基于免疫离散粒子群算法的主动配电网PMU测量位置优化

主动配电网的状态估计是配电管理系统必不可少的组成要素,其估计结果的准确性受量测位置的影响较大。为了提高系统状态估计的精度,优化实时数据库,本文结合一种基于并行置信传播算法的状态估计方法,建立了以主动配电网状态估计误差最小为目标的PMU量测位置优化模型,同时提出了利用优化粒子初始位置的改进免疫离散粒子群算法进行模型求解。最后通过算例仿真,得到了量测装置的优化配置方案,且在该方案下,状态估计的精度明显提高。     

主动配电网FTU配置优化方法探讨

主动配电网中的自动化配电终端直接影响到状态估计精度和电网可靠性。分析配电网量测配置特点,利用状态估计灵敏度矩阵确定量测估计方差的表达,构成平均估计方差指标,依照新量测对平均估计方差指标贡献系数的大小确定新量测设备的安装次序。以配电终端经济性指标和状态估计方差指标加权形成目标函数,配网可靠性和电压合格率等为约束条件,迭代求解最优FTU配置。考虑了配电网量测配置的经济性、可靠性和对状态估计误差的影响。通过118节点算例,分析了"三遥"、"二遥"两个优化阶段的优化过程和结果,说明算法的可行性。     

多智能优化算法的配电网状态估计

状态准确估计是保证配电网正常运行的基础,在电力系统中具有十分重要的地位。考虑配电网状态复杂多变的特点,利用智能算法之间的优势互补理论,构建了基于多智能优化算法的配电网状态估计模型。首先设计配电网状态估计的目标优化函数,然后利用遗传算法对配电网状态值进行初步估计,并采用蚁群算法对配电网状态的初步估计值进行修正,最后通过配电网状态估计的具体算例进行仿真测试。结果表明,该模型可以对遗传算法和蚁群算法的配电网状态估计结果进行有效融合,精确刻画了配电网状态变化特点,提高了配电网状态估计的精度,且比其他配电网状态估计模型具有明显的优势,估计结果可以为配电网企业以及管理人员提供有价值的信息。     

解耦变换模式下智能配电网快速状态估计算法

提出一种解耦变换模式下的智能配电网快速状态估计算法,基于修正功率解耦思想,将配电网中支路功率量测、负荷量测、虚拟伪量测、电流幅值量测解耦变换表达。进一步对解耦变换后的功率量测和电流幅值量测作保留非线性变换,使得量测方程线性化,从而简化迭代求解。该文算法以网络节点电压幅值、相角对其初值的变化量为状态变量,利用配电网中多种量测,将功率量测解耦迭代表达,求解规模降低,同时适用于含新能源接入的不同阻抗比配电网络。变换后量测雅克比矩阵常数化,状态估计中无需重复计算,进一步提高求解速度。通过标准测试系统和实际配电系统算例分析,从估计正确性、算法收敛情况、计算时间三方面验证该方法实用性。     

考虑多类型分布式电源和负荷不确定性的主动配电网区间状态估计

分布式电源的间歇性发电并网、电动汽车的随机充电以及智能量测装置的量测误差等使得主动配电网状态估计结果需要考虑更多的不确定因素。在利用区间数对系统量测不确定性予以合理分析与定量描述的基础上,建立主动配电网三相区间状态估计模型。为能够精确求出系统状态估计结果,提出基于迭代运算的线性规划算法对所建立的主动配电网三相区间状态估计模型进行求解,并结合稀疏矩阵技术进一步提高算法的求解速度。对修改的IEEE 123节点算例进行测试分析,与现有非线性区间优化求解方法和蒙特卡洛抽样方法进行比较,结果表明所提方法在估计精度以及计算效率方面均具有一定的优势。以区间数形式对网络中不确定物理量进行刻画与建模后,采用状态估计程序得到的计算结果也会呈现出区间形式,由此可为调度人员提供更加直观的系统状态量上下界信息。     

基于深度神经网络伪量测建模的交直流混合配电网交替迭代法状态估计

当前配电网状态估计面临的一个突出问题是实时量测数量不足,难以实现全网可观性。为了给配电管理系统提供准确的基础数据,提出一种基于深度神经网络伪量测建模的交直流混合配电网交替迭代状态估计方法。首先,建立电压源换流器的稳态模型和混合配电网的实时量测模型;然后,利用历史量测数据对深度神经网络进行离线训练,建立负荷节点注入功率的伪量测模型;最后,对交流区域和直流区域进行交替迭代状态估计,在交替过程中区域间交换VSC支路状态量的估计值,保证了边界状态量的一致性。算例测试结果表明,所提方法能在实时量测覆盖率低的情况下,准确估计混合配电网的状态值。     

基于深度神经网络伪量测建模的交直流混合配电网交替迭代法状态估计

当前配电网状态估计面临的一个突出问题是实时量测数量不足,难以实现全网可观性。为了给配电管理系统提供准确的基础数据,提出一种基于深度神经网络伪量测建模的交直流混合配电网交替迭代状态估计方法。首先,建立电压源换流器的稳态模型和混合配电网的实时量测模型;然后,利用历史量测数据对深度神经网络进行离线训练,建立负荷节点注入功率的伪量测模型;最后,对交流区域和直流区域进行交替迭代状态估计,在交替过程中区域间交换VSC支路状态量的估计值,保证了边界状态量的一致性。算例测试结果表明,所提方法能在实时量测覆盖率低的情况下,准确估计混合配电网的状态值。     

基于变异粒子群优化-禁忌搜索混合算法的配电网状态估计

为解决含非线性设备配电网状态估计的优化问题,以节点负荷值和分布式电源输出值为状态变量,建立了含分布式电源配电网的状态估计模型,提出了一种求解状态估计模型的变异粒子群优化-禁忌搜索混合算法。该算法通过对个体极值进行变异操作增加粒子多样性,在迭代后期使用禁忌搜索算法,提升粒子群优化算法的后期搜索能力和克服早熟收敛。选用IEEE33节点配电系统作为仿真实例,仿真结果表明变异粒子群优化-禁忌搜索混合算法能有效地估计出节点负荷值和分布式电源输出,其状态估计的个体最大相对误差和个体最大绝对误差均远小于蚁群算法、粒子群优化算法和遗传算法的估计结果。     

一种改进的人工蜂群配电网状态估计方法

针对配电网状态估计模型的计算量大、精度低以及数值计算不稳定等问题,提出一种改进的基于人工蜂群算法的配电网状态估计方法。首先,根据网络拓扑结构和量测配置,建立配电网状态估计的目标函数;然后,采用人工蜂群算法对目标函数进行优化求解;最后构造当前最优解的适应度函数,以此作为迭代终止准则的判定条件,以更高的效率获得全局最优解。采用中国电力科学研究院搭建的16节点系统开展了大量的实验,结果表明本文方法可以有效地估计节点电压的幅值和相位。不仅如此,在收敛速度上也比现有的人工蜂群算法提高一倍,并且平均绝对误差比加权最小二乘法和等效功率变换法分别减小60%和50%。     

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。