基于AMI全量测点分区的配电网动态状态估计方法

针对传统配电网三相不平衡动态状态估计存在计算速度较慢且估计精度较低的问题,提出了一种基于高级量测体系(AMI)全量测点分区的配电网的动态状态估计方法。以AMI全量测点作为配电网分区节点,提出综合3个指标的分区目标函数对配电网进行分区,可对子区域进行完全解耦,缩小系统规模;并通过所提数据融合框架进行多尺度量测数据的融合,以远程终端单元量测周期为基准,融合量测周期较长的AMI量测数据,对非AMI量测时刻的系统状态进行跟随。提出一种基于子区域数据融合方法的高精度集合卡尔曼滤波算法,采用协方差膨胀法改进滤波发散的问题。算例仿真结果表明所提方法有效地提高了配电网动态状态估计的计算速度和估计精度。     

考虑AMI量测特性的配电网状态估计

作为高级量测体系(advanced metering infrastructure,AMI)的核心设备,智能电表采集配电网末端用户处的分时段用电信息,为电力公司提供了全系统范围的量测值。针对状态估计的在线与离线应用场景和AMI数据的两种读取方式,分别提出了考虑AMI量测特性的综合利用SCADA和AMI量测数据进行配电网状态估计的方法。该方法运用SCADA数据修正下游节点的AM I数据,以解决AM I数据的延迟和周期问题。以IEEE 13节点中低压混合配电网为例,对招读方式得到的AMI数据在离线状态估计中的应用进行了分析与验证。结果表明本文方法可以有效考虑AMI的量测特性,提高状态估计的精度,缩短状态估计的周期,为电力公司的决策提供更有效的依据。     

基于多准则分区和WLS-PDIPM算法的有源配电网状态估计

针对复杂有源配电网三相不平衡状态估计计算速度较慢与计算精度较低的问题,提出了一种基于多准则分区和基本加权最小二乘法—原对偶内点法(WLS-PDIPM)混合算法的状态估计方法。基于对有源配电网中实时量测、虚拟量测和伪量测的配置分析,建立了适用于复杂有源配电网状态估计的多准则分区优化模型,该模型综合考虑了分区后各子区域规模均衡、量测冗余度均衡及伪量测平均误差均衡。通过高级量测体系(AMI)全量测点实现各子区域完全解耦,有效减小了系统规模和雅可比矩阵阶数。所提方法将WLS与PDIPM的优点相结合,在提高算法精度的同时减少了计算时间。仿真算例结果表明所提方法可实现对复杂有源配电网的合理分区,有效提高了状态估计的计算速度与求解精度。     

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。     

一种配电网状态估计实用快速算法

为了解决配电网状态估计规模大、求解困难的问题,提出一种配电系统量测区域分解方法,将配电网中各馈线分解成多个量测区域,使得分解后各个区域之间解耦,并且对系统中数量庞大的负荷进行分组合并,进一步降低问题求解难度。针对配电系统中量测特点,构建了基于量测变换和零注入约束的状态估计算法。该算法可以充分利用各种量测信息,计算速度快、收敛性好。算例验证表明,所提出的方法高效可行,满足当前配电系统在线实时应用的要求。     

计及AMI的配网分层状态估计及伪量测计算北大核心CSCD

针对高级量测体系AMI(advanced metering infrastructure)带来的新的实时量测数据,提出一种改进的智能配电网状态估计方法,以AMI量测节点作为边界节点对配电网进行分层,将系统解耦为若干子区域实现并行计算。再在配网系统解耦的基础上,提出基于子区域负荷分配系数预测的节点负荷伪量测生成方法。最后,将IEEE33标准配电系统配置5个AMI量测节点,对其进行分层状态估计,并生成节点负荷伪量测数据。结果表明:与整体估计相比,分层状态估计方法在保证高精度的前提下提高了计算速度;生成的伪量测数据精度优于负荷预测得到的伪量测数据。     

计及AMI的配网分层状态估计及伪量测计算

针对高级量测体系AMI(advanced metering infrastructure)带来的新的实时量测数据,提出一种改进的智能配电网状态估计方法,以AMI量测节点作为边界节点对配电网进行分层,将系统解耦为若干子区域实现并行计算。再在配网系统解耦的基础上,提出基于子区域负荷分配系数预测的节点负荷伪量测生成方法。最后,将IEEE33标准配电系统配置5个AMI量测节点,对其进行分层状态估计,并生成节点负荷伪量测数据。结果表明:与整体估计相比,分层状态估计方法在保证高精度的前提下提高了计算速度;生成的伪量测数据精度优于负荷预测得到的伪量测数据。     

基于Forney式因子图的主动配电网状态估计

实时准确的运行数据是实现主动配电网在线运行分析与智能化控制管理的基础。为了解决配电网实时量测不足带来的估计结果不理想的问题,依据通信领域的置信传播(BP)算法,提出一种基于Forney式因子图的主动配电网状态估计方法。考虑到具体用户量测的稀缺性及分布式电源运行时受气候影响的随机性,该方法首先通过历史负荷曲线获得先验分布,为配电网建立了统计学的计及光照辐射度及风速的Forney式因子图模型,然后利用BP算法全局推理变量节点及因子节点双向传递的本地置信度和状态信息,来获得各状态变量的边缘分布。通过对某地区11节点配电网系统和IEEE 33节点配电网系统进行仿真,表明了所述方法具有良好的实时性且在配电网实时量测不足的情况下也有较理想的估计结果。     

面向精细化频率控制的配电网负荷量测软同步方法EI北大核心CSCD

在新型电力系统中,高比例新能源出力的不确定性对系统频率安全造成了严峻挑战,中低压配电网负荷参与频率控制成为趋势。然而,配电网负荷量测普遍存在时标异步的问题,给在线负荷准确估计带来了困难,对开展精细化频率控制造成影响。鉴于此,该文提出一种基于软同步的配电网负荷量测联合校正方法。首先,通过分析量测数据矩阵的秩增特性,采用低秩矩阵恢复的思路构建目标函数;在此基础上,采用数据驱动的思路,根据用户用电行为的周期平稳性提出相关约束;以上模型与传统的配电网物理约束和电量平衡约束共同构成了模型–数据联合驱动的凸优化问题。仿真结果验证了该文方法的独特优势,即无需各量测设备误差的概率分布等先验信息,且结果相比传统方法有更高的估计精度。     

基于改进自适应UKF算法的中压配电网鲁棒动态状态估计方法

针对中压配电网缺少实时量测、伪量测精度较低以及现有的动态状态估计（dynamic state estimation,DSE）方法均采用恒定系统处理状态过程噪声的问题，提出了一种基于改进自适应无迹卡尔曼滤波（unscented kalman filter,UKF）算法的中压配电网鲁棒DSE方法。首先，利用中压配电网变压器低压侧的智能电表量测和变压器模型，推导出等效中压量测以增强中压配网量测冗余度；然后，借鉴信号处理技术对系统状态过程噪声的协方差矩阵实时更新并融入UKF算法，以减轻状态预测和量测滤波的不确定性；最后，基于15节点中压配电网进行仿真。仿真结果表明：所提方法能够有效地进行中压配电网的动态状态估计，获取更为精确的态势感知信息。     

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。     

基于脉冲神经网络伪量测建模的配电网三相状态估计

为了给配电网管理系统提供全面准确的实时数据,配电网三相状态估计显得尤为重要。针对当前配电网量测信息不足,提出了基于脉冲神经网络(SNN)伪量测建模的配电网三相状态估计。该方法首先将实时和部分历史支路功率量测输入SNN进行伪量测建模,然后由高斯混合模型生成相应的量测误差,最后进行基于加权最小二乘法的配电网三相状态估计。理论分析和算例验证表明,所提模型不仅能够在正常通信时有效提高配电网状态估计精度,而且能在通信故障时保证估计精度在合理范围内,进而为配电网的运行控制提供参考依据。     

基于智能电表和PMU混合量测的低压配电网三相状态估计

随着同步相量量测PMU等新型测量装置的发展以及智能电表的广泛布置,为保证低压配电网安全可靠运行,提升其态势感知能力,提出一种基于智能电表和PMU混合量测的低压配电网三相状态估计方法。该方法同时采用低压配电网智能电表采集的实时量测和PMU同步相量量测,显著提高了低压配电网测量数据的冗余度,以端点注入电流平衡方程为基础,建立了低压配电网最小二乘估计模型。基于IEEE13节点修正系统,对该方法进行了仿真分析。仿真结果表明,所建模型可以对低压配电网的三相状态进行精确估计,且计算速度快收敛可靠。     

基于图注意力网络的配电网超分辨率量测生成方法

针对配电网中量测布局不均、精度不足等问题,提出了一种基于图注意力网络的配电网超分辨率量测生成方法。该方法可提高配电网状态量时空分辨率,且具有拓扑泛化能力,可适应配电网重构拓扑工况,以最小化量测采集实现配电网高精度状态感知。所提方法通过注意力机制学习节点电气状态量之间的关联关系,将潮流约束加入模型训练中并设计了模型训练所需的最小拓扑集,避免对训练样本数据的过拟合,提高生成模型泛化能力。最后,通过IEEE 33节点和IEEE 123节点标准配电网算例验证了所提方法的有效性。     

基于深度神经网络伪量测建模的交直流混合配电网交替迭代法状态估计

当前配电网状态估计面临的一个突出问题是实时量测数量不足,难以实现全网可观性。为了给配电管理系统提供准确的基础数据,提出一种基于深度神经网络伪量测建模的交直流混合配电网交替迭代状态估计方法。首先,建立电压源换流器的稳态模型和混合配电网的实时量测模型;然后,利用历史量测数据对深度神经网络进行离线训练,建立负荷节点注入功率的伪量测模型;最后,对交流区域和直流区域进行交替迭代状态估计,在交替过程中区域间交换VSC支路状态量的估计值,保证了边界状态量的一致性。算例测试结果表明,所提方法能在实时量测覆盖率低的情况下,准确估计混合配电网的状态值。     

基于深度神经网络伪量测建模的交直流混合配电网交替迭代法状态估计

当前配电网状态估计面临的一个突出问题是实时量测数量不足,难以实现全网可观性。为了给配电管理系统提供准确的基础数据,提出一种基于深度神经网络伪量测建模的交直流混合配电网交替迭代状态估计方法。首先,建立电压源换流器的稳态模型和混合配电网的实时量测模型;然后,利用历史量测数据对深度神经网络进行离线训练,建立负荷节点注入功率的伪量测模型;最后,对交流区域和直流区域进行交替迭代状态估计,在交替过程中区域间交换VSC支路状态量的估计值,保证了边界状态量的一致性。算例测试结果表明,所提方法能在实时量测覆盖率低的情况下,准确估计混合配电网的状态值。     

深度学习辅助的区域交直流配电网区间状态估计

针对区域交直流混合配电网中实时量测覆盖率低、量测误差分布具有不确定性的问题,提出了基于深度神经网络(DNN)伪量测建模的交直流配电网区间状态估计方法。该方法首先对DNN进行离线训练,然后将实时量测数据和电压源换流器控制的变量值作为DNN的输入特征,建立伪量测模型;接着,在实时量测更新时,利用已训练好的DNN快速生成伪量测;最后,对伪量测和实时量测的不确定性采用区间形式建模并进行区间状态估计,进而准确监测交直流系统状态。算例仿真结果表明,所提方法能够避免对量测误差的概率分布进行假设,并且能够在低冗余量测配置或量测缺失时,准确获得交直流配电网状态变量的上下界信息。     

基于自适应稀疏伪谱逼近新方法的随机状态估计:模型及算法

进行快速准确的不确定性状态估计,是进行电力系统不确定性分析、控制及优化的基础。该文提出基于多输出自适应稀疏伪谱逼近新方法(newadaptivesparsepsedospectral approximation method for multi-output problems,NA-SPAMMOP)的随机状态估计新模型及求解方法。构建完整的随机状态估计新模型,该模型完整地计及了基于AMI信息的负荷、分布式发电伪量测的不确定性,及部分因仪表精度偏低而具有较大量测误差的实际量测的不确定性;提出服从任意分布的随机量测的正交多项式系求取与随机量测的变换方法,使得该方法能够适应于任意连续分布的随机量测,并以命题的形式证明所提出的随机量测变换方法可使得SPAM类方法的计算效率最高;构建基于NA-SPAM-MOP的随机状态估计新模型的有效求解算法,实现了系统状态变量的各阶矩、概率密度函数及包含状态变量真值的置信区间的快速求解,经分析,该算法的计算复杂性远低于蒙特卡罗类抽样方法。算例证明了所提出模型及算法的有效性。     

基于状态估计的含DG配电网故障定位

DG的接入使得配电网故障定位更加复杂。提出了一种基于状态估计的配电网故障定位方法。首先分析了状态估计在配电网故障定位的方程,提出了故障定位的伪量测方法,即固定某些量测量不变,从而减小状态变量的计算量。其次分析了配电网中接入DG后其对短路电流的影响,并给出了相应的表达式,建立了基于状态估计DG伪量测数学模型,该模型利用量测误差对故障进行定位,误差最小的节点确定为故障节点。最后利用含DG的IEEE 34节点对系统进行了仿真,分析了系统正常运行时、发生三相平衡故障时和发生相间短路时的故障定位情况,说明了所提方法的准确性和可行性。     

配电网状态估计的全局灵敏度分析及应用

在配电网状态估计中,量测装置配置不齐全,通常引入伪量测来满足系统的可观性要求。考虑到量测数据有一定的误差以及伪量测与真实值之间可能存在偏差,配电网状态估计的量测和伪量测存在不确定性,这会影响配电网状态估计的准确性。文中提出了配电网状态估计的全局灵敏度分析方法,辨识影响状态估计精度的关键(伪)量测不确定性因素及其位置;利用稀疏多项式混沌展开计算全局灵敏度指标,以提高全局灵敏度分析的计算效率;建立了基于不确定性因素重要性排序的量测装置布点方法。采用IEEE 33节点配电网进行仿真,通过与常用方法进行比较,验证了所提方法的有效性。该方法克服了传统状态估计灵敏度分析方法的不足,能有效评估(伪)量测不确定性因素的交互作用对状态估计的影响;此外,基于全局灵敏度分析的量测装置布点方法能显著提高配电网状态估计精度。