基于自适应无迹卡尔曼滤波的电力系统动态状态估计

无迹卡尔曼滤波(unscented Kalman filter,UKF)是种非线性滤波方法。由于假设系统噪声的方差为常数,UKF的估计结果会受到未知系统噪声的影响。为减小未知系统噪声对动态状态估计的影响,提出了种改进的自适应UKF(adaptive unscented Kalman filter,AUKF)算法。该方法通过在UKF中引入渐消记忆指数加权的Sage-Husa噪声统计估值器,能够估计时变系统噪声的均值和方差。利用IEEE57和IEEE 118测试系统,在典型日负荷条件下对AUKF方法的有效性进行仿真验证,结果表明所提出的AUKF算法与传统UKF方法相比,在不增加计算复杂度的同时,能够提高状态估计精度。     

基于粒子群进化算法的电力系统状态估计研究

加权最小二乘法是状态估计的常用方法,但在实际应用中经常会遇到算法发散的问题。为了解决这个问题,提出将改进的粒子群进化算法应用到状态估计当中,使加权最小二乘法的收敛性得到了很好的改善。结合IEEE5节点系统,给出了粒子群进化状态估计计算的三点注意事项。经试验得出,对量测点数为16的系统而言,计算时间在50 s左右,量测点数为30的系统的计算时间在3 min左右,量测点数为80的系统,其计算时间在15 min左右。这种算法可以应用在离线状态估计上。     

基于粒子群进化算法的电力系统状态估计研究

加权最小二乘法是状态估计的常用方法,但在实际应用中经常会遇到算法发散的问题.为了解决这个问题,提出将改进的粒子群进化算法应用到状态估计当中,使加权最小二乘法的收敛性得到了很好的改善.结合IEEE5节点系统,给出了粒子群进化状态估计计算的三点注意事项.经试验得出,对量测点数为16的系统而言,计算时间在50 s左右,量测点数为30的系统的计算时间在3 min左右,量测点数为80的系统,其计算时间在15 min左右.这种算法可以应用在离线状态估计上.     

基于遗传算法的电力系统自适应卡尔曼滤波动态状态估计

针对卡尔曼滤波动态状态估计中Holts'两参数均为常数,在电力系统运行状态变化时易产生较大的预测误差的不足,提出采用指数平滑法对参数进行动态调整。该方法在预测步中利用遗传算法来动态确定参数大小,实现了预测参数的自适应优化。最后,对IEEE14节点系统进行仿真计算,与传统方法进行比较,结果表明本文方法具有明显的优势。     

基于权函数的电力系统状态估计算法

提出基于权函数的电力系统状态估计算法,该方法较好地综合了加权最小二乘法（ＷＩ－Ｓ）和加权最小绝对值（ＷＬＡＶ）两种估计方法的优点,仅需对应用广泛的ＷＬＳ软件作很少的修改即可实现该算法。在求解迭代过程中,以残差变化最作为加速因子,修正权函数,减少了迭代次数,加快了算法的计算速度,用ＩＥＥＥ３０和ＩＥＥＥ１１８节点系统验证了此方法的优越性。     

电力系统状态估计算法的综合分析

简要介绍了电力系统状态估计的基本概念及功能,描述了状态估计的数学模型。介绍了几种电力系统状态估计的基本算法,即加权最小二乘法、快速分解法、基于量测变换及逐次型的状态估计算法等,并对这些算法作了简明的对比,指出各个算法的优缺点。最后,为了满足电力系统状态估计的要求,又提出了几种新型的状态估计算法。并且指出了状态估计算法中值得研究的几个方面。     

基于自适应SRUKF算法的电力系统动态谐波状态估计

针对传统无迹卡尔曼滤波(unscented kalman filter, UKF)谐波状态估计算法存在时变噪声和异常数据时估计准确度较差的情况,提出了一种基于自适应平方根无迹卡尔曼滤波(square-root UKF, SRUKF)的电力系统谐波状态估计算法。首先,针对时变噪声干扰,引入改进的Sage-Husa噪声估计方法实时估计噪声协方差。其次,针对异常数据干扰,引入异常数据修正方法,通过修正系数来降低异常数据对状态估计结果的影响。最后,通过搭建IEEE14节点系统验证自适应SRUKF算法的估计性能,能够有效地应用于电力系统的动态谐波状态估计。仿真结果表明,该算法在时变噪声和异常数据干扰时仍具有良好的估计性能。     

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。     

基于多策略差分进化算法的输电网规划

差分进化(DE)算法是一类基于种群的、具有全局优化性能的、通过实数编码的启发式算法。但差分算法搜索策略过于单一,局部搜索能力差,因此通过增加多策略变异和局部寻优策略来提升全局和局部搜索能力,同时降低搜索时间,使其适应于求解大规模输电网规划问题。采用基于线路投资费用、网损费用、正常运行时的过负荷费用及输电走廊费用的输电网规划模型,通过对Garver-6系统和18节点系统的计算,不仅验证了算法及模型应用于输电网规划的正确性和有效性,而且验证了算法具有很高的计算速度和收敛性,为DE算法的进一步改进应用打下基础。     

基于综合预测和自适应滤波器的电力系统动态状态估计

对基于扩展卡尔曼滤波(EKF)原理的动态状态估计理论进行了深入的分析,并指出其存在的问题的此基础上,提出具有自适应能力的动态状态估计模型和算法.该模型和算法的新意主要体现在:在预测环节中,建立系统节点注入功率制约作用和系统状态自身预测融合的加权优化综合预测模型,提高了状态预估的精度;在滤波环节中,基于最小二乘支持向量机技术,建立了自适应的限定记忆动态滤波器,提高了模型的估计能力和计算速度.对山东500 kV电网进行的实际分析,充分表明了该方法的有效性.     

基于保留二次项迭代的电力系统动态状态估计算法

与电力系统静态估计不同,动态估计可以准确的跟踪系统状态,并在电力系统保护和控制中发挥重要作用。以往在做状态估计时,通常将非线性测量函数进行泰勒级数展开,舍弃二次及以上的高阶项,不可避免的造成估计误差。本文针对电力系统中的量测方程是直角坐标下电压实部和虚部的二次函数,借鉴保留非线性潮流算法中保留二次项的思想,结合无迹变换,提出基于保留二次项迭代的电力系统动态状态估计算法,该算法在卡尔曼滤波过程中进行泰勒级数展开时没有近似,精度更高。基于IEEE39节点标准系统进行仿真分析,仿真结果表明,本文所提算法是有效的,且估计精度相对不保留二次项得到了提高。     

基于自适应容积卡尔曼滤波算法的电力系统动态谐波状态估计

由于传统的谐波状态估计的参数辨识算法要求噪声的协方差矩阵固定不变,而实际工程中噪声的协方差矩阵是随时间变化的,工程中存在错误的量测数据,导致传统参数辨识算法估计的谐波电流参数的准确度较低。因此,提出自适应容积卡尔曼滤波算法来提高辨识谐波电流参数的准确度。首先,针对时变噪声干扰,采用基于渐消记忆指数加权法的噪声估值器算法生成时变噪声的协方差矩阵;其次,针对错误的量测数据,采用开窗估计算法修正错误的量测数据;然后,将修正的噪声协方差矩阵和量测数据代入容积卡尔曼滤波算法中,对谐波电流参数进行估计;最后,搭建IEEE 13节点系统仿真模型,验证了自适应容积卡尔曼滤波算法在时变噪声干扰及量测数据错误情况下仍可准确地估计谐波电流参数,确保了动态谐波状态估计的准确性。     

基于动态分区和多估计准则的电力系统自适应鲁棒状态估计

随着当前智能电网技术的高速发展,电力系统的组成和运行方式愈发复杂,对状态估计的鲁棒性和实时性也产生了更高的需求.为此,提出一种基于动态分区和多估计准则的电力系统自适应鲁棒状态估计.通过模糊c均值聚类筛选出系统中的可疑量测集,进而根据可疑量测的空间分布实现系统动态分区.考虑到不同估计器各自的特点和适应性,针对可疑量测区域...     

基于QHO-PSO算法的电力系统状态估计研究

针对传统粒子群算法(PSO)状态估计搜索效率不高的问题,提出基于量子简谐振子粒子群(QHOP-SO)状态估计算法。该算法利用量子空间中不确定性原理,保证粒子满足聚集态从而在整个可行解空间进行搜索,避免程序陷入局部最优点。同时,将谐振子势能场引入粒子群系统,通过模拟经典简谐振动中势能状态的变化与量子振动中能级的跃迁,提高粒子的搜索效率。最后,利用内点罚函数法对约束条件进行处理,借助IEEE算例仿真验证所提方法的有效性,对不同算法进行比较,结果表明所提方法在全局收敛能力与搜索速度方面均具有明显的优势。     

一种基于混沌序列的动态差分进化算法在电力系统动态经济调度中的应用

针对电力系统动态经济调度(DED)问题,引入差分进化算法,提出一种基于混沌序列的动态差分进化算法(ＡＤＤＥＣＳ)。该算法采用混沌序列动态调整差分进化算法的参数设置,保持种群的多样性。动态搜索策略被用于提高算法的整体搜索性能,它由全局搜索策略和局部搜索策略2部分组成。为了加速收敛和解决DED复杂的约束处理问题,采用基于多目标概念的约束处理机制,并提出一种根据机组调节能力来按比例分摊不可行解约束违反量的新方法。同时在搜索过程中,通过采用不同的变异策略结合改进的随机搜索策略来避免算法早熟,增强全局最优解的搜索能力。提出的方法的可行性和有效性由10机测试系统来证明,和其他方法相比,ADDECS方法计算速度快,计算精度高且鲁棒性强。     

基于改进微分进化算法的电力系统无功优化

提出了一种改进的微分进化算法求解电力系统无功优化问题。在进化过程中，该算法根据进化情况采用动态参数调整机制提高算法的搜索效率，并且对种群重叠状况进行实时监视，对重叠个体利用混沌搜索策略来进一步提高算法的全局寻优能力。通过对IEEE 6、IEEE 30、IEEE 118标准测试系统及某地区实际系统的无功优化问题计算及结果分析表明，文中提出的改进微分进化算法高效、且全局寻优能力强。     

基于改进最小二乘法的电力系统状态估计

作为能量管理系统（EMS）的一个组成部分，电力系统状态估计的研究具有重要意义。最小二乘法状态估计应用相当广泛，当传统最小二乘法在协方差矩阵变小时，估计参数会发生爆炸现象。提出了一种基于最小二乘法的递推阻尼最小二乘法状态估计算法。递推阻尼最小二乘法迭代的初值是上一时刻估计结果，电力系统在大部分情况下运行相对稳定，因此初值的选取可靠性高，保证了算法的鲁棒性和收敛速度。仿真结果显示此算法能够得到满意的结果。