A method for determining pseudo‐measurement state values for topology observability of state estimation in power systems

This paper proposes a new technique for determining state values in power systems. Recently, it has been useful for carrying out state estimation with PMU (Phasor Measurement Unit) data. The authors have developed a method for determining state values with an artificial neural network (ANN) considering topology observability in power systems. The ANN has the advantage of approximating nonlinear functions with high precision. The method evaluates pseudo‐measurement state values of data which are lost in power systems. The method has been successfully applied to the IEEE 14‐bus system. © 2012 Wiley Periodicals, Inc. Electr Eng Jpn, 179(2): 27–34, 2012; Published online in Wiley Online Library ( wileyonlinelibrary.com ). DOI 10.1002/eej.21235     

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。     

基于抗差总体最小二乘法的电力系统谐波状态估计

介绍了谐波状态估计的数学模型及最小二乘和总体最小二乘的求解算法,综合考虑测量误差和参数误差的影响,利用总体最小二乘法进行谐波状态估计。分析了测量粗差对估计结果的影响,针对总体最小二乘法不具备抑制粗差能力的缺点,提出利用抗差总体最小二乘法进行谐波状态估计。用Matlab搭建了IEEE-14节点谐波测试系统仿真模型,在测量数据和参数矩阵中分别加入含有粗差的正态分布误差及正态分布误差,画出概率密度曲线图,并对总体最小二乘法、抗差最小二乘法和抗差总体最小二乘法进行比较,结果表明利用抗差总体最小二乘法能够得到更精确的谐波状态估计结果。     

基于广义岭估计的电力系统谐波状态估计

基于广域测量系统提供的网络部分节点的谐波同步测量数据和网络导纳矩阵建立谐波状态估计模型,通过对模型的求解得出整个网络的谐波状态。对于待求解的数学模型,由于网络中某些元件参数可能导致求解方程病态问题的出现,应用最小二乘估计所得结果存在较大误差,提出应用广义岭估计进行求解。仿真算例结果表明,在系数矩阵病态时,应用广义岭估计进行谐波状态估计的结果较最小二乘法有更高的准确度。     

两级线性迭代策略下的混合状态估计的研究

基于卡尔曼滤波及线性迭代基本原理,针对当前电力系统混合状态估计精度低、滤波效果差及收敛能力低等问题,提出了一种基于两级线性迭代的电力系统混合状态估计的研究策略:第1级利用相量测量单元(PMU)的量测数据进行线性估计;第2级将其与传统量测值相结合用于状态估计,并利用PMU的高频特性对两级的量测数据进行多次迭代采样。将其在IEEE 14和IEEE 57节点测试系统进行测试,并将结果与其他混合模型比较,结果表明,该策略的估计精度、数据收敛度及量测参数误差均优于其他混合模型。     

基于PMU量测的配电网稀疏估计

同步相量量测技术的应用为配电网估计如潮流雅可比矩阵估计和电压/相角-功率灵敏度估计提供了重要技术基础。针对潮流雅可比矩阵的相关性、稀疏性和对称性,提出了一种基于同步相量测量单元量测数据的潮流雅可比矩阵和灵敏度矩阵的稀疏估计方法,在较少量测下,有效估计了雅可比矩阵和灵敏度矩阵。进一步针对量测过程中出现的不良数据,引入鲁棒性更大的加权最小二乘法,提高了算法的鲁棒性。最后,通过IEEE33节点配电系统验证了方法的可行性。     

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。     

基于奇异值分解的电力系统谐波状态估计

用传统最小二乘法及其改进方法进行谐波状态估计时,大都是对谐波进行非同步测量,然后求解一个大型的超定线性方程组,其估计精度不足、计算量大、状态量测量数目多且费用昂贵。提出一种基于同步相量测量的谐波状态估计,并用复数奇异值分解求解病态线性复变量方程组的方法,可在系统状态非完全可观的情况下进行有效估计,降低了对测量冗余的要求。以IEEE30节点系统为例,采用同步测量方法测量支路的谐波电流和节点的谐波电压,分别用Matlab和基于奇异值分解(SVD)的最小二乘估计程序进行仿真。结果表明,用SVD算法对系统进行谐波状态估计时较为准确。     

基于改进泰勒加权最小二乘法的相量测量算法

大部分相量测量算法将信号相量作为一个静态模型,因此对电网中经常发生的电压幅值和相角波动特别敏感。基于标准频率下动态相量模型的泰勒加权最小二乘法(Taylor Weighted Least Squares, TWLS)不仅提供了相量值,还提供了相量导数值,可以提高对电网动态状况的监测。在此基础上,提出了一种基于基波频率值的改进泰勒加权最小二乘法。首先用非线性最小二乘法得到基波频率值。然后介绍了基于测量基波频率值的改进泰勒加权最小二乘法推导过程,并对该算法所涉及的窗函数、数据窗长度和泰勒多项式阶数进行分析选择。最后采用不同的信号模型和实际数据来检验算法的性能。仿真结果表明:提出的改进泰勒加权最小二乘法的测量精度满足要求。     

基于状态估计残差比较的配电网故障区段定位方法

针对单端量测的阻抗法在多分支辐射状网络中会出现伪故障点的问题,利用网络中分布的智能量测设备提供的监测信息,提出了基于状态估计残差比较的配电网故障区段定位方法.该方法首先遍历所有节点通过添加故障支路建立不同节点故障网络下的状态方程;其次通过求解状态估计方程获得含网络所有节点的总残差检测值序列;然后搜寻最大残差检测值所在节...     

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。     

Convergence of the recursive identification algorithms for multivariate pseudo‐linear regressive systems

The performance analysis of the recursive algorithms for the multivariate systems with an autoregressive moving average noise process is still open. This paper analyzes the convergence of two recursive identification algorithms, the multivariate recursive generalized extended least squares algorithm and the multivariate generalized extended stochastic gradient algorithm, for pseudo‐linear multivariate systems and proves that the parameter estimation errors consistently converge to zero under persistent excitation conditions. The simulation results show that the proposed algorithms work well. Copyright © 2015 John Wiley & Sons, Ltd.     

基于多分支电流混合量测的配电网三相状态估计

同步相量测量应用于配电网高级应用中是近年来的研究热点。针对配电网同步相量与智能电表的混合量测问题,提出一种以支路电流为状态变量的配电网状态估计方法。该方法在含分布式光伏接入的配电网中,将微型同步相量测量单元(Micro-Synchronous Phasor Measurement Unit,μPMU)和智能电表量测数据进行等效变换,实现异构数据支路电流幅值量测误差最小。首先,基于混合量测系统,推导三相量测方程模型。然后,运用加权最小二乘法实现了三相支路电流的状态估计。所提方法适用于三相不平衡、多分支电流量测的配电网。最后,通过对含分布式光伏的IEEE 37节点系统进行仿真,验证了方法的有效性。     

Multi‐objective PMU placement optimization considering the placement cost including the current channel allocation and state estimation accuracy

The optimal phasor measurement unit (PMU) placement problem in power systems has been considered and investigated by many researchers for accurate and fast state estimation by PMUs. However, the current channel cost of the PMU affects the total placement cost. This paper proposes a novel formulation in the multi‐objective optimal PMU placement, which minimizes the PMU placement cost with the current channel selection and the state estimation error. The current channel selection is represented as a decision variable in the optimization. For trade‐off objective functions, the Pareto approach by nondominated sorting genetic algorithm II (NSGA‐II) is applied in the optimization. The result of the numerical experiment in this paper demonstrates the advantage of considering the appropriate PMU current channel allocation, compared with the conventional method that ignores it, in the modified IEEE New England 39‐bus test system. As a result, the proposed method obtained a better Pareto solution compared with the conventional one because of the consideration for the current channel selection. An advantage of the proposed PMU placement is that it is able to reduce the total PMU placement cost while maintaining the state estimation accuracy.     

基于WAMS／SCADA混合量测的电力系统强跟踪滤波动态状态估计

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)法存在鲁棒性差、建模具有不确定性等缺点,提出一种强跟踪滤波动态状态估计算法.该算法在扩展卡尔曼滤波器中引入时变次优渐消因子,在线调整状态预报误差协方差矩阵和相应的增益矩阵,使状态估计残差方差最小.同时,引入广域测量系统(WAMS)/-数据采集与监视控制(SCADA)系统的混合量测数据,增加了系统的冗余量测,进一步提高了动态状态估计的性能.仿真结果表明,所提方法在正常情况以及负荷突变、存在坏数据、网络拓扑错误各种情况下具有较好的预测和滤波效果.     

基于广义逆算法的电压暂降状态估计

提出了一种基于广义逆算法的电压暂降状态估计(VSSE)新方法,将传统的随机故障点法和解析法相结合得到电压暂降状态估计方程。克服了传统随机故障点法选取故障点位置和数量的盲目性,具有在减少计算量的同时且能保证评估精度的优点,并利用广义逆算法准确可靠地求解此欠定方程组。相对于整数线性规划和遗传算法,该方法无需迭代,不存在收敛性问题,且计算复杂度小,计算历时少。另外由于该算法本身没有参数约束问题,克服了遗传算法在交叉和变异过程中选取参数时依靠人为主观经验的缺点。利用该方法在IEEE-30标准节点系统上进行仿真计算,并与遗传算法对比,结果验证了本文方法的准确性和可靠性。此方法适用于任何规模电网发生对称故障和不对称故障时的电压暂降状态估计。     

基于加权最小二乘估计的配网技术和非技术网损计量

高级计量体系(AMI)促进了配电系统的状态估计发展,而配网网损的计量还存在准确度不高、非技术网损和技术网损区分度不够等问题。文章提出了一种基于加权最小二乘状态估计的对非技术网损和技术网损的估计方法。分析了技术网损和非技术网损的估计模型,利用线性状态估计模型分析了网损估计和计量误差的关系。基于该分析,提出了一种有效非技术网损的计量权重,分析了估计误差、计量误差以及量测权重。所提方法考虑了状态估计中零注入节点模型的等式约束,可实现对所有区段技术网损和所有节点非技术网损的估计。在IEEE 69节点上进行了仿真分析,验证了所提方法的有效性和正确性。     

一种适用于同步相量测量的新算法

在异步采样的情况下,离散傅里叶变换(DFT)由于频谱泄漏及栅栏效应,计算结果不够精确,不能满足同步相量测量精度的要求。对现有的同步采样及误差消除方法进行了分析,提出了一种新的相量测量算法。通过线性插值计算,得到采样序列两相邻过零点进行频率跟踪,由所测频率对采样序列进行同步修正得到满足同步采样的新序列,采用DFT进行相量估计。仿真结果表明:该算法具有高精度、计算量小等特点,能够满足同步相量测量对精度及实时性的要求。     

基于馈线树的配网状态估计实用化方法

配网状态估计是其他高层应用软件的基础,量测充足系统可观测是状态估计的根本。针对配网系统量测冗余少且大多为电流量测的问题,提出根据配网运行参量间的关系把电流量测转化成状态估计所需的有功、无功量测,增加配网状态估计伪量测。提出利用配网辐射状特性形成馈线树,采用链表存储配网设备间的供电关系,利用前推回推方式补足伪量测。推导最优估计的电流匹配的方程及其求解方法,结合某城区配网实例进行分析,表明方法可行,该方法满足当前配电网自动化系统的实时需求。     

A fast heuristic optimization algorithm for measurement placement in distribution system state estimation

An accurate, real‐time estimation of the states of a power distribution system is highly desirable but hard to achieve because of the complexity of the network and the relative inefficiency of the measuring system. To increase the efficiency, this paper analyzes the mathematical relationship between the measurement errors and estimation errors of the state vector using the classic weighted least square method. Then a heuristic algorithm is proposed to improve the accuracy by optimizing the deployment of the real‐time measuring points, which is based on the deterministic factors of the measuring points/branches over the system state. The basic implementation starts with an initial measurement set and replaces the least important branches in the set with the most important branches outside the set using iterative optimization. The algorithm was tested in the IEEE 14‐bus and 33‐bus distribution systems and achieved 50% increase in accuracy at much lower computational cost compared with exhaustive search. Moreover, the proposed algorithm has also been compared with representative and widely used evolution algorithms such as particle swarm optimization and quantum‐behaved particle swarm optimization. This comparison shows that our method can achieve stable and comparable accuracy with a speed at least 10 times higher. The performance of our method can be even better with increasing network size. © 2017 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.