基于无迹卡尔曼滤波的电力系统抗差动态估计

为解决电力系统动态状态估计准确性易受量测不良数据影响的问题,提出基于无迹卡尔曼滤波(Unscented Kalman Filter,UKF)的电力系统抗差动态估计方法。在预测过程中引入时变噪声估计器处理未知系统噪声;利用新息向量判断量测是否存在异常,并使用基于测点正常率最大的静态估计方法辨识不良数据;然后构建更新因子矩阵降低不良数据在动态估计更新过程中的影响。将算法运用于IEEE 14节点标准系统中,仿真结果表明该方法估计结果准确且抗差效果良好。     

电力系统抗差状态估计研究综述

状态估计是电力系统能量管理系统的重要组成部分.传统加权最小二乘估计不具备抗差性,为此产生了抗差估计理论.本文介绍了抗差估计的定义、目标及基本类型,综述了电力系统抗差状态估计的经典方法和新方法.经典方法主要包括M估计、GM估计、高崩溃污染率估计等;新方法包括新息图状态估计、最大相关熵估计、最小信息损失状态估计、最多赞成状...     

基于测量不确定度的电力系统状态估计（二）方法研究

基于正常测点概念构造了相应测点评价函数,用于评价测点是正常测点还是异常测点;在此基础上,提出了以测点正常率最大为目标函数的状态估计新模型.为使估计结果更接近于实际运行情况,模型中可考虑潮流约束和实际物理约束.用现代内点法求解该模型,计算速度快,收敛性好.与以往方法相比,文中所述方法的状态估计结果测点正常率高,可自动辨识不良数据,估计结果不易受不良数据影响,有较强的抗差性;所求得的解为潮流解,满足各种物理约束,更加接近实际;计算中无需进行不良数据检验,无需主观设定测点权重,大幅度减少了调试和维护工作量.     

基于抗差理论的P-Q分解状态估计算法

状态估计是能量管理系统(EMS)的重要组成部分,提高状态估计的计算精度具有重要意义,基于此,在当前状态估计计算中广泛应用的P-Q分解法的基础上,应用抗差估计理论中的极大似然型估计(M估计),构造出一组权函数,从第二次迭代计算开始,根据每次迭代计算后各量测量残差与量测量自身之比的大小,对相应加权值进行修正,使不良数据的权值越来越小,达到弱化不良数据对后续迭代过程影响的目的。最后,以某地区的220 kV电网为实际背景,通过Matlab编程仿真,与P-Q分解的估计数据相比较,证明该改进方法简单实用,并在提高状态估计的估计精度和自动弱化不良数据影响上有很好的效果。     

基于同步相量测量的配电网状态估计方法

为保证现代电力系统配电网的安全稳定运行和供电能力,需要快速获取配电网准确的实时状态进而对系统进行动态分析、评估和控制。本文构建了复数域下基于同步相量测量的配电网线性状态估计模型,考虑节点注入约束提升了测量的冗余性,分析同步相量测量的误差特点并提出复数域最小二乘法求解状态估计问题。面向实际应用需求,通过分析测量残差提出一种权重自适应调整算法,以及一种不良数据辨识和校正的方法。仿真结果表明,所提方法能有效提高配电网状态估计的准确性、实时性和适用性。     

基于指数权函数的抗差状态估计算法

电力系统状态估计是电力调度中心一切高级应用及分析的基础。针对加权最小绝对值法（WLAV）状态估计收敛性较差的问题,提出了指数权函数的状态估计新算法（E-LAV）。该方法采用指数权函数代替WLAV的不连续权函数,从而克服了WLAV方法在权函数间断点收敛性能大大降低的缺点。以4节点系统及IEEE-118系统作为算例的计算结果表明,E-LAV算法在拥有与最小二乘法（WLS）近乎类似的迭代速度的同时,却拥有很强的抗差能力。该算法只需在原有最小二乘法的基础上修改权重矩阵即可,因此拥有良好的工程应用前景。     

基于禁忌搜索算法的相量测量装置最优配置

将相量测量装置(PMU)测量得到的电压相角引入到状态估计中,可有效地提高状态估计精度.但是工程实际中,不可能所有节点都安装PMU,为此,提出了采用禁忌搜索算法对PMU的装设地点进行最优配置.算例表明,经过最优配置后状态估计的精度得到了提高.     

基于最大测点正常率的线路参数增广状态估计方法

线路参数误差会导致状态估计不准确,进而影响能量管理系统的高级应用。基于加权最小二乘的增广状态估计法是一种有代表性的线路参数估计方法,但该方法存在易受量测误差影响等问题。基于测量不确定度理论,提出了一种以最大测点正常率(MNMR)为目标函数的线路参数增广状态估计新方法。与传统增广状态估计方法不同,该方法基于测量不确定度信息,目标是使测点的正常率最大,同时考虑电力系统实际的潮流和物理约束信息。此外,采用高斯核密度估计和点估计方法来提取参数估计结果的统计特征。仿真实验表明,所述方法继承了MNMR抗差状态估计的"抗差"特性,辨识结果不易受量测误差影响,能得到更加合理的线路参数。     

基于等值信息交换的分布式抗差估计算法

提出了一种基于等值信息交换的分布式抗差状态估计算法。各子系统通过等值计算将自身量测信息浓缩成等值信息,协调层收集各子系统的等值信息计算出边界状态量进而实现分布式状态估计。此外,在分布式算法基础上实现了分布式抗差估计。采用等价权原理将指数型目标函数抗差估计方法转换成变权重的加权最小二乘估计,并基于不动点迭代的方法进行求解。在求解过程中,等值信息随着权重值的变化而不断更新,子系统得以综合全系统信息进行抗差估计。最后,构造了多子系统算例和含不良数据的算例对算法进行测试。测试结果表明分布式抗差估计算法具有很高的计算精度和很好的抗差性能。     

基于并行粒子群算法的电力系统分区抗差状态估计

随着对调度自动化水平要求的提高,状态估计发挥着越来越重要的作用。针对抗差状态估计器难以求解以及粒子群算法在高维空间寻优困难等问题,文章提出一种基于并行粒子群算法的抗差状态估计方法。该方法首先借鉴马尔可夫模型以及条件独立性假设对电力网络进行解耦,通过区域间的通信保证量测冗余度,然后对各区域分别采用粒子群算法求解,将求解一个高维空间问题转化为并行求解多个低维空间问题。最后仿真结果表明该方法相比直接使用粒子群算法收敛更快,计算效率更高,并且计算速度受目标函数影响较小,适用于多种抗差估计器。     

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。     

以测点正常率最大为目标的状态估计改进算法

已有研究指出基于测量不确定度的测点正常率是真值未知情况下可信的状态估计结果评价指标,进而提出了以测点正常率最大为目标的抗差状态估计新方法。该方法通过整数测点评价函数的连续近似,建立了状态估计的非线性连续变量优化模型,并采用内点法求解该模型,获取近似优化的估计结果。在上述研究基础上,文中提出了一种改进算法:通过对异常测点进行相容性校验,以获得测点正常率更高的估计结果;通过考虑不等式约束的最小二乘估计对正常测点进行滤波,以获得精度更高的估计结果。算例表明该改进算法可有效提高估计结果的抗差性和准确性,且增加的计算量能够满足应用要求。     

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。     

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。     

电力系统谐波状态估计量测配置算法研究

谐波状态估计技术是在全球定位系统和相量量测技术的基础上发展起来的一项新型技术,是电网谐波分析的一种有效手段.阐述了电力系统谐波状态估计可观性分析概念及主要方法;鉴于谐波量测系统成本造价高,在分析传统量测配置算法优劣的基础上,提出了序贯搜索法结合量测方程数值稳定性和量测子站最少化为目标函数的量测配置优化的算法,实现保证系...     

基于相量量测的等式约束二阶段状态估计模型

利用PMU的量测信息实现系统的动态可观测,考虑PMU数据刷新时间快的特点,在R.F.Nuqui的动态监测模型的基础上建立了适合静态估计的基于等式约束二阶段估计模型。该模型将PMU和SCADA的量测数据共同用于非线性估计,采用零注入节点功率作为等式约束条件来提高估计精度,然后对非线性估计的结果和PMU的支路电流相量进行线性估计。模拟了当系统某节点负荷持续变化时,利用等效导纳法对非线性区域节点状态量进行估计,最后采用IEEE 14和57节点系统算例对提出的模型进行了验证。     

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。     

A Voltage Phasor Based Fault-classification Method for Phasor Measurement Unit Only State Estimator Output

Abstract—This article presents a fault-classification method for transmission lines based on voltage phasors using classification and regression trees. The proposed method is intended to aid system operators in understanding the outputs of a phasor measurement unit only state estimator. Faults are classified into four categories when the estimator is positive sequence and into ten categories when the estimator is three phase. The fault data are generated in PowerWorld® (PowerWorld Corporation, Champaign, IL, USA) and DSA Tools® (Powertech Labs Inc., Surrey, British Columbia, Canada). The pre-fault state consists of a variety of operating conditions and loading angles of faulted lines. The fault condition comprises different fault types, fault locations, fault impedances, and fault incidence angles. Fault classification is done using MATLAB® (The MathWorks, Natick, Massachusetts, USA).The approach is successfully tested on the IEEE-118 bus system. The results demonstrate that the technique developed here is effective and robust, irrespective of the pre-fault and fault conditions.     

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.