基于负荷电流的配电网非量测负荷估计

提出了一种基于负荷电流的抗差估计算法用于修正10kv配电网非量测负荷。该算法将配电网中的功率量测变换为电流量测，实现了雅可比矩阵常数化，负荷电流实虚部解耦求解。并采用了权值随残差变化的权函数，从而较大程度上抑制了伪量测中坏数据对估计结果的不良影响。文中还给出了IEEE33节点配电系统的计算结果。结果表明，该算法能够有效地修正伪量测数据，使其准确度达到或接近实际量测值的准确度。     

解耦变换模式下智能配电网快速状态估计算法

提出一种解耦变换模式下的智能配电网快速状态估计算法,基于修正功率解耦思想,将配电网中支路功率量测、负荷量测、虚拟伪量测、电流幅值量测解耦变换表达。进一步对解耦变换后的功率量测和电流幅值量测作保留非线性变换,使得量测方程线性化,从而简化迭代求解。该文算法以网络节点电压幅值、相角对其初值的变化量为状态变量,利用配电网中多种量测,将功率量测解耦迭代表达,求解规模降低,同时适用于含新能源接入的不同阻抗比配电网络。变换后量测雅克比矩阵常数化,状态估计中无需重复计算,进一步提高求解速度。通过标准测试系统和实际配电系统算例分析,从估计正确性、算法收敛情况、计算时间三方面验证该方法实用性。     

基于预测残差的配电网三相状态估计

为了提高配电网状态估计的计算精度和计算速度,针对常规抗差状态估计算法迭代次数较多的特点,给出了一种以节点电压为状态量,基于预测残差的配电网三相抗差状态估计方法。利用了配电网中各种类型的量测,通过对节点电压和支路电流的相位变换,以及对电流幅值量测进行的等效量测变换,实现了整个雅可比矩阵的常数化,在迭代过程中保持不变,降低了计算量。基于预测残差的信息设置抗差状态估计中的等价权,避免了常规抗差状态估计算法对等价权修正中不必要的多次迭代,提高了收敛速度。算例分析表明,所提的算法抗差能力强、计算速度快、数值稳定性和鲁棒性较好。     

基于状态空间转换的SCADA系统支路静态参数局部辨识方法EI北大核心CSCD

电网支路静态参数中存在的偏差或误差会严重影响电网状态估计及后续高级应用的有效性。以电网支路静态参数为状态量,根据SCADA量测系统的特点,提出了针对电网支路静态不良参数的局部估计辨识算法。利用拉格朗日乘子法得到的参数检测结果,以可疑支路为中心,向外搜索形成局部估计区域,按照量测类型以支路参数为状态变量建立量测方程,再将局部区域内的可信任支路参数作为伪量测加入量测方程,提高量测冗余度。在局部区域内对可疑支路参数进行估计辨识,经多断面的统计分析给出可疑支路参数的建议修正值。考虑到SCADA系统中无法直接应用电压量测值,构造了关于支路参数的不动点迭代格式,利用内外两层迭代来实现对支路参数的估计辨识。最后在IEEE118节点系统上验证了算法的有效性,并讨论了量测误差对辨识结果的影响。     

基于状态空间转换的SCADA系统支路静态参数局部辨识方法

电网支路静态参数中存在的偏差或误差会严重影响电网状态估计及后续高级应用的有效性。以电网支路静态参数为状态量,根据SCADA量测系统的特点,提出了针对电网支路静态不良参数的局部估计辨识算法。利用拉格朗日乘子法得到的参数检测结果,以可疑支路为中心,向外搜索形成局部估计区域,按照量测类型以支路参数为状态变量建立量测方程,再将局部区域内的可信任支路参数作为伪量测加入量测方程,提高量测冗余度。在局部区域内对可疑支路参数进行估计辨识,经多断面的统计分析给出可疑支路参数的建议修正值。考虑到SCADA系统中无法直接应用电压量测值,构造了关于支路参数的不动点迭代格式,利用内外两层迭代来实现对支路参数的估计辨识。最后在IEEE118节点系统上验证了算法的有效性,并讨论了量测误差对辨识结果的影响。     

一种配电网状态估计实用算法的探讨

文章介绍了一种新的配电网状态估计算法。该算法中的潮流算法是基于ZBUS法的潮流算法，并针对配电网的树状辐射形结构，采用了基于支路电流的量测变换方法以处理量测量，经特殊处理后也可以方便地处理电流幅值量测和节点电压量测。文中还给出了6节点、IEEE9节点和湖北恩施40节点配电网的计算结果。计算结果表明，文中所提算法能大大提高数据精度，并能快速可靠收敛。     

配电网状态估计中的量测变换技术

分析了不同情况下状态估计算法中量测变换技术的应用情况，导出了量测变换的具体数学表达式和量测变换后各数据量权重的确定。文章分别对基于牛顿法的状态估计算法，以节点电压电流方程式为基础的状态估计算法及基于支路电流的配电网状况估计算法进行了比较，从文中分析可以看出，量测变换技术的应用虽提高了算法的运算速度但牺牲了估计精度。因此在应用量测变换技术时，须因地制宜，在速度和精度之间寻求平衡。     

基于脉冲神经网络伪量测建模的配电网三相状态估计

为了给配电网管理系统提供全面准确的实时数据,配电网三相状态估计显得尤为重要。针对当前配电网量测信息不足,提出了基于脉冲神经网络(SNN)伪量测建模的配电网三相状态估计。该方法首先将实时和部分历史支路功率量测输入SNN进行伪量测建模,然后由高斯混合模型生成相应的量测误差,最后进行基于加权最小二乘法的配电网三相状态估计。理论分析和算例验证表明,所提模型不仅能够在正常通信时有效提高配电网状态估计精度,而且能在通信故障时保证估计精度在合理范围内,进而为配电网的运行控制提供参考依据。     

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。     

基于等效功率变换的配电网状态估计算法

提出一种基于等效功率变换的配电网状态估计算法，将配电网中的功率量测、电压幅值量测、电流幅值量测统一变换为支路首端等效功率量测，采用修正量测雅可比矩阵的迭代方法求解。该方法能够利用配电网中的各种量测，并且P，Q解耦迭代，有较高的运算效率和数值稳定性，对量测配置也无特殊要求。文中还提出一种通过添加零虚拟负荷量测提高数值可观性的方法，使原本不可估计的网络能够进行状态估计。     

电力系统状态估计在抚顺电网中的应用与研究

介绍了地区电网状态估计的基本原理及功能，即利用实时量测系统的冗余度提高数据精度，从而自动排除错误信息，估计出系统的状态；在自满上采用基于等效电流量测变换的状态估计方法，使雅可比矩阵常数化，充分利用了系统量测类型多的特点，将量测支路电流作为已知量带入计算，使其肯的较好的数值稳定性和计算速度；分析了在实时不良数据冲击下，该算法的稳定性和收敛性；在抚顺电网实际运行中效果良好。     

基于等效电流量测变换的状态估计及不良数据检测与辨识方法

针对输电系统和配电系统量测类型多样性及传统快速解耦状态估计算法的不足，作者讨论并发展了一种基于等效电流量测变换的状态估计及不良数据检测与辨识方法。该方法是通过对量测系统的实际量测进行等效电流量测变换，并根据误差传播理论改变相应的量测权值而推导出来的。它不仅保留了传统状态估计算法的快速解耦特性，并在无任何假设的情况下实现了雅可比矩阵的完全常数化，算例分析表明，该方法快速有效，对r/x的比值不敏感，并能有效地处理不良数据，能较好地应用于输系统和配电系统的状态估计计算。     

基于全网架相量测量的抗差状态估计算法

鉴于海南电网实现了主网架全PMU覆盖,提出了一种基于全PMU量测的抗差状态估计算法。该算法以测点正常率最大为目标,兼顾功率、电压相量和电流相量量测,采用现代内点法实现系统非线性模型的高效求解。由于充分利用所有PMU量测数据,该算法可有效排除不良数据的影响。算例表明,所提算法显著地提升了状态估计的收敛率、合格率和计算频率。     

广东省网EMS中状态估计可观测分析方法

介绍了成功应用于广东省网EMS状态估计中的可观测分析方法。该方法建立在快速解耦状态估计中雅可比矩阵运算可观测性分析原理基础上,以逻辑方法模拟雅可比矩阵消元可观测分析过程,把节点注入型量测转化为支路型潮流量测,能快速、准确地判断系统是否整体可观测。对于系统中不可观测部分以增加必要的注入伪量测形式使之观测,保证状态估计在各种量测条件下正常运行。文中所提算法直接对量测进行处理,分析直观,在广东省网实际应用中,取得较好效果,经多次测试和实际运行检验,其结果准确、可靠。     

基于快速分解正交变换状态估计算法的坏数据检测与辨识

提出了在快速分解正交变换状态估计算法中检测与辨识坏数据的新方法。该方法成功地将假设检验辨识法(HTI)和量测补偿法的思想应用于基于快速分解状态估计算法的坏数据检测与辨识,用基于对增广的量测雅可比矩阵进行Givens行变换的方法计算和更新残差协方差矩阵,在建立可疑量测集时,考虑有功类量测误差对无功类量测残差的影响和无功类量测误差对有功类量测残差的影响。算例说明,该方法检测与辨识坏数据的能力较强。     

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，     

基于深度信念网络伪量测建模的配电网状态估计

针对配电网实时量测不足需要增加伪量测以提高量测冗余度的情况,提出基于深度信念网络(DBN)伪量测建模的配电网状态估计方法。利用多种类型负荷的历史数据及对应温度、日期类型对DBN进行训练,训练完成后输入测试数据得到精度较高的伪量测;基于改进的等效电流量测变换法进行配电网状态估计,以线性约束的形式处理虚拟量测。仿真结果验证了所提方法的有效性。     

Revealing gross errors in critical measurements and sets via forecasting-aided state estimators

State estimators are important monitoring tools which process real-time data in power system control centers. The capability of detecting and identifying bad data depends on the redundancy level of the information to be processed. Network changes or a temporary malfunction of the data acquisition system reduce data redundancy for state estimation. Measurement redundancy deterioration can be characterized by the presence of critical measurements and sets. For the vast majority of data validation algorithms, it is impossible to process gross errors in critical measurements and sets. This paper proposes an algorithm for detecting, identifying and removing bad data in critical measurements and sets through forecasting-aided state estimators. Using the IEEE-14 bus test system, the performance of the proposed algorithm is evaluated and discussed through the simulation of different levels of data redundancy degradation.