基于遗传算法的PMU配置对谐波状态估计质量影响的研究

谐波状态估计的质量是PMU配置数量和安装地点的函数.研究PMU配置对谐波状态估计质量的影响,建立量测方程,并应用最小二乘法求解谐波状态估计的量测方程.建立了综合考虑量测配置PMU投资和状态估计误差的加权数学模型,并应用遗传算法求解加权数学模型,通过对最优代PMU配置方案的分析,给出了不同数目和位置的PMU对谐波状态估计误差和系统可观性的影响规律.利用Matlab搭建了配电网的仿真模型,获得了研究所需的原始数据,仿真算例验证了算法的有效性.     

基于粒子群算法的电力系统非线性谐波状态估计

为增加谐波量测数据的冗余度,提高线性谐波状态估计的可观测度,基于PMU量测数据和SCADA量测数据构成混合量测数据,应用于谐波状态估计,建立非线性谐波状态估计的数学模型。将该非线性数学模型改写为灵敏度模型,并转化为优化问题,应用粒子群算法求解。算例分析表明,非线性谐波状态估计的灵敏度模型是有效的,应用优化算法求解是切实可行的,混合量测数据能提高谐波状态估计的可观测度。     

一种基于配网线路同步相量测量的谐波状态估计量测配置

包括谐波状态估计在内的电力系统广域监测得到越来越多的应用,而兼具小型化与低成本的配网线路微型PMU在广域监测中承担着重要的作用,其量测配置问题是现在研究的空白。简要介绍了谐波状态估计的过程,根据状态估计的要求提出了量测配置方法,给出了基于0-1整数规划的配网线路PMU量测配置流程。将量测算法运用于IEEE18节点、IEEE33节点配电系统以及IEEE14节点标准模型并进行了仿真验证,同时讨论了将配置方法拓展应用于主网的可能性。     

主动配电网多目标PMU最优配置

随着大规模的分布式电源(distributed generation,DG)接入及电网与用户互动增加,主动配电网状态估计结果与量测配置需要考虑更多不确定性因素。为加强对配电网的实时监测与控制,提高配电网运行态势感知能力,需要发展同步相量测量装置(phasor measurement unit,PMU)。在计及DG与负荷不确定性的基础上,建立了考虑经济性、配电网状态估计精度以及节点电压越限概率的多目标PMU最优配置模型。以拟蒙特卡洛方法模拟DG与负荷的不确定性;基于两步式加权最小二乘方法,构建混合量测配电网状态估计模型,并利用改进的自适应多目标二进制差分进化算法进行求解,从而得到特定状态估计误差精度下的PMU最优配置Pareto非劣解集。通过IEEE 33节点配电网系统进行仿真计算分析,验证了所提模型与算法的可行性与有效性。     

基于断路器零阻抗特性的PMU量测状态估计方法

互感器和通信系统噪声使得相量测量单元(PMU)量测量存在随机误差,使得PMU无法准确监测系统动态过程,因此提出一种动态过程中基于PMU量测的状态估计方法。针对故障后网络拓扑改变,集中式状态估计不再可行的问题,提出适用于动态过程的分布式状态估计框架;基于零阻抗特性构造了断路器状态未知情况下的非线性虚拟量测方程,进一步提升冗余度;建立了动态过程中计及断路器零阻抗虚拟量测的状态估计模型,推导了雅可比矩阵的具体形式,并采用非线性加权最小二乘(NWLS)对模型进行求解。仿真分析表明该方法不但能够对节点电压相量和断路器电流相量进行估计,同时能够确定状态未知断路器的开合状态,同时算法满足应用的实时性要求。     

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。     

计及状态估计性能的PMU测点禁忌优化配置

介绍了PMU测点优化配置现状;分别从利用PMU量测提高状态估计精度和状态估计方程数值稳定性出发,给出了PMU测点优化配置模型,并给出了禁忌优化算法。仿真表明,提出的禁忌优化配置算法是有效的。     

基于智能电表和PMU混合量测的低压配电网状态估计方法研究

随着高级量测体系的不断完善和同步相量量测PMU等高精度新型量测装置的发展,为确保低压配电网状态估计性能,提出一种基于智能电表和PMU混合量测的低压配电网状态估计方法。该方法将高级量测体系中的智能电表采集的电压幅值、功率实时量测和PMU同步相量量测相结合,以节点注入电流平衡方程为基础,建立基于指数型权函数的加权最小二乘法模型。模型中利用数据的残差对权函数进行修正,以提高状态估计的抗差性和收敛性。最后基于IEEE 14节点算例系统,对该方法进行仿真分析。仿真结果表明,该方法相较于采用传统加权最小二乘法的状态估计模型,对含有高误差数据的量测数据具有更高的精确性。     

基于改进Hampel抗差法的电网谐波状态估计

针对电网谐波状态的估计问题,分析了量测粗差对于估计结果的影响,建立了考虑粗差辨识的谐波状态估计数学模型,应用Hampel抗差法对量测数据进行了辨识分类,并根据谐波状态估计的特点对算法的阈值函数进行了改进,有效地解决了"残差污染"和"残差淹没"问题。仿真计算及分析结果表明,求解谐波状态估计问题时,改进Hampel抗差法能有效抑制粗差对估计结果的影响,提高了估计精度。     

基于相量量测的电力系统谐波状态估计(I)--理论、模型与求解算法

通过分析现有网络谐波分析理论的局限性与实践中所遇到的困难,提出了基于相量量测的电力系统谐波状态估计算法.选择节点电压作状态量,节点电压、支路电流与注入电流作量测量,建立了各种量测配置的量测方程以及谐波状态估计问题的数学模型.然后,通过总结谐波状态估计算法的基本特点与优化量测方程和母线的编号,提出了谐波状态估计的分层算法,大幅度降低了量测矩阵的维数.     

抵御多点虚假数据攻击的主动配电网状态估计方法

引入同步相量量测装置（PMU）识别虚假数据注入攻击（FDIA）的动态状态估计是实现主动配电网安全准确决策的有效途径。提出一种融合贝叶斯定理的深度森林（BA-DF）FDIA检测机制的混合量测加权平方根容积卡尔曼滤波（WASRCKF）动态状态估计方法。首先,通过图卷积神经网络预测PMU和SCADA混合量测融合,提高数据冗余度;其次,利用WASRCKF估计状态量和混合量测预测量进行加权估计,降低FDIA对状态估计更新层的影响;然后,采用BA-DF进行FDIA检测,判断虚假数据攻击位置,使用混合量测预测值进行修正,形成BA-DF-WASRCKF组合方法。最后,采用PG&E69配电网进行验证,结果表明该方法在不同PMU配置下均可获得更高精度状态估计结果,配置24台PMU的FDIA识别率为95%,较传统方法状态估计精度提高了77.8%。     

基于PMU的量测系统配置及其对状态估计精度的影响

提出一种新的相量测量单元(PMU)配置策略,同时搭建了由数据采集与监控系统(SCADA)和广域测量系统(WAMS)组成的混合量测平台.定量比较PMU阶段性配置过程中状态估计数值稳定性变化、PMU配置前后的估计误差及不同PMU配置方案下的各个母线估计误差.对所提出的经济且实用的PMU子站建设新方案进行了多角度验证.     

计及PMU的电力系统状态估计混合模型的研究

在等效电流量测变换状态估计模型的基础上引入旋转变换,实现方程的实、虚部严格解耦,并建立一种非线性估计和线性估计相结合的混合状态估计模型:首先把PMU节点的状态量测值以及PMU相关节点的状态推算值作为估计值进行非线性估计,然后再利用非线性估计结果和PMU量测进行线性估计。该模型可以充分利用PMU的量测,提高状态估计收敛速度,同时可以进一步利用PMU量测来提高估计精度,所需的存储量较小,具有较好的工程应用前景。最后采用IEEE14和IEEE30节点系统对该模型进行了验证。     

计及PMU支路电流相量的状态估计模型

评述了相量量测在电力系统状态估计中的各种应用模型,包括仅采用相量测量装置(PMU)的量测进行线性估计、在非线性估计中加入PMU电压幅值和相角量测,以及把非线性估计和线性估计结合等方案.把PMU量测值直接作为估计值虽然可以降低估计的维数,但不一定有利于估计精度.当前PMU的配置还难以满足可观性要求,故必须将PMU量测与其他量测一起用于状态估计.但在非线性估计中,很难直接利用PMU支路电流量测,特别是其相角量测.文中提出通过量测变换来计及PMU支路电流幅值和相角量测的模型.对各种非线性估计模型的仿真说明该模型的估计精度优于其他方案.     

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。     

PMU准实时数据对主动配电网抗差估计的影响

由于相量测量单元(PMU)因成本问题无法在配电网中大规模配置,且不同设备向主站传输数据时存在客观的通信延迟、带宽限制等因素,因此状态估计器输入端存在不良数据。提出一种基于同步相量量测的主动配电网抗差估计方法,并提出以虚拟PMU量测模型补充大量的高精度冗余数据。将数据采集与监视控制(SCADA)量测系统、PMU量测和虚拟PMU量测构成的混合量测系统作为状态估计的输入端。考虑网络和量测数据不确定度对抗差M估计算法进行改进,避免了传统加权最小二乘估计中删除坏数据的残差判断和迭代过程,降低了估计耗时,提高了状态估计的可靠性和抗差性能。改进IEEE 14和IEEE 33节点配电网算例的仿真分析,验证了所提方法的有效性和普适性。     

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。     

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。     

一种计及零注入电流的PMU量测线性状态估计方法

为充分利用相量测量单元(Phasor Measurement Unit,PMU)数据进一步提升状态估计精度,提出一种完全基于PMU量测数据的线性加权最小二乘状态估计方法。该方法将联络节点的零注入电流作为虚拟量测。由于最小二乘法的实质是通过量测冗余度提高状态估计精度,因此,虚拟量测的引入提升了冗余度,从而能够提高估计精度。利用IEEE39节点和IEEE118节点系统进行仿真,结果表明完全基于PMU量测的线性状态估计与传统非线性状态估计和混合量测状态估计方法相比能够有效提高估计精度和计算速度。此外,利用IEEE39节点测试系统对量测变换误差进行了比较研究,结果表明提出的方法量测变换误差明显小于SCADA量测变换误差,有助于提升估计精度。     

基于混合量测的电力系统状态估计混合算法

研究了相量量测装置(PMU)相量量测和监控与数据采集(SCADA)量测混合使用时的数据匹配问题,提出了利用状态量转换预测得到预报系统状态和预报节点注入电流向量的方法。在此基础上,提出了应用PMU实时相量量测和预报节点注入电流向量的线性静态状态估计算法,以及应用PMU实时相量量测和预报系统状态的线性动态状态估计算法。文中将这2种算法与传统状态估计算法相结合,组成了状态估计混合算法,保证了状态估计的计算精度。该混合算法有效减少了状态估计的计算时间,对PMU的量测配置也没有严格的要求,具有很好的通用性。最后采用IEEE30节点系统对该方法进行了验证。