多采样周期混合量测环境下的主动配电网状态估计方法

针对主动配电网中远程终端单元(RTU)、相量测量单元(PMU)与高级量测体系(AMI)多采样周期量测数据长期共存的实际情况,提出了一种基于RTU,PMU,AMI混合量测的主动配电网状态估计混合算法。该混合算法由非线性静态状态估计、线性静态状态估计与线性动态状态估计3种算法组成。线性动态状态估计与线性静态状态估计利用PMU量测与RTU量测,实时跟踪系统注入节点有功功率与无功功率的变化,在非AMI量测的采集时刻,为非线性静态状态估计提供高精度的虚拟量测。所提算法缩短了非线性静态状态估计的计算周期,提高了非线性静态状态估计的精度,提升了对主动配电网运行状态的预测能力。通过算例仿真,验证了所提算法的有效性。     

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。     

计及AMI的配网分层状态估计及伪量测计算北大核心CSCD

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。     

基于多准则分区和WLS-PDIPM算法的有源配电网状态估计

针对复杂有源配电网三相不平衡状态估计计算速度较慢与计算精度较低的问题,提出了一种基于多准则分区和基本加权最小二乘法—原对偶内点法(WLS-PDIPM)混合算法的状态估计方法。基于对有源配电网中实时量测、虚拟量测和伪量测的配置分析,建立了适用于复杂有源配电网状态估计的多准则分区优化模型,该模型综合考虑了分区后各子区域规模均衡、量测冗余度均衡及伪量测平均误差均衡。通过高级量测体系(AMI)全量测点实现各子区域完全解耦,有效减小了系统规模和雅可比矩阵阶数。所提方法将WLS与PDIPM的优点相结合,在提高算法精度的同时减少了计算时间。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与求解精度。     

多源量测数据融合的配电网状态估计及应用

随着同步相量量测装置的引入,配电网中存在着不同时间尺度与量测精度的多源量测数据。如何充分融合多源量测数据,实现快速准确的配电网状态估计是高效运行决策的重要前提。该文提出一种考虑不同类型量测时间尺度、同步性和精度特点的配电网多源量测融合状态估计方法,讨论同步相量量测数据引入对状态估计分析模型的影响,对多源量测数据进行等值转换实现量测函数的线性化,针对不同类型的量测数据采用相应的数据融合策略,以提高状态估计的精度、减小状态估计的计算周期。基于广州某地区的示范工程算例,分析验证了不同量测配置及运行条件下所提出的多源量测数据融合方法对网络可观性提升、状态估计精度改善的有效性。     

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。     

基于准实时数据的智能配电网理论线损计算

目前配电网自动化覆盖率低,可采集到的数据较少,因此提出一种基于准实时数据的理论线损计算方法。基于状态估计建立智能配电网理论线损计算模型,根据历史数据确定模型中负荷不等式约束上下界,采用内点法求解模型。所提模型可利用线路始端节点注入功率和部分变压器量测终端的量测数据估计配电网潮流状态。算例分析结果表明,所提模型所需量测量数量少,状态估计结果精度较高。     

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。     

基于分区数据协商与异常共识机制的配电网去中心化状态估计

针对配电网规模不断扩大和多种量测装置并存的现状,提出一种更加灵活的配电网去中心化状态估计方法。该方法主要分为两阶段。第一阶段为私密数据协商:底层(物理层)将配电网划分为子区域和联络线区域,对来自不同量测设备或不同用户的本地数据进行处理从而草拟合同。第二阶段为边界合同制定:利用异常共识机制检测异常并判断合同是否生效,同时采用投票机制来验证合同的有效性并防止数据篡改。无异常的合同将形成区块并上链。经过校验的边界估计值将作为新的伪量测数据用来提升子区状态估计的效果。仿真结果表明,所提算法在保证分区隐私条件下,能够提高状态估计精度,有效抑制坏数据影响,并且适用于具有不同采样周期的混合量测配置场景。     

基于时空特征图卷积网络的配电网实时状态估计方法

为了在考虑负荷时空特性以及不健全量测的场景下实现配电网的实时、高容错状态估计,本文从时空图的角度提出一种基于时空特征图卷积网络的动态状态估计算法。首先将配电网量测数据组成三维张量;然后利用时空特征图卷积网络分别提取量测数据的空间拓扑、时间序列和节点属性上的特征信息,通过特征融合得到实时状态估计结果;最后根据状态估计结果生成虚拟量测以消除不良数据的影响。实验结果表明,本状态估计方法具有较高的鲁棒性,且准确性和计算速度均优于传统方法。研究结果可为基于机器学习的电力系统状态估计方法提供参考。     

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。     

抵御多点虚假数据攻击的主动配电网状态估计方法

引入同步相量量测装置（PMU）识别虚假数据注入攻击（FDIA）的动态状态估计是实现主动配电网安全准确决策的有效途径。提出一种融合贝叶斯定理的深度森林（BA-DF）FDIA检测机制的混合量测加权平方根容积卡尔曼滤波（WASRCKF）动态状态估计方法。首先,通过图卷积神经网络预测PMU和SCADA混合量测融合,提高数据冗余度;其次,利用WASRCKF估计状态量和混合量测预测量进行加权估计,降低FDIA对状态估计更新层的影响;然后,采用BA-DF进行FDIA检测,判断虚假数据攻击位置,使用混合量测预测值进行修正,形成BA-DF-WASRCKF组合方法。最后,采用PG&E69配电网进行验证,结果表明该方法在不同PMU配置下均可获得更高精度状态估计结果,配置24台PMU的FDIA识别率为95%,较传统方法状态估计精度提高了77.8%。     

基于SC-DNN和多源数据融合的新能源电力系统状态估计方法

大规模新能源并网重塑了电力系统的控制运行特性,现有的电力系统状态估计方法面临新能源波动数据识别困难、估计精度低、估计速度慢等问题。为改善现有方法的不足,提出了一种基于残差连接(skip connection,?SC)-深度神经网络(deep neural network, DNN)和多源数据融合的新能源电力系统状态估计方法。首先采用基于双向长短期神经网络(bidirectional long short-term memory, BILSTM)预测的改进插值法进行多源数据融合。然后利用联合时空交叉机制和BILSTM网络的数据辨识技术替代传统的量测量突变检测法,以便更好地处理新能源波动数据。最后根据原始量测数据集建立基于SC-DNN的状态估计模型,把残差模块的拟合优势和神经网络的速度优势结合起来,从而实现状态估计精度和速度的提高。基于IEEE39节点系统和新疆某地区实网的算例分析表明,相比于传统方法,所提方法能在更准确地分辨新源波动数据与不良数据的同时提高状态估计的精度和速度。     

电力系统分区和解耦状态估计研究综述

电力系统状态估计已经成为电网EMS/DMS监测与控制的核心功能之一。有效的状态估计方法可以提高状态估计的精度、提升计算效率及改善估计结果的数值稳定性。首先介绍了当前电网分区准则,分析了各类分区方法需要研究的核心问题,并对基于网络拓扑和地理位置、AMI、MAS的电力系统分区状态估计的优缺点进行评述。然后从提高区域内部输配电网计算速度角度,指出基于快速解耦和相序解耦方法是处理当前三相平衡与三相不平衡系统的状态估计的有效解决方案。最后总结了分区和解耦状态估计研究存在的问题,并对今后进一步的研究方向提出建议。     

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。     

基于改进匹配潮流技术的配电网虚拟量测

针对缺少冗余量测的配电网系统,为了简化状态估计方法、保证计算精度,优化配电网络状态,基于匹配潮流思想提出了配电网虚拟量测的概念,建立了以电压量测自适应抗差加权最小二乘为目标函数、以网络潮流匹配和功率失配量分配参数方程为约束条件的虚拟量测数学模型,给出了引入混沌优化、强引导机制的改进粒子群优化求解方法,并详细介绍了配电网虚拟量测的应用流程。采用IEEE8、IEEE33、IEEE69节点系统对该方法进行测试,结果表明,方法可在较少的迭代次数内获得较为准确的配电网状态,且不涉及量测变换、矩阵计算,具有良好的应用前景。