求解最优潮流问题的内点半定规划法

基于内点半定规划(semi-definite programming,SDP),提出一种求解最优潮流(optimal power flow,OPF)的新方法--SDP-OPF法。该方法将非凸OPF问题等价转换为半定规划问题,然后应用原始-对偶内点法求解。根据OPF半定规划模型的特点,采用基于半定规划的稀疏技术,使存储效率和计算性能得以大幅度提高。以4节点的简单电力系统为例,展示模型等价转换的过程及如何获取原OPF问题的解。IEEE-300节点等6个标准系统的仿真计算表明：所提算法具有超线性收敛性,其计算结果与内点非线性规划的结果一致,且能保证解的全局最优性,可在多项式时间内完成,是一种应用前景广阔的方法。     

基于内点半定规划法的含UPFC的最优潮流

传统最优潮流(OPF)问题是一个非凸优化问题,统一潮流控制器(UPFC)的引入进一步增加了OPF问题的非凸程度,因此传统内点法无法有效保证所得解的全局最优性。基于此,将对初值选取不敏感、具有全局收敛能力的内点半定规划(SDP)算法推广至计及UPFC的电力系统OPF问题中,将UPFC变量添加至系统状态变量中,并对增广变量进行优化重组,利用直角坐标的二次形态将含UPFC的OPF问题映射到SDP空间。对IEEE 30、57、118、300节点系统和一个实际系统进行算例测试,结果表明所提算法有效保证了所得解的全局最优性,对增广变量的优化重组有效提高了算法的计算效率和数值稳定性。     

内点半定规划法求解含机组组合动态最优潮流

考虑电力系统运行的经济性和安全性,建立了含机组组合的动态最优潮流问题的半定规划模型,并采用基于半定规划的内点法直接求解.所提算法采用修正策略处理模型中的离散变量,计算时不需要进行模型分解,收敛性好,能在多项式时间内完成.为提高计算效率,采用了半定规划块状矩阵运算的稀疏技术.通过对IEEE-118节点等4个测试系统24时...     

一种求解机组组合问题的内点半定规划方法

提出一种基于内点半定规划(semidefinite programming,SDP)直接求解机组组合(unit commitment,UC)问题的新方法.通过引入辅助变量,该方法将原整数变量约束转化为凸二次约束,进而将UC问题转化为半定规划问题,并用现代内点法进行求解.针对计算结果中整数变量存在微小偏差的问题,采用启发式技术进行修正.100机24时段等6个系统的仿真结果表明,所提方法能有效处理机组爬坡约束,具有较快的计算时间,适合于求解大规模的UC问题,是一种有应用前景的方法.     

基于内点半定规划的机组组合问题

提出一种基于内点半定规划(semidefinite program- ming, SDP)直接求解机组组合(unit commitment, UC)问题的新方法。通过引入辅助变量,该方法将原整数变量约束转化为凸二次约束,进而将UC问题转化为半定规划问题,并用现代内点法进行求解。针对计算结果中整数变量存在微小偏差的问题,采用启发式技术进行修正。100机24时段等6个系统的仿真结果表明,所提方法能有效处理机组爬坡约束,具有较快的计算时间,适合于求解大规模的UC问题,是一种有应用前景的方法。     

小干扰稳定约束最优潮流的非线性半定规划方法

基于特征值优化理论,提出含小干扰稳定约束最优潮流的非线性半定规划模型和算法,以期解决由于系统状态矩阵谱横坐标函数的隐式和非李普希茨特性引起的建模难问题。在模型中,根据李雅谱诺夫定理,引入正定约束精确表达小干扰稳定。算法设计上,将模型中的正定约束转为非线性约束,使建立的非线性半定规划转换为非线性模型,利用现代内点法进行求解。WSCC-9节点及IEEE-14节点两个系统的计算验证了模型的有效性和算法的高度可靠性,为这一领域的发展提供了新的思路。     

半定规划优潮流的并行计算方法

优潮流的半定规划松弛方法可提高优解的质量,但存在计算时间长的问题。为此,提出了半定规划优潮流的并行计算方法。该方法对半定规划原始-对偶内点法中的Schur方程采用并行方式进行计算,方面,将系数矩阵各行的计算量分配到不同的处理器上完成,以加速方程的形成;另方面,对系数矩阵进行并行Cholesky分解,从而加速方程的求解。IEEE-118节点和IEEE-300节点2个系统的计算结果表明:所提并行算法的加速效果明显,并保持了内点法的良好收敛性,为半定规划优潮流的工程应用提供了可借鉴的经验。     

基于原-对偶内点算法的WLAV状态估计

针对现有ＷＬＡＶ状态估计算法存在的问题,将原－对偶内点算法引入ＷＬＡＶ状态估计问题的求解过程。结合ＷＬＡＶ状态估计问题的特点,提出了罚参数修正及迭代限制方法,并利用稀疏矩阵技术进行计算。算例分析表明,该算法的数值稳定性好、迭代次数少、计算速度较快,性能优于传统方法。     

一种求解机组组合问题的内点半定规划GPU并行算法

针对内点法求解机组组合问题的半定规划(SDP)模型时大规模线性方程组计算时间太长的问题,提出一种基于图形处理器(GPU)的Krylov子空间并行算法.该算法采用预条件处理的拟最小残差法(QMR法),并以矩阵分块技术为基础,在CSR存储格式下使用GPU实现Incomplete Cholesky并行预处理矩阵的计算.通过对不同规模线性方程组的计算分析表明,与传统的Cholesky直接法相比,QMR并行算法具有速度和存储优势,可获得良好的并行加速比.10～100机6个系统的仿真结果也表明,该SDP并行内点法在减少计算时间的同时可求得近似最优解.     

基于多预测校正内点法的WLAV抗差状态估计

针对预测-校正内点法(predictor-corrector primal-dualinterior point method,PCPDIPM)加权最小绝对值状态估计(weighted least absolute squares,WLAV)可能发生校正方向指向错误方向的不足,提出一种基于多预测-校正内点法(multiple PCPDIPM,MPCPDIPM)的WLAV抗差状态估计算法。该算法在PCPDIPM的基础上,通过多次校正,对中心参数动态估计,并采用2阶段线性搜索法确定校正方向在总的牛顿方向中的最优比重,从而保证迭代点向中心轨迹靠拢。最后,通过IEEE算例仿真和我国某省网的测试结果验证了所提方法的有效性。与含不良数据辨识功能的加权最小二乘状态估计相比较,所提方法的收敛速度及抗差能力具有明显的优势。     

配电系统状态估计区域解耦算法

简述了目前常用的配电状态估计算法,分析比较了这些算法各自的优缺点。针对配电系统量测的特点,提出一种配电系统状态估计的区域解耦算法,将配电网中各馈线分解成多个量测区域,使得分解后的各个区域之间解耦,即可以对各个区域单独进行状态估计。该算法无需利用配网辐射特性或者放弃某些实时量测,就可以大大减小计算规模,加快计算速度,因此能充分利用各种量测,还可以应用于弱环网配电系统。理论分析和算例结果表明,所提出的方法高效可行,适合当前配电系统在线应用的实际要求。     

一种改进的Hachtel状态估计方法

电力系统状态估计常用加权最小二乘(W LS)法处理,这种方法中量测权值的悬殊和大量的注入量测会导致信息矩阵出现病态问题,降低算法的收敛性。综合带约束的正规方程(NE/C)法和海克特(H ach te l)法数值稳定性好的优点,把量测量合理分类构建信息矩阵,并采用分块稀疏矩阵技术,形成了一种计算速度快、数值稳定性好的状态估计新算法。理论和算例分析验证了该算法的有效性。     

基于状态估计的电网支路参数估计方法

正确的电网参数是电网安全稳定预警和控制决策的必要基础,研究实用的电网支路参数的估计方法具有重要的现实意义。扩展状态估计法是一种有代表性的参数估计方法,在该算法的实际应用中,发现支路参数不可估计或者估计结果不合理的现象时有发生。该文以IEEE 9系统和中国某实际电网为算例,对扩展状态估计法的性能进行深入研究,找到该方法存在的数值稳定性和局部最优性问题。继而提出一种基于Tabu搜索策略的参数估计方法,经IEEE9标准系统和实际电网算例验证,具有良好的数值稳定性和全局寻优能力,在实际电网得到在线应用。     

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。     

配电网状态估计的一种新算法

加权最小二乘法是当前配电网状态估计的常用算法,但它对于粗差的处理能力不足,量测量中的粗差会使估计结果严重偏离真值.介绍了一种抗差原理,利用权因子把一般性的M估计转换为加权最小二乘法,并将之应用于配电网的状态估计.通过测试,证明该方法可以有效减小或消除量测量里面的粗差影响,对于配电网状态估计技术有较强的实用价值.     

一种实用的配电网状态估计方法

目前配电自动化布点不足造成了部分信息缺失和多数据源的现状,为了给配电网高级应用分析与决策提供良好的数据基础,有必要进行配电网状态估计的研究。文章研究了配电网状态估计方法,提出了状态估计前进行坏数据处理的流程和算法,然后再应用基于加权最小二乘法进行状态估计,得出状态估计结果。     

基于改进图卷积网络的配电网状态估计方法

采用小样本量测信息进行配电网实时状态估计,对提高配电网可靠性,保证其稳定运行具有重要作用。为了在配电网量测信息不足条件下进行高精度状态估计,提出了一种基于改进的图卷积网络(graph convolutional network,GCN)的物理–数据融合配电网状态估计新方法。该方法首先利用少量相量量测单元将配电网进行切割分区,然后根据分区后的最大直径确定卷积网络所需要的卷积模块数量,其次修改了传统GCN中的邻接矩阵表示方法,从而实现利用卷积网络将配电网分区子系统中的状态变量均由量测量表示。通过IEEE33节点典型算例,验证了所提方法有效性。同时,通过与传统的高斯–牛顿优化算法和传统深度学习网络对比测试,结果表明,所提方法不仅能够将计算复杂度转移到离线阶段,而且能够不依赖于高冗余度的伪量测,具有较高的估计精度与计算速度。     

早期产品可靠性预计存在的问题及对策

针对早期产品在可靠性预计过程中存在的普遍问题,以具有代表性的产品为例,给出了相应的对策.     

一种双线性抗差状态估计方法

传统状态估计方法一般需要求解某个非线性非凸优化问题,并用基于梯度的方法予以求解,因而存在难以保证获得全局最优解、可能收敛困难等问题。文中基于国外学者提出的精确线性化量测方程构建了一种双线性抗差状态估计方法。该方法仅需求解一个线性加权最小绝对值估计问题(等价为线性规划问题)、一个非线性变换以及一个线性加权最小二乘估计问题(二次规划问题),从数学上可保证获得全局最优解,并不存在收敛性问题。最后,通过仿真算例验证了所提方法的有效性。