模拟通道数最小的PMU优化配置方法

提出了一种基于0-1整数规划算法的改进的PMU配置模型,该模型具有良好的适应性,而且0-1整数规划算法计算速度快,结果精确可靠。通过该模型可以得出全部的所需PMU数最小的优化方案,进而在该模型的基础上提出了PMU模拟通道数最小化的处理方法。该处理方法可以减少因电力系统母线数量庞大而产生的配置PMU所需的资金。最后通过对IEEE14节点系统、IEEE30节点系统以及新英格兰39节点系统的仿真计算,验证了所提出的模型和处理方法的有效性,可供相关研究者参考。     

电力系统PMU最优配置数字规划算法

随着相量量测装置(PMU)硬件技术的逐渐成熟和高速通信网络的发展,PMU在电力系统中的状态估计、动态监测和稳定控制等方面得到了广泛应用.为达到系统完全可观,在所有的节点上均装设PMU既不可能也没有必要.文中提出一种基于系统拓扑可观性理论的数字规划算法,利用PMU和系统提供的状态信息,最大限度地对网络拓扑约束方程式进行了简化,以配置PMU数目最小为目标,形成了PMU最优配置问题,并采用禁忌搜索算法求解该问题.其突出优点是利用了系统混合测量集数据,即不仅考虑了PMU实测数据,同时计及了可用的潮流数据.在IEEE14节点和IEEE 118节点系统的仿真结果表明,与常规的PMU最优配置算法相比,所提出的数字规划算法可以实现安装较少数量的PMU而整个系统可观的目标.     

电力系统PMU最优配置算法

以电力系统状态完全可观测和PMU配置数目最小为目标,提出了一种新的PMU最优配置方法,即微分进化算法,并讨论了以提高状态估计精度为目标的PMU配置方案。该算法是一种基于自然进化思想的随机全局搜索算法,相比于其他类似搜索算法有其独特的优点和应用前景,优点是比其他几种随机算法收敛速度快,稳定性好并且程序实现简单。IEEE 14、IEEE 30和IEEE 57节点算例系统验证了算法的有效性。     

配电网开关优化配置的动态规划算法

开关优化配置模型属非线性、不可微的约束组合优化问题，文中提出该模型求解的动态规划算法。求解中，巧妙地选择开关配置位置及其类型作为动态规划的状态，配置开关设备台数为阶段数，实现动态规划计算。在模型中诠释了动态规划的基本概念，提出可行性准则、对称性准则、有效性准则、优胜劣汰准则、最优性准则等，利用上述准则可大大减少计算量。通过RBTS-BUS6及其他系统的开关优化配置及与免疫算法、遗传算法等的对比分析，验证了该算法的正确性、可行性，显示了算法的优越性。将该方法应用于工程实际，取得了较好的工程效果，为配电网规划和改造提供了有效的分析工具。     

基于混合量测的电力系统状态估计混合算法

研究了相量量测装置(PMU)相量量测和监控与数据采集(SCADA)量测混合使用时的数据匹配问题,提出了利用状态量转换预测得到预报系统状态和预报节点注入电流向量的方法。在此基础上,提出了应用PMU实时相量量测和预报节点注入电流向量的线性静态状态估计算法,以及应用PMU实时相量量测和预报系统状态的线性动态状态估计算法。文中将这2种算法与传统状态估计算法相结合,组成了状态估计混合算法,保证了状态估计的计算精度。该混合算法有效减少了状态估计的计算时间,对PMU的量测配置也没有严格的要求,具有很好的通用性。最后采用IEEE30节点系统对该方法进行了验证。     

一种基于配网线路同步相量测量的谐波状态估计量测配置

包括谐波状态估计在内的电力系统广域监测得到越来越多的应用,而兼具小型化与低成本的配网线路微型PMU在广域监测中承担着重要的作用,其量测配置问题是现在研究的空白。简要介绍了谐波状态估计的过程,根据状态估计的要求提出了量测配置方法,给出了基于0-1整数规划的配网线路PMU量测配置流程。将量测算法运用于IEEE18节点、IEEE33节点配电系统以及IEEE14节点标准模型并进行了仿真验证,同时讨论了将配置方法拓展应用于主网的可能性。     

基于改进遗传模拟退火算法的PMU优化配置

分析了遗传算法和模拟退火算法的优缺点,将具有较好全局寻优性能的遗传算法和具有较强局部搜索能力的模拟退火算法结合,形成的遗传模拟退火MGASA算法用于解决以电力系统状态完全可观测和PMU配置数目最小为目标的PMU优化配置问题.在寻优过程中,先将每一代群体进行遗传操作,再对产生的新群体中各个体进行模拟退火操作,同时在选择、交叉、变异和复制操作过程中实施最优保留策略,复制策略采用Metropolis判别准则.通过采用IEEE14和IEEE39节点系统对该算法进行验证表明,MGASA算法在解决PMU优化配置问题上具有较高的寻优性能和搜索效率.     

基于01整数规划的多目标最优PMU配置算法

针对目前缺乏多目标PMU配置方法,提出了一种基于线性01规划的多目标优化配置算法。并在此基础上导出了三种特殊模型,分别处理系统在正常运行方式下完全可观测的PMU布点问题,在线路N-1故障时系统仍可观测的PMU布点问题及在PMU N-1故障时系统仍可观测的PMU布点问题。该方法的突出特点在于能够同时将以上三种布点需求使用统一的形式同时处理,并且最终的布点方案在保证PMU数目最少或保证配置PMU所需费用最少的基础上获得了最高的测量冗余度。通过IEEE30、IEEE 57、IEEE118节点系统布点验证了该方法的有效性和灵活性。     

基于01整数规划的多目标最优PMU配置算法

针对目前缺乏多目标PMU配置方法,提出了一种基于线性01规划的多目标优化配置算法.并在此基础上导出了三种特殊模型,分别处理系统在正常运行方式下完全可观测的PMU布点问题,在线路N-1故障时系统仍可观测的PMU布点问题及在PMU N-1故障时系统仍可观测的PMU布点问题.该方法的突出特点在于能够同时将以上三种布点需求使用统一的形式同时处理,并且最终的布点方案在保证PMU数目最少或保证配置PMU所需费用最少的基础上获得了最高的测量冗余度.通过IEEE30、IEEE 57、IEEE118节点系统布点验证了该方法的有效性和灵活性.     

动态状态估计中PMU配置的离散粒子群优化算法

以提高动态状态估计精度为目标,采用离散粒子群优化(discrete particle swarm optimization,DPSO)算法对同步相量测量单元(phsor measurement unit,PMU)的配置点进行优化。该方法克服了传统解析优化方法难以适应不连续目标函数和不连通约束域等情况的缺点,同时,在配置有限PMU的情况下使PMU量测量发挥最大效益。最后对基于扩展Kalman滤波算法的动态状态估计模型进行仿真,证明了经DPSO优化后的配置与随机配置相比最大可能地利用了PMU的高精度量测信息,充分发挥了PMU量测的优点,大大提高了动态状态估计的精度。     

混合量测用于电力系统状态估计

根据目前PMU的配置状况和PMU与SCADA的数据特点,提出了一种基于PMU与SCADA混合量测的状态估计方法。该方法将非线性估计结果作为伪量测量加入线性估计中,并根据平均距离动态地调整伪量测量的权值,然后通过插值对非线性可观测区域进行实时的近似估计。最后通过IEEE14、IEEE57系统进行了仿真。仿真表明即使在PMU配置较少的情况下,该方法亦能够有效改进非线性可观测区域状态估计的精度和刷新速度。该方法兼顾了PMU和SCADA的特点,有较好的应用价值。     

基于分段迭代法的PMU的优化配置研究

对电力系统中有限个数目PMU的优化配置进行研究。采用分段迭代法对PMU的优化配置进行研究。该法假设最初每个节点均安装有PMU。第一阶段和第二阶段的迭代算法用来去除那些不太重要的节点的PMU配置,并保留节点位置重要的PMU的配置。第三阶段的迭代算法则对前两阶段的PMU数目进行进一步的最小化,并且充分考虑电力系统全网的可观性,使得该法达到PMU的最优配置。通过在IEEE 14和IEEE 30节点上进行仿真验证,并与现有的优先算法在计算时间上进行对比,证明该法在计算时间上的优越性,及该法的有效性。     

一种改进的相量测量装置最优配置方法

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,提出了一种改进的PMU最优配置方法.将启发式方法和模拟退火方法有效结合以确保得到最优解,提高了基于启发式方法的初始PMU配置方案的质量,通过改进配置模型缩小了模拟退火方法的寻优范围,从而提高了求解速度.还提出了一种基于节点邻接矩阵的快速可观测性分析方法.最后采用IEEE 14、IEEE 30、IEEE 118节点系统和新英格兰39节点系统对该方法进行了验证.     

基于记忆的改进克隆算法及其PMU配置多目标优化应用

以PMU安装数、量测系统可观测性和基于混合量测的状态估计精度三者为优化目标的PMU优化配置(OPP)是二层规划问题。该文证明了用单次状态估计精度评价量测系统性能的可行性，提出精度加权估算公式。将二层规划目标简化为分段函数，提出基于记忆的改进克隆算法。除模仿生物免疫系统的克隆选择和受体编辑机制外，该算法引入记忆加速算子以强化邻域搜索，并分段调整循环补充规模、高频变异与重组操作概率，从而显著加快和稳定进化进程，避免搜索陷入局部最优解。基于IEEE 14/57节点系统的算例表明，该算法能快速稳定地求出全局最优解及近似解，比原克隆算法等更适用。     

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。     

基于节点集合的PMU优化配置方法

同步相量测量单元(PMU)的最优配置要求在全局可观的前提下所配置的PMU最少。0-1线性整数规划在分析求解多目标PMU最优配置有极大的优势。在实际电力系统中存在一定数量的零注入节点。作为虚拟测量数据,虽然有利于PMU最优配置,然而引入到整数规划进行计算时,将使模型非线性化而难以求解。给出了考虑零注入功率节点情况下的条件函数,该函数能够有效保持函数的线性性从而仍能适用于0-1整数规划。当考虑N-1情况下的PMU最优布点时,该方法具有很强的继承能力,有效解决了传统方法无法解决的N-1优化配置问题。最后将该方法应用于IEEE14节点以及IEEE39节点的算例,相对于其他配置方法,减少了PMU配置数量,从而体现了该方法的优越性。     

广域测量系统中PMU优化配置方法的比较

首先介绍了基于PMU的系统线性量测模型和可观测性分析,接着分别介绍了5种基于系统完全可观测下的PMU优化配置算法.利用这些算法对几种IEEE标准节点系统进行PMU优化配置仿真研究.结果表明,这几种算法在解的收敛速度、解的收敛性和解的多样性方面各有其特点.因此,所提PMU优化配置方法和算法性能比较具有一定的实用性.     

电力系统中基于MMT算法的PMU配置应用研究

着重研究了基于图论的相量测量单元（Phasor Measurement Unit, PMU）配置方法。引入测量树的概念,提出了一种新的寻找最佳PMU配置点的规则,并由此得到最大测量树法（Maximal Measurement Tree, MMT）,该方法以任一母线为起始母线,以能够提供最大的测量树为目标配置PMU。在实际算例中分别对IEEE14、IEEE39、IEEE118系统进行仿真计算,根据计算结果比较了最大测量树方法以及末端节点法、深度优先法（Depth First Search, DFS）和模拟退火法（Simulated Annealing, SA）的优缺点。算例表明：MMT法可以获得最少PMU配置数目,相比SA法有较高的效率和较快的收敛速度。     

基于0-1规划迭代法优化PMU配置以提高混合状态估计准确度

相量量测单元(PMU)作为同步量测装置的主要组成部分,具有很高的数据同步性和准确性。因此,对PMU进行优化配置对于改善混合状态估计的准确度非常重要。利用0-1规划迭代法对PMU配置进行优化以提高状态估计的准确度。每次迭代选择一个PMU节点,把每次迭代选择的节点组成一个节点集,在每次执行混合估计时要充分考虑这些节点集。当混合估计的协方差小于给定的阈值时,停止迭代。对提出的方案在IEEE 14、IEEE 30和IEEE 57节点系统上进行仿真验证,证明了该法确实能够提高状态估计的准确度,具有一定的参考价值。     

主动配电网多目标PMU最优配置

随着大规模的分布式电源(distributed generation,DG)接入及电网与用户互动增加,主动配电网状态估计结果与量测配置需要考虑更多不确定性因素。为加强对配电网的实时监测与控制,提高配电网运行态势感知能力,需要发展同步相量测量装置(phasor measurement unit,PMU)。在计及DG与负荷不确定性的基础上,建立了考虑经济性、配电网状态估计精度以及节点电压越限概率的多目标PMU最优配置模型。以拟蒙特卡洛方法模拟DG与负荷的不确定性;基于两步式加权最小二乘方法,构建混合量测配电网状态估计模型,并利用改进的自适应多目标二进制差分进化算法进行求解,从而得到特定状态估计误差精度下的PMU最优配置Pareto非劣解集。通过IEEE 33节点配电网系统进行仿真计算分析,验证了所提模型与算法的可行性与有效性。