共查询到17条相似文献,搜索用时 125 毫秒
1.
为提高状态估计的抗差性,提出一种基于最大指数绝对值目标函数的状态估计(maximum exponential absolute value state estimation,MEAV)方法。首先给出了MEAV的基本模型,并介绍了其理论基础和数学性质。由于 MEAV基本模型的目标函数并非处处可导,因而无法利用基于梯度的方法进行求解。为此,给出了 MEAV 基本模型的等价模型,并详细推导了基于原-对偶内点算法的MEAV等价模型的求解方法。算例分析表明,MEAV 在估计过程中可自动抑制多个强相关不良数据,显示了良好的抗差性和较高的计算效率,因而具有良好的工程应用前景。 相似文献
2.
指数型目标函数电力系统抗差状态估计的解法与性能分析 总被引:1,自引:0,他引:1
针对一个指数型目标函数电力系统抗差状态估计模型,给出一种有效的求解方法。由于指数型目标函数电力系统抗差状态估计模型的目标函数连续可微,因此可通过与加权最小二乘估计类似的牛顿法方便地进行求解,与现有状态估计程序之间具有很好的兼容性。理论分析表明新的抗差估计模型具有很强的排除不良杠杆量测的性能,并通过与加权最小二乘估计和广义M估计的数值算例比较,进行了验证。基于IEEE标准系统和2个实际省级电网的计算分析,将本文方法与现场广泛应用的含不良数据辨识环节的加权最小二乘估计程序进行比较,结果表明所提方法的抗差能力具有明显的优势。 相似文献
3.
4.
5.
6.
现有的抗差状态估计方法一般需要求解非线性非凸优化问题,并用基于梯度的方法予以求解,难以保证获得全局最优解,且可能存在收敛性问题。基于精确线性化量测方程提出了一种混合整数线性规划形式的抗差状态估计方法。首先通过引进辅助状态向量和辅助量测向量,得到了线性量测方程;通过引入代表量测量是否为正常量测量的二值变量,将线性量测方程变为线性量测不等式;最后求取一个可使尽可能多的正常量测量来支持的状态向量。所提方法抗差能力强,从数学上可保证获得全局解;无需非线性迭代。仿真算例验证了所提方法的有效性和高效性。 相似文献
7.
对于电力系统中出现在杠杆量测上的不良数据,传统含不良数据辨识的最小二乘法状态估计不能很好排除不良数据对系统估计结果的影响。本文提出了多目标函数预抗差状态估计,利用可变窗宽算法平衡了指数目标函数状态估计的精度与速度矛盾,同时利用加权最小二乘估计与之相结合,在不同的迭代周期中使用不同的目标函数,使得估计既可以具有结构抗差估计的优秀抗差性能,又使得估计具有最小二乘法相对优秀的收敛性,避免了迭代震荡浪费计算资源的情况。将本文所提方法与传统算法进行比较,结果表明本文所提出的算法在性能上具有明显优势。 相似文献
8.
9.
为克服传统状态估计方法在处理量测噪声方面的局限性,文中首先提出一种基于最大相关熵准则的抗差状态估计一般模型,该模型可从理论上统一已有的几种抗差状态估计方法,并可导出新的抗差状态估计方法。在此基础上提出一种量测噪声自适应抗差状态估计方法(ARSE),ARSE能够通过统计学习获得量测噪声的分布规律,并与所提出的抗差状态估计一般模型进行在线匹配,从而实现对量测噪声类型的自适应,即在常见的量测噪声分布类型下,ARSE可得到更接近于状态变量真值的估计结果。最后通过仿真算例验证了所述方法的有效性。 相似文献
10.
11.
12.
基于IGG法的电力系统状态估计 总被引:6,自引:1,他引:6
针对现有电力系统状态估计的不足,提出了一种基于IGG(Institute of Geodesy &Geophysics,Chinese Academy of Sciences)法的抗差估计方法。分析了抗差估计理论应用于状态估计时,初值和权函数选取的原则及一般方法,兼顾了估计结果的准确性和数值稳定性。将抗差最小二乘法用于存在拓扑错误和坏数据时的状态估计,结合网络参数估计辨识法,得出坏数据和可疑支路的正确状态,使抗差和状态估计在计算中一次完成。算例结果表明,该法抗差能力强,收敛速度快,而且具有较好的准确性和数值稳定性。 相似文献
13.
电力系统状态估计是电力调度中心一切高级应用及分析的基础。针对加权最小绝对值法(WLAV)状态估计收敛性较差的问题,提出了指数权函数的状态估计新算法(E-LAV)。该方法采用指数权函数代替WLAV的不连续权函数,从而克服了WLAV方法在权函数间断点收敛性能大大降低的缺点。以4节点系统及IEEE-118系统作为算例的计算结果表明,E-LAV算法在拥有与最小二乘法(WLS)近乎类似的迭代速度的同时,却拥有很强的抗差能力。该算法只需在原有最小二乘法的基础上修改权重矩阵即可,因此拥有良好的工程应用前景。 相似文献
14.
基于WAMS的电力系统机电暂态过程动态状态估计 总被引:9,自引:1,他引:9
广域同步测量系统(wide area measurement system, WAMS)作为一种量测手段,不可避免地会存在量测误差和坏数据。如果对WAMS量测数据不进行估计而直接应用,将有可能导致采取错误的控制策略,甚至恶化系统状态,造成严重后果。针对该问题,根据WAMS实测数据,提出了一种电力系统动态过程中发电机状态变量估计的新方法。该方法将发电机转子运动方程与外部网络解耦,进而给出对WAMS实测功角轨迹进行估计的模型,提出了相应的坏数据检测和剔除方法以及整体算法流程。仿真结果表明该方法可以实时提供估计后的发电机状态信息,有效减小WAMS量测数据误差及坏数据的影响,为基于WAMS的各种动态应用与实时控制打下了基础。 相似文献
15.
16.
基于异步迭代模式的电力系统分布式状态估计方法 总被引:1,自引:0,他引:1
互联电网安全运行所要求的一体化建模与计算对分布式状态估计提出了新的要求,为了给后续的基于异步迭代模式的分布式能量管理系统高级应用提供一个较为精确的基态计算模型,也为解决传统两层式状态估计中出现的边界失配量较大的问题,提出了一种基于异步迭代模式的分布式状态估计方法。该方法基于等值网等值量测修正思想,通过构建关于边界状态量的不动点迭代格式,实现基本的分布式状态估计方法;通过在异步迭代过程中,强制外网等值量测数据为非坏数据,再经协调计算,借用外网量测信息解决了内网靠近边界区域的不良数据难以辨识的问题。以IEEE 118节点系统为标准算例进行测试,测试结果验证了所提方法的有效性。 相似文献