基于自适应步长ADMM的配电网分布式鲁棒优化调度策略

以光伏、风电为代表的分布式电源具备较强的不确定性,其规模化、分散式地接入配电网,为系统资源的统一调控带来了严峻挑战.为实现配电网多类型分布式资源的协调调控,提出一种基于自适应步长交替方向乘子法的配电网分布式鲁棒优化调度策略.首先,构建配电网多层级代理系统,为配电网优化调度提供分布式运营架构.其次,建立基于可调鲁棒算法的...     

基于多准则分区和WLS-PDIPM算法的有源配电网状态估计

针对复杂有源配电网三相不平衡状态估计计算速度较慢与计算精度较低的问题,提出了一种基于多准则分区和基本加权最小二乘法—原对偶内点法(WLS-PDIPM)混合算法的状态估计方法。基于对有源配电网中实时量测、虚拟量测和伪量测的配置分析,建立了适用于复杂有源配电网状态估计的多准则分区优化模型,该模型综合考虑了分区后各子区域规模均衡、量测冗余度均衡及伪量测平均误差均衡。通过高级量测体系(AMI)全量测点实现各子区域完全解耦,有效减小了系统规模和雅可比矩阵阶数。所提方法将WLS与PDIPM的优点相结合,在提高算法精度的同时减少了计算时间。仿真算例结果表明所提方法可实现对复杂有源配电网的合理分区,有效提高了状态估计的计算速度与求解精度。     

基于动态分区的电网状态估计方法

针对传统固定分区方法无法反映电网运行拓扑结构发生的变化,导致其计算效率不高,提出一种新的动态分区方法,基于电网运行物理拓扑结构,逐一搜索出所有辐射状网络分区、仅存在唯一电气连接线路的分区和仅存在唯一电气连接节点的分区,并在此基础上提出一种基于边界节点状态量灵敏度协调的整体状态估计方法。通过两个算例验证该方法能够快速响应电网拓扑变化,降低某区域中量测数据误差对其他区域状态估计结果的影响,提高了电网状态估计的整体准确率。     

基于改进鲁棒自适应UKF的配电网动态状态估计方法

配电网动态状态估计中状态方程的过程噪声统计参数是未知而且时变的,因此在状态估计过程中需要在线对过程噪声统计参数进行实时估计,而且不准确的噪声参数将会导致无迹卡尔曼滤波器的滤波性能下降甚至滤波发散。文中研究了基于改进鲁棒自适应无迹卡尔曼滤波器的配电网动态状态估计方法,其噪声参数统计估值器由一个有偏的和一个无偏的估值器组成,可以提高在状态估计过程中噪声参数估计的准确性,同时确保过程噪声方差矩阵的半正定性,从而保证算法的鲁棒性。通过对IEEE 33节点系统进行仿真验证,结果表明所提方法在系统平稳运行、负荷发生剧烈变动或者初始噪声参数值设置不当的情况下,均能保证较高的状态估计精度。     

基于改进两阶段鲁棒优化的电力系统状态估计方法

误差是测量值相对于真值的偏差,由于实际中真值不可得,传统基于误差理论建立的状态估计模型具有较大的局限性。为此,首先基于马氏距离,确定PMU最佳缓冲长度并与SCADA数据统一到同一时间断面;然后,在两阶段算法框架下,基于不确定测度理论和在该理论下的测点相对偏离,考虑严格的零注入约束关系,以加权不确定测度相对偏离之和最小为目标,提出一种基于改进两阶段鲁棒优化的电力系统状态估计方法。仿真结果表明,相对于传统状态估计方法,所提方法能够严格满足零注入节点的注入功率为零,且鲁棒性好,估计结果契合度较高。     

基于状态估计的高速受电弓鲁棒预测控制

受电弓-接触网系统在高速列车获取电能的过程中起着至关重要的作用,受电弓与接触网之间连续、平稳的接触状态是保证高速列车高质量获取电能的关键因素.随着列车运行速度提高,弓网之间的振动更加剧烈,受流质量变差.为减小弓网振动,提高受流质量,提出一种基于状态估计的受电弓鲁棒预测控制策略.首先,为获得复杂电磁环境下的受电弓状态,给...     

基于鲁棒自适应状态观测器的异步电机磁链估计抗扰性研究

针对传统全阶磁链观测器随内、外扰动导致磁链估测精度不高甚至系统不稳定的问题,对观测器极点分布情况和内、外扰动对系统的影响进行研究分析,从而对反馈矩阵增益系数的取值进行设计,提出了一种鲁棒自适应状态观测器对磁链进行估计。当遇到内、外扰动时,在保持系统稳定的情况下自动减小反馈增益系数以减小扰动对系统的影响,从而保持系统良好的动静态性能。在内、外扰动下,将鲁棒自适应状态观测器与传统的全阶磁链观测器的磁链估计精度、转速波动以及转矩波动进行比较分析。仿真和试验结果表明:鲁棒自适应状态观测器具有比传统全阶磁链观测器更好的抗干扰性能。     

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。     

考虑风电场量测相关性的双馈风力发电机鲁棒动态状态估计

基于相量测量单元（PMU）的风力发电机动态状态估计能够为风电场能量管理系统提供实时可靠的数据基础。然而,目前多数风电场不具备为每台风机都安装PMU的量测条件,且动态状态估计易受不良数据及扰动的影响。针对上述问题,提出一种考虑风电场量测相关性的双馈风机鲁棒动态状态估计方法。在用最少数量的PMU实现风电场所有节点可观的基础上,提出基于PMU量测空间相关性和风机动态模型时间相关性的冗余量测集构造方法,进而利用加权最小绝对值鲁棒估计得到所有风机的机端电气量,并滤除不良数据。考虑到扰动时状态预报值不准确,提出了基于过程噪声尺度因子的鲁棒滤波方法,在扰动时降低不准确预报值的权重。仿真表明,所提方法对量测配置要求低,并能准确估计风电场内单台风机的动态状态。     

基于自适应差分进化算法的电力系统动态状态估计

提出一种基于自适应差分进化算法的电力系统状态动态估计方法。动态估计包括预测和滤波2个阶段。在预测阶段,利用布朗双指数平滑方法预测下一个时间间隔的状态;在滤波阶段,利用预测阶段获得的预测状态,基于自适应差分进化算法对目标函数进行寻优,通过优化算法提高预测精度,从而减小状态预测的误差。仿真结果表明：所提方法具有较小的估计误差,对坏数据具有较好的抑制能力。     

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。     

基于无迹卡尔曼滤波的电力系统抗差动态估计

为解决电力系统动态状态估计准确性易受量测不良数据影响的问题,提出基于无迹卡尔曼滤波(Unscented Kalman Filter,UKF)的电力系统抗差动态估计方法。在预测过程中引入时变噪声估计器处理未知系统噪声;利用新息向量判断量测是否存在异常,并使用基于测点正常率最大的静态估计方法辨识不良数据;然后构建更新因子矩阵降低不良数据在动态估计更新过程中的影响。将算法运用于IEEE 14节点标准系统中,仿真结果表明该方法估计结果准确且抗差效果良好。     

Robust State Estimation for an Electricity-GasHeat Integrated Energy System Considering Dynamic Characteristics

The data for an energy management system (EMS) in an integrated energy system (IES) is obtained through state estimation. This is then the basis for optimal scheduling, protection and control. At present, the dynamic models of gas and heat networks are rarely considered in such state estimation, and the method lacks robustness. This paper develops dynamic state estimation models for gas and heat networks, and proposes a unified method for the electricity-gas-heat network, one which takes into account robustness while ensuring accuracy. First, the state transition equations in matrix form are formulated according to finite difference models considering the dynamic characteristics of the gas and heat networks. Then, combined with a quasi-steady state model of the electric power system, a unified state estimation method and multi-time-scale measurement strategy in the Kalman filter framework are proposed. In addition, the prediction accuracies of the electric power and gas systems are improved through adaptive adjustment. The kernel density estimation method is used to adjust the measurement weights and filter out bad data to ensure robust state estimation. Finally, simulation results show that the proposed method not only can improve the estimation accu-racy by improving prediction accuracy, but also is robust to various types of bad data.     

一种电力系统量测噪声自适应抗差状态估计方法

为克服传统状态估计方法在处理量测噪声方面的局限性,文中首先提出一种基于最大相关熵准则的抗差状态估计一般模型,该模型可从理论上统一已有的几种抗差状态估计方法,并可导出新的抗差状态估计方法。在此基础上提出一种量测噪声自适应抗差状态估计方法(ARSE),ARSE能够通过统计学习获得量测噪声的分布规律,并与所提出的抗差状态估计一般模型进行在线匹配,从而实现对量测噪声类型的自适应,即在常见的量测噪声分布类型下,ARSE可得到更接近于状态变量真值的估计结果。最后通过仿真算例验证了所述方法的有效性。     

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。     

计及UPFC的电力系统双线性抗差估计

统一潮流控制器（unified power flow controller ，UPFC）作为柔性交流输电系统（flexible AC transmission systems，FACTS）的重要组件之一，对电力系统安全稳定运行起着重要的作用，而对含有UPFC的电力系统进行有效的状态估计也是电力系统电力电子化的必然要求。对UPFC模型进行抗差状态估计虽然能够有效抑制坏数据，但是存在模型复杂，计算效率低等问题。文章基于新型UPFC拓扑模型，采用双线性方法对含该UPFC的电力系统进行抗差状态估计。该方法通过选取有效的中间变量，对电力系统和UPFC组件的非线性量测方程进行分步线性化处理，在保证计算结果误差水平处在同一量级，能够工程应用的前提下，有效提高了状态估计的计算效率。对修改后的IEEE标准系统和南京西环网实际系统进行仿真测试，通过与WLAV测试结果对比，在保证相应精度的前提下，获得接近加权最小二乘法（weighted least squares，WLS）的计算速度，验证了本文方法的有效性和实用性。