基于智能电表和PMU混合量测的低压配电网状态估计方法研究

随着高级量测体系的不断完善和同步相量量测PMU等高精度新型量测装置的发展,为确保低压配电网状态估计性能,提出一种基于智能电表和PMU混合量测的低压配电网状态估计方法。该方法将高级量测体系中的智能电表采集的电压幅值、功率实时量测和PMU同步相量量测相结合,以节点注入电流平衡方程为基础,建立基于指数型权函数的加权最小二乘法模型。模型中利用数据的残差对权函数进行修正,以提高状态估计的抗差性和收敛性。最后基于IEEE 14节点算例系统,对该方法进行仿真分析。仿真结果表明,该方法相较于采用传统加权最小二乘法的状态估计模型,对含有高误差数据的量测数据具有更高的精确性。     

考虑PMU量测信息的配电网运行状态分析方法

同步相量量测单元PMU(phasor measurement unit)在配电网中的推广使用有效提升了电网系统的可观性。首先提出了一种考虑PMU信息的配电网运行状态分析方法,该方法在数据采集与监控SCADA(supervisory control and data acquisition)系统数据更新时,将SCADA和PMU等不同量测时间尺度的混合数据进行状态估计;之后通过PMU数据进行状态估计更新,直至新的SCADA数据到来,开始新的混合数据状态估计。目标函数由估计值与量测值之间残差指数的加权和组成,降低了不良数据对估计结果的影响,并通过抗残差加权减少由于量测坏数据引起的运行状态波动。最后通过IEEE 123节点的算例分析,验证了所提方法具有较好的运行状态分析效果和有较高的时效性。     

基于多分支电流混合量测的配电网三相状态估计

同步相量测量应用于配电网高级应用中是近年来的研究热点。针对配电网同步相量与智能电表的混合量测问题,提出一种以支路电流为状态变量的配电网状态估计方法。该方法在含分布式光伏接入的配电网中,将微型同步相量测量单元(Micro-Synchronous Phasor Measurement Unit,μPMU)和智能电表量测数据进行等效变换,实现异构数据支路电流幅值量测误差最小。首先,基于混合量测系统,推导三相量测方程模型。然后,运用加权最小二乘法实现了三相支路电流的状态估计。所提方法适用于三相不平衡、多分支电流量测的配电网。最后,通过对含分布式光伏的IEEE 37节点系统进行仿真,验证了方法的有效性。     

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。     

基于混合量测的电力系统状态估计混合算法

研究了相量量测装置(PMU)相量量测和监控与数据采集(SCADA)量测混合使用时的数据匹配问题,提出了利用状态量转换预测得到预报系统状态和预报节点注入电流向量的方法。在此基础上,提出了应用PMU实时相量量测和预报节点注入电流向量的线性静态状态估计算法,以及应用PMU实时相量量测和预报系统状态的线性动态状态估计算法。文中将这2种算法与传统状态估计算法相结合,组成了状态估计混合算法,保证了状态估计的计算精度。该混合算法有效减少了状态估计的计算时间,对PMU的量测配置也没有严格的要求,具有很好的通用性。最后采用IEEE30节点系统对该方法进行了验证。     

基于智能电表和PMU混合量测的低压配电网三相状态估计

随着同步相量量测PMU等新型测量装置的发展以及智能电表的广泛布置,为保证低压配电网安全可靠运行,提升其态势感知能力,提出一种基于智能电表和PMU混合量测的低压配电网三相状态估计方法。该方法同时采用低压配电网智能电表采集的实时量测和PMU同步相量量测,显著提高了低压配电网测量数据的冗余度,以端点注入电流平衡方程为基础,建立了低压配电网最小二乘估计模型。基于IEEE13节点修正系统,对该方法进行了仿真分析。仿真结果表明,所建模型可以对低压配电网的三相状态进行精确估计,且计算速度快收敛可靠。     

一种计及零注入电流的PMU量测线性状态估计方法

为充分利用相量测量单元(Phasor Measurement Unit,PMU)数据进一步提升状态估计精度,提出一种完全基于PMU量测数据的线性加权最小二乘状态估计方法。该方法将联络节点的零注入电流作为虚拟量测。由于最小二乘法的实质是通过量测冗余度提高状态估计精度,因此,虚拟量测的引入提升了冗余度,从而能够提高估计精度。利用IEEE39节点和IEEE118节点系统进行仿真,结果表明完全基于PMU量测的线性状态估计与传统非线性状态估计和混合量测状态估计方法相比能够有效提高估计精度和计算速度。此外,利用IEEE39节点测试系统对量测变换误差进行了比较研究,结果表明提出的方法量测变换误差明显小于SCADA量测变换误差,有助于提升估计精度。     

不确定量测下发电机动态状态估计性能分析

相量测量单元（PMU）中随机误差不可避免,在实际电网系统中PMU量测数据可能出现延时、重新排序甚至丢失等不确定情况。为准确估计电力系统机电暂态过程中的状态信息,首先建立量测丢失下的发电机动态状态估计模型;然后在某实际电网系统算例中分别采用无迹混合滤波（UMF）、粒子滤波（PF）和所提出的改进粒子滤波（IPF）3种算法对发电机动态状态估计模型进行了仿真试验。仿真结果表明：在不确定量测系统下,改进的IPF算法的滤波性能和抗差性能优于UMF与PF算法,更适用于不确定量测下发电机动态状态估计。     

基于广域测量系统的状态估计和PMU配置

同步相量测量单元(PMU)能够根据全球定位系统(GPS)提供的精确时钟,实现对电力系统实时数据的量测。该文分析了PMU与传统监控和数据采集(SCADA)系统相结合构成的混合量测系统对状态估计精度的影响。在混合量测模型的基础上,提出了一种以提高状态估计精度为目标的PMU配置方案。通过IEEE-39节点系统仿真证明了该方法的有效性和实用性。     

基于混合量测的二次线性状态估计方法及其工程应用

基于相量测量单元(PMU)和数据采集与监控(SCADA)混合量测进行状态估计计算时,如果仍采用传统非线性估计模型,将面临PMU量测计算权值难以确定、PMU量测坏数据辨识不准、相角参考点和成熟商用程序改动等多方面问题。提出了一种基于混合量测的二次线性状态估计方法。该方法在传统非线性状态估计收敛后,利用其结果中的各节点电压幅值及相角估计值和PMU相量量测再进行二次线性状态估计计算,有效解决了上述问题。最后结合电网实例验证了该方法的有效性。     

三相不平衡下交直流配电网状态估计

基于电压源型换流器(VSC)的柔性直流技术被越来越多地运用到配电网中,需要对含VSC的三相不平衡交直流配电网进行准确的状态估计,而配置相量测量单元(PMU)的测量数据是实现配电网准确状态估计的有效手段。首先,提出了考虑配电网三相不平衡特性的交直流配电网状态估计模型,采用加权最小绝对值法进行状态估计;其次,进行PMU测量数据的线性描述,给出了PMU及数据采集与监控(SCADA)系统的混合测量方程,并将多种交直流设备在测量方程中统一描述;最后,在三相不平衡的IEEE 33节点交直流配电网算例上,验证了所提方法的有效性和实用性。     

基于加权平均插值和容积卡尔曼滤波的配电网预测辅助状态估计

微型同步相量测量单元(micro synchronous phasor measurement unit, μPMU)与远程终端(remote terminal unit, RTU)为配电网提供了高精度量测数据。针对μPMU和RTU混合数据,文章采用数据填补和容积卡尔曼滤波技术,提出了配电网混合量测的预测辅助状态估计(forecasting aided state estimation, FASE)算法。首先,针对混合量测数据不同更新周期,综合考虑历史数据稳定性和线性插值的同步特性,采用平均插值实现数据的综合填补。然后,采用容积卡尔曼滤波器,构建状态预测、量测预测和滤波修正方程,提出混合数据的配电网预测辅助状态估计算法。最后,在IEEE 37节点系统验证了该算法的有效性。     

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%。     

考虑量测坏数据的发电机动态状态估计方法

随着相量测量单元(PMU)的广泛应用,基于PMU的发电机动态状态估计的研究越来越受到重视。如果存在量测坏数据,动态状态估计的滤波效果会受到严重的影响。首先介绍了一种基于无迹卡尔曼滤波(UKF)的发电机动态状态估计方法。然而,由于PMU数据的质量不高,为解决坏数据的问题,推导残差方程得出时变的阈值,再通过一种迭代检测的方法确定坏数据的测点位置。对于坏数据对应的量测,算法将其剔除后重新进行一次估计,以修正估计结果。算例结果表明,该方法能有效抑制量测坏数据对发电机动态状态估计的影响。     

利用PMU数据提高电力系统状态估计精度的方法

同步相量测量单元(phasor measurements units,PMU)因能测得高精度的同步相量数据而被广泛应用于电力系统中,而传统的监控及数据采集系统(supervisory control and data acquisition,SCADA)是电力系统运行和静态安全监视的基础。文中提出了一种PMU与SCADA数据共存的数学模型用于电力系统状态估计。该模型在保留原有SCADA数据的同时,通过虚拟测量方法对PMU观测范围进行大范围拓展,提高数据冗余度及状态估计的精度。仿真结果表明,该方法具有较高的估计精度,且不受网络拓扑结构和PMU数量限制,适于SCADA和PMU数据共存系统。     

基于PMU的状态估计的研究

传统的状态估计是基于单相纯正弦模型的,但实际电力系统的三相并不是完全对称,这就导致了传统的状态估计存在着固有的误差。随着基于GPS同步相量测量单元(PMU)的应用和计算机技术的发展,该文提出了一种以PMU为基础的三相状态估计和谐波状态估计算法以消除这种固有误差。利用PMU的电压幅值测量值和相角测量值与SCADA原有的测量值构成的混和量测系统一起用于状态估计,从而提高网络的可观测性及状态估计的精度,来弥补传统状态估计的不足。所以这种算法可根本解决系统三相不平衡和状态向量非纯正弦带来的误差问题。最后讨论了对该算法的评估方法。