基于粒子群进化算法的电力系统状态估计研究

加权最小二乘法是状态估计的常用方法,但在实际应用中经常会遇到算法发散的问题.为了解决这个问题,提出将改进的粒子群进化算法应用到状态估计当中,使加权最小二乘法的收敛性得到了很好的改善.结合IEEE5节点系统,给出了粒子群进化状态估计计算的三点注意事项.经试验得出,对量测点数为16的系统而言,计算时间在50 s左右,量测点数为30的系统的计算时间在3 min左右,量测点数为80的系统,其计算时间在15 min左右.这种算法可以应用在离线状态估计上.     

一种带有等式约束的状态估计新算法

提出了一种新的带等式约束的状态估计算法,利用等式约束条件来修正加权最小二乘所得的状态量。利用这种算法能有效地利用系统中的一些虚拟零注入量测点数据,并且这种算法整体性不亚于拉格朗日多项式构造的等式约束算法,在增加很少计算量的情况下,达到提高状态估计结果精度的目的,保证了最小二乘状态估计的高效性,有利于状态估计的实时应用。     

结合模糊综合评判与决策的电力系统状态估计

针对电力系统状态估计中各种类型量测数据精度对状态估计结果有重要影响的问题,在基本加权最小二乘法估计的基础上,结合模糊综合评判与决策中的层次分析法(Analytic Hierarchy Process,AHP)讨论了一种改进权值确定方法的加权最小二乘法。它是将电力系统状态估计分解为量测值与估计值的差值平方最小(目标)、不同类型的量测值(准则)、各类型量测值相对精度的大小(方案)等层次,在此基础上进行定性和定量分析。通过IEEE 14-bus、IEEE 30-bus和IEEE 57-bus的标准算例进行仿真分析,证明层次分析法确定权值的加权最小二乘法能够有效地计算出电力系统的状态估计值。通过和基本加权最小二乘法进行比较,证明了该方法的优越性和实用性。     

含微电网的电力系统状态估计研究

分布式电源的接入不仅改变了电网的潮流分布和拓扑结构,而且使微电网系统的状态估计面临新的挑战。基于有限的实时量测和包含分布式电源节点的伪量测提出微电网状态估计量（MGSE）,并分别采用改进的传统加权最小二乘法（WLS）和粒子群智能算法（PSO）对微电网进行求解。利用Matlab对一典型欧洲低压微电网系统的状态估计进行仿真,验证了该估计量能准确地描述系统的状态,并比较了两种算法的优劣,为含微电网的电力系统预测控制和性能优化提供了基础。     

基于改进匹配潮流技术的配电网虚拟量测

针对缺少冗余量测的配电网系统,为了简化状态估计方法、保证计算精度,优化配电网络状态,基于匹配潮流思想提出了配电网虚拟量测的概念,建立了以电压量测自适应抗差加权最小二乘为目标函数、以网络潮流匹配和功率失配量分配参数方程为约束条件的虚拟量测数学模型,给出了引入混沌优化、强引导机制的改进粒子群优化求解方法,并详细介绍了配电网虚拟量测的应用流程。采用IEEE8、IEEE33、IEEE69节点系统对该方法进行测试,结果表明,方法可在较少的迭代次数内获得较为准确的配电网状态,且不涉及量测变换、矩阵计算,具有良好的应用前景。     

一种计及零注入电流的PMU量测线性状态估计方法

为充分利用相量测量单元(Phasor Measurement Unit,PMU)数据进一步提升状态估计精度,提出一种完全基于PMU量测数据的线性加权最小二乘状态估计方法。该方法将联络节点的零注入电流作为虚拟量测。由于最小二乘法的实质是通过量测冗余度提高状态估计精度,因此,虚拟量测的引入提升了冗余度,从而能够提高估计精度。利用IEEE39节点和IEEE118节点系统进行仿真,结果表明完全基于PMU量测的线性状态估计与传统非线性状态估计和混合量测状态估计方法相比能够有效提高估计精度和计算速度。此外,利用IEEE39节点测试系统对量测变换误差进行了比较研究,结果表明提出的方法量测变换误差明显小于SCADA量测变换误差,有助于提升估计精度。     

多目标函数预抗差估计

对于电力系统中出现在杠杆量测上的不良数据,传统含不良数据辨识的最小二乘法状态估计不能很好排除不良数据对系统估计结果的影响。本文提出了多目标函数预抗差状态估计,利用可变窗宽算法平衡了指数目标函数状态估计的精度与速度矛盾,同时利用加权最小二乘估计与之相结合,在不同的迭代周期中使用不同的目标函数,使得估计既可以具有结构抗差估计的优秀抗差性能,又使得估计具有最小二乘法相对优秀的收敛性,避免了迭代震荡浪费计算资源的情况。将本文所提方法与传统算法进行比较,结果表明本文所提出的算法在性能上具有明显优势。     

基于遗传算法的PMU配置对谐波状态估计质量影响的研究

谐波状态估计的质量是PMU配置数量和安装地点的函数。研究PMU配置对谐波状态估计质量的影响,建立量测方程,并应用最小二乘法求解谐波状态估计的量测方程。建立了综合考虑量测配置PMU投资和状态估计误差的加权数学模型,并应用遗传算法求解加权数学模型,通过对最优代PMU配置方案的分析,给出了不同数目和位置的PMU对谐波状态估计误差和系统可观性的影响规律。利用Matlab搭建了配电网的仿真模型,获得了研究所需的原始数据,仿真算例验证了算法的有效性。     

提高配电网状态估计精度的量测配置优化方法

为适应配电网的智能化要求,达到提高配电网状态估计精度的目的,应用M-P广义逆矩阵和加权最小二乘问题的唯一极小最小二乘解等数学方法,推导出量测误差和状态向量估计误差之间的数学关系表达式:提出了一种新颖的量测评估和配置优化的方法.利用评估算法对待考察的量测集合进行评估后,从评估结果中选出排序靠前的量测类型和安装位置,从而得到量测装置的配置优化方案.对于算例系统,应用该方法获得的量测配置优化方案,仅需安装少量量测装置就可以提高状态估计精度在60%以上.     

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。     

基于遗传算法的PMU配置对谐波状态估计质量影响的研究

谐波状态估计的质量是PMU配置数量和安装地点的函数.研究PMU配置对谐波状态估计质量的影响,建立量测方程,并应用最小二乘法求解谐波状态估计的量测方程.建立了综合考虑量测配置PMU投资和状态估计误差的加权数学模型,并应用遗传算法求解加权数学模型,通过对最优代PMU配置方案的分析,给出了不同数目和位置的PMU对谐波状态估计误差和系统可观性的影响规律.利用Matlab搭建了配电网的仿真模型,获得了研究所需的原始数据,仿真算例验证了算法的有效性.     

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。     

一种基于等效电压量测变换的电力系统状态估计方法

在基本加权最小二乘法的基础上进行详细推导,提出了一种基于等效电压量测变换的电力系统状态估计方法。通过对IEEE14,30和118节点标准算例的测试仿真,结果表明本文方法可以加快计算速度大大提高状态估计的计算效率。     

基于自动微分技术的电力系统状态估计算法

在常规状态估计模型的基础上,结合自动微分(Automatic Differentiation,AD)技术讨论了一种应用AD技术的状态估计算法。该算法将AD技术分别应用于加权最小二乘状态估计和非线性加权最小二乘状态估计中,利用AD自动生成量测函数的雅克比矩阵和海森矩阵。与传统的手工推导微分解析表达式再编写相应的微分代码方法相比,该方法有效避免了截断误差,显著提高了计算效率。结合IEEE 三个标准算例进行了仿真,分别对运行时间和目标函数值进行了比较,验证了算法的有效性。     

群体智能的系统辨识

概括了系统辨识的方法,重点介绍了最小二乘法、群体智能算法中的粒子群算法和改进的粒子群算法,给出了估计模型的选择方法,并结合某1000MW火电机组实例,运用两种方法进行了系统辨识和仿真.仿真结果表明,最小二乘法可以完成对系统的辨识,但存在较大偏差;采用粒子群算法辨识结果良好.     

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。     

小生境遗传算法在状态估计中的应用

提出了一种基于小生境遗传算法的求解状态估计问题的新方法,根据加权最小二乘法原理导出状态估计模型可计及各种伪量测。采用小生境遗传算法可提高计算速度,并改善收敛性。仿真计算表明,该方法是有效的,而且精度高、数值稳定性好。     

计及分布式电源接入的配电网状态估计

为适应分布式电源接入量测配置较少配电网的需要,基于风电和光伏发电系统的功率预测,提出将分布式电源预测有功功率和“虚拟”无功功率作为伪测量建立带等式约束条件的加权最小二乘状态估计模型。模型中计及异步风力发电机的无功-电压特性对雅克比矩阵进行修正,利用光伏发电系统零无功注入等式约束修正估计结果。基于奇异值分解求解建立的模型以保证状态估计的数值稳定性。通过对IEEE33节点算例的仿真计算,结果表明所建的模型将分布式电源自身特性与加权最小二乘状态估计有效融合,能够更准确反映分布式电源出力状态,从而在不增加量测装置     

电力系统状态估计算法的综合分析

简要介绍了电力系统状态估计的基本概念及功能,描述了状态估计的数学模型。介绍了几种电力系统状态估计的基本算法,即加权最小二乘法、快速分解法、基于量测变换及逐次型的状态估计算法等,并对这些算法作了简明的对比,指出各个算法的优缺点。最后,为了满足电力系统状态估计的要求,又提出了几种新型的状态估计算法。并且指出了状态估计算法中值得研究的几个方面。     

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。