考虑数据时延的电力系统两阶段动态状态估计方法

由于电力系统中SCADA数据和PMU数据采样频率不同,使得这两种数据存在时延。首先提出基于变点重复检测的PMU最佳缓冲长度计算方法,将SCADA数据和PMU数据统一到同一时间尺度下,然后将无迹变换与指数权函数抗差估计算法相结合,针对历史多数据断面进一步提出了两阶段无迹卡尔曼滤波鲁棒动态状态估计方法。该方法在每一断面内,首先用无迹变换和两参数指数平滑预测后的预测值与SCADA数据结合进行第一阶段滤波,然后再将滤波所得估计值与PMU数据结合进行第二阶段滤波。通过两阶段滤波,能够显著增大滤波过程中的量测冗余度,并且有效降低在混合数据滤波过程中量测精度较低的SCADA量测对精度较高的PMU量测的影响。基于IEEE-39节点标准系统对本文所提方法进行仿真,仿真结果表明,本文所提方法能够有效结合PMU数据和SCADA数据对电力系统进行动态状态估计计算,且估计精度高,鲁棒性好。     

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。     

基于混合量测的二次线性状态估计方法及其工程应用

基于相量测量单元(PMU)和数据采集与监控(SCADA)混合量测进行状态估计计算时,如果仍采用传统非线性估计模型,将面临PMU量测计算权值难以确定、PMU量测坏数据辨识不准、相角参考点和成熟商用程序改动等多方面问题。提出了一种基于混合量测的二次线性状态估计方法。该方法在传统非线性状态估计收敛后,利用其结果中的各节点电压幅值及相角估计值和PMU相量量测再进行二次线性状态估计计算,有效解决了上述问题。最后结合电网实例验证了该方法的有效性。     

基于PMU/SCADA混合量测的电力系统求积分卡尔曼滤波的状态估计

针对目前电力系统状态估计主要采用的扩展卡尔曼滤波(EKF)存在鲁棒性差,精确度被非线性程度制约大等缺点,提出一种电力系统的计算线性方法——求积分卡尔曼滤波(QKF)进行电力系统的状态估计,该算法从统计线性回归的角度,运用高斯-厄米特积分点,使得估计精确度大幅提高,并且引入精确度高,全网实时同步的同步相量测量单元(PMU)数据,成熟性好,技术成熟的SCADA数据进行混合量测。仿真结果表明,QKF法比EKF法具有更高的计算精确度,PMU数据的引入又进一步提高了电力系统状态估计的性能。基于混合量测的QKF法状态估计在正常状态和系统发生扰动情况下均有较好的估计性能,且估计精确度在系统加入混合量测的数据后明显高于单一SCADA系统。     

基于SDAE-ELM伪量测建模的高容错快速状态估计方法

目前在电力系统中无法保证相量量测单元完全覆盖的情况下,状态估计需要采用相量量测单元（phasor measurement unit, PMU）与数据采集与监控（supervisory control and data acquisition, SCADA）混合量测进行传统非线性状态估计,但是SCADA数据精度低,含有较多不良数据,同时混合数据需要迭代求解,会导致计算效率低且存在截断误差。针对该问题,文章提出了一种基于堆叠去噪自编码器（stack denoising autoencoder, SDAE）与极限学习机（extreme learning machine, ELM）伪量测建模的电力系统高容错快速状态估计方法。其将含有不良量测的SCADA量测数据作为SDAE-ELM伪量测模型的输入,节点电压实部与虚部作为输出,根据历史数据进行训练得到伪量测值与伪量测误差模型,训练完成后得到精度较高的伪量测;将伪量测与PMU量测一起进行快速的线性状态估计。仿真结果表明,所提方法在保证估计精度的基础上,提高了计算效率,验证了所提方法的有效性。     

基于PMU/SCADA混合量测的电力系统状态估计

为提高电力系统状态估计的准确度,在现有理论基础上提出了基于PMU/SCADA混合量测的状态估计方法,将电力系统划分为线性区域和非线性区域,在线性区域内计算与安装PMU装置相关联节点处的电压相量,将该计算结果作为间接量测引入非线性区域的状态估计中,从而使状态估计的准确度有所提高。仿真实验表明,在IEEE-14系统中,该算法计算速度快,能有效提高状态估计的精度,具有一定的实用价值。     

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。     

基于SCADA/PMU混合测量的变电站状态估计

变电站是电力系统的重要组成部分,变电站数据的可靠性和准确性至关重要。为了进一步提升变电站状态估计的可靠性,提出一种基于SCADA/PMU混合测量的变电站状态估计方法。首先对PMU数据和SCADA数据进行融合,在充分利用测量数据的同时,减小随机误差对状态估计的影响。然后在此基础上,建立变电站状态估计模型。最后将标准化残差法和量测值突变法结合,提出一种新的不良数据处理方法,以有效避免残差淹没现象。仿真结果表明,该方法能有效提高状态估计的精度。     

混合量测状态估计相角参考点坏数据问题的处理方法

基于相量测量单元(PMU)和数据采集与监控(SCADA)混合量测进行状态估计计算时,一旦其相角参考点上的PMU电压相角量测为坏数据,将影响其余所有相角量测引入,污染有功量的总体计算,严重影响计算精度。文中在建立混合量测状态估计计算模型的基础上,提出一种解决相角参考点坏数据问题的处理方法,改变传统状态估计将相角参考点状态量值固定且不参与迭代求解的做法,形成雅可比矩阵时增加相角参考点状态量对应列和PMU量测对应行,将相角参考点状态量同其他节点一样参与迭代求解,当相角参考点上的PMU电压相角量测为坏数据时同样能够被检测和辨识,彻底消除其对计算结果的不利影响。最后,结合电网实例验证了该方法的有效性。     

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。     

基于WAMS/SCADA混合量测和离散粒子群优化算法的PMU优化配置

当前应用于状态估计的量测数据由广域测量系统(wide area measurement system, WAMS)和数据监控及采集系统(supervisory control and data acquisition,SCADA)采集, WAMS向量测量单元(phasor measurement unit,PMU)的优化配置问题成为研究的重点。本文在分析WAMS/SCADA混合量测数据成分、时间断面、精度、刷新频率4个方面差异的基础上,实现了混合量测数据的有效兼容,提出了一种基于无迹卡尔曼滤波(unscented kalman filter, UKF)动态状态估计和离散粒子群优化(discrete particle swarm optimization, DPSO)算法的PMU优化配置方案。采用该方案下的混合量测数据进行UKF动态状态估计,很好地提高了状态估计精度。在IEEE39节点系统上模拟日负荷变化验证了该PMU配置方案的有效性。     

基于SCADA/PMU混合量测的广域动态实时状态估计方法

根据来自监视控制与数据采集(supervisory control and data acquisition,SCADA)系统和相量测量单元(phasor measurement unit,PMU)的数据特点,提出了一种基于SCADA/PMU混合量测的广域动态实时状态估计方法,该方法充分利用了各节点间电压变化的相互联系,通过SCADA系统提供的初始值和安装PMU的节点的电压量测可简单地获得其他未安装PMU节点的电压相量。该方法有效地解决了在PMU配置不足的情况下如何观测电网状态以及如何在动态过程下实时观测电网。最后,通过对新英格兰10机39节点系统的多种故障进行仿真,验证了该方法的有效性和准确性。     

两级线性迭代策略下的混合状态估计的研究

基于卡尔曼滤波及线性迭代基本原理,针对当前电力系统混合状态估计精度低、滤波效果差及收敛能力低等问题,提出了一种基于两级线性迭代的电力系统混合状态估计的研究策略:第1级利用相量测量单元(PMU)的量测数据进行线性估计;第2级将其与传统量测值相结合用于状态估计,并利用PMU的高频特性对两级的量测数据进行多次迭代采样。将其在IEEE 14和IEEE 57节点测试系统进行测试,并将结果与其他混合模型比较,结果表明,该策略的估计精度、数据收敛度及量测参数误差均优于其他混合模型。     

基于PMU量测数据和SCADA数据融合的电力系统状态估计方法

针对传统静态状态估计方法的缺点,提出了一种改进的电力系统状态估计方法,即将部分节点相量测量单元(phasor measurement unit,PMU)量测数据与监控数据采集(supervisory control and data acquisition,SCADA)量测数据融合进行电力系统的全网状态估计。该方法简化了系统的雅可比矩阵,缩短了计算时间。文章研究了PMU和SCADA系统融合改进后的快速分解法,针对SCADA量测数据的缺点,通过历史数据库对潮流数据进行预测,并依据PMU量测量对系统进行分析,继而进行系统全网状态的动态监测。通过算例证明,与传统的估计方法相比,该方法改善了状态估计的精确性,减少了迭代次数,细致地描绘了电网状态的变化过程,为调度中心下一步的决策提供了依据。     

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。     

量测量的时延差对状态估计的影响及其对策

监控和数据采集(SCADA)系统的量测量没有统一的时标,更新周期长,而且时延较大。同步采样的相量测量单元(PMU)正成为电力系统中另一种重要的数据采集装置,它可以反映动态响应且时延较小;由于带有精确时标,即使通道传输存在时延也能保证时间断面的一致性。为在状态估计中协调这两种量测量,处理各量测量不同的时延,建立了SCADA量测时延的均匀分布模型,分析了各量测数据所反映的时间断面不一致性对状态估计精度的影响,提出了对时延不同的量测量的处理方法。通过对IEEE14节点电网和一个366节点的实际电网的仿真,验证了该方法的有效性。