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。     

状态估计中不良数据的混合检测辨识法

提出了状态预估与Rn 检测相结合的不良数据的检测辨识方法。该法既能克服残差污染、残差淹没现象 ,又能区分不良数据与突变量。在 18结点系统上进行了数字仿真实验 ,得到了良好的结果     

状态估计中不良数据的混合检测辨识程序设计

设计了状态估计中不良数据的混合检测辨识通用的程序框图,并对框图进行了逐项论述说明。参照框图,用FORTRAN77语言编写程序,对18节点系统进行了数字仿真试验,得到了在无不良数据、有不良数据、有突变量等情况下的辨识结果。验证了本文介绍的检测辨识方法及程序框图的有效性。     

Bad Data Groups in Power System State Estimation

A problem in Power System State Estimation is the detection of Bad Data Groups. These are groups of measurements topologically related so that their normalized residuals are always equal (or nearly so). In this paper we derive numerical and topological methods to identify Bad Data Groups and include simulation and real time test results for the proposed methods.     

模糊数学在状态估计不良数据检测辨识中的应用

根据模糊数学理论提出了一种新的检测不良数据的方法，有效地克服了残差污染和残差淹没现象，并用实例验证了本方法的有效性。     

抗差估计法应用于状态估计中不良数据的检测和辨识

电力系统状态估计是电能管理系统（EMS）的重要组成部分，然而在实际运行的电网自动化系统中，量测数据中不可避免含有不良数据，从而影响状态估计的结果。不良数据的检测是电力系统状态估计的重要功能之一，它能够排除量测采样数据中偶然出现的少数不良数据，提高状态估计的可靠性。文章采用突变检测和抗差估计相结合的方法，并在IEEE118节点网络上进行了验证，结果证明该方法检测辨识的有效性和可靠性。     

考虑输入量不良数据的发电机动态状态估计方法

近年来,基于同步相量测量单元(PMU)量测数据的发电机动态状态估计得到广泛研究.然而,现场运行的PMU受多种因素的影响,可能导致作为状态估计输入量的发电机机端电压或电流量测相量存在不良数据,对状态估计产生影响.针对该问题,提出了一种考虑输入量不良数据的发电机动态状态估计方法.在输入量不良数据对动态状态估计影响分析的基础...     

复杂状态估计不良数据的前推回代追踪辨识方法

本文综合考虑量测数据之间以及量测数据与网络参数之间的电路关联关系,提出了复杂状态估计不良数据的前推回代追踪辨识方法。首先,基于节点度等于1的拓扑搜索原则和节点不平衡功率最小的解环原则,通过拓扑搜索,将电网分解成辐射网结构并形成电网的支路层次矩阵L及对应支路的首末端节点信息矩阵M,然后利用L和M矩阵和本文定义的不良数据判据进行功率和电压的同步前推回代计算和不良数据判断,最终实现参数错误、不良量测数据及拓扑错误的有效辨识。基于IEEE39节点算例系统的仿真验证了该方法的有效性。     

考虑量测坏数据的发电机动态状态估计方法

随着相量测量单元(PMU)的广泛应用,基于PMU的发电机动态状态估计的研究越来越受到重视。如果存在量测坏数据,动态状态估计的滤波效果会受到严重的影响。首先介绍了一种基于无迹卡尔曼滤波(UKF)的发电机动态状态估计方法。然而,由于PMU数据的质量不高,为解决坏数据的问题,推导残差方程得出时变的阈值,再通过一种迭代检测的方法确定坏数据的测点位置。对于坏数据对应的量测,算法将其剔除后重新进行一次估计,以修正估计结果。算例结果表明,该方法能有效抑制量测坏数据对发电机动态状态估计的影响。     

Bad Data Processing in Power System State Estimation by Direct Data Deletion and Hypothesis Tests

This paper proposes a multiple bad data processing procedure for least-squares estimation of power system static state. The procedure is based on residual analysis by iterative deletion of suspected data and hypothesis test validation of the deleted good data. Comparision is made in algebraic, algorithmic and computational aspects with a recently proposed HTI method by Mili et al.[1]. The effectiveness of the proposed bad data processing procedure is demonstrated via serveral numerical examples simulated on the IEEE 30-bus system.     

混合量测状态估计相角参考点坏数据问题的处理方法

基于相量测量单元(PMU)和数据采集与监控(SCADA)混合量测进行状态估计计算时,一旦其相角参考点上的PMU电压相角量测为坏数据,将影响其余所有相角量测引入,污染有功量的总体计算,严重影响计算精度。文中在建立混合量测状态估计计算模型的基础上,提出一种解决相角参考点坏数据问题的处理方法,改变传统状态估计将相角参考点状态量值固定且不参与迭代求解的做法,形成雅可比矩阵时增加相角参考点状态量对应列和PMU量测对应行,将相角参考点状态量同其他节点一样参与迭代求解,当相角参考点上的PMU电压相角量测为坏数据时同样能够被检测和辨识,彻底消除其对计算结果的不利影响。最后,结合电网实例验证了该方法的有效性。     

Measurement Placement in Distribution System State Estimation

This paper introduces a technique for meter placement for the purpose of improving the quality of voltage and angle estimates across a network. The proposed technique is based on the sequential improvement of a bivariate probability index governing relative errors in voltage and angle at each bus. The meter placement problem is simplified by transforming it into a probability bound reduction problem, with the help of the two sided-Chebyshev inequality. A straightforward solution technique is proposed for the latter problem, based on the consideration of 2-sigma error ellipses. The benefits of the proposed technique are revealed by Monte Carlo simulations on a 95-bus UKGDS network model.     

计及等效电流量测变换及坏数据辨识的状态估计方法

针对输电系统和配电系统量测类型多样性及传统状态估计算法的不足,讨论并发展了一种基于等效电流量测变换的状态估计及坏数据检测与辨识方法。该方法是通过对量测系统的实际量测进行等效电流量测变换,并根据误差传播理论改变相应的量测权值而推导出来的,其不仅保留了传统状态估计算法的快速解耦特性,并在无任何假设的情况下实现了雅可比矩阵的完全常数化。算例分析表明,该方法快速有效,并能有效地处理不良数据,能较好地应用于输电系统和配电系统的状态估计计算。     

Autoregressive Filters for the Identification and Replacement of Bad Data in Power System State Estimation

The quadratic cost function J(x?) and the normalized residuals rN are used conventionally for identifying the presence and location of bad measurements in power system state estimation. These are "post estimation" tests and therefore require the complete re-estimation of system states whenever bad data is identified. This paper presents a pre-estimation filter for detection and identification of gross measurement errors. The basic function of this filter is to compare the measured value of a system variable with its predicted value obtained using an autoregressive (AR) model. If the difference exceeds a pre-determined threshold, the measured value is discarded in favor of the predicted value. Each measurement is processed by an AR filter before being used in the state estimation. The performance of the AR filter is tested against that of the J(x?) and rN tests and the results are reported in this paper. The principal advantage of the AR filtering scheme is its speed in bad data identification. Furthermore, it can be used to complement other bad data processing methods.     

电力系统状态估计中相量测量单元的优化配置

利用相量测量单元(PMU)量测的状态估计模型,在等效电流量测变换的状态估计模型的基础上,给出了基于粒子群优化算法(PSO)的PMU配置。经算例验证,尽管在PMU测点数较少时,PSO与遗传算法(GA)的优化结果相同,但随着PMU测点数的增多,PSO优于GA,具有实用价值。     

基于WAMS的混合量测平台的精度研究与PMU配置分析

研究了广域量测系统与数据采集与监控系统组成的混合量测系统下的状态估计精度问题。从状态估计的误差方差阵与雅克比矩阵条件数两个方面定量比较了PMU配量前后混合量测系统的状态估计精度变化,提出一种对电网公司实用而且经济的PMU子站建立的新方案。对目前发展中的广域量测系统具有较好的指导意义。     

改进迭代自组织数据分析法的不良数据辨识

针对迭代自组织数据分析技术A(iterative selforgani zing data analysis technique A-ISODATlA)对初始聚类中心敏感问题,提出将基于遗传算法的改进ISODATA方法用于电力系统不良数据辨识。该方法采用量测值的标准残差rN 和相邻采样时刻量测值之差△z作为特征值,然后采用遗传算法形成初始分类矩阵,通过遗传操作进行迭代计算,实现量测数据的模糊聚类分析,最终根据隶属度的大小来辨识其是否属于不良数据。算例表明,该方法能最终获得全局最优解,从而进行准确的不良数据辨识,避免了初始聚类中心对分类结果的影响。     

基于WAMS的混合量测平台的精度研究与PMU配置分析

研究了广域量测系统与数据采集与监控系统组成的混合量测系统下的状态估计精度问题。从状态估计的误差方差阵与雅克比矩阵条件数两个方面定量比较了PMU配量前后混合量测系统的状态估计精度变化,提出一种对电网公司实用而且经济的PMU子站建立的新方案。对目前发展中的广域量测系统具有较好的指导意义。     

基于改进GSA算法的电网不良数据检测与辨识

基于改进间隙统计算法(GSA),对电力系统的数据进行挖掘,完成电力系统不良数据检测、辨识。以实际电网的实时数据为基础数据和测试数据,采用Matlab编写算法程序,并考虑多种含不良数据的情况进行仿真分析,验证了算法的正确性和有效性。     

基于配电网先验信息的谐波状态估计量测点最优配置

针对现有谐波状态估计量测点数量较多的问题,提出利用独立分量分析(independent component analysis,ICA)和配网先验信息进行量测点优化配置。以负荷的非线性程度和负荷容量的乘积度量节点的谐波发射水平,大于设定阈值的节点作为可疑谐波源。根据量测量维数不少于谐波节点数量,且量测点可提供电压和电流量测的特点,确定量测点数量。再以谐波发射水平、母线电压等级的加权和为目标函数计算可疑谐波源节点的重要度,选择较高重要度的母线配置量测设备。IEEE14节点配电网和某地区实际电网的算例证明了该方法的有效性和实用性。