基于改进IGGⅢ和快速分解法的电力系统状态估计算法

快速分解算法具有很好的收敛特性,既能处理支路上的量测量,又能处理节点注入型量测量,计算速度快而又节省内存,是工程上一种公认的状态估计的优良实用算法,但它无法处理实际运行的电网自动化系统中存在的少量粗差,从而使状态估计的结果严重偏离真值.通过分析比较几种典型的抗差估计方法,将基于IGGⅢ法的抗差估计方法与快速分解算法相结合,用于抗拒少量粗差对估计值的影响.由于考虑到在粗差较大时,利用具有淘汰区的IGGⅢ进行抗差估计可能会出现秩亏,信息矩阵出现奇异现象,系统不可观,导致状态估计不能进行,故该文对IGGⅢ法中的常数选取进行改进.算例结果表明,该改进算法具有良好的抗粗差能力和可靠的收敛性,收敛速度快,并能够将抗粗差和状态估计在计算过程中能同时顺利完成,不需要进行多次状态估计计算.     

电力系统相量测量装置最优配置混合算法的研究

以电力系统状态完全可观测和相量测量装置(PMU)配置数目最小为目标,形成了PMU最优配置问题。将遗传算法和禁忌算法有效结合形成禁忌遗传算法,该算法在改进交叉和变异算子的基础上,继承和发展了遗传算法基于多点搜索、鲁棒性强等诸多优点,每当群体有出现早熟而陷入局部最优解的趋势时,利用禁忌搜索增强算法的爬山能力,避免算法早熟而陷入局部最优解,增强算法的全局收敛能力和收敛速度。与遗传算法和禁忌搜索方法相比,禁忌遗传算法具有更好的全局收敛能力和收敛速度。最后采用IEEE14,IEEE30和IEEE57节点系统对算法的有效性进行了验证。     

电力系统状态估计算法的研究现状和展望

为了保证电力系统的安全性和经济性,状态估计是能量管理系统(EMS)中不可或缺的组成部分.状态估计算法是状态估计的核心部分.综述了电力系统状态估计的研究现状.简要介绍了电力系统状态估计的基本概念及功能,描述了状态估计的数学模型.介绍了几种目前常用的估计算法,即加权最小二乘法、快速分解法、基于量测变换的状态估计算法等,并对这些算法作了简明的对比,指出各个算法的优缺点.最后,对状态估计算法中值得研究的方面进行展望.     

变电站10kV并联电容器发热故障分析及防范措施

并联电容器是一种重要的无功补偿设备,对电力系统的稳定、正常供电起着非常重要的作用。简要介绍了电容器组与配套设备的连接方式,结合某局并联电容器的运行现状和多年来的运行经验,着重对并联电容器发热故障进行深入分析,并针对性地提出了防范措施和日常检修及运行维护的一些建议,以提高福州电网无功系统的安全性和可靠性。     

计及PMU的二次状态估计模型的研究

随着相量测量装置（PMU）在电网中的推广应用，其量测结果己成为电力系统重要的数据源之一。将PMU支路电流量测转换为支路潮流量测，使电流相量量测在状态估计中得到了有效的利用。二次估计模型首先把PMU节点的状态量测值作为估计值，PMU支路量测通过变换参与到非线性估计，收敛后再利用非线性估计结果和PMU量测进行线性估计。该模型在充分利用PMU量测特性，保持较高的估计精度的同时，也提高了方程数值稳定性和收敛速度。在快速分解算法的基础上，通过IEEE9和IEEE30节点系统仿真验证本文模型的有效性。     

基于改进IGGⅢ和快速分解法的电力系统状态估计算法

快速分解算法具有很好的收敛特性，既能处理支路上的量测量，又能处理节点注入型量测量，计算速度快而又节省内存，是工程上一种公认的状态估计的优良实用算法，但它无法处理实际运行的电网自动化系统中存在的少量粗差，从而使状态估计的结果严重偏离真值。通过分析比较几种典型的抗差估计方法，将基于IGGIII法的抗差估计方法与快速分解算法相结合，用于抗拒少量粗差对估计值的影响。由于考虑到在粗差较大时，利用具有淘汰区的IGGIII进行抗差估计可能会出现秩亏，信息矩阵出现奇异现象，系统不可观，导致状态估计不能进行，故该文对IGGIII法中的常数选取进行改进。算例结果表明，该改进算法具有良好的抗粗差能力和可靠的收敛性，收敛速度快，并能够将抗粗差和状态估计在计算过程中能同时顺利完成，不需要进行多次状态估计计算。     

计及PMU的分布式状态估计的研究

随着相量测量装置在电网中的推广应用,其量测己成为电力系统重要的数据源之一.将PMU支路电流量测转换为支路潮流量测,使电流相量量测在分布式状态估计中得到了有效的利用.在快速分解算法的基础上,结合搭接式分布并行算法,提出了一种基于相量测量单元(PMU)的分布式电力系统状态估计算法,即利用PMU量测进行子系统参考节点协调,并通过在子系统边界节点配置PMU,使相互之间完全解藕,实现各子系统的并行计算,加快了计算速度,提高了数值精度和稳定性.给出了IEEE9节点的仿真结果,验证了该算法的有效性及优越性.     

电力系统状态估计算法的研究现状和展望

为了保证电力系统的安全性和经济性,状态估计是能量管理系统(EMS)中不可或缺的组成部分。状态估计算法是状态估计的核心部分。综述了电力系统状态估计的研究现状。简要介绍了电力系统状态估计的基本概念及功能,描述了状态估计的数学模型。介绍了几种目前常用的估计算法,即加权最小二乘法、快速分解法、基于量测变换的状态估计算法等,并对这些算法作了简明的对比,指出各个算法的优缺点。最后,对状态估计算法中值得研究的方面进行展望。     

计及PMU的电力系统状态估计混合模型的研究

在等效电流量测变换状态估计模型的基础上引入旋转变换,实现方程的实、虚部严格解耦,并建立一种非线性估计和线性估计相结合的混合状态估计模型:首先把PMU节点的状态量测值以及PMU相关节点的状态推算值作为估计值进行非线性估计,然后再利用非线性估计结果和PMU量测进行线性估计。该模型可以充分利用PMU的量测,提高状态估计收敛速度,同时可以进一步利用PMU量测来提高估计精度,所需的存储量较小,具有较好的工程应用前景。最后采用IEEE14和IEEE30节点系统对该模型进行了验证。     

电力系统状态估计中相量测量单元的优化配置

利用相量测量单元(PMU)量测的状态估计模型,在等效电流量测变换的状态估计模型的基础上,给出了基于粒子群优化算法(PSO)的PMU配置。经算例验证,尽管在PMU测点数较少时,PSO与遗传算法(GA)的优化结果相同,但随着PMU测点数的增多,PSO优于GA,具有实用价值。