基于WAMS的电力系统实时状态估计和预报

根据广域测量系统/数据采集与监控(WAMS/SCADA)系统的测量数据,提出一种实时状态估计和预报算法.采用递推增广最小二乘法辨识和修正状态转移矩阵,并采用渐消记忆指数加权法在线估计线性化后的模型误差协方差矩阵,同时由量测量的标准差在线计算量测权重,这使得在利用观测数据进行滤波的同时,状态估计模型中不精确(或未知)参数和噪声协方差矩阵不断地在线辨识和修正,以适应环境的干扰和过程的时变性,减少状态估计误差,达到良好的滤波效果.仿真结果表明,所提出的方法在正常情况、存在坏数据、负荷突变/发电机输出功率突变、网络拓扑结构误判等情况下具有较好的滤波效果.     

电网谐波实时监测系统

本文以16位单片机80C196KC为核心,研究了一种满足无人值班环境要求的谐波实时监测装置,谐波分析算法采用快速抗混叠付里叶变换算法FAFT。该装置具有“本地”和“远方”二种工作方式,可通过电力载波或微波信道与监测中心通信。     

电力谐波实时监测系统的研究

介绍了电力谐波实时监测系统 ,该系统应用数字信号处理技术即 DSP的实时快速处理性能 ,在保证精度的基础上顺利实现谐波的实时监测 ,并对系统中的测量误差的处理方法进行了探讨 ,这将为电力系统的安全、可靠运行提供良好条件     

基于自适应SRUKF算法的电力系统动态谐波状态估计

针对传统无迹卡尔曼滤波(unscented kalman filter, UKF)谐波状态估计算法存在时变噪声和异常数据时估计准确度较差的情况,提出了一种基于自适应平方根无迹卡尔曼滤波(square-root UKF, SRUKF)的电力系统谐波状态估计算法。首先,针对时变噪声干扰,引入改进的Sage-Husa噪声估计方法实时估计噪声协方差。其次,针对异常数据干扰,引入异常数据修正方法,通过修正系数来降低异常数据对状态估计结果的影响。最后,通过搭建IEEE14节点系统验证自适应SRUKF算法的估计性能,能够有效地应用于电力系统的动态谐波状态估计。仿真结果表明,该算法在时变噪声和异常数据干扰时仍具有良好的估计性能。     

电力系统谐波状态估计研究综述

阐述了电力系统谐波状态估计技术的概念和功能,指出谐波状态估计对于电力系统谐波监测和治理的重要意义。对现有的谐波状态估计算法进行了评述,探讨了谐波状态估计的可观性问题,给出了几种现有的可观性分析方法。介绍了谐波状态估计技术的工程应用情况,展望了谐波状态估计技术的应用前景,并讨论了该领域尚待解决的问题。     

电力系统谐波状态估计研究综述

阐述了电力系统谐波状态估计技术的概念和功能,指出谐波状态估计对于电力系统谐波监测和治理的重要意义.对现有的谐波状态估计算法进行了评述,探讨了谐波状态估计的可观性问题,给出了几种现有的可观性分析方法.介绍了谐波状态估计技术的工程应用情况,展望了谐波状态估计技术的应用前景,并讨论了该领域尚待解决的问题.     

电气铁道谐波实时监测系统

介绍了电气铁道谐波实时监测系统，该系统利用PC机和数据采集卡A／D采集电压、电流信号，运用FFT算法计算谐波数据，实现对电气铁道的谐波监测。     

基于PnP和自适应线性卡尔曼滤波的实时位姿估计

针对实时位姿估计中扩展卡尔曼滤波(EKF)线性化引入非线性误差和依赖已知噪声分布的缺点,提出一种基于Pn P的自适应线性卡尔曼滤波位姿估计求解方法。将Pn P位姿估计求解策略引入卡尔曼滤波观测方程,通过对动态方程误差统计参数实时估计,自适应调节卡尔曼滤波递推参数。所提算法求解精度高,固定了观测方程的观测向量维度,提高了算法实用性。通过仿真试验,比较了该算法与EKF的位姿估计精度,通过量化误差分析,证明了该方法可以提高三维运动位姿估计精度,也验证了该方法的有效性。     

电力系统谐波分析的有效方法——谐波状态估计技术综述

谐波状态估计技术是在GPS技术(Global Position System)和PMU技术(Phasor Measurement Unit)基础发展起来的一项新型技术,它通过状态估计手段实现对监测的电网谐波进行分析。系统地介绍了电力系统谐波状态估计技术的概念、谐波测量系统、估计算法和工程应用情况。在介绍状态估计算法时,通过将其分为静态状态估计算法和动态状态估计算法,分别对其进行评述;最后对谐波状态估计技术以后的研究进行了展望。     

实时估计变流器电磁干扰频谱的综合方案

为了评估和抑制现场运行设备的电磁干扰(electromagnetic interference,EMI),对其EMI频谱进行实时准确的估计十分必要。基于快速傅里叶变换(Fourier transformation,FFT)的实时频谱分析要解决数据量和精度之间平衡问题,提出一种实时估计变流器EMI频谱的综合方案。该方案先通过低频率分辨率的FFT运算获得干扰频谱的粗略情况,然后选择EMI峰值进行以频率调制为基础的频谱局部精细化,来减少实时计算所需的数据量;再通过加优选窗函数以减小频谱能量泄漏;最后采用新提出的对称移位相位差(symmetrical time-shift phase difference,STSPD)法对栅栏效应进行修正,获得EMI峰值较为精确的参数。通过对比研究,找到了当峰值频率点比较接近时具有最佳精度的窗函数和STSPD修正法的组合。通过DC/DC变换器的实验证实了该综合方案快速、准确。     

基于长短期记忆网络的UKF动态谐波状态估计

传统动态谐波状态估计的卡尔曼滤波预测步通常以单位阵构建状态空间模型,同时将系统噪声协方差矩阵假设为常数阵,从而导致动态估计预测精度降低,影响动态状态估计模型的滤波性能。为了准确建立谐波状态的空间模型,提出一种基于长短期记忆网络(Long Short-Term Memory, LSTM)的时序预测方法。通过大量历史数据离线训练模拟复杂的状态转移过程,基于历史时刻的滤波估计值预测当前时刻的谐波状态量,有效提高无迹卡尔曼滤波(Unscented Kalman Filter, UKF)中预测模型精度。在改进IEEE34节点三相不平衡系统上进行了测试分析。与传统算法进行对比,结果证明所提出的方法在谐波状态估计精度和鲁棒性方面均表现更好。     

基于自适应容积卡尔曼滤波算法的电力系统动态谐波状态估计

由于传统的谐波状态估计的参数辨识算法要求噪声的协方差矩阵固定不变,而实际工程中噪声的协方差矩阵是随时间变化的,工程中存在错误的量测数据,导致传统参数辨识算法估计的谐波电流参数的准确度较低。因此,提出自适应容积卡尔曼滤波算法来提高辨识谐波电流参数的准确度。首先,针对时变噪声干扰,采用基于渐消记忆指数加权法的噪声估值器算法生成时变噪声的协方差矩阵;其次,针对错误的量测数据,采用开窗估计算法修正错误的量测数据;然后,将修正的噪声协方差矩阵和量测数据代入容积卡尔曼滤波算法中,对谐波电流参数进行估计;最后,搭建IEEE 13节点系统仿真模型,验证了自适应容积卡尔曼滤波算法在时变噪声干扰及量测数据错误情况下仍可准确地估计谐波电流参数,确保了动态谐波状态估计的准确性。     

低信噪比条件下的信噪比估计算法

针对低信噪比条件下(＜0 dB)经典信噪比估计算法估计精度不高的问题,在经典最大似然信噪比估计算法的基础上,提出基于二分法和基于梯度下降法的循环迭代搜索算法,利用循环迭代寻优的方法提高低信噪比条件下的参数估计精度,降低信噪比估计偏差,理论分析了梯度搜索算法的优势,仿真结果表明,在设定信噪比范围内,两种迭代搜索算法在低信噪比条件下均具有优于基础最大似然信噪比估计算法的估计性能,且梯度迭代搜索算法的收敛速度相对较快.     

基于实时数据库的变电站智能热点监测系统

文章以提高变电站智能热点监测系统数据采集的实时性,简化数据分析和报警流程为目的,提出采用实时数据库对现有系统进行改造。实时数据库的引入实现了变电站热点设备温度及环境温度数据的快速实时存储,智能分析处理以及多样化的外部展示功能,有利增强了变电站的安全生产管理。极大地提高了变电站的信息化水平,对变电站的发展具有重要意义。     

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。     

一种用于配网状态估计的实时负荷数据模型

状态估计在DMS中具有重要作用，它是配电网络分析的数据之保证。由于配网量测装置配置量极其有限，单靠实时量测难以进行状态估计。通常需引入伪量测，实时负荷数据模型可有效地实现伪量测。日渐发展和完善的负荷管理系统和用电营业系统提供了大量负荷信息，因而该文充分利用负荷管理系统提供的数据和历史用电信息，提出了一种用于实时状态估计的实时负荷数据模型。并根据当前计算机网络技术和供电公司组网的实际情况，制定了实现实时负荷数据模型的网络连接和数据流程。仿真分析表明，该算法具有一定精度，在实际中是可行的，     

安徽电网实时动态监测系统

安徽电网实时动态监测系统由1个调度主站和27个PMU子站构成。系统实现了包括发电机功角监视等实时广域监视,包括电网扰动识别及基于PMU的状态估计等实时广域分析以及离线数据计算等功能。     

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。     

基于容积卡尔曼滤波的发电机动态状态估计

同步相量测量单元(phasor measurement unit,PMU)能够对动态过程中同步发电机功角进行直接量测,但随机误差`PMU存在量测误差,从而对应用造成不良后果。提出一种机电暂态过程中发电机动态状态估计新方法。基于发电机四阶动态方程建立了发电机动态状态估计模型;给出了过程噪声误差计算方法;由于动态状态估计模型为非线性,进而提出基于容积卡尔曼滤波(cubature Kalman filter,CKF)的动态状态估计方法,利用球面-径向规则生成Cubature点,通过发电机动态方程对Cubature点进行变换,得到发电机状态量预报值。仿真分析利用某实际大区域电网同时实现了基于CKF和无迹卡尔曼滤波(unscented Kalman filter,UKF)的动态状态估计。对这两种方法的估计性能指标进行对比分析,结果表明CKF法状态估计效果和计算效率均优于UKF法状态估计。