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.     

一种求解环网无功问题的状态估计方法

输电网存在大量环形结构,无功测量精度较低且时常出现不良测量数据,加权最小二乘状态估计方法易受残差污染影响,难以满足状态估计合格率考核的要求。基于正常测点的概念,建立考虑测量设备自身不确定度的测点评价函数,用来评价测点正常与否。并以异常测点数量最小为优化目标,考虑系统实际约束和潮流约束,建立新的状态估计模型,对比残差分析的不良数据辨识方法在求解速度和精度上具有显著优势。基于某市实际输电网模型和遥测遥信数据进行算例分析。计算结果表明方法提高了状态估计测点合格率指标,证明了方法的有效性。     

基于不确定测度的电力系统抗差状态估计：(三)算法对比

针对所提出的基于兼顾测点正常率的偏离度最小准则的最大正常率最小偏差度估计方法,运用大量算例与已有的加权最小二乘、加权最小绝对值、非二次准则和基于测量不确定度的估计方法进行对比研究。结果表明,所述方法对强相关的多不良数据、杠杆点不良数据均具有较强的抑制能力,在计算效率上也能满足大系统的要求。     

自适应抗差理论在配网状态估计中的应用

提出了一种基于自适应抗差理论的配电网状态估计算法.该方法首先对生数据进行预处理,然后基于抗差原理,利用权因子把一般性的M估计转换为加权最小二乘法,并将权系数和余差联系起来,有效地解决了常规加权最小二乘法中,由于常数权系数所导致的,对粗差处理能力不足的问题.将该方法应用于一个实际配电网络的状态估计当中,结果表明该方法可以有效减小或消除量测量中粗差的影响.     

自适应抗差理论在配网状态估计中的应用

提出了一种基于自适应抗差理论的配电网状态估计算法。该方法首先对生数据进行预处理,然后基于抗差原理,利用权因子把一般性的M估计转换为加权最小二乘法,并将权系数和余差联系起来,有效地解决了常规加权最小二乘法中,由于常数权系数所导致的,对粗差处理能力不足的问题。将该方法应用于一个实际配电网络的状态估计当中,结果表明该方法可以有效减小或消除量测量中粗差的影响。     

基于Fair函数的电力系统抗差估计

为了得到既有较强抗差性又有较高效率的估值,提出一种基于F a ir函数的抗差状态估计算法。抗差最小二乘估计通过等价权把抗差估计原理与加权最小二乘(W LS)形式有机结合起来,提出了将F a ir函数通过等价权应用于抗差估计,使抗差和状态估计在计算中一次完成。仿真算例表明,该方法可以有效减小或消除粗差的影响,收敛速度快。     

基于粒子群进化算法的电力系统状态估计研究

加权最小二乘法是状态估计的常用方法,但在实际应用中经常会遇到算法发散的问题.为了解决这个问题,提出将改进的粒子群进化算法应用到状态估计当中,使加权最小二乘法的收敛性得到了很好的改善.结合IEEE5节点系统,给出了粒子群进化状态估计计算的三点注意事项.经试验得出,对量测点数为16的系统而言,计算时间在50 s左右,量测点数为30的系统的计算时间在3 min左右,量测点数为80的系统,其计算时间在15 min左右.这种算法可以应用在离线状态估计上.     

基于同步相量测量的配电网状态估计方法

为保证现代电力系统配电网的安全稳定运行和供电能力,需要快速获取配电网准确的实时状态进而对系统进行动态分析、评估和控制。本文构建了复数域下基于同步相量测量的配电网线性状态估计模型,考虑节点注入约束提升了测量的冗余性,分析同步相量测量的误差特点并提出复数域最小二乘法求解状态估计问题。面向实际应用需求,通过分析测量残差提出一种权重自适应调整算法,以及一种不良数据辨识和校正的方法。仿真结果表明,所提方法能有效提高配电网状态估计的准确性、实时性和适用性。     

结合模糊综合评判与决策的电力系统状态估计

针对电力系统状态估计中各种类型量测数据精度对状态估计结果有重要影响的问题,在基本加权最小二乘法估计的基础上,结合模糊综合评判与决策中的层次分析法(Analytic Hierarchy Process,AHP)讨论了一种改进权值确定方法的加权最小二乘法。它是将电力系统状态估计分解为量测值与估计值的差值平方最小(目标)、不同类型的量测值(准则)、各类型量测值相对精度的大小(方案)等层次,在此基础上进行定性和定量分析。通过IEEE 14-bus、IEEE 30-bus和IEEE 57-bus的标准算例进行仿真分析,证明层次分析法确定权值的加权最小二乘法能够有效地计算出电力系统的状态估计值。通过和基本加权最小二乘法进行比较,证明了该方法的优越性和实用性。     

基于粒子群进化算法的电力系统状态估计研究

加权最小二乘法是状态估计的常用方法,但在实际应用中经常会遇到算法发散的问题。为了解决这个问题,提出将改进的粒子群进化算法应用到状态估计当中,使加权最小二乘法的收敛性得到了很好的改善。结合IEEE5节点系统,给出了粒子群进化状态估计计算的三点注意事项。经试验得出,对量测点数为16的系统而言,计算时间在50 s左右,量测点数为30的系统的计算时间在3 min左右,量测点数为80的系统,其计算时间在15 min左右。这种算法可以应用在离线状态估计上。     

Weighted least absolute value power system state estimation using rectangular coordinates and equivalent measurement functions

This paper presents a new efficient computation technique for robust power system state estimation based on weighted least absolute value (WLAV) criterion. The proposed method employs rectangular form of state variables and equivalent measurements technique in order to obtain the linear measurement functions with linear constraints of state variables. The state estimation problem is then formulated as an optimization problem with a set of equality and inequality constraints. A solution method based on interior point algorithm is also proposed. Tests with several IEEE standard systems have been performed to investigate the performance of the proposed algorithm. Results indicate that the proposed state estimator gives promising performance compared with weighted least square (WLS) based estimation algorithms using state variables in polar forms. © 2011 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

配电网状态估计的一种新算法

加权最小二乘法是当前配电网状态估计的常用算法,但它对于粗差的处理能力不足,量测量中的粗差会使估计结果严重偏离真值.介绍了一种抗差原理,利用权因子把一般性的M估计转换为加权最小二乘法,并将之应用于配电网的状态估计.通过测试,证明该方法可以有效减小或消除量测量里面的粗差影响,对于配电网状态估计技术有较强的实用价值.     

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。     

一种双线性抗差状态估计方法

传统状态估计方法一般需要求解某个非线性非凸优化问题,并用基于梯度的方法予以求解,因而存在难以保证获得全局最优解、可能收敛困难等问题。文中基于国外学者提出的精确线性化量测方程构建了一种双线性抗差状态估计方法。该方法仅需求解一个线性加权最小绝对值估计问题(等价为线性规划问题)、一个非线性变换以及一个线性加权最小二乘估计问题(二次规划问题),从数学上可保证获得全局最优解,并不存在收敛性问题。最后,通过仿真算例验证了所提方法的有效性。     

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。     

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。     

基于WLS-KF的UWB室内定位滤波算法研究

针对室内超宽带(UWB)定位过程中受到非视距误差(NLOS)干扰而导致定位精度下降的问题,提出了基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法对测距信息解算得到定位坐标。在通视环境下进行测距,利用测得的数据计算新息向量和协方差,并基于此构建阈值信息,对NLOS环境产生的量测异常值进行判别,在此基础上利用Sage-Husa滤波对系统噪声协方差进行估计。采用加权最小二乘法对测距信息进行处理,得到标签解算坐标的最优估计。通过MATLAB仿真验证算法的可行性和有效性并在室内环境下进行测距、定位试验验证。仿真和实验结果表明,基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法能有效识别NLOS误差,且对定位过程中发生的状态突变能有效进行跟踪,解算得到的标签坐标x方向误差1 cm左右,y方向误差2 cm左右,提高了UWB室内定位的精度。