地区电力系统状态估计研究与应用

本文介绍了哈尔滨地区电网状态估计软件的基本原理及功能,在算法上采用基于定雅可比矩阵的加权最小二乘法,并引入了正交化处理,具有较好的数值稳定性和计算速度;不良数据检测上采用状态预估与γN检测相结合的方法,保证了估计精度。     

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。     

豪斯荷德尔正交变换法在状态估计中的应用

本文详细介绍豪斯荷德尔正交变换法在状态估计中的应用。该方法与目前状态估计计算中广泛采用的吉文斯正交变换法相比具有运行速度快,程序设计简单等优点。经云南大理等地区电业局的现场进行表明,该方法具有数值稳定性高,收敛性好,占有同存小等优点。     

基于最小二乘法的电力系统网络参数误差估计

为满足电力系统实时动态观测的要求,需要精确估计电网络参数,基于电力系统的任何网络参数误差都会影响状态估计中的量测残差,通过对量测残差的分析提出了一个基于最小二乘的电网络参数误差估计方法.分两步完成电网络参数误差的估计:首先根据动态系统的量测方程,利用加权最小二乘法(weighted least squares method,以下简称WLS),同时引入网络节点虚拟量测量作为等式约束条件建立最优化模型,利用拉格朗日乘法提出量测残差的表达式,网络节点虚拟量测量的引入加强了算法的精确性和收敛速度;第二步首先利用递推最小二乘建立量测残差方程中偏差项的的迭代公式,电网络参数误差包含在量测残差方程的偏差项中,通过迭代得出一个无偏估计的初始状态量,最后求得电网络参数误差.IEEE9节点系统的仿真验证了算法的正确性和有效性.     

M估计方法及其在电力系统状态估计中的应用

针对ＱＬ及ＱＣ估计的缺点,提出了一种新的电力系统稳健估计方法。在此基础上,利用残差灵敏度矩阵,提出了减少残差屏蔽效应的措施。分析表明,新方法可以结合现有常规状态估计方法。计算上易于实现且速度较快,在一定程度上克服了残差屏蔽效应。     

哈尔滨电网状态估计研究与应用

介绍了哈尔滨电网状态估计软件的基本原理及功能,在算法上采用基于定雅可比矩阵的加权最小二乘法,并引入了正交化处理,具有较好的数值稳定性和较快的计算速度,不良数据检测上采用状态预估与γN检测相结合的方法,保证了估计精度。     

电力系统动态状态估计中不正常事件的处理

本文提出电力系统动态状态估计中不正常事件处理的有效算法。这一算法可以检测、辨识和处理的不正常事件包括:系统状态的突然变化,多个不良数据、网络拓扑结构错误以及坏数据和系统状态突然变化同时发生的情况等。数值试验证实了这个算法对处理各种不正常事件是十分有效的。     

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。     

基于快速分解法的电力系统状态估计

电力系统状态估计,对保证电力系统的安全性和经济性起着重要的作用,是电力系统调度、控制、安全评估等方面的基础,也是当代电力系统能量管理系统（EMS）的核心组成部分。状态估计算法是状态估计的核心,其中快速分解状态估计算法是在吸取潮流计算经验的基础上得到,是状态估计的优良实用算法。本文对电力系统状态估计的原理及方法进行研究,建立了快速分解法状态估计的数学模型。最后,通过对IEEE-14节点的算例分析,验证模型的有效性。     

基于最小二乘估计融合的分布式电力系统动态状态估计

随着电力系统规模不断扩大,分布式状态估计是解决集中式状态估计计算维数过高和量测大数据处理难等问题的可行策略之一。文中以容积卡尔曼滤波算法作为区域本地估计算法,在协调中心侧采用最小二乘估计融合技术协调估计区间边界状态。根据边界状态协调估计值,各区域通过带等式约束的卡尔曼滤波算法进一步修正区域内部状态的本地估计值。算例仿真表明,所提方法估计精度与集中式估计相当,相比集中式估计具有更好的实时性,且所需数据通信量少,易于实现。     

抗差最小二乘法状态估计

研究电力系统状态估计具有重要的理论价值和实际意义 ,在现代调度控制中心 ,状态估计是实现EMS/DMS的许多功能 :调度员潮流、事故预想分析和调度员模拟培训等的基础。在实际运行的电网自动化系统中 ,要想实时得到正确的网络状态估计结果是很困难的 ,因为在进行状态估计的过程中 ,必须考虑多个坏数据和多个拓扑错误同时存在的情况。抗差估计理论主要研究抗拒少量粗差 (泛指离群的误差 )对估值的影响。拓扑错误和坏数据可以分别看作带有粗差的网络参数和量测数据 ,因此可以将抗差最小二乘法用于存在拓扑错误和坏数据时的状态估计。算例结果表明 ,抗差最小二乘法具有良好的抗粗差能力和收敛可靠性 ,收敛速度快 ,并能够将抗粗差和状态估计在计算过程中一次完成 ,不需要象普通最小二乘法一样进行多次的状态估计计算。     

豪斯荷德尔正交变换法在状态估计中的应用

本文详细介绍豪斯荷德尔（ＨｏｕｓｅＨｏｌｄｅｒ）正交变换法在状态估计中的应用。该方法与目前状态估计计算中广泛采用的吉文斯（Ｇｉｖｅｎｓ）正交变换法相比具有运行速度快,程序设计简单等优点。经云南大理等地区电业局的现场运行表明,该方法具有数值稳定性高,收敛性好,占有内存小等优点。     

抗差最小二乘法状态估计

研究电力系统状态估计具有重要的理论价值和实际意义,在现代调度控制中心,状态估计是实现EMS/DMS的许多功能:调度员潮流、事故预想分析和调度员模拟培训等的基础.在实际运行的电网自动化系统中,要想实时得到正确的网络状态估计结果是很困难的,因为在进行状态估计的过程中,必须考虑多个坏数据和多个拓扑错误同时存在的情况.抗差估计理论主要研究抗拒少量粗差(泛指离群的误差)对估值的影响.拓扑错误和坏数据可以分别看作带有粗差的网络参数和量测数据,因此可以将抗差最小二乘法用于存在拓扑错误和坏数据时的状态估计.算例结果表明,抗差最小二乘法具有良好的抗粗差能力和收敛可靠性,收敛速度快,并能够将抗粗差和状态估计在计算过程中一次完成,不需要象普通最小二乘法一样进行多次的状态估计计算.     

基于快速分解正交变换状态估计算法的坏数据检测与辨识

提出了在快速分解正交变换状态估计算法中检测与辨识坏数据的新方法。该方法成功地将假设检验辨识法(HTI)和量测补偿法的思想应用于基于快速分解状态估计算法的坏数据检测与辨识,用基于对增广的量测雅可比矩阵进行Givens行变换的方法计算和更新残差协方差矩阵,在建立可疑量测集时,考虑有功类量测误差对无功类量测残差的影响和无功类量测误差对有功类量测残差的影响。算例说明,该方法检测与辨识坏数据的能力较强。     

基于神经网络的电力系统状态估计

本文以Tank和Hopfield神经网络为基础，建立了一种由主从网络构成的电力系统状态估计神经网络模型。理论分析和实例模拟结果表明：该网络是稳定的，该方法是可行有效的。