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。     

基于拉格朗日松弛技术的复杂有源配电网分布式状态估计

为了提高复杂有源配电网状态估计问题的计算速度,提出了一种基于拉格朗日松弛技术的复杂有源配电网分布式状态估计方法。建立了复杂有源配电网分区模型,该模型从复杂有源配电网的量测配置情况和分布式并行计算效率角度出发,综合考虑了分区后各子区域的计算速度与精度,利用拉格朗日松弛技术将分区问题中的约束条件吸收到目标函数中,降低了分区模型的求解难度。通过网络解耦技术使各子区域相对独立,可在分布式并行环境下求解该网络的状态估计问题。各子区域选取指数型目标函数状态估计模型,该模型能够自动排除不良数据影响,在保证结果精度的同时有效减小了所求问题的系统规模和雅可比矩阵阶数,提高了状态估计算法效率。仿真算例结果表明,所提方法可实现对复杂有源配电网的合理分区,有效提高了状态估计的计算速度。     

基于数据级任务分解的配电网分布式并行计算平台

为实现大规模配电网的实时分析计算,构建了基于数据级任务分解的配电网分布式并行计算平台。结合配电网运行结构和设备配置,以配电网馈线作为分析单元,采用数据级并行计算方式对配电网计算任务进行分解。配置管理模块、实例、执行端和客户端4个子系统,分别实现任务生成、任务分解、任务派发以及子任务计算等功能,形成分布式并行计算平台框架。引入消息中间件ZeroMQ技术,采用不同类型套接字的组合实现分布式系统内部的N-N高效通信及与外部系统的数据交互。为验证该平台的实用性及并行计算性能,在平台上实现了山东省某市的城市配电网全局状态估计的分布式并行计算。算例分析表明:在配电网节点达到一定规模时,采用该平台进行分布式并行计算具有明显的速度优势。     

基于AMI全量测点分区的配电网动态状态估计方法

针对传统配电网三相不平衡动态状态估计存在计算速度较慢且估计精度较低的问题,提出了一种基于高级量测体系(AMI)全量测点分区的配电网的动态状态估计方法。以AMI全量测点作为配电网分区节点,提出综合3个指标的分区目标函数对配电网进行分区,可对子区域进行完全解耦,缩小系统规模;并通过所提数据融合框架进行多尺度量测数据的融合,以远程终端单元量测周期为基准,融合量测周期较长的AMI量测数据,对非AMI量测时刻的系统状态进行跟随。提出一种基于子区域数据融合方法的高精度集合卡尔曼滤波算法,采用协方差膨胀法改进滤波发散的问题。算例仿真结果表明所提方法有效地提高了配电网动态状态估计的计算速度和估计精度。     

基于多时间尺度状态估计的配电网实时态势预测

为有效提升泛在电力物联网建设过程中的配电网运行安全感知能力,提出了一种基于多时间尺度状态估计的配电网实时态势预测方法,该方法可实现对配电网安全态势的快速、准确预测。首先,基于多元混合量测提出了多时间尺度递归动态状态估计方法,通过状态预测与伪量测递归变换改进了已有的量测线性等效变换方法,缩短了状态更新周期,在递归变换算法中添加了校正算法以消除伪量测波动误差,提高了状态估计算法的计算速度。然后基于状态估计得到历史估计状态,采用分区多元时间序列分析方法建立了实时状态预测模型,实现了配电网的实时安全性态势预测。最后在Matlab仿真平台中基于实际算例对所提方法进行了分析,结果验证了所提配电网实时态势预测方法的准确性和有效性。     

基于PMU量测的城市电力系统分布式状态估计算法

针对未来微网和新能源大量接入城市电网后,电力系统状态估计功能的计算数据量过大,计算速度缓慢的问题,文中提出了一种适用于城市电力系统的基于相量量测装置(PMU)量测的分布式状态估计算法。该算法将城区电网分层分区,将PMU的同步相量量测引入县调层和地调层的分布式状态估计中,不仅在县调层实现并行计算,而且在地调层满足线性状态估计条件,最终达到提高状态估计速度的目标。文中利用IEEE 118节点系统对新算法进行了测试,仿真结果验证了新算法有效提升了状态估计的速度。     

含多类型分布式电源的主动配电网分布式三相状态估计

提出一种含多类型分布式电源(DG)的主动配电网分布式三相状态估计方法。首先,建立了DG并网的三相模型,将DG并网分为直接并网和经脉宽调制换流器并网两类。选取交流节点的电压、DG的运行状态为状态变量,采用加权最小二乘求解。对于未配置实时量测的DG,提出了一种添加伪量测的可行方案,以提高网络的可观测性。进一步,为提高主动配电网状态估计的计算效率与数值稳定性,提出一种扩展分区、将外网边界状态量估计值作为本区域伪量测的分布式状态估计方法。最后,实际的算例分析验证了所提方法的有效性。     

改进双因子抗差贝叶斯估计在区域配网状态估计中的性能分析

考虑分布式电源随机接入区域配电网络,以及高精度量测配置等约束带来的配电网状态估计困难,该文基于贝叶斯理论进行研究,并在考虑分布式电源接入和量测设备间的不确定度的情况下,提出一种双因子抗差贝叶斯估计方法,从理论上分析不同分布式电源接入以及量测配置对配电网状态估计产生的影响。同时,通过在IEEE-33、改进的10kV配电网算例,验证所提算法收敛速度较快、估计精度较为理想,证明所提方法的有效性和实用性,为高渗透率风光储能发电设备接入配电网提供了理论参考和运行状态监测的适用方法。     

基于改进图卷积网络的配电网状态估计方法

采用小样本量测信息进行配电网实时状态估计,对提高配电网可靠性,保证其稳定运行具有重要作用。为了在配电网量测信息不足条件下进行高精度状态估计,提出了一种基于改进的图卷积网络(graph convolutional network,GCN)的物理–数据融合配电网状态估计新方法。该方法首先利用少量相量量测单元将配电网进行切割分区,然后根据分区后的最大直径确定卷积网络所需要的卷积模块数量,其次修改了传统GCN中的邻接矩阵表示方法,从而实现利用卷积网络将配电网分区子系统中的状态变量均由量测量表示。通过IEEE33节点典型算例,验证了所提方法有效性。同时,通过与传统的高斯–牛顿优化算法和传统深度学习网络对比测试,结果表明,所提方法不仅能够将计算复杂度转移到离线阶段,而且能够不依赖于高冗余度的伪量测,具有较高的估计精度与计算速度。     

计及AMI的配网分层状态估计及伪量测计算

针对高级量测体系AMI(advanced metering infrastructure)带来的新的实时量测数据,提出一种改进的智能配电网状态估计方法,以AMI量测节点作为边界节点对配电网进行分层,将系统解耦为若干子区域实现并行计算。再在配网系统解耦的基础上,提出基于子区域负荷分配系数预测的节点负荷伪量测生成方法。最后,将IEEE33标准配电系统配置5个AMI量测节点,对其进行分层状态估计,并生成节点负荷伪量测数据。结果表明:与整体估计相比,分层状态估计方法在保证高精度的前提下提高了计算速度;生成的伪量测数据精度优于负荷预测得到的伪量测数据。     

A distributed state estimation method for power systems incorporating linear and nonlinear models

High-voltage transmission networks are commonly equipped with phasor measurement units (PMU), and some of them are PMU observable. However, PMUs are seldom installed in distribution networks due to budget limitations. The state estimation equations of PMU observable areas are linear, while those of other areas remain nonlinear. This paper proposes a new distributed state estimation method for solving multi-area state estimation problems, in which linear models are used for high-voltage transmission network, while nonlinear models are adopted for other areas. In PMU observable area, we select coordinating variables as generalized cost functions which accurately represent the sensitivity between the linear SE objective function and boundary states. Consequently, SE results identical to a centralized estimator can be obtained without iterations at the coordination level. This paper presents the problem model and theoretical analysis of the proposed method, and shows its effectiveness by numerical tests.     

考虑质量标签的多数据源配电网状态估计算法

针对配电网多数据源的现状,在电力系统综合数据平台收集多个异构系统信息的基础上,利用质量标签和决策树理论对量测数据进行综合评价,提出一种实用的配电网状态估计方法.利用配电网数据规律对配电网量测数据进行逻辑判断,结合决策树理论框架建立数据质量评估体系;并对不良数据进行修补以提高状态估计的输入数据质量;利用质量标签修改权重,...     

基于最小二乘估计融合的分布式电力系统动态状态估计

随着电力系统规模不断扩大,分布式状态估计是解决集中式状态估计计算维数过高和量测大数据处理难等问题的可行策略之一。文中以容积卡尔曼滤波算法作为区域本地估计算法,在协调中心侧采用最小二乘估计融合技术协调估计区间边界状态。根据边界状态协调估计值,各区域通过带等式约束的卡尔曼滤波算法进一步修正区域内部状态的本地估计值。算例仿真表明,所提方法估计精度与集中式估计相当,相比集中式估计具有更好的实时性,且所需数据通信量少,易于实现。     

Diakoptic State Estimation Using Phasor Measurement Units

This paper presents a diakoptic-based distributed state estimation (SE) algorithm suitable for large-scale power systems. In the proposed approach the large-scale power system is divided into a certain number of subsystems by removing tie line measurements. Based on diakoptic theory, the SE problem is then partitioned into a number of subproblems which are solved for each subsystem using local computational resources. In subsequent steps, the intermediate subsystem SE solutions are sent to a central computer for completing the state estimation process by taking the tie line measurements into consideration. Phasor measurement units are used to make each subproblem solvable and to coordinate the voltage angles of each subsystem SE solution. Test results on the IEEE 14-bus test bed and IEEE 118-bus test bed are provided.      

应用有向图分层的控制系统暂态仿真并行算法及其GPU实现

随着基于变流器的电气接口和交直流混联技术的广泛使用,电网电磁暂态仿真中需对大规模复杂控制系统进行建模。采用细粒度并行方法可加速控制系统计算,提升电网电磁暂态仿真整体效率。文中提出了一种控制系统细粒度并行仿真算法,加速了图形处理器(GPU)计算平台上大规模控制系统仿真。首先,为构造面向GPU的多线程细粒度并行计算,将控制系统建模为由大量基本控制元件构成的有向图。进一步,对控制系统有向图进行分层,生成控制元件求解顺序,以利用GPU的分组细粒度并行实现控制元件的分层计算。最后,结合GPU的三层并行结构,通过优化线程结构和配置共享内存,将计算线程映射到GPU中的计算资源,最大化控制系统仿真的并行度。对分布式电源接入IEEE 13节点系统的仿真结果对比表明,所提出算法在保证电网电磁暂态仿真正确性的同时,可显著提高GPU计算平台上大规模、复杂控制系统的仿真速度,在硬件资源充足时,不存在仿真规模限制。     

基于Beowulf集群的大规模电力系统方程并行PCG求解

研究基于Beowulf集群的大规模电力系统方程并行PCG求解问题,采用常见的硬件设备和廉价且广为传播的软件构建出Beowulf分布式集群环境,基于这一环境,彻底摒弃矩阵的传统直接分解算法,采用多项式预处理的PCG法并行求解大型稀疏线性方程组.文中方法无需进行任何形式的电网络划分,也无需进行任何的矩阵三角分解和前推回代过程,适合各种类型的大规模电力系统方程的并行求解.本文分别在潮流计算、状态估计和静态安全分析中对大规模电力系统方程实现了并行求解,并获得一定的加速比和并行效率,为大规模电力系统快速、准确的仿真计算和在线分析提供一种可行的新途径.     

电力系统状态估计算法研究

电力系统状态估计作为一种高及应用软件,在整个能量管理系统中起着非常重要的作用。本文在对已有状态估计方法进行分析的基础上,并考虑了实际电网的一些特点,提出了一种将电压量测量和功率、电流量测量分解开来进行计算的加权最小二乘法状态估计算法。研究了该方法在微机ＤＯＳ平台上的实现,和其他方法进行了比较,认为该方法具有收敛性好,计算速度快的优点。     

高性能在线分析计算现状与协同计算关键技术

阐述了电力系统高性能计算模式的概念,沿着"离线计算在线协同化"的演进方向,以提高计算实时性、可靠性和计算服务化为目的,将并行计算、分布式计算、云计算等高性能计算模式作为主要分析内容,从分解协调方法、数值计算并行、硬计算架构和软计算模式等方面总结了状态估计、潮流计算、包含暂态稳定计算和静态安全分析功能的在线动态安全分析研究应用现状。阐述了实现在线分析一体化协同计算技术路线图的三个演进阶段,重点探讨了支撑以上业务分析应用在线计算协同化的关键技术,如分配映射机制、分解协调计算服务、模块服务接口化和数据交互规范等。最后在云计算模式下,设计了在线分析业务的协同计算场景和状态估计服务模式,对基于云计算的调度控制系统设计与开发进行了有益探索。