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Vondrak分区插值的WAMS/SCADA混合量测状态估计数据频率兼容性方案

针对当前应用于状态估计的广域测量系统(Wide Area Measurement System,WAMS)和数据监控及采集系统(Supervisory Control and Data Acquisition,SCADA)数据频率兼容问题,在分析WAMS/SCADA混合量测数据差异的基础上,提出了一种可行的解决混合量测数据频率兼容的方案。文章基于数据挖掘理念和Vondrak分区插值算法,对SCADA节点依据数据相关度划分插值区域,各分区内采用同一PMU节点的最优平滑系数进行Vondrk插值,得到WAMS测量时刻的SCADA拟量测数据,应用于无迹卡尔曼滤波(Unscented Kalman Filter,UKF)动态状态估计。该方案不仅可以增补SCADA拟量测数据,提高量测数据和状态估计精度,有效控制系统负荷快速变化时的估计误差,还可以实现系统故障前后全网母线电压波动的可观测。通过在IEEE 118节点系统上模拟日负荷变化和故障过程的仿真分析,验证了该频率兼容方案的有效性。     

船舶系统PMU/SCADA混合量测数据兼容性研究

船舶电力系统的频率易波动且变化范围较大,现有陆地电力系统中的基于恒定频率的混合量测数据兼容性方案不能直接应用。针对该问题,本文提出了基于准确系统频率追踪和数据相关度分析的SCADA/PMU量测数据兼容性方法。提出利用自适应陷波器和基于PMU数据的频率跟踪算法,获取船舶电力系统的准确频率,根据SCADA和PMU两个系统测量数据的时间同步性和权值对状态估计的影响,确定一套适用于船舶电力系统的混合量测数据兼容性方案。通过仿真计算验证了该方案的正确性和有效性。该方法解决了当船舶电力系统频率变化时,仍可通过SCADA获得准确量测数据,并更好地从时间同步和权值方面与PMU数据实现兼容。     

基于PMU/SCADA混合量测的电力系统求积分卡尔曼滤波的状态估计

针对目前电力系统状态估计主要采用的扩展卡尔曼滤波(EKF)存在鲁棒性差,精确度被非线性程度制约大等缺点,提出一种电力系统的计算线性方法——求积分卡尔曼滤波(QKF)进行电力系统的状态估计,该算法从统计线性回归的角度,运用高斯-厄米特积分点,使得估计精确度大幅提高,并且引入精确度高,全网实时同步的同步相量测量单元(PMU)数据,成熟性好,技术成熟的SCADA数据进行混合量测。仿真结果表明,QKF法比EKF法具有更高的计算精确度,PMU数据的引入又进一步提高了电力系统状态估计的性能。基于混合量测的QKF法状态估计在正常状态和系统发生扰动情况下均有较好的估计性能,且估计精确度在系统加入混合量测的数据后明显高于单一SCADA系统。     

计及PMU量测信息的量测量变换状态估计

针对目前监视控制和数据采集(supervision control and data acquisition,SCADA)系统和广域测量系统(wide-area measurement system,WAMS)量测数据的特点,提出了一种计及相量测量单元(phasor measurement unit,PMU)的量测量变换状态估计。文中利用量测量变换方法,将SCADA和WAMS下的各类量测转化为等效电压量测,经简化处理得到了常实数信息矩阵,实现了节点电压实部、虚部的解耦计China(NSFC)(50177066).算。该算法具有计算速度快的特点,克服了传统量测量变换状态估计只能处理单一支路功率量测的弊端。IEEE30节点系统算例验证了所提方法的有效性。     

基于APSI多级策略下的混合电力系统状态估计研究

针对混合电力系统中要求状态估计数据精度高及数据计算量小进行探索研究。提出了两种状态估计构架用于多级策略下SCADA/PMU混合量测的电力系统状态估计。第一个构架是利用先验状态信息(APSI)和正交分块吉文斯旋转提高基于SCADA/PMU量测装置的状态估计的数据处理能力。第二个构架是一个依赖于融合估计的三级方案,优化之前已经确定的SCADA/PMU估计量测值。对多级策略在计算量和精确性上的优化进行详细的描述和比较。在IEEE 30节点系统测试系统进行仿真验证,验证了提出的多级策略能有效地减少状态估计的计算量及增加量测数据的同步性和准确性。     

基于SCADA/PMU混合量测的广域动态实时状态估计方法

根据来自监视控制与数据采集(supervisory control and data acquisition，SCADA)系统和相量测量单元(phasor measurement unit，PMU)的数据特点，提出了一种基于SCADA/PMU混合量测的广域动态实时状态估计方法，该方法充分利用了各节点间电压变化的相互联系，通过SCADA系统提供的初始值和安装PMU的节点的电压量测可简单地获得其他未安装PMU节点的电压相量。该方法有效地解决了在PMU配置不足的情况下如何观测电网状态以及如何在动态过程下实时观测电网。最后，通过对新英格兰10机39节点系统的多种故障进行仿真，验证了该方法的有效性和准确性。     

混合量测下基于UKF的电力系统动态状态估计

针对当前电力系统动态状态估计主要采用的扩展卡尔曼滤波(EKF)法存在收敛速度慢、鲁棒性差的缺点,采用一种新的非线性方法——无迹卡尔曼滤波(UKF)法进行电力系统动态状态估计。UKF法由于使用了无迹变换,避免了线性化误差的引入和雅可比矩阵的计算,相比EKF法有更高的估计精度和稳定性。广域测量系统(WAMS)能够提供相量信息,具有精度高、全网严格同步等优点。因此,将WAMS量测数据和数据采集与监控(SCADA)系统量测数据相结合,形成应用混合量测的电力系统动态状态估计。仿真表明,UKF法相比EKF法能够更准确地估计动态系统中的状态量,WAMS信息的引入进一步提高了动态状态估计的性能。     

计及PMU量测的分步线性状态估计模型

提出一种基于广域量测系统(wide area measurement system,WAMS)和数据采集与监控(supervisory control and data acquisition,SCADA)系统混合量测的电力系统状态估计方法,该方法充分利用相量测量单元(phasor measurement unit,PMU)量测方程为线性方程的特点,将SCADA量测方程分解为两步线性化方程,并将PMU量测数据中的电压幅值平方、电流幅值平方和相角量测分别添加到2个线性化方程中,从而实现PMU和SCADA混合量测状态估计的非迭代计算,提高了计算效率。通过IEEE标准系统和波兰电网仿真算例,验证了所提方法的有效性。     

一种计及全量测相关性的混合电力系统状态估计方法

针对电力系统状态估计中全量测存在相关性的实际情况,提出一种计及全量测相关性的混合电力系统状态估计方法。首先,利用无迹变换法计算来自数据采集与监视控制(supervisory control and data acquisition,SCADA)系统量测之间的统计相关性;其次采用量测缓冲器和向量自递归模型(vector autoregressive model,VAR)计及相量测量单元(phasor measurement units,PMU)量测的时空相关性,最终形成两部分相结合的混合线性状态估计方法。该方法在充分考虑PMU量测量之间时相关性的同时,能够确保PMU量测量与基于具有相关性的SCADA量测状态估计结果保持时标的一致性,进而有效地得到计及全量测相关性的电力系统状态估计结果。通过在IEEE-118标准节点系统上进行大量仿真算例分析,结果表明所提方法能够明显提高状态估计结果的精度。     

考虑数据时延的电力系统两阶段动态状态估计方法

由于电力系统中SCADA数据和PMU数据采样频率不同,使得这两种数据存在时延。首先提出基于变点重复检测的PMU最佳缓冲长度计算方法,将SCADA数据和PMU数据统一到同一时间尺度下,然后将无迹变换与指数权函数抗差估计算法相结合,针对历史多数据断面进一步提出了两阶段无迹卡尔曼滤波鲁棒动态状态估计方法。该方法在每一断面内,首先用无迹变换和两参数指数平滑预测后的预测值与SCADA数据结合进行第一阶段滤波,然后再将滤波所得估计值与PMU数据结合进行第二阶段滤波。通过两阶段滤波,能够显著增大滤波过程中的量测冗余度,并且有效降低在混合数据滤波过程中量测精度较低的SCADA量测对精度较高的PMU量测的影响。基于IEEE-39节点标准系统对本文所提方法进行仿真,仿真结果表明,本文所提方法能够有效结合PMU数据和SCADA数据对电力系统进行动态状态估计计算,且估计精度高,鲁棒性好。     

与SCADA互补的WAMS中PMU的配置及数据处理方法

数据采集与监控(Supervisory Control and Data Acquisition,SCADA)系统只能提供稳态的、低采样密度的、不同步的电网时间断面信息;广域测量系统(Wide-Area Measurement System,WAMS)虽然能在毫秒级的时间尺度上对电力系统进行同步测量,但在现有技术条件下它还不能完全代替SCADA系统.在相当长的时间内,势必出现两种系统并存、互为补充的局面.文章以基于负荷区的简化核心网完全可观测为原则,提出了一种实用的相角测量单元(Phasor Measurement Unit,PMU)配置方法.该方法利用PMU所产生的精确数据来同步系统其它部分的SCADA数据,并对其加上时间坐标,然后进一步利用状态估计来提高数据精度.该方法有效地考虑了WAMS精确数据与SCADA非精确数据的相互配合,具有一定实用价值.     

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。     

基于灵敏度分析的线性混合量测状态估计

提出一种基于灵敏度矩阵并以相量测量单元(PMU)采样为周期的混合量测线性估计方法.把PMU的电流量测转换成功率量测,在初始计算时刻与基于监控和数据采集系统的量测一起进行非线性运算,得到状态估计值和功率量测量之间的灵敏度矩阵.在后续的PMU采样时刻,将转换得到的功率量测和通过负荷预报补充的伪量测组成混合量测,然后根据求得的灵敏度矩阵进行以PMU采样为周期的线性跟踪计算.当估计误差积累到一定程度时,重新进行一次混合非线性计算以更新灵敏度矩阵.通过IEEE 118节点系统,给出了负荷变化速率、预报误差和PMU量测数对所提估计方法计算精度的影响.结果表明,负荷变化越慢、预报误差越小、PMU的个数越多,其跟踪计算精度越高.     

基于机端PMU量测的系统受扰轨迹预测

提出了基于机端相量测量单元量测数据的多机系统受扰轨迹预测方法，结合状态估计或潮流数据，在系统受扰后将其降阶简化为仅含有配置了相量测量单元的发电机节点系统，利用相量测量单元的量测数据修正降阶系统节点电压和电流之间的关系，然后将其代入相应的发电机模型，从而实现了系统受扰轨迹预测。该方法采用时间间隔较大的状态估计或潮流数据计算节点电压和电流传递关系矩阵的初值，并利用该矩阵主对角元的变化反映受扰后系统各元件的详细模型、网络拓扑和参数的改变，然后使用相量测量单元毫秒级的量测数据对其进行修正，从而为在实际应用中将相量测量单元与SCADA系统相结合做出了有益探索。最后以一个6机25节点系统为例验证了该方法的有效性。     

基于SDAE-ELM伪量测建模的高容错快速状态估计方法

目前在电力系统中无法保证相量量测单元完全覆盖的情况下,状态估计需要采用相量量测单元（phasor measurement unit, PMU）与数据采集与监控（supervisory control and data acquisition, SCADA）混合量测进行传统非线性状态估计,但是SCADA数据精度低,含有较多不良数据,同时混合数据需要迭代求解,会导致计算效率低且存在截断误差。针对该问题,文章提出了一种基于堆叠去噪自编码器（stack denoising autoencoder, SDAE）与极限学习机（extreme learning machine, ELM）伪量测建模的电力系统高容错快速状态估计方法。其将含有不良量测的SCADA量测数据作为SDAE-ELM伪量测模型的输入,节点电压实部与虚部作为输出,根据历史数据进行训练得到伪量测值与伪量测误差模型,训练完成后得到精度较高的伪量测;将伪量测与PMU量测一起进行快速的线性状态估计。仿真结果表明,所提方法在保证估计精度的基础上,提高了计算效率,验证了所提方法的有效性。     

基于WAMS/SCADA混合量测和离散粒子群优化算法的PMU优化配置

当前应用于状态估计的量测数据由广域测量系统(wide area measurement system, WAMS)和数据监控及采集系统(supervisory control and data acquisition,SCADA)采集, WAMS向量测量单元(phasor measurement unit,PMU)的优化配置问题成为研究的重点。本文在分析WAMS/SCADA混合量测数据成分、时间断面、精度、刷新频率4个方面差异的基础上,实现了混合量测数据的有效兼容,提出了一种基于无迹卡尔曼滤波(unscented kalman filter, UKF)动态状态估计和离散粒子群优化(discrete particle swarm optimization, DPSO)算法的PMU优化配置方案。采用该方案下的混合量测数据进行UKF动态状态估计,很好地提高了状态估计精度。在IEEE39节点系统上模拟日负荷变化验证了该PMU配置方案的有效性。