最小信息损失状态估计中潮流和拓扑统一估计的通用理论

传统的电力系统状态估计方法具有严格的数学前提.为了提出更通用的状态估计方法,该文建立了遥信的广义信道模型,给出了遥信的信息损失计算式,发展了最小信息损失状态估计理论.将遥测和遥信在信息空间上统一建模,得到了潮流和拓扑统一估计的通用理论和方法,可以充分利用遥测和遥信等混合数据中所蕴含的信息量,对电网潮流和网络拓扑实施同步估计,并取消了传统状态估计必须保证拓扑正确的数学前提,为拓扑错误辨识提供了严格的数学基础.     

基于增广状态估计的厂站拓扑错误辨识研究

提出了一种改进的增广状态估计模型,用以进行厂站拓扑错误辨识。该模型将厂站内的开关和刀开关的遥信约束增广为状态估计的约束条件,目标函数取为遥测残差和遥信残差的加权绝对值之和,从而把厂站拓扑错误辨识问题转化为一个线性规划问题。利用该模型在两次加权最小二乘估计之间可以快速地进行厂站拓扑错误辨识,然后再运行加权最小二乘估计,则可以提高状态估计的准确度。最后通过算例验证了所提出的方法的有效性和良好的工程应用前景。     

基于转移潮流的状态估计模型

传统的状态估计把量测方程作为约束条件,以量测残差的加权平方和或加权绝对值之和最小等为目标函数进行估计,因而不能直接辨识出拓扑错误.为了同时辨识拓扑错误和不良数据,文中把转移潮流方程增广为状态估计的约束条件,在目标函数中同时计及转移潮流的残差和量测残差,对已有的加权最小绝对值状态估计进行了改进,提出了可以同时辨识支路拓扑错误和不良数据的状态估计模型.文中给出了某省实际电网的计算实例.     

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。     

基于支路等值的拓扑辨识方法

状态估计中拓扑辨识是一个疑难问题,很多拓扑辨识方法把开关状态作为未知量引入估计过程,对量测冗余度和精度提出了较高要求,加大了状态估计辨识可疑数据的难度,工程应用困难。通过支路关联遥测遥信互校,确定运行状态可疑的支路。状态可疑支路在状态估计中作为参数未知支路,只需要引入一个状态变量,从支路参数计算结果就可判断支路运行状态,并给出了支路电导引入信息矩阵方法。正确判断支路运行状态后,利用状态估计节点电压计算支路潮流并修正两端节点注入,就可得到完整的电网运行状态,无需重新状态估计。该方法可以辨识小潮流支路拓扑错误。测试结果表明,由于在常规PQ解耦状态估计引入未知量,只增加一维状态量,计算速度快,拓扑辨识结果准确,适合在在线系统中应用。     

基于FTU的油田配电网故障快速定位与隔离

分析油田配电网拓扑性质,提出对配电网拓扑结构描述的新方法,根据拓扑信息自动生成配电网拓扑接线图,并实时显示开关的运行状态.应用配网拓扑信息和FTU的遥测,遥信信息形成开关信息库,当系统故障时实时更新开关的故障信息,应用开关信息数据库构造故障定位和隔离算法,判断故障定位开关位置,给出故障隔离方案,并在配电网接线图上显示故障隔离的状态.     

基于支持向量机的电力系统不良数据在线检测辨识与修正

SVM是数据挖掘中一种具有优良模式识别性能的新方法,该方法具有学习速度快、全局最优和泛化能力强等优点。首先利用支持向量机回归(SVR)构建辨识遥测不良数据的模型,在状态估计前通过比较预测值与实测值之间的差值来一次性辨识遥测不良数据。接着将状态估计后得到的标准残差作为支持向量机分类(SVC)的输入,依靠拓扑错误的残差特性来分类辨识出拓扑错误。通过对IEEE-30母线的仿真分析证明了该方法的有效性,现行状态估计器的效率及合格率可以得到很好的提高。     

转移潮流法拓扑错误辨识

电网拓扑错误会影响状态估计的精度,甚至会使状态估计不收敛。文中提出了转移潮流法拓扑错误辨识法,利用当前时刻的遥测数据与基态进行比较就可以得到转移潮流。通过分析转移潮流与网络拓扑变化的关系以及不良数据的影响,给出了单一支路的拓扑错误和多不良数据的辨识方法,从而可以提高状态估计的精度。文中给出了一个实际电网的计算实例。     

最小信息损失综合短期负荷预测(一)—理论

该文引入信息理论分析电力系统的负荷预测,将其描述为信息决策过程,并提出了短期负荷预测中的最小信息损失(minimization of information loss,MIL)综合模型,利用历史负荷与预测误差的分布情况在信息损失最小的原则下求解最可能的负荷取值。针对MIL综合模型中概率分布的估计问题,文中应用了正态分布参数估计和Parzen窗估计2种不同的方法,给出了各自的算法。     

最小信息损失综合短期负荷预测(二):算法和算例

该文引入信息理论分析电力系统的负荷预测以及可再生能源出力预测,将其描述为信息决策过程,并提出了短期负荷预测中的最小信息损失(minimization of information loss,MIL)综合模型,利用历史负荷与预测误差的分布情况在信息损失最小的原则下求解最可能的负荷取值。针对MIL综合模型中概率分布的估计问题,文中应用了正态分布参数估计和Parzen窗估计2种不同的方法,给出了各自的算法和实现方案。算例部分通过用实际电网负荷数据和实际风力发电出力数据进行测试,研究了MIL综合模型结构与参数对预测结果的影响,并在与传统综合模型的比较中显示了新模型的优越性。     

基于支路有功功率的配电网拓扑辨识方法

针对配电网量测冗余度低且开关变化频繁、识别出正确的拓扑结构存在困难的现状,文中提出一种基于支路有功功率的配电网拓扑结构识别方法。该方法基于支路有功功率残值的大小选择可能断开的支路,得到若干种可能拓扑结构;采用相同量测值,在每个可能拓扑结构下分别进行状态估计并计算匹配目标函数值,从可能拓扑结构集中找到可能性最高的拓扑结构作为可信拓扑结构,降低配电网拓扑结构分析的解空间;并引入快速潮流直流法进行状态估计,提高了算法的计算效率,从而把此类配电网拓扑检错问题转换为以量测值匹配度高为目的的配电网重构问题。算例表明,该方法合理有效,快速简便,且在带有较大量测误差的情况下也有很好的适应性。     

Multiphase transmission line modeling for voltage sag estimation

This paper presents a novel approach for voltage sag indices calculation based on instantaneous voltage estimation. The estimation uses traditional state estimation where redundant measurements are available. The estimation is based on time domain state estimation which uses time domain modeling of the power network. The time domain current monitoring is used to have linear mapping and to achieve high performance of voltage sag estimation. The fault estimation procedure is prior of the voltage sag estimation. This paper shows a possible for fault instance detection, fault location identification and fault type estimation method that are required to estimate voltage sag for different line models utilizing residual analysis and topology error processing. Lumped parameter and distributed parameter transmission line modeling are developed to estimate instantaneous voltage at a three-phase power system in time domain. Magnitude and duration of voltage sag as main indices are calculated from the estimated instantaneous bus voltage. The performance of the novel approach is tested on IEEE 14 bus system and the results are shown.     

基于WAMS／SCADA混合量测的电力系统强跟踪滤波动态状态估计

针对当前电力系统动态状态估计主要采用的扩展卡尔曼滤波(EKF)法存在鲁棒性差、建模具有不确定性等缺点,提出一种强跟踪滤波动态状态估计算法.该算法在扩展卡尔曼滤波器中引入时变次优渐消因子,在线调整状态预报误差协方差矩阵和相应的增益矩阵,使状态估计残差方差最小.同时,引入广域测量系统(WAMS)/-数据采集与监视控制(SCADA)系统的混合量测数据,增加了系统的冗余量测,进一步提高了动态状态估计的性能.仿真结果表明,所提方法在正常情况以及负荷突变、存在坏数据、网络拓扑错误各种情况下具有较好的预测和滤波效果.     

新息图法状态估计

提出了基于新息图的状态估计方法 ,可以快速地检测识别出拓扑错误 ,进行状态估计 ,提供电力系统状态     

集成于EMS中的参数估计软件的开发与应用

设计了集成于EMS中的参数估计实用化方案。原理上采用Felix EWu等人提出的用可疑支路潮流补偿分量分析参数问题的基本思想,将参数估计问题分为基于残差灵敏度的可疑支路辨识和基于最小二乘法的参数估计计算两部分。结合EMS的实际运行特点讨论了应用中存在的一些特殊问题, 提出了有效可行的解决方案,同时兼顾了原EMS系统信息与代码的复用性。利用该方案编制了应用程序并进行了实例研究,测试结果验证了该方案的合理性,所开发的软件已在我国省级电网中得到了实际应用,有效提高了状态估计的精度。     

Wind power system state estimation with automatic differentiation technique

A wind power system state estimation method based on automatic differentiation technique is presented in this paper. A simplified RX model of wind turbine is introduced and used to be equivalent to wind power generator. As one of the state variables, the slip of wind power generator is introduced into state estimation process and the corresponding mathematical model is established. The proposed method takes into account the own characters of asynchronous generator and can easily combine with the original state estimation program. Furthermore, unlike the traditional method which needs to deduce all the formulas of derivatives and code them by hand, the Jacobian matrix is built automatically using automatic differentiation with sparse technique in the proposed method, the truncation error is avoided effectively, and the computational efficiency, speed and precision can be significantly improved. This paper demonstrates that the burdens of software developers are relieved greatly by automatic differentiation technique instead of hand-coded derivatives and the simplified RX model instead of the traditional RX model. Finally, it follows from the simulation results that the proposed method possesses good performance and can be well applied to state estimation for power system containing wind power generators.