基于IGG法的电力系统状态估计

针对现有电力系统状态估计的不足，提出了一种基于IGG (Institute of Geodesy & Geophysics，Chinese Academy of Sciences)法的抗差估计方法。分析了抗差估计理论应用于状态估计时，初值和权函数选取的原则及一般方法，兼顾了估计结果的准确性和数值稳定性。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，结合网络参数估计辨识法，得出坏数据和可疑支路的正确状态，使抗差和状态估计在计算中一次完成。算例结果表明，该法抗差能力强，收敛速度快，而且具有较好的准确性和数值稳定性。     

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。     

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。     

考虑大规模风电接入的快速抗差状态估计研究

提出了精细化抗差最小二乘状态估计方法,用于解决大规模风电接入对状态估计带来的残差污染问题。该方法一方面在权函数中引入量测类型基准值,用于区分不同类型量测坏数据,提高了抗差状态估计的坏数据检测能力。另一方面,利用状态估计量测预校验信息,对SCADA量测进行预处理,形成坏数据参考因子,消除参数误差引起的坏数据误判,从而提高大规模风电接入电网的状态估计计算精度。同时使用Givens变换并行算法提升软件计算速度,提高抗差状态估计数据断面的实时性,实现精细化的快速抗差状态估计,以适应风电的大规模接入电网给分析控制类在线应用带来的影响。最后对某地区电网进行测试验证,证明该方法能够有效识别风电场遥测坏数据,消除其造成的残差污染,提高了估计计算速度和精度。     

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.     

用于配网负荷处理的全面抗差估计方法

提出了一种基于支路电流的全面抗差估计方法用于抵制配网伪量测负荷数据中坏杠杆量测的影响.该方法利用杠杆量测的固有特性,将结构抗差因子引入到加权最小绝对值估计的目标函数中,有效地削弱了杠杆量测的保差作用.同时,该方法在基于支路电流状态估计方法的基础上,增加了处理电压幅值量测的变换方法,从而提高了量测冗余度,估计精度和系统的可观测性.通过IEEE123仿真系统的结果表明,该方法具有良好的数值稳定性和抗差性.     

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.     

基于矩阵变换的双线性WLAV状态估计

当电力系统中的杠杆点存在不良数据时会严重影响状态估计的坏数据辨识和估计效果。现有的抗差估计方法也难以有效处理杠杆量测坏数据,而剔除杠杆点量测可能会影响系统的可观性。在双线性WLAV状态估计的基础上,通过对雅克比矩阵进行矩阵变换来实现对杠杆点不良数据的抗差。这种方法对算法本身进行改进,不需要剔除杠杆量测,既能提高对杠杆点不良数据的抗差能力,又不会影响系统的可观测性,是一种比较理想的处理杠杆点不良数据的方法。基于IEEE标准系统以及国内某实际省网的仿真结果验证了该方法在提高计算精度和计算效率方面的有效性。     

基于变量代换内点法的加权最小绝对值抗差状态估计

传统内点法加权最小绝对值(WLAV)抗差状态估计能够抑制坏数据影响,提高状态估计精度,但该方法模型复杂,计算效率低,限制了其工程应用价值。文中提出一种基于变量代换内点法的电力系统WLAV估计方法,该方法通过添加中间变量,将非线性量测方程分解为两步线性方程和两步非线性变换,并建立两步线性方程的WLAV估计数学模型。与传统内点法WLAV抗差状态估计相比,该方法无须形成海森矩阵,可有效提高迭代方程中系数矩阵的稀疏度,并减小矩阵的阶数,有效提高WLAV状态估计的计算速度。基于美国电气与电子工程师学会(IEEE)标准系统、波兰电网和国内某省网的仿真结果验证了所述方法的有效性,具有良好的工程应用前景。     

基于集成深度神经网络的配电网分布式状态估计方法

随着大量分布式能源的接入,配电系统的运行与控制方式愈加复杂。针对配电网状态估计方法面临分布式电源波动数据辨识困难、估计精度低、鲁棒性与估计时效性差等问题,提出一种基于集成深度神经网络的配电网分布式状态估计方法。首先,利用量测数据相关性检验的数据辨识技术识别不良数据和新能源波动数据。在此基础上,利用时域卷积网络(temporal convolutional network, TCN)-双向长短期记忆网络(bidirectional long short term memory, BILSTM)对不良数据进行修正。然后,建立集成深度神经网络(deep neural network, DNN)状态估计模型,采用最大相关-最小冗余(maximum relevance-minimum redundancy, MRMR)的方法优化训练样本,从而提高状态估计的精度和鲁棒性。最后,建立分布式集成深度神经网络模型,弥补了集中式状态估计速度慢的不足,从而提高状态估计效率。基于IEEE123配电网的算例分析表明,所提方法能更准确地辨识分布式电源波动数据和不良数据,同时提高状态估计的精度和效率,且具有较高的鲁...     

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。     

Robust State Estimation for an Electricity-GasHeat Integrated Energy System Considering Dynamic Characteristics

The data for an energy management system (EMS) in an integrated energy system (IES) is obtained through state estimation. This is then the basis for optimal scheduling, protection and control. At present, the dynamic models of gas and heat networks are rarely considered in such state estimation, and the method lacks robustness. This paper develops dynamic state estimation models for gas and heat networks, and proposes a unified method for the electricity-gas-heat network, one which takes into account robustness while ensuring accuracy. First, the state transition equations in matrix form are formulated according to finite difference models considering the dynamic characteristics of the gas and heat networks. Then, combined with a quasi-steady state model of the electric power system, a unified state estimation method and multi-time-scale measurement strategy in the Kalman filter framework are proposed. In addition, the prediction accuracies of the electric power and gas systems are improved through adaptive adjustment. The kernel density estimation method is used to adjust the measurement weights and filter out bad data to ensure robust state estimation. Finally, simulation results show that the proposed method not only can improve the estimation accu-racy by improving prediction accuracy, but also is robust to various types of bad data.     

状态估计中选取量测权值的新原则

估计结果的准确性和数值稳定性是状态估计的两个重要方面,通常按量测精度选取量测权值,能使估计结果有较高的准确性,但可能对数值稳定性不利。文中在分析量测权值变化对状态估计数值稳定性影响的基础上,提出了状态估计中选取量测权值的新原则：非关键量测的权值反映量测精度,以量测方差的倒数为其权值;关键量测的权值根据数值稳定性的要求选取,以其他量测权值的平均值为关键量测的权值。这样能较好地协调数值稳定性与估计结果准确性之间的关系。在附录中论述了估计精度与关键量测的权值无关。     

用于配电网分布式抗差状态估计的自动分区

网络分区是进行配电网分布式状态估计的基础。分析配电网的网络结构特点,从各分区计算量均衡的角度出发,借助图论中网络的快速搜索能力,通过编程对配电网进行自动分区,从而实现状态估计的并行计算。为改善状态估计算法的抗差性,采用指数表达的权重系数,在迭代过程中降低不良数据在目标函数中权重值,从而减少不良数据对目标函数和估计结果的影响。这种基于分区的配电网分布式抗差状态估计算法可以实现对配电网的自动合理分区,有效地提高状态估计的计算速度,改善了算法对量测量的抗差性。通过IEEE-118节点算例的计算分析,说明了算法的可行性。     

并网光伏系统的在线抗差状态估计

为了充分考虑主动配电网中光伏发电系统的影响,对光伏发电系统进行实时监控,提出了一种并网光伏系统的抗差状态估计方法。搭建了光伏系统模型,建立了相应的量测模型。抗差状态估计能够实现对配电网系统的状态监测,可靠估算出系统的运行状态。文中抗差状态估计采用最小绝对值(Least Absolute Value,LAV)估计算法,不仅具有抵御不良数据的能力,而且计算效率较高。仿真结果表明:该方法能够正确地估算出光伏系统的状态,收敛性较好,并且具有一定的抗差能力,能实现对光伏系统中不良数据的检测和辨识。     

含指数型目标函数的电力系统抗差状态估计方法在江西电网中的应用

电力系统状态估计是能量管理系统的核心和基础模块,然而当量测系统中存在不良杠杆量测或一致性不良数据时,传统的含不良数据辨识程序的最小二乘估计不能很好地排除不良数据对状态估计的影响。为此介绍了一种能够自动排除不良数据对状态估计影响的含指数型目标函数的电力系统抗差状态估计模型,分析了该模型的理论基础和数学特性,给出了该模型在江西电网的应用方法和效果。结果表明,该抗差状态估计模型能够显著提升电力系统状态估计的精度,同时还能够保证严格满足零注入等式约束。