想分析和调度员模拟培训等的基础。在实际运行的电网自动化系统中 ,要想实时得到正确的网络状态估计结果是很困难的 ,因为在进行状态估计的过程中 ,必须考虑多个坏数据和多个拓扑错误同时存在的情况。抗差估计理论主要研究抗拒少量粗差 (泛指离群的误差 )对估值的影响。拓扑错误和坏数据可以分别看作带有粗差的网络参数和量测数据 ,因此可以将抗差最小二乘法用于存在拓扑错误和坏数据时的状态估计。算例结果表明 ,抗差最小二乘法具有良好的抗粗差能力和收敛可靠性 ,收敛速度快 ,并能够将抗粗差和状态估计在计算过程中一次完成 ,不需要象普通最小二乘法一样进行多次的状态估计计算。     

抗差最小二乘法状态估计

研究电力系统状态估计具有重要的理论价值和实际意义,在现代调度控制中心,状态估计是实现EMS/DMS的许多功能:调度员潮流、事故预想分析和调度员模拟培训等的基础.在实际运行的电网自动化系统中,要想实时得到正确的网络状态估计结果是很困难的,因为在进行状态估计的过程中,必须考虑多个坏数据和多个拓扑错误同时存在的情况.抗差估计理论主要研究抗拒少量粗差(泛指离群的误差)对估值的影响.拓扑错误和坏数据可以分别看作带有粗差的网络参数和量测数据,因此可以将抗差最小二乘法用于存在拓扑错误和坏数据时的状态估计.算例结果表明,抗差最小二乘法具有良好的抗粗差能力和收敛可靠性,收敛速度快,并能够将抗粗差和状态估计在计算过程中一次完成,不需要象普通最小二乘法一样进行多次的状态估计计算.     

基于广域测量和抗差最小二乘法的电力系统谐波状态估计

介绍了谐波状态估计数学模型及常用的最小二乘求解算法。针对最小二乘法抗粗差能力较差的缺点,提出利用抗差最小二乘法进行谐波状态估计。抗差最小二乘法通过等价权将抗差估计原理与最小二乘形式有机结合起来,可有效解决最小二乘法不抗御粗差的问题。利用Matlab搭建了配电网的仿真模型,获得了研究所需的谐波同步测量数据,对测量数据加入含有粗差的正态分布误差,用传统最小二乘法和抗差最小二乘法进行谐波状态估计。计算结果表明了在测量数据含有粗差的情况下,用抗差最小二乘法进行谐波状态估计其结果精度优于最小二乘法。     

基于IGG准则的抗差最小二乘输电线路参数辨识

针对实测数据中会存在粗差而传统最小二乘不具备抗差能力,本文将IGG(Institute of GeodesyGeophysics,Chinese Academy of Sciences)抗差方法应用到输电线路参数辨识中,提出了基于IGG准则的抗差最小二乘的输电线路参数辨识方法。具体的,本文在介绍基于双端PMU(Phasor Measurement Units)数据的线路线性数学模型和相应的最小二乘辨识的基础上,通过对目标函数的改造,引入基于IGG法的抗差准则,即对有效的观测信息保权,对可利用观测信息降权,对有害观测信息拒绝,从而使得改造后的最小二乘方法具备了较强的抗差能力。基于PSCAD仿真数据的测试验证了本文方法的有效性、抗噪能力及抗差能力;基于实测PMU数据的运行参数辨识结果表明了本文方法的实用性。     

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。     

基于抗差估计理论的输电线路故障定位新型算法

针对采样中出现的粗差,提出了一种基于抗差估计理论的故障定位算法。通过等价权原理,将抗差估计理论和最小二乘法有机的结合起来,有效地避免了粗差的影响。算法采用微分方程作为数学模型,并利用相模变换解耦;然后,在模域采用输电线路双端信号列写故障点方程;最后,用抗差最小二乘法求解。经过RTDS实验表明,该算法结果稳定,具有很好的准确性和抗干扰能力。     

基于核偏最小二乘的电厂热力参数预测与估计*

为了解决机组运行过程中参数失效和优化过程中参数计算的问题,提出了一种基于核偏最小二乘方法的热力参数预测和估计方法。首先用正常数据建立机组参数的预测和估计模型,确定各变量之间的回归关系,然后将其用于参数的在线预测与估计。其基本思想是通过非线性核函数将数据映射到高维特征空间,然后在高维特征空间中进行偏最小二乘回归运算。该方法可以有效地捕捉变量间的非线性关系,参数预测和估计效果明显好于偏最小二乘法和主元回归方法等线性回归方法。某1 000 MW发电机组烟气含氧量历史特征数据集仿真试验及实际应用比对实验证明了该方法的有效性。     

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。     

基于线性内点法及正交变换的抗差参数估计

参数估计目前主要采用加权最小二乘算法.由于包含参数估计,该方法在处理电网坏数据混杂及数值稳定性上都面临着困难.考虑到实际电网中有时会同时出现量测错误及参数错误,提出了使用基于线性内点法及正交变换的加权最小绝对值(WLAV)增广参数估计.基于L1范数的WLAV估计具有良好的抗差特性,用以应对混杂有坏数据、拓扑错误及参数错误的混杂估计.为提高增广参数估计的数值稳定性,将正交变换引入线性内点法修正方程的求解中.对算法的测试结果表明,该方法具有良好的应用前景.     

无刷直流电机输出转矩的非线性偏最小二乘回归估计

针对无刷直流电机直接转矩控制系统中,电机输出转矩估计或观测存在需检测电机状态信号难以精确地检测、观测或计算等不可避免的难题,提出一种利用电机线电流和转速两个易检测信号进行电机输出转矩估计的方法。该方法首先基于拉丁超立方抽样方法确定建模数据,确保离散数据的可靠性;然后通过核函数将建模数据中的自变量变换到特征空间,将自变量与因变量之间的非线性关系在特征空间中线性地展开;最后在特征空间中利用偏最小二乘回归方法建立电机输出转矩的估计模型。通过对转矩估计精度和控制系统性能进行分析及实验验证,证明了所提转矩估计方法能准确地估计电机输出转矩,确保电机直接转矩控制系统的性能,该方法具有较强的实用性。     

一种改进的Hachtel状态估计方法

电力系统状态估计常用加权最小二乘(W LS)法处理,这种方法中量测权值的悬殊和大量的注入量测会导致信息矩阵出现病态问题,降低算法的收敛性。综合带约束的正规方程(NE/C)法和海克特(H ach te l)法数值稳定性好的优点,把量测量合理分类构建信息矩阵,并采用分块稀疏矩阵技术,形成了一种计算速度快、数值稳定性好的状态估计新算法。理论和算例分析验证了该算法的有效性。     

电力系统最小信息损失状态估计的信息学原理

状态估计作为能量管理系统(EMS)和实时电力市场的基础和核心，正在变得日益重要。该文从信息科学的新视角，对电力系统状态估计的数学基础进行了研究。根据最小信息损失(MIL)决策原理，提出了能够适用于各种概率分布的通用的MIL状态估计新原理。并在理论上证明了加权最小二乘(WLS)和加权最小绝对值(WLAV)估计法都是MIL状态估计的特例，将传统状态估计方法在信息学的意义上统一起来，赋予了传统状态估计方法全新的信息学内涵。在MIL意义上，针对次输电系统和配电系统状态估计中普遍采用的电流幅值量测，得到了大电流是WLS估计法的近似条件。用算例比较了MIL和WLS状态估计的估计结果，进一步验证了WLS法在非正态分布时的近似条件。     

辨识网络拓扑错误的最小绝对值状态估计

采用最小绝对值状态估计算法辨识网络拓扑错误。在传统的最小二乘法状态估计模型中引进扩展变量和量测量,构成最小绝对值状态估计问题,进而转化为线性规划的标准形式求解。在一实际测验系统上进行了试算。     

基于快速分解法的电力系统状态估计

电力系统状态估计,对保证电力系统的安全性和经济性起着重要的作用,是电力系统调度、控制、安全评估等方面的基础,也是当代电力系统能量管理系统（EMS）的核心组成部分。状态估计算法是状态估计的核心,其中快速分解状态估计算法是在吸取潮流计算经验的基础上得到,是状态估计的优良实用算法。本文对电力系统状态估计的原理及方法进行研究,建立了快速分解法状态估计的数学模型。最后,通过对IEEE-14节点的算例分析,验证模型的有效性。