分布式状态估计在华东高级调度中心的应用

随着华东高级调度中心建设的不断深入开展,对于分布式状态估计提出了更高的要求,采用合适的分布模式,可以有效地提高状态估计的鲁棒性和准确性.介绍在厂站侧引入状态估计,能够在第一时间辨识出坏量测,提高基础数据质量,以提高全网状态估计的精度.     

基于Kalman滤波原理的电力系统动态状态估计的研究综述

状态估计是现代EMS的重要组成部分,特别是动态状态估计,能实现实时运行状态的估计和预报功能.通过对动态估计算法Kalman滤波算法和国内外学者的一些改进算法的现状研究,分析了这些算法目前存在的主要问题.并基于此提出了Kalman滤波算法的新的改进措施,研究了方向和发展趋势.     

基于Kalman滤波原理的电力系统动态状态估计的研究综述

状态估计是现代EMS的重要组成部分,特别是动态状态估计,能实现实时运行状态的估计和预报功能。通过对动态估计算法Kalman滤波算法和国内外学者的一些改进算法的现状研究,分析了这些算法目前存在的主要问题。并基于此提出了Kalman滤波算法的新的改进措施,研究了方向和发展趋势。     

电力系统动态状态估计的研究现状和展望

综述了电力系统动态状态估计DSE(Dynamic State Estimation)的研究现状,对目前常用的DSE方法作了简明对比。。描述了基于扩展卡尔曼滤波EKF(Extended Kalman Filter)算法的DSE数学模型,并介绍了3类改进算法,用以提高EKF算法的自适性性、鲁棒性和准确性。针对不良数据的检测和辨识,在简要分析传统量测量残差检测和突变检测方法优缺点的基础上,又介绍了一些新的理论。总结了外部网络模型等值的一些观点。最后,提出了DSE研究中几个方面的构想以供参考。     

华东电网高级调度中心建设研究与实践

华东电网提出了以风险防控、运营绩效、技术支撑、组织保障和理论储备五大平台为基础的华东电网高级调度中心总体架构,通过第一阶段建设实践证明,开展高级调度中心建设,实现智能电网输电网智能调度的方向是正确的.     

豪斯荷德尔正交变换法在状态估计中的应用

本文详细介绍豪斯荷德尔正交变换法在状态估计中的应用。该方法与目前状态估计计算中广泛采用的吉文斯正交变换法相比具有运行速度快,程序设计简单等优点。经云南大理等地区电业局的现场进行表明,该方法具有数值稳定性高,收敛性好,占有同存小等优点。     

地区电力系统状态估计研究与应用

本文介绍了哈尔滨地区电网状态估计软件的基本原理及功能,在算法上采用基于定雅可比矩阵的加权最小二乘法,并引入了正交化处理,具有较好的数值稳定性和计算速度;不良数据检测上采用状态预估与γN检测相结合的方法,保证了估计精度。     

豪斯荷德尔正交变换法在状态估计中的应用

本文详细介绍豪斯荷德尔（ＨｏｕｓｅＨｏｌｄｅｒ）正交变换法在状态估计中的应用。该方法与目前状态估计计算中广泛采用的吉文斯（Ｇｉｖｅｎｓ）正交变换法相比具有运行速度快,程序设计简单等优点。经云南大理等地区电业局的现场运行表明,该方法具有数值稳定性高,收敛性好,占有内存小等优点。     

哈尔滨电网状态估计研究与应用

介绍了哈尔滨电网状态估计软件的基本原理及功能,在算法上采用基于定雅可比矩阵的加权最小二乘法,并引入了正交化处理,具有较好的数值稳定性和较快的计算速度,不良数据检测上采用状态预估与γN检测相结合的方法,保证了估计精度。     

基于SHGM估计方法的电力系统状态估计

电力系统状态估计作为一种应用软件，在整个能量[管理系统（EMS）中起着非常重要的作用，但是经典的估计方法在处理不良的异点时显得无能为力，为了解决这一问题，文中在简要分析映射统计概念及原理的基础上，用先辨识杠杆点的方法来进行估计，从而避免受到在这些点的不良数据的影响，仿真试验结果表明，该方法较一般的WLS状态估计方法在处理不良数据以及收敛性等方面具有更好的效果，并且它的算法是对较简单的基于WLS算法的修改，所以很容易实现。     

华东电网高级调度中心建设一期实践综述

高级调度中心建设是华东电网在特大电网智能调度建设方向上的尝试.以高级调度中心整体架构为基础,重点阐述了华东电网高级调度中心建设在风险防控、运营绩效、技术支撑体系方面的应用实践.     

蓄电池荷电状态闭环动态估算模型

使用基于电化学理论的安时模型,实现蓄电池荷电状态的实时估算。为了改善电化学安时模型的估算性能,设计了闭环反馈模型。闭环模型采用基于最优估计的扩展卡尔曼滤波算法,将电化学安时模型作为滤波算法的状态方程,蓄电池的荷电状态作为过程状态量,滤波算法中的观测方程的参数通过特定实验数据分析确定。实验结果表明,对于可靠的测量数据,电化学模型具有较高的估算精度;在较大测量偏差存在的情况下,闭环模型可以有效地修正估算偏差,得到准确的估算值。     

State estimation for bilinear systems through minimizing the covariance matrix of the state estimation errors

This paper considers the state estimation problem of bilinear systems in the presence of disturbances. The standard Kalman filter is recognized as the best state estimator for linear systems, but it is not applicable for bilinear systems. It is well known that the extended Kalman filter (EKF) is proposed based on the Taylor expansion to linearize the nonlinear model. In this paper, we show that the EKF method is not suitable for bilinear systems because the linearization method for bilinear systems cannot describe the behavior of the considered system. Therefore, this paper proposes a state filtering method for the single‐input–single‐output bilinear systems by minimizing the covariance matrix of the state estimation errors. Moreover, the state estimation algorithm is extended to multiple‐input–multiple‐output bilinear systems. The performance analysis indicates that the state estimates can track the true states. Finally, the numerical examples illustrate the specific performance of the proposed method.     

多采样率EKF软测量在汽车状态估计中的应用

由于多采样率数字控制系统具有许多单采样率数字控制系统所不具备的优点,在深入研究多采样率数字控制系统和EKF算法的基础上,提出一种基于输入多采样率EKF的软测量算法,并将其应用于汽车的横摆角速度、质心侧偏角和纵向车速的估计。通过Carsim和Matlab／Simulinkl联合仿真与蒙特卡罗实验,结果表明该算法有利于获取更多的输入量信息,提高状态估计器的性能,比单采样率EKF算法的估计精度高10％～40％。     

基于自适应SRUKF算法的电力系统动态谐波状态估计

针对传统无迹卡尔曼滤波(unscented kalman filter, UKF)谐波状态估计算法存在时变噪声和异常数据时估计准确度较差的情况,提出了一种基于自适应平方根无迹卡尔曼滤波(square-root UKF, SRUKF)的电力系统谐波状态估计算法。首先,针对时变噪声干扰,引入改进的Sage-Husa噪声估计方法实时估计噪声协方差。其次,针对异常数据干扰,引入异常数据修正方法,通过修正系数来降低异常数据对状态估计结果的影响。最后,通过搭建IEEE14节点系统验证自适应SRUKF算法的估计性能,能够有效地应用于电力系统的动态谐波状态估计。仿真结果表明,该算法在时变噪声和异常数据干扰时仍具有良好的估计性能。     

Decentralized unscented Kalman filter based on a consensus algorithm for multi-area dynamic state estimation in power systems

A decentralized unscented Kalman filter (UKF) method based on a consensus algorithm for multi-area power system dynamic state estimation is presented in this paper. The overall system is split into a certain number of non-overlapping areas. Firstly, each area executes its own dynamic state estimation based on local measurements by using the UKF. Next, the consensus algorithm is required to perform only local communications between neighboring areas to diffuse local state information. Finally, according to the global state information obtained by the consensus algorithm, the UKF is run again for each area. Its performance is compared with the distributed UKF without consensus algorithm on the IEEE 14-bus and 118-bus systems. The low communication requirements and high estimation accuracy of the decentralized UKF make it an alternative solution to the multi-area power system dynamic state estimation.