基于自适应容积卡尔曼滤波的主动配电网状态估计

有效的状态估计算法是确保电力系统安全、稳定、经济运行的前提条件。针对传统无迹卡尔滤波(unscented Kalman filter,UKF)参数选取难、灵活性差、高阶系统滤波精度低等缺陷,将数值稳定性较好的容积卡尔曼滤波(cubature Kalman filter,CKF)算法引入到配电网进行动态状态估计,并与改进后的自适应无迹卡尔滤波(Adaptive unscented Kalman filter,AUKF)算法进行对比,仿真分析表明CKF算法较AUKF算法具有较高的滤波精度以及较好的数值稳定性。该算法在系统负荷发生突变时滤波精度有所下降,为此进一步提出了自适应容积卡尔曼滤波(Adaptive cubature Kalman filter, ACKF)算法以改善状态估计性能。对三相不平衡电网进行算例仿真表明：ACKF算法相比较于CKF算法而言,滤波精度更高、鲁棒性更强。     

电力系统分区和解耦状态估计研究综述

电力系统状态估计已经成为电网EMS/DMS监测与控制的核心功能之一。有效的状态估计方法可以提高状态估计的精度、提升计算效率及改善估计结果的数值稳定性。首先介绍了当前电网分区准则,分析了各类分区方法需要研究的核心问题,并对基于网络拓扑和地理位置、AMI、MAS的电力系统分区状态估计的优缺点进行评述。然后从提高区域内部输配电网计算速度角度,指出基于快速解耦和相序解耦方法是处理当前三相平衡与三相不平衡系统的状态估计的有效解决方案。最后总结了分区和解耦状态估计研究存在的问题,并对今后进一步的研究方向提出建议。     

决策树技术在电信行业客户流失分析中的应用

研究决策树技术,对建立决策树的具体过程进行了分析,并利用决策树技术进行客户流失分析,建立客户离网预测模型,分析哪些客户的离网概率最大及其相关因素,为市场经营与决策人员制订相应的策略、留住相应的客户提供决策依据.     

基于自适应无迹卡尔曼滤波的配电网状态估计

随着大量分布式电源和电动汽车接入配电网,DG出力难以预测以及负荷监控复杂是配电网运行管理的难题。针对传统无迹卡尔曼滤波预测误差大,且容易受不良数据影响的问题,利用新息向量构造了自适应因子,提出自适应无迹卡尔曼滤波(Adaptive Unscented Kalman Filter,AUKF)算法对配电网进行状态估计。当系统负荷突变以及量测存在不良数据时,利用自适应因子对相应的预测协方差矩阵进行在线修正,减小了预测误差对估计精度的影响。在三相不平衡配电网中进行仿真分析,结果表明,AUKF算法比UKF估计精度高、鲁棒性强,验证了所提算法的有效性。     

不同充电模式下电动汽车充电站的仿真与谐波分析

当前越来越多的电动汽车充电设施接入电网,不同充电模式的充电设施接入电网产生的谐波污染将对电网造成不同的影响。对电动汽车充电站内不同充电模式充电机之间的相互影响进行Simulink仿真和谐波分析。首先,建立电动汽车动力电池的仿真模型。其次,建立电动汽车不同充电模式充电机的仿真模型。然后,将动力电池仿真得到的充电曲线直接等效成时变电阻,并作为连续信号直接输入充电机模型进行仿真。最后,在不同充电场景下对不同充电模式充电机进行仿真,分析了不同充电模式的充电机工作时相互影响的谐波规律。     

配电网降损综述

较为全面地综述了国内外关于降低配电网损耗的研究状况。首先介绍了配电网损耗产生的原因,包括设备损耗和系统运行损耗两个方面。然后分别从设备配置和系统运行两个方面总结了当前各类降低配电网损耗的研究现状和存在的问题。并考虑多项降损措施的组合效果更明显,对当前研究比较广泛的无功优化、配电网重构和分布式电源优化等降损措施之间组合优化的研究现状进行综述。最后指出了当前配电网降损研究主要存在的问题及下一步可能的研究方向。