基于相量量测的电力系统线性状态估计

分析了相量量测装置的量测误差情况，指出了相量量测参与状态估计计算的必要性。在完全使用相量量测的情况下，给出了基于直角坐标系的实数形式的电力系统线性量测方程和相应的线性静态状态估计算法。对负荷预报加潮流计算的系统状态预报方法进行改进，通过对误差协方差阵计算公式的推导与简化，提出了新的预报误差协方差阵计算公式，并将其与线性量测方程相结合，提出了基于相量量测的线性动态状态估计算法。最后讨论了线性状态估计算法的使用条件，并采用IEEE 30节点系统对提出的算法进行了验证。     

基于相量量测的电力系统线性状态估计

分析了相量量测装置的量测误差情况,指出了相量量测参与状态估计计算的必要性。在完全使用相量量测的情况下,给出了基于直角坐标系的实数形式的电力系统线性量测方程和相应的线性静态状态估计算法。对负荷预报加潮流计算的系统状态预报方法进行改进,通过对误差协方差阵计算公式的推导与简化,提出了新的预报误差协方差阵计算公式,并将其与线性量测方程相结合,提出了基于相量量测的线性动态状态估计算法。最后讨论了线性状态估计算法的使用条件,并采用IEEE30节点系统对提出的算法进行了验证。     

基于混合量测的电力系统线性动态状态估计算法

针对当前电力系统中广域测量系统（WAMS）和数据采集与监控（SCADA）系统并存的现状,利用量测变换技术,将SCADA系统下支路功率量测和节点注入功率量测转换为等效的电流相量量测,并与WAMS组成混合量测系统,在此基础上提出了直角坐标系下的线性动态状态估计算法。该算法采用Holt两参数线性指数平滑技术,结合线性定常系统Kalman滤波原理,实现了系统状态的预测和估计。该算法具有常数雅可比矩阵,从而大大减少了动态状态估计的计算时间,保证了动态状态估计的计算精度。通过IEEE14节点系统的仿真结果,验证了该算法的有效性和优越性。     

基于混合量测的电力系统动态状态估计

针对目前广域量测量无法单独进行状态估计的问题,引入部分SCADA功率量测与广域量测一起构成混合量测系统,提出了基于混合量测的动态状态估计算法。该算法采用扩展卡尔曼滤波算法实现状态预测与滤波,并能利用精度高和短期更新的广域量测数据去提高状态滤波效果。仿真分析表明,当广域量测在混合量测数据所占比例逐渐增加以及广域量测更新周期缩短后,状态预测和滤波结果精度均会有明显提高。     

基于灵敏度分析的线性混合量测状态估计

提出一种基于灵敏度矩阵并以相量测量单元(PMU)采样为周期的混合量测线性估计方法.把PMU的电流量测转换成功率量测,在初始计算时刻与基于监控和数据采集系统的量测一起进行非线性运算,得到状态估计值和功率量测量之间的灵敏度矩阵.在后续的PMU采样时刻,将转换得到的功率量测和通过负荷预报补充的伪量测组成混合量测,然后根据求得的灵敏度矩阵进行以PMU采样为周期的线性跟踪计算.当估计误差积累到一定程度时,重新进行一次混合非线性计算以更新灵敏度矩阵.通过IEEE 118节点系统,给出了负荷变化速率、预报误差和PMU量测数对所提估计方法计算精度的影响.结果表明,负荷变化越慢、预报误差越小、PMU的个数越多,其跟踪计算精度越高.     

基于超短期负荷预测和混合量测的线性动态状态估计

目前电力系统量测主要是广域测量系统(wide area measurement system,WAMS)和数据采集与监控系统(supervisory control and data acquisition,SCADA)混合量测并存。利用量测变换技术,将SCADA系统下支路功率量测和节点注入功率量测转换为等效的电流相量量测,并与WAMS量测组成混合量测系统,在此基础上提出了直角坐标系下的线性动态状态估计算法。此外,采用高精度的母线超短期负荷预测并通过潮流计算得到预测值,实现了系统状态的实时跟踪预测。该算法减少了动态状态估计的计算时间,提高了动态状态估计的计算精度。采用IEEE14节点系统对提出的算法进行了验证。     

基于PMU/SCADA混合量测的电力系统状态估计

为提高电力系统状态估计的准确度,在现有理论基础上提出了基于PMU/SCADA混合量测的状态估计方法,将电力系统划分为线性区域和非线性区域,在线性区域内计算与安装PMU装置相关联节点处的电压相量,将该计算结果作为间接量测引入非线性区域的状态估计中,从而使状态估计的准确度有所提高.仿真实验表明,在IEEE-14系统中,该算法计算速度快,能有效提高状态估计的精度,具有一定的实用价值.     

基于PMU量测的城市电力系统分布式状态估计算法

针对未来微网和新能源大量接入城市电网后,电力系统状态估计功能的计算数据量过大,计算速度缓慢的问题,文中提出了一种适用于城市电力系统的基于相量量测装置(PMU)量测的分布式状态估计算法。该算法将城区电网分层分区,将PMU的同步相量量测引入县调层和地调层的分布式状态估计中,不仅在县调层实现并行计算,而且在地调层满足线性状态估计条件,最终达到提高状态估计速度的目标。文中利用IEEE 118节点系统对新算法进行了测试,仿真结果验证了新算法有效提升了状态估计的速度。     

混合量测用于电力系统状态估计

根据目前PMU的配置状况和PMU与SCADA的数据特点,提出了一种基于PMU与SCADA混合量测的状态估计方法。该方法将非线性估计结果作为伪量测量加入线性估计中,并根据平均距离动态地调整伪量测量的权值,然后通过插值对非线性可观测区域进行实时的近似估计。最后通过IEEE14、IEEE57系统进行了仿真。仿真表明即使在PMU配置较少的情况下,该方法亦能够有效改进非线性可观测区域状态估计的精度和刷新速度。该方法兼顾了PMU和SCADA的特点,有较好的应用价值。     

基于广域测量系统的电力系统状态估计

根据雅可比矩阵的不同形式,提出了3种将相量测量单元的状态变量量测转换成相应支路电流量测的电力系统状态估计方法。用量测量真值叠加随机误差来模拟量测噪声,这使得每一个量测量值都有不同的标准差,即每一个量测量值都有不同的权重,提高了估计精度。IEEE5节点和IEEE39节点系统算例验证了文中所述方法的正确性。     

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。     

利用PMU数据提高电力系统状态估计精度的方法

同步相量测量单元(phasor measurements units,PMU)因能测得高精度的同步相量数据而被广泛应用于电力系统中,而传统的监控及数据采集系统(supervisory control and data acquisition,SCADA)是电力系统运行和静态安全监视的基础。文中提出了一种PMU与SCADA数据共存的数学模型用于电力系统状态估计。该模型在保留原有SCADA数据的同时,通过虚拟测量方法对PMU观测范围进行大范围拓展,提高数据冗余度及状态估计的精度。仿真结果表明,该方法具有较高的估计精度,且不受网络拓扑结构和PMU数量限制,适于SCADA和PMU数据共存系统。     

基于PMU量测数据和SCADA数据融合的电力系统状态估计方法

针对传统静态状态估计方法的缺点,提出了一种改进的电力系统状态估计方法,即将部分节点相量测量单元(phasor measurement unit,PMU)量测数据与监控数据采集(supervisory control and data acquisition,SCADA)量测数据融合进行电力系统的全网状态估计。该方法简化了系统的雅可比矩阵,缩短了计算时间。文章研究了PMU和SCADA系统融合改进后的快速分解法,针对SCADA量测数据的缺点,通过历史数据库对潮流数据进行预测,并依据PMU量测量对系统进行分析,继而进行系统全网状态的动态监测。通过算例证明,与传统的估计方法相比,该方法改善了状态估计的精确性,减少了迭代次数,细致地描绘了电网状态的变化过程,为调度中心下一步的决策提供了依据。     

计及PMU的混合非线性状态估计新方法

提出一种将同步相量测量单元（PMU）的直接电压相量量测变换为间接支路电流量测,并与监控与数据采集（SCADA）量测量一起进行混合迭代的非线性状态估计方法。对构造等效电流修正量而带来的间接量测误差进行了详细和定量的分析,并对该混合估计算法的精度进行了定性分析和定量计算。理论分析和算例表明,该方法可以获得较高的估计精度,在收敛次数和滤波效果上也有所改进。     

基于SCADA/PMU混合量测的广域动态实时状态估计方法

根据来自监视控制与数据采集(supervisory control and data acquisition,SCADA)系统和相量测量单元(phasor measurement unit,PMU)的数据特点,提出了一种基于SCADA/PMU混合量测的广域动态实时状态估计方法,该方法充分利用了各节点间电压变化的相互联系,通过SCADA系统提供的初始值和安装PMU的节点的电压量测可简单地获得其他未安装PMU节点的电压相量。该方法有效地解决了在PMU配置不足的情况下如何观测电网状态以及如何在动态过程下实时观测电网。最后,通过对新英格兰10机39节点系统的多种故障进行仿真,验证了该方法的有效性和准确性。     

动态状态估计中PMU配置的离散粒子群优化算法

以提高动态状态估计精度为目标,采用离散粒子群优化(discrete particle swarm optimization,DPSO)算法对同步相量测量单元(phsor measurement unit,PMU)的配置点进行优化。该方法克服了传统解析优化方法难以适应不连续目标函数和不连通约束域等情况的缺点,同时,在配置有限PMU的情况下使PMU量测量发挥最大效益。最后对基于扩展Kalman滤波算法的动态状态估计模型进行仿真,证明了经DPSO优化后的配置与随机配置相比最大可能地利用了PMU的高精度量测信息,充分发挥了PMU量测的优点,大大提高了动态状态估计的精度。     

基于不可观测深度的分阶段PMU配置算法

首先介绍了不可观测深度的概念,然后提出混合运用广域测量系统和能量管理系统的数据进行线性状态估计的方法以弥补PMU量测的不足,以此作为在系统不完全可观条件下进行PMU配置的前提。不完全可观系统PMU配置模型能处理如通信条件限制、已配置了部分PMU等约束条件,并能用0-1线性整数规划模型求解。文章最后提出了PMU分阶段配置的方法,并在新英格兰测试系统和浙江电网中进行了验证。结果表明,PMU分阶段优化配置能有效减少初期费用,并且随着系统不可观测深度的降低,线性状态估计的效果更好。     

PMU在多区域互联系统状态估计中的应用

利用PMU和SCADA (数据采集与监控系统)组成混合量测,提出一种基于PMU量测多区域互联系统状态估计方法.从通过对角块加边模型(BBDF)的方法对大规模系统进行分区出发,在各区域内部单独进行状态估计的基础上,推导通过区域间数据交换得到修正的各区域外网戴维南等值,进而利用边界条件构造基于边界节点状态量的状态迭代模型,并通过不断修正各子系统相应的外界节点状态得到整个系统状态估计结果,通过6机25节点系统的仿真结果,验证了算法的有效性及优越性.