基于多预测校正内点法的WLAV抗差状态估计

针对预测-校正内点法(predictor-corrector primal-dualinterior point method,PCPDIPM)加权最小绝对值状态估计(weighted least absolute squares,WLAV)可能发生校正方向指向错误方向的不足,提出一种基于多预测-校正内点法(multiple PCPDIPM,MPCPDIPM)的WLAV抗差状态估计算法。该算法在PCPDIPM的基础上,通过多次校正,对中心参数动态估计,并采用2阶段线性搜索法确定校正方向在总的牛顿方向中的最优比重,从而保证迭代点向中心轨迹靠拢。最后,通过IEEE算例仿真和我国某省网的测试结果验证了所提方法的有效性。与含不良数据辨识功能的加权最小二乘状态估计相比较,所提方法的收敛速度及抗差能力具有明显的优势。     

基于PMU的配电网状态估计

分布式能源的接入、网络结构的复杂性以及量测数据冗余不足,使配电网状态估计的精度较低。针对量测数据精度不高的问题,引入同步向量测量装置(Phasor Measurement Unit,PMU)以提高状态估计的精度;针对配电网状态估计中应用最多的加权最小二乘法(Weighted Least Squares,WLS)对量测数据精度要求高、抗差能力差的缺点,结合Huber算法和多目标函数抗差估计算法改进了加权最小二乘法,提出三目标函数型预抗差状态估计。通过对迭代次数的判断并结合WLS、Huber算法和指函数型目标函数的优点确定选用哪种目标函数。算例分析在IEEE33节点系统中展开,结果表明,加入PMU有效提高了量测数据的准确性。三目标函数预抗差算法比WLS估计精度高、抗差性强,验证了所提算法的有效性。     

基于预测—校正内点法的WLAV输电网参数估计

针对基于加权最小二乘法(WLS)参数估计难于处理不良数据且数值稳定性差的不足,提出加权最小绝对值(WLAV)参数估计方法。在原对偶内点法(PDIPM)的基础上,通过每次迭代中增加预测—校正两步的少许计算量,利用2阶信息对中心参数动态调整,保证解的迭代过程高阶逼近中心路径,从而减少了迭代次数,节省了计算时间。结合输电网参数估计法,利用WLAV估计出不良数据和可疑支路的运行状态,使抗差、参数估计和拓扑结构辨识在计算中一次完成。最后,对IEEE标准系统和国内某省级电网进行参数估计试验,与含不良数据辨识的WLS方法进行比较。     

基于变量代换内点法的加权最小绝对值抗差状态估计

传统内点法加权最小绝对值(WLAV)抗差状态估计能够抑制坏数据影响,提高状态估计精度,但该方法模型复杂,计算效率低,限制了其工程应用价值。文中提出一种基于变量代换内点法的电力系统WLAV估计方法,该方法通过添加中间变量,将非线性量测方程分解为两步线性方程和两步非线性变换,并建立两步线性方程的WLAV估计数学模型。与传统内点法WLAV抗差状态估计相比,该方法无须形成海森矩阵,可有效提高迭代方程中系数矩阵的稀疏度,并减小矩阵的阶数,有效提高WLAV状态估计的计算速度。基于美国电气与电子工程师学会(IEEE)标准系统、波兰电网和国内某省网的仿真结果验证了所述方法的有效性,具有良好的工程应用前景。     

多目标函数预抗差估计

对于电力系统中出现在杠杆量测上的不良数据,传统含不良数据辨识的最小二乘法状态估计不能很好排除不良数据对系统估计结果的影响。本文提出了多目标函数预抗差状态估计,利用可变窗宽算法平衡了指数目标函数状态估计的精度与速度矛盾,同时利用加权最小二乘估计与之相结合,在不同的迭代周期中使用不同的目标函数,使得估计既可以具有结构抗差估计的优秀抗差性能,又使得估计具有最小二乘法相对优秀的收敛性,避免了迭代震荡浪费计算资源的情况。将本文所提方法与传统算法进行比较,结果表明本文所提出的算法在性能上具有明显优势。     

基于指数权函数的抗差状态估计算法

电力系统状态估计是电力调度中心一切高级应用及分析的基础。针对加权最小绝对值法（WLAV）状态估计收敛性较差的问题,提出了指数权函数的状态估计新算法（E-LAV）。该方法采用指数权函数代替WLAV的不连续权函数,从而克服了WLAV方法在权函数间断点收敛性能大大降低的缺点。以4节点系统及IEEE-118系统作为算例的计算结果表明,E-LAV算法在拥有与最小二乘法（WLS）近乎类似的迭代速度的同时,却拥有很强的抗差能力。该算法只需在原有最小二乘法的基础上修改权重矩阵即可,因此拥有良好的工程应用前景。     

基于线性内点法及正交变换的抗差参数估计

参数估计目前主要采用加权最小二乘算法.由于包含参数估计,该方法在处理电网坏数据混杂及数值稳定性上都面临着困难.考虑到实际电网中有时会同时出现量测错误及参数错误,提出了使用基于线性内点法及正交变换的加权最小绝对值(WLAV)增广参数估计.基于L1范数的WLAV估计具有良好的抗差特性,用以应对混杂有坏数据、拓扑错误及参数错误的混杂估计.为提高增广参数估计的数值稳定性,将正交变换引入线性内点法修正方程的求解中.对算法的测试结果表明,该方法具有良好的应用前景.     

基于改进多中心-校正内点法的最优潮流

提出了一种改进的多中心-校正内点法,该方法采用超立体空间映射技术,通过合理配置一些关键映射参数改善映射空间的数值结构,使算法在每次迭代时能获得较大的迭代步长和较好的中心方向,从而加快算法的收敛.通过IEEE14、30、57、118节点4个测试系统的仿真计算表明,该算法收敛快,其迭代次数与每次迭代进行4次中心-校正计算的多中心-校正内点法基本相当,而且鲁棒性好,未出现数值稳定问题.文章还对算法收敛判据的设置和初值的选取作了较详细的讨论.     

基于主导与非主导参数的非线性加权最小绝对值参数估计

针对非主导参数估计易受量测噪声及不良数据影响的特点,提出了基于主导与非主导参数的加权最小绝对值抗差参数估计。对参数估计错误的原因进行了系统分析,并给出了参数主导性评估方法。利用非线性原—对偶内点法进行模型求解,与传统线性内点法相比,该方法在提高求解精度的同时减少了迭代次数。基于IEEE 30节点系统和2个实际省级电网的计算分析,将所提出的方法与传统加权最小二乘法参数估计进行比较,测试结果验证了所提出方法的有效性。     

基于改进非线性预报-校正内点法的最优潮流

提出一种改进的非线性预报-校正内点法,该方法在校正阶段应用了多中心校正的超立体空间映射技术,经过合理配置一些关键参数改善了映射空间的结构,使算法在每次迭代时只需1次校正计算就能获得较大的迭代步长,从而快速收敛至最优解.通过IEEE 14,IEEE 30,IEEE 57,IEEE 118这4个测试系统的仿真计算表明,该算法收敛快,其迭代次数基本与每次迭代进行4次中心校正计算的多中心校正内点法相当,而且鲁棒性好,未出现数值稳定问题.     

基于等值信息交换的分布式抗差估计算法

提出了一种基于等值信息交换的分布式抗差状态估计算法。各子系统通过等值计算将自身量测信息浓缩成等值信息,协调层收集各子系统的等值信息计算出边界状态量进而实现分布式状态估计。此外,在分布式算法基础上实现了分布式抗差估计。采用等价权原理将指数型目标函数抗差估计方法转换成变权重的加权最小二乘估计,并基于不动点迭代的方法进行求解。在求解过程中,等值信息随着权重值的变化而不断更新,子系统得以综合全系统信息进行抗差估计。最后,构造了多子系统算例和含不良数据的算例对算法进行测试。测试结果表明分布式抗差估计算法具有很高的计算精度和很好的抗差性能。     

Weighted least absolute value power system state estimation using rectangular coordinates and equivalent measurement functions

This paper presents a new efficient computation technique for robust power system state estimation based on weighted least absolute value (WLAV) criterion. The proposed method employs rectangular form of state variables and equivalent measurements technique in order to obtain the linear measurement functions with linear constraints of state variables. The state estimation problem is then formulated as an optimization problem with a set of equality and inequality constraints. A solution method based on interior point algorithm is also proposed. Tests with several IEEE standard systems have been performed to investigate the performance of the proposed algorithm. Results indicate that the proposed state estimator gives promising performance compared with weighted least square (WLS) based estimation algorithms using state variables in polar forms. © 2011 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于粒子群优化的鲁棒Minimax估计

针对未知但有界噪声干扰下的动态系统提出一种基于粒子群优化的鲁棒minimax估计方法.方法的基本思想是将鲁棒minimax估计问题转化为参数空间上的优化问题,然后采用一种改进粒子群优化算法获得模型参数的最优估计.仿真结果显示该方法可以在估计模型参数的同时准确估计误差界的大小.     

基于预处理共轭梯度迭代法的电力系统状态估计算法

随着中国电网省地一体化和输配一体化的不断发展,电力系统计算的维度越来越高.状态估计作为电力系统态势感知中的基础环节,需要保证其实时性,而加权最小二乘法是电力系统运用最广泛的状态估计方法.为此,针对加权最小二乘法在牛顿迭代过程中矩阵乘法和线性方程组求解耗时较长的特点,根据Krylov子空间方法中共轭梯度法的思想,设计了一种基于预处理共轭梯度迭代法的电力系统状态估计算法.该方法采用不完全LU分解法对原始线性方程组进行预处理,并采用图形处理器(GPU)并行加速技术对矩阵乘法、线性方程预处理和共轭梯度法迭代进行加速.算例分析表明了文中方法加速效果明显,内存和显存占用较低,经过不完全LU分解法预处理的线性方程组迭代次数少,能够满足大规模电力系统状态估计的实时性要求.     

配电系统关键量测解耦快速辨识及鲁棒量测优化配置

对配电系统实时运行状态的准确感知离不开状态估计,状态估计的正常运行与量测系统状况紧密相关。文中提出了一种针对三相不平衡配电系统的关键量测和关键量测组解耦快速辨识的新方法,该方法实现了关键量测和关键量测组辨识的解耦和非迭代:一方面,辨识过程仅需进行有功功率部分的状态估计,极大降低了计算规模;另一方面,整个计算过程无需迭代,并给出了相应的严格理论证明。此外,建立了配电系统三相m~(-1)鲁棒量测优化配置模型,以保证任一量测缺失时网络仍然可观测。将所提方法和模型应用于改进的IEEE 37节点算例进行测试,计算结果显示关键量测解耦快速辨识方法的辨识速度远快于解耦前,鲁棒量测优化配置显著降低了配电系统不可观测的风险。     

PMU准实时数据对主动配电网抗差估计的影响

由于相量测量单元(PMU)因成本问题无法在配电网中大规模配置,且不同设备向主站传输数据时存在客观的通信延迟、带宽限制等因素,因此状态估计器输入端存在不良数据。提出一种基于同步相量量测的主动配电网抗差估计方法,并提出以虚拟PMU量测模型补充大量的高精度冗余数据。将数据采集与监视控制(SCADA)量测系统、PMU量测和虚拟PMU量测构成的混合量测系统作为状态估计的输入端。考虑网络和量测数据不确定度对抗差M估计算法进行改进,避免了传统加权最小二乘估计中删除坏数据的残差判断和迭代过程,降低了估计耗时,提高了状态估计的可靠性和抗差性能。改进IEEE 14和IEEE 33节点配电网算例的仿真分析,验证了所提方法的有效性和普适性。     

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。     

以测点正常率最大为目标的状态估计改进算法

已有研究指出基于测量不确定度的测点正常率是真值未知情况下可信的状态估计结果评价指标,进而提出了以测点正常率最大为目标的抗差状态估计新方法。该方法通过整数测点评价函数的连续近似,建立了状态估计的非线性连续变量优化模型,并采用内点法求解该模型,获取近似优化的估计结果。在上述研究基础上,文中提出了一种改进算法:通过对异常测点进行相容性校验,以获得测点正常率更高的估计结果;通过考虑不等式约束的最小二乘估计对正常测点进行滤波,以获得精度更高的估计结果。算例表明该改进算法可有效提高估计结果的抗差性和准确性,且增加的计算量能够满足应用要求。