基于灵敏度矩阵的分布式状态估计

针对分布式状态估计问题,采用基于相量测量单元（PMU）和灵敏度矩阵修正的方法。利用PMU量测量来协调子系统参考节点,并通过修正子系统独立状态估计联络线上的状态量,得到联络线上支路功率变化量,利用支路功率变化量对节点状态量的灵敏度矩阵来修正子系统状态估计结果。以IEEE14节点为例进行仿真,结果验证了该算法的有效性。     

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.     

计及PMU的状态估计精度分析及配置研究

基于GPS的同步相量测量单元（PMU）是一种新型的高精度测量装置,能够测量母线电压相量。该文提出了在传统的SCADA量测系统的基础上,部分地安装PMU以后混合量测系统的状态估计模型。基于此模型,可定量地分析引入PMU以后对状态估计精度的改善程度。进而讨论了以提高状态估计精度为目标的PMU配置方案。     

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。     

计及PMU量测的分步线性状态估计模型

提出一种基于广域量测系统(wide area measurement system,WAMS)和数据采集与监控(supervisory control and data acquisition,SCADA)系统混合量测的电力系统状态估计方法,该方法充分利用相量测量单元(phasor measurement unit,PMU)量测方程为线性方程的特点,将SCADA量测方程分解为两步线性化方程,并将PMU量测数据中的电压幅值平方、电流幅值平方和相角量测分别添加到2个线性化方程中,从而实现PMU和SCADA混合量测状态估计的非迭代计算,提高了计算效率。通过IEEE标准系统和波兰电网仿真算例,验证了所提方法的有效性。     

计及PMU的混合非线性状态估计新方法

提出一种将同步相量测量单元（PMU）的直接电压相量量测变换为间接支路电流量测,并与监控与数据采集（SCADA）量测量一起进行混合迭代的非线性状态估计方法。对构造等效电流修正量而带来的间接量测误差进行了详细和定量的分析,并对该混合估计算法的精度进行了定性分析和定量计算。理论分析和算例表明,该方法可以获得较高的估计精度,在收敛次数和滤波效果上也有所改进。     

基于PMU的分布式电力系统动态状态估计新算法

随着电力系统的发展,区域电网互联,形成更大的系统。各区域电网相对独立,且有各自相对独立的调度中心。为适应这种分区管理模式,状态估计应采用分布式并行算法。在动态估计扩展Kalman滤波算法的基础上,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)的分布式电力系统动态状态估计新算法。该算法利用少量PMU测点,真正实现各子系统的并行计算,避免了原算法进行串行等待的过程。并结合量测数据预处理、对雅可比矩阵加权等方法,加快了计算速度,提高了数值精度和稳定性。最后给出了IEEE 14节点的仿真结果,验证了该算法的有效性及优越性。     

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PMU状态估计的研究

传统的基于单相纯正弦模型的状态估计存在固有误差。随着基于GPS的同步相量测量单元(PMU)的应用,提出以PMU为基础的三相状态估计和谐波状态估计算法。该算法可解决系统三相不平衡和状态向量非纯正弦带来的误差问题。     

计及PMU电压和电流量测量的三相状态估计的研究

基于GPS的同步相量测量单元（PMU）是一种新型的高精度测量装置,能够测量母线电压相量和支路电流相量.提出了基于PMU母线电压量测和支路电流量测的三相状态估计模型,在谐波测量中采用高精度FFT算法,有效地提高了测量精度.提出的基于PMU量测的三相状态估计和谐波状态估计可以从根本上解决电力系统电压、电流非纯正弦和三相不平衡所带来的误差影响,提高了状态估计精度和稳定性,最后讨论了对该算法的评估方法.     

基于联络线扩展区域分解协调的分布式并行状态估计

为适应互联电网日益复杂的结构形式和分层分区管理模式,采用联络线分区解耦方式对互联系统进行分布式状态估计计算。考虑到估计计算精度与计算效率的均衡,提出了一种将联络线扩展区域状态估计和灵敏度矩阵协调算法结合的分布式状态估计算法。设计分布式状态估计整体思路,一方面,在实现联络线分区解耦的前提下,完成分区层各子区独立状态估计计算和灵敏度矩阵求解,利用子区计算时机动态构建协调层联络线估计区域并完成并行状态估计计算;另一方面,根据协调层下发的联络线估计值和灵敏度矩阵,分区层各子区并行实现边界估计值不匹配量的协调修正计算。最后,通过IEEE 118节点、IEEE 30节点和实际互联电网的模拟仿真,验证上述算法实现分布式状态估计计算的优越性。仿真结果表明,采用该算法进行分布式估计计算,既具有较高的估计精度、收敛速度和计算效率,又可实现并行独立计算,避免集中式状态估计计算规模大、无法解决局部不可观测或不收敛的瓶颈问题。     

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。     

基于PMU分解协调的状态估计算法

PMU至少可实现系统局部可观,此性质必然产生系统的自动划分,即出现围绕PMU配置点集的若干可观测性子系统。基于这一思路,从状态估计快速性角度出发,提出电网分解协调的状态估计快速算法,分解是指依据PMU配置的可观测子系统的划分,协调是指各子系统如何达到无缝的衔接,在快速估计下达到与整体估计一样的效果。最后,以IEEE-39节点及IEEE-118节点系统对对算法进行了验证。     

基于交替方向乘子法的分布式双线性状态估计

提出了一种计及数据采集与监控(SCADA)系统和相量测量单元(PMU)混合量测的电力系统多区域分布式状态估计的新方法。首先假设量测模型是线性的,以扩展子区域法进行分区,所得到的扩展子区域包含了相邻区域的边界母线。然后采用广泛应用于分布式计算的交替方向乘子法(ADMM)求解,由于各子区域间仅需交换边界母线状态量信息,无需中央协调侧,因而保留了各子区域的独立性。随后基于SCADA系统和PMU混合量测的双线性模型,将传统的非线性加权最小二乘(WLS)估计转化为三阶段问题,第1、第3阶段为线性WLS估计(各子区域由ADMM分布式求解);第2阶段为一步非线性变换(各子区域可独立变换)。双线性理论与ADMM技术的结合,保证了分布式状态估计的收敛性,同时也提高了计算效率。最后,算例测试部分从多个方面论证了所述方法相比于现有方法的优越性。     

变电站-调度中心两级分布式状态估计

提出一种变电站—调度中心两级分布式状态估计方法,在变电站级实施基于基尔霍夫电流定律的零阻抗三相状态估计,在调度中心级对变电站上传的熟数据进行处理,实现全网单相状态估计。详细讨论了变电站—调度中心两级分布式状态估计的整体架构、算法、熟数据传输、对时及周期选择、传输协议、过渡期方案等,以说明该方法的可实施性。算例结果表明,该方法有利于在变电站内同时辨识三相坏数据和拓扑错误,减轻通信负担,并提高调度中心全网状态估计的可靠性。     

基于相量量测的电力系统线性状态估计

分析了相量量测装置的量测误差情况,指出了相量量测参与状态估计计算的必要性。在完全使用相量量测的情况下,给出了基于直角坐标系的实数形式的电力系统线性量测方程和相应的线性静态状态估计算法。对负荷预报加潮流计算的系统状态预报方法进行改进,通过对误差协方差阵计算公式的推导与简化,提出了新的预报误差协方差阵计算公式,并将其与线性量测方程相结合,提出了基于相量量测的线性动态状态估计算法。最后讨论了线性状态估计算法的使用条件,并采用IEEE30节点系统对提出的算法进行了验证。     

基于最小二乘估计融合的分布式电力系统动态状态估计

随着电力系统规模不断扩大,分布式状态估计是解决集中式状态估计计算维数过高和量测大数据处理难等问题的可行策略之一。文中以容积卡尔曼滤波算法作为区域本地估计算法,在协调中心侧采用最小二乘估计融合技术协调估计区间边界状态。根据边界状态协调估计值,各区域通过带等式约束的卡尔曼滤波算法进一步修正区域内部状态的本地估计值。算例仿真表明,所提方法估计精度与集中式估计相当,相比集中式估计具有更好的实时性,且所需数据通信量少,易于实现。     

利用PMU数据提高电力系统状态估计精度的方法

同步相量测量单元(phasor measurements units,PMU)因能测得高精度的同步相量数据而被广泛应用于电力系统中,而传统的监控及数据采集系统(supervisory control and data acquisition,SCADA)是电力系统运行和静态安全监视的基础。文中提出了一种PMU与SCADA数据共存的数学模型用于电力系统状态估计。该模型在保留原有SCADA数据的同时,通过虚拟测量方法对PMU观测范围进行大范围拓展,提高数据冗余度及状态估计的精度。仿真结果表明,该方法具有较高的估计精度,且不受网络拓扑结构和PMU数量限制,适于SCADA和PMU数据共存系统。     

基于广域测量系统的状态估计和PMU配置

同步相量测量单元(PMU)能够根据全球定位系统(GPS)提供的精确时钟,实现对电力系统实时数据的量测。该文分析了PMU与传统监控和数据采集(SCADA)系统相结合构成的混合量测系统对状态估计精度的影响。在混合量测模型的基础上,提出了一种以提高状态估计精度为目标的PMU配置方案。通过IEEE-39节点系统仿真证明了该方法的有效性和实用性。