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。     

基于脉冲神经网络伪量测建模的配电网三相状态估计

为了给配电网管理系统提供全面准确的实时数据,配电网三相状态估计显得尤为重要。针对当前配电网量测信息不足,提出了基于脉冲神经网络(SNN)伪量测建模的配电网三相状态估计。该方法首先将实时和部分历史支路功率量测输入SNN进行伪量测建模,然后由高斯混合模型生成相应的量测误差,最后进行基于加权最小二乘法的配电网三相状态估计。理论分析和算例验证表明,所提模型不仅能够在正常通信时有效提高配电网状态估计精度,而且能在通信故障时保证估计精度在合理范围内,进而为配电网的运行控制提供参考依据。     

GPRS无线通信技术在电力负荷管理系统中的应用

结合邯郸供电公司电力负荷管理系统的建设,阐述了通过中国移动的GPRS数据网络系统将电能表数据传送至电力负荷管理系统中,实现电能表数据和电力负控管理系统的实时在线连接,从而可采集到电力客户的用电信息和运行状况,为计量监测、电费回收、用电检查、线损管理等工作提供丰富的电网和用电参数,为电力市场营销分析提供了强大的数据服务支持,提升了电力负荷管理的水平。     

基于鲁棒Holt-Winter模型的超短期配变负荷预测方法

超短期配变负荷预测结果是配电网状态估计中伪量测的主要来源之一,其利用的历史数据主要来源于自动计量系统。伪量测的精度会显著影响状态估计的结果。给出了一种基于鲁棒Holt-Winter模型的超短期负荷预测方法。该方法综合考虑线性趋势、季节变动和随机波动的时间序列特性,并与指数平滑法相结合,具有良好的预测能力。此外,该方法可以自动识别和修正坏数据。以某配电网的实际数据进行了算例分析,结果表明该方法具有良好的预测精度,且具有自动压缩坏数据影响的特性。     

基于负荷电流的配电网非量测负荷估计

提出了一种基于负荷电流的抗差估计算法用于修正10kv配电网非量测负荷。该算法将配电网中的功率量测变换为电流量测，实现了雅可比矩阵常数化，负荷电流实虚部解耦求解。并采用了权值随残差变化的权函数，从而较大程度上抑制了伪量测中坏数据对估计结果的不良影响。文中还给出了IEEE33节点配电系统的计算结果。结果表明，该算法能够有效地修正伪量测数据，使其准确度达到或接近实际量测值的准确度。     

基于多数据源的配电网状态补全

针对配电网量测配置薄弱,信息不完整的实际情况,综合利用主配网实时量测数据、配电网变压器准实时数据、营销系统电量数据、历史数据、负荷预测数据、典型负荷特性等多数据源实现了配电网状态补全。通过拓扑分析,对遥测遥信数据预处理,剔除不合理的数据,对可观察性进行分析,实现配电网负荷数据校准和补全,最终实现配电网开关量测补全。可为配电网正常运行和管理提供支持,保证配电管理系统正常发挥作用。     

基于时空特征图卷积网络的配电网实时状态估计方法

为了在考虑负荷时空特性以及不健全量测的场景下实现配电网的实时、高容错状态估计,本文从时空图的角度提出一种基于时空特征图卷积网络的动态状态估计算法。首先将配电网量测数据组成三维张量;然后利用时空特征图卷积网络分别提取量测数据的空间拓扑、时间序列和节点属性上的特征信息,通过特征融合得到实时状态估计结果;最后根据状态估计结果生成虚拟量测以消除不良数据的影响。实验结果表明,本状态估计方法具有较高的鲁棒性,且准确性和计算速度均优于传统方法。研究结果可为基于机器学习的电力系统状态估计方法提供参考。     

计及AMI的配网分层状态估计及伪量测计算

针对高级量测体系AMI(advanced metering infrastructure)带来的新的实时量测数据,提出一种改进的智能配电网状态估计方法,以AMI量测节点作为边界节点对配电网进行分层,将系统解耦为若干子区域实现并行计算。再在配网系统解耦的基础上,提出基于子区域负荷分配系数预测的节点负荷伪量测生成方法。最后,将IEEE33标准配电系统配置5个AMI量测节点,对其进行分层状态估计,并生成节点负荷伪量测数据。结果表明:与整体估计相比,分层状态估计方法在保证高精度的前提下提高了计算速度;生成的伪量测数据精度优于负荷预测得到的伪量测数据。     

计及AMI的配网分层状态估计及伪量测计算北大核心CSCD

针对高级量测体系AMI(advanced metering infrastructure)带来的新的实时量测数据,提出一种改进的智能配电网状态估计方法,以AMI量测节点作为边界节点对配电网进行分层,将系统解耦为若干子区域实现并行计算。再在配网系统解耦的基础上,提出基于子区域负荷分配系数预测的节点负荷伪量测生成方法。最后,将IEEE33标准配电系统配置5个AMI量测节点,对其进行分层状态估计,并生成节点负荷伪量测数据。结果表明:与整体估计相比,分层状态估计方法在保证高精度的前提下提高了计算速度;生成的伪量测数据精度优于负荷预测得到的伪量测数据。     

Distribution network state estimation based on attention-enhanced recurrent neural network pseudo-measurement modeling

Because there is insufcient measurement data when implementing state estimation in distribution networks, this paper proposes an attention-enhanced recurrent neural network (A-RNN)-based pseudo-measurement modeling metho. First, based on analyzing the power series at the source and load end in the time and frequency domains, a period-dependent extrapolation model is established to characterize the power series in those domains. The complex mapping functions in the model are automatically represented by A-RNNs to obtain an A-RNNs-based period-dependent pseudo-measurement generation model. The distributed dynamic state estimation model of the distribution network is established, and the pseudo-measurement data generated by the model in real time is used as the input of the state estimation model together with the measurement data. The experimental results show that the method proposed can explore in depth the complex sequence characteristics of the measurement data such that the accuracy of the pseudo-measurement data is further improved. The results also show that the state estimation accuracy of a distribution network is very poor when there is a lack of measurement data, but is greatly improved by adding the pseudo-measurement data generated by the model proposed.     

三相四线制台区电网的状态估计模型

提出一种三相四线制台区电网的状态估计模型。综合考虑电源和负荷端点三相节点的注入电流量测方程、中性点的虚拟量测方程、三相电压幅值量测方程以及T端点三相和中性点的零注入等式约束方程,以端点a、b、c三相及中性点电压的实部和虚部为状态变量,建立台区电网带等式约束的加权最小二乘状态估计模型。该模型采用牛顿法进行求解,并以IEEE13节点修正系统为例进行仿真分析。仿真结果表明,所提模型可有效解决台区电网的状态估计问题,且方法收敛可靠,速度快,满足工程要求。     

含微型同步相量测量的智能配电网信息集成方法

随着分布式电源、柔性负荷、电动汽车的大量接入,配电网呈现出潮流双向化、源荷智能化、网络电力电子化等新特征,为提高智能配电网的可观测性,微型同步相量测量装置等新技术产品得到逐步推广和使用,为智能配电网状态监测和运行控制提供了新方法和新手段。针对大规模分布式电源、柔性负荷、电动汽车接入智能配电网实际情况以及微型同步相量测量信息与已有SCADA数据集成应用需求,提出了多源端系统数据信息集成思路和方法,构建了基于海量数据总线和高速数据总线的硬件架构和软件架构方案,通过采用主动分布式内存库、高速数据总线等技术将微型同步相量量测高密度实时数据与已有自动化、信息化系统实现信息集成和融合共享,为智能配电网高频运行状态估计、小电流故障诊断与定位、动态特性优化协调控制等高级应用提供数据信息支撑。     

Load allocation in DMS with a fuzzy state estimator

This paper describes a load allocation model to be used in a distribution management system (DMS) environment. A process of rough allocation is initiated, based on information on actual measurements and on data about installed capacity and power and energy consumption at LV substations. This process generates a fuzzy load allocation, which is then corrected by a fuzzy state estimator procedure in order to generate a crisp power flow compatible set of load allocations, coherent with available real time measurements recorded in the SCADA     

电力系统状态估计在抚顺电网中的应用与研究

介绍了地区电网状态估计的基本原理及功能，即利用实时量测系统的冗余度提高数据精度，从而自动排除错误信息，估计出系统的状态；在自满上采用基于等效电流量测变换的状态估计方法，使雅可比矩阵常数化，充分利用了系统量测类型多的特点，将量测支路电流作为已知量带入计算，使其肯的较好的数值稳定性和计算速度；分析了在实时不良数据冲击下，该算法的稳定性和收敛性；在抚顺电网实际运行中效果良好。     

基于深度信念网络伪量测建模的配电网状态估计

针对配电网实时量测不足需要增加伪量测以提高量测冗余度的情况,提出基于深度信念网络(DBN)伪量测建模的配电网状态估计方法。利用多种类型负荷的历史数据及对应温度、日期类型对DBN进行训练,训练完成后输入测试数据得到精度较高的伪量测;基于改进的等效电流量测变换法进行配电网状态估计,以线性约束的形式处理虚拟量测。仿真结果验证了所提方法的有效性。