基于Karush-Kuhn-Tucker最优条件的电网可疑参数辨识与估计

电网元件参数的误差会导致能量管理系统的状态估计结果不准确,从而影响其他应用结果的可靠性和精确性,因此状态估计程序应当具有辨识和估计元件参数的功能。首先基于拉格朗日乘子的可疑支路辨识法,提出了一种迭代辨识算法,用于生成待修正的支路参数集;然后研究了基于参数-目标函数灵敏度的参数估计方法,该方法针对选出的可疑支路,计算出可疑支路参数对状态估计目标函数的灵敏度;最后利用变步长逐次逼近法估计可疑支路参数,该方法避免了传统方法的数值稳定性问题,具有很高的实用价值。IEEE14和IEEE30标准算例系统验证了所提出方法的正确性。     

基于状态估计及综合可疑度的参数辨识和修正方法

针对电网参数错误会显著降低能量管理系统中各项高级应用软件的可靠性问题,提出了一种基于拉格朗日乘子法的参数辨识修正方法。首先,利用个别线路发生错误时会导致该参数对应的拉格朗日乘子和量测标准化残差出现局部偏大的现象,定义可疑参数判定函数和可疑量测判定函数;其次,基于所定义的两类判定函数构建线路参数综合可疑度指标,利用各参数综合可疑度指标的大小生成可疑线路参数集合;进而,针对所建立的可疑线路参数集合,提出变步长逐次修正的可疑参数修正方案;最后,采用IEEE-39节点系统验证了所提出的方法能够实现对错误参数的动态修正,既具有较高的修正精度,也不存在收敛性问题。     

考虑分区的电网参数辨识与估计方法

多个不良数据(遥测坏数据和参数错误)存在时,现有参数辨识与估计方法很难保证其结果的有效性.为此,文中提出了考虑分区的电网参数辨识与估计方法.首先,基于最小度拓扑搜索,将原网络分解为辐射子网、简单环网和复杂环网,形成多个独立子区域;其次,对每个独立子分区,采用拉格朗日辨识法辨识不良数据;最后,对每个可疑参数进行考虑零注入功率约束的加权最小二乘增广估计.该方法避免了不同子区域之间不良数据的相互影响,提高了多个不良数据辨识的有效性与错误参数估计的精度.基于IEEE30节点系统的算例计算,验证了该方法的有效性.     

考虑分区的电网参数辫识与估计方法

多个不良数据（遥测坏数据和参数错误）存在时,现有参数辨识与估计方法很难保证其结果的有效性。为此．文中提出了考虑分区的电网参数辨识与估计方法。首先,基于最小度拓扑搜索,将原网络分解为辐射子网、简单环网和复杂环网,形成多个独立子区域;其次,对每个独立子分区,采用拉格朗日辨识法辨识不良数据;最后．对每个可疑参数进行考虑零注入功率约束的加权最小二乘增广估计。该方法避免了不同子区域之间不良数据的相互影响,提高了多个不良数据辨识的有效性与错误参数估计的精度。基于IEEE30节点系统的算例计算,验证了该方法的有效性。     

拉格朗日乘子法电力系统网络参数错误辨识研究

如何辨识出错误的网络参数是电力系统建模中的一个难题。拉格朗日乘子法是一种有效的网络参数错误辨识算法,然而由于计算效率和应用模式问题,这类方法尚难以实现实际应用。为此,基于现有的拉格朗日乘子网络参数错误辨识方法,给出了采用大权重法或修正牛顿法处理零注入约束时该方法的实现模式;针对传统方法的计算效率问题,提出了一种基于稀疏逆矩阵法的拉格朗日乘子协方差矩阵对角元的高效计算方法,以及直接基于状态估计结果,无需反复进行状态估计和参数估计计算的实现模式。该方法提升了拉格朗日乘子法的计算效率,为这类方法的实际应用提供了条件。     

基于状态空间转换的SCADA系统支路静态参数局部辨识方法EI北大核心CSCD

电网支路静态参数中存在的偏差或误差会严重影响电网状态估计及后续高级应用的有效性。以电网支路静态参数为状态量,根据SCADA量测系统的特点,提出了针对电网支路静态不良参数的局部估计辨识算法。利用拉格朗日乘子法得到的参数检测结果,以可疑支路为中心,向外搜索形成局部估计区域,按照量测类型以支路参数为状态变量建立量测方程,再将局部区域内的可信任支路参数作为伪量测加入量测方程,提高量测冗余度。在局部区域内对可疑支路参数进行估计辨识,经多断面的统计分析给出可疑支路参数的建议修正值。考虑到SCADA系统中无法直接应用电压量测值,构造了关于支路参数的不动点迭代格式,利用内外两层迭代来实现对支路参数的估计辨识。最后在IEEE118节点系统上验证了算法的有效性,并讨论了量测误差对辨识结果的影响。     

基于状态空间转换的SCADA系统支路静态参数局部辨识方法

电网支路静态参数中存在的偏差或误差会严重影响电网状态估计及后续高级应用的有效性。以电网支路静态参数为状态量,根据SCADA量测系统的特点,提出了针对电网支路静态不良参数的局部估计辨识算法。利用拉格朗日乘子法得到的参数检测结果,以可疑支路为中心,向外搜索形成局部估计区域,按照量测类型以支路参数为状态变量建立量测方程,再将局部区域内的可信任支路参数作为伪量测加入量测方程,提高量测冗余度。在局部区域内对可疑支路参数进行估计辨识,经多断面的统计分析给出可疑支路参数的建议修正值。考虑到SCADA系统中无法直接应用电压量测值,构造了关于支路参数的不动点迭代格式,利用内外两层迭代来实现对支路参数的估计辨识。最后在IEEE118节点系统上验证了算法的有效性,并讨论了量测误差对辨识结果的影响。     

智能调度电网参数在线辨识与估计及其在广州电网的应用

电网支路参数在线辨识与估计是电网建模中的重要问题。为此,对已有辨识方法-拉格朗日乘子法的实现模式进行了改进,提出了基于多量测断面的参数辨识与估计方法,以降低随机量测误差对估计结果的影响,提升估计精度。在此基础上,开发了智能调度电网模型参数在线辨识与估计系统,并在广州电网得到了实际应用。     

基于快速分解正交变换状态估计算法的坏数据检测与辨识

提出了在快速分解正交变换状态估计算法中检测与辨识坏数据的新方法。该方法成功地将假设检验辨识法(HTI)和量测补偿法的思想应用于基于快速分解状态估计算法的坏数据检测与辨识,用基于对增广的量测雅可比矩阵进行Givens行变换的方法计算和更新残差协方差矩阵,在建立可疑量测集时,考虑有功类量测误差对无功类量测残差的影响和无功类量测误差对有功类量测残差的影响。算例说明,该方法检测与辨识坏数据的能力较强。     

基于拉格朗日乘子法的虚假数据攻击策略

虚假数据攻击面临掌握的电气参数存在误差,甚至不完整及量测数据中存在不良数据的问题,提出一种基于拉格朗日乘子法的虚假数据攻击策略。首先通过拉格朗日乘子法和增广状态估计法辨识不良数据和估计未知支路电抗,然后在凸松弛技术框架内,将传统的攻击单个量测点的次优虚假数据攻击向量模型转化为基追踪(BP)模型,最后采用交替方向乘子法(ADMM)快速求解次优攻击向量。以典型的IEEE节点测试系统为例进行仿真测试,仿真结果表明:与传统的线性规划算法相比,将攻击单个量测点的次优攻击向量模型转化为BP模型后,采用ADMM求解次优攻击向量具有更高的计算效率;电抗未知支路数量较少时,攻击成功率较高,但是状态变量的误差向量的标准差较小时,电抗未知支路数量对攻击成功率影响减弱;该方法不会显著增加攻击成本。     

考虑总体误差下降指标的电网参数辨识方法

电网参数错误是影响状态估计结果准确性的重要因素。文中以加权最小二乘状态估计为基础,分析了不良数据及错误参数集合对总体误差的影响,提出了基于总体误差下降指标的逐次型参数错误与不良数据辨识方法。该方法在辨识单个不良数据或参数错误时与正则化拉格朗日乘子法等价,并具备同时辨识多个不良数据及参数错误的能力。通过IEEE 14节点测试系统的仿真结果验证了所述方法的准确性与优越性。     

基于增广状态估计的混合不良数据诊断与参数辨识

电网同时存在遥测坏数据和参数错误时,由于坏数据会影响参数辨识结果,全网参数辨识和估计方法很难保证结果的准确性。文中提出一种基于增广状态估计的混合不良数据诊断与参数辨识方法,先通过残差平衡度判断不良数据是遥测坏数据还是错误参数,将遥测坏数据直接剔除;然后,通过分区方法将多个潜在的不良参数尽可能分开在不同的局部区域,以减弱不良数据之间的相互影响;最后,采用分区增广状态估计方法修正不良参数。算例结果表明,该方法能有效区分坏数据和错误参数,且分区参数辨识能避免不良数据之间相互影响,从而提高了可疑参数辨识的精度。     

基于线性内点法及正交变换的抗差参数估计

参数估计目前主要采用加权最小二乘算法.由于包含参数估计,该方法在处理电网坏数据混杂及数值稳定性上都面临着困难.考虑到实际电网中有时会同时出现量测错误及参数错误,提出了使用基于线性内点法及正交变换的加权最小绝对值(WLAV)增广参数估计.基于L1范数的WLAV估计具有良好的抗差特性,用以应对混杂有坏数据、拓扑错误及参数错误的混杂估计.为提高增广参数估计的数值稳定性,将正交变换引入线性内点法修正方程的求解中.对算法的测试结果表明,该方法具有良好的应用前景.     

电力系统多区域分布式状态估计方法

提出了一种电力系统多区域分布式状态估计方法,各区域估计器利用其数据采集与监视控制系统提供的量测数据进行本地状态估计,并通过平均一致性算法获取全局信息进行系统级状态估计。建立了基于拉格朗日乘子法的状态估计模型并设计了基于一致性的全局信息交换协议,给出了多区域分布式状态估计算法的实现流程。通过IEEE 14节点和118节点系统中的仿真算例验证了所提方法的正确性和有效性,并就估计精度和计算效率与现有状态估计方法进行了比较。仿真结果表明分布式状态估计方法可有效提高集中式状态估计系统的计算效率及可靠性,适用于结构更加复杂、量测数据体量更大电网的状态估计。     

基于一致性理论的多区域电力系统分布式状态估计

随着电网规模不断扩大,传统集中式状态估计方法的数据通信与存储任务重、计算量大,难以满足现代电力系统状态估计需求。在计及系统状态估计非线性的基础上,将电力系统划分为若干个不重叠的子区域,并利用拉格朗日乘子法对状态估计方程进行解耦,建立电力系统多区域非线性状态估计模型。基于一致性理论建立全分布式状态估计方法对模型进行求解,该方法无需状态估计控制中心,只需各子区域交换一致性变量和边界节点的状态变量信息,各子区域便可平行独立地计算本地状态变量估计值,较集中式状态估计均衡了通信及计算负担。IEEE 14节点系统仿真结果验证了所提分布式状态估计方法的有效性。     

考虑抗差状态估计大误差点的电网可疑参数辨识及其应用

错误的电网参数导致电力系统中状态估计结果出现偏差,严重影响各种高级应用的实用性。首先分析了一种能够自动排除不良数据对状态估计的影响且具有较高计算效率的抗差状态估计模型;然后提出了通过计算量测偏差与线路平衡状态来生成可疑线路的方法;最后采用变步长积分法估计可疑线路的参数修正值。通过在某省级电网调度中心的应用,实测结果验证了该方法的正确性与有效性。     

考虑电力参数和量测误差的网络拓扑误差辨识方法

电力系统的参数误差和量测误差在状态估计时经常同时发生。为此提出了一种同时辨识不正常状态支路和参数误差的方法。首先建立了含断路器的支路模型,确定了利用断路器状态估计的误差方程。然后,提出了一种基于扩展状态估计方程的能够同时辨识网络拓扑误差、参数误差和坏数据量测的多源误差的方法。所提拓扑结构误差辨识方法能够在含有坏数据和网络参数误差下辨识不正常状态支路。该方法将约束条件中的归一化拉格朗日乘子加入到断路器模型和参数误差中,通过估计含有拓扑和参数误差的可疑支路的参数来辨识不正常支路的状态,且仅利用传统状态估计的结果来辨识误差。最后利用IEEE118节点系统进行算例验证,对比分析了多种场景下所提方法与传统辨识方法的结果,说明了所提方法的有效性。     

基于权函数的电网参数分区辨识与估计方法

多个遥测坏数据和参数错误(简称不良数据)存在时,现有辨识与估计方法很难保证其结果的有效性.为此,提出了基于权函数的电网参数分区辨识与估计方法.首先基于最小度拓扑搜索,将原网络分解为辐射子网、简单环网和复杂环网,形成多个独立子区域;其次,对每个独立子分区,采用拉格朗日法辨识不良数据;最后,对每个独立子分区内的错误参数,提...