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。     

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。     

计及PMU的二次状态估计模型的研究

随着相量测量装置（PMU）在电网中的推广应用,其量测结果己成为电力系统重要的数据源之一。将PMU支路电流量测转换为支路潮流量测,使电流相量量测在状态估计中得到了有效的利用。二次估计模型首先把PMU节点的状态量测值作为估计值,PMU支路量测通过变换参与到非线性估计,收敛后再利用非线性估计结果和PMU量测进行线性估计。该模型在充分利用PMU量测特性,保持较高的估计精度的同时,也提高了方程数值稳定性和收敛速度。在快速分解算法的基础上,通过IEEE9和IEEE30节点系统仿真验证本文模型的有效性。     

计及PMU电压和电流量测量的三相状态估计的研究

基于GPS的同步相量测量单元（PMU）是一种新型的高精度测量装置,能够测量母线电压相量和支路电流相量.提出了基于PMU母线电压量测和支路电流量测的三相状态估计模型,在谐波测量中采用高精度FFT算法,有效地提高了测量精度.提出的基于PMU量测的三相状态估计和谐波状态估计可以从根本上解决电力系统电压、电流非纯正弦和三相不平衡所带来的误差影响,提高了状态估计精度和稳定性,最后讨论了对该算法的评估方法.     

计及PMU的分布式状态估计的研究

随着相量测量装置在电网中的推广应用,其量测己成为电力系统重要的数据源之一.将PMU支路电流量测转换为支路潮流量测,使电流相量量测在分布式状态估计中得到了有效的利用.在快速分解算法的基础上,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)的分布式电力系统状态估计算法,即利用PMU量测进行子系统参考节点协调,并通过在子系统边界节点配置PMU,使相互之间完全解藕,实现各子系统的并行计算,加快了计算速度,提高了数值精度和稳定性.给出了IEEE9节点的仿真结果,验证了该算法的有效性及优越性.     

基于广域测量系统的状态估计研究综述

广域测量系统（WAMS）的逐步发展给电力系统在线分析方法提供了一个新思路。针对WAMS测量精度高、具有同步相量测量功能以及数据传输快等特点，分别从引入高精度节点电压相量量测的状态估计算法、引入高精度支路电流相量量测的算法、引入全部WAMS量测的算法以及其他与WAMS状态估计相关的问题等4个方面，介绍了目前引入WAMS量测的各种状态估计算法；并详细分析了各种算法的优缺点和适用范围，从工程应用出发研究其可行性，对部分算法给出了改进措施。讨论了WAMS的不良数据检测与辨识问题、相量测量装置（PMU）的最优配置问题以及基于PMU的动态状态估计和谐波状态估计等与WAMS状态估计相关的其他问题。     

多采样周期混合量测环境下的主动配电网状态估计方法

针对主动配电网中远程终端单元(RTU)、相量测量单元(PMU)与高级量测体系(AMI)多采样周期量测数据长期共存的实际情况,提出了一种基于RTU,PMU,AMI混合量测的主动配电网状态估计混合算法。该混合算法由非线性静态状态估计、线性静态状态估计与线性动态状态估计3种算法组成。线性动态状态估计与线性静态状态估计利用PMU量测与RTU量测,实时跟踪系统注入节点有功功率与无功功率的变化,在非AMI量测的采集时刻,为非线性静态状态估计提供高精度的虚拟量测。所提算法缩短了非线性静态状态估计的计算周期,提高了非线性静态状态估计的精度,提升了对主动配电网运行状态的预测能力。通过算例仿真,验证了所提算法的有效性。     

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.     

基于混合量测的二次线性状态估计方法及其工程应用

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,如果仍采用传统非线性估计模型,将面临PMU量测计算权值难以确定、PMU量测坏数据辨识不准、相角参考点和成熟商用程序改动等多方面问题。提出了一种基于混合量测的二次线性状态估计方法。该方法在传统非线性状态估计收敛后,利用其结果中的各节点电压幅值及相角估计值和PMU相量量测再进行二次线性状态估计计算,有效解决了上述问题。最后结合电网实例验证了该方法的有效性。     

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。     

计及广域测量信息的状态估计错误参数识别与修正

因电网元件参数可能随工作环境变化而改变、遥信量在干扰下可能出现错误,需要对状态估计中的错误参数进行识别和修正。根据当前监控与数据采集（SCADA）系统和广域测量系统（WAMS）量测共存的状况,引入WAMS量测求得的功率残差和零注入节点功率残差,与SCADA量测残差一起构成拉格朗日函数,由优化理论得出参数误差与各残差的灵敏度关系,从而进一步识别和修正错误参数。所述方法不仅避免了增广参数估计维数高的问题,还利用了高精度的相量量测信息。在标准测试系统上的仿真结果验证了方法的有效性。     

A Novel Topological Genetic Algorithm-Based Phasor Measurement Unit Placement and Scheduling Methodology for Enhanced State Estimation

Phasor measurement units are emerging as a potential tool for on-line power system state estimation. Incorporation of phasor measurement units to the existing power system's monitoring system is impeded by various physical and economic constraints. This article proposes a novel topological genetic algorithm for optimal placement of phasor measurement units along with existing conventional measurement units such that state estimation can be achieved with enhanced accuracy and immunity against power grid contingencies. The proposed algorithm optimally places phasor measurement units so that complete observability of the power system is achieved through them and enhanced redundancy in measurement can be accomplished through conventional measurement units. Since practical phasor measurement unit placements are accomplished in multiple horizons, intelligent sorting and phase optimization methodologies have been presented to attain maximum observability during phasing periods. Placement of phasor measurement units with multiple channel limits has also been studied in this article. The efficacy of the proposed topological genetic algorithm for optimizing the number of phasor measurement units and enhancing state estimation under various operating conditions has been validated through extensive simulation studies conducted in IEEE standard bus systems. Practical case studies have been performed in the western and southern region Indian power grids.     

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。     

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。     

自适应遗传算法在PMU优化配置中的应用

基于GPS的同步相量测量单元(PMU)是一种新型的高精度测量装置,能够测量母线电压相量。由于经济和技术等方面的原因,每个节点都配置PMU还不能成为现实。为此,提出了在传统的状态估计的基础上,部分安装PMU以后的状态估计模型。基于此模型,以提高状态估计的精度为目标,引入自适应遗传算法,应用遗传算法的全局搜索特性,自动获取和积累有关搜索空间的知识,并自适应地控制搜索过程来优化PMU的配置数量和安装位置。在遗传操作过程中,引入自适应规则,在线地改变交叉率和变异率,有效地加快了收敛速度和算法跳出局部最优的能力,并用IEEE14节点网络验证了算法的可行性。