抗差估计理论及其在电力系统中的应用

简单介绍了抗差估计理论的发展过程、基本思想、若干重要概念和 常用的抗差估计方法。介绍了国外抗差估计理论应用于电力系统状态估计方面的研究情况, 提出了值得继续研究的一些问题,指出将抗差估计理论应用于电力系统实时控制和负荷预报 等领域具有重要意义。     

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...     

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。     

一种电力系统量测噪声自适应抗差状态估计方法

为克服传统状态估计方法在处理量测噪声方面的局限性,文中首先提出一种基于最大相关熵准则的抗差状态估计一般模型,该模型可从理论上统一已有的几种抗差状态估计方法,并可导出新的抗差状态估计方法。在此基础上提出一种量测噪声自适应抗差状态估计方法(ARSE),ARSE能够通过统计学习获得量测噪声的分布规律,并与所提出的抗差状态估计一般模型进行在线匹配,从而实现对量测噪声类型的自适应,即在常见的量测噪声分布类型下,ARSE可得到更接近于状态变量真值的估计结果。最后通过仿真算例验证了所述方法的有效性。     

基于Fair函数的电力系统抗差估计

为了得到既有较强抗差性又有较高效率的估值,提出一种基于F a ir函数的抗差状态估计算法。抗差最小二乘估计通过等价权把抗差估计原理与加权最小二乘(W LS)形式有机结合起来,提出了将F a ir函数通过等价权应用于抗差估计,使抗差和状态估计在计算中一次完成。仿真算例表明,该方法可以有效减小或消除粗差的影响,收敛速度快。     

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。     

电力系统中长期负荷预测的参数抗差估计研究

主要介绍提高中长期负荷预测结果的准确性和改善中长期负荷预测方法的抗粗差效果，对中长期负荷预测中参数的抗粗差估计进行了研究，提出了基于权函数的电力系统负荷预测参数抗差估计算法，通过对加权最小二乘法的修改，实现了负荷预报模型参数的抗差估计。算例表明，所提出的算法在处理中长期负荷预测中数据的粗差问题上效果较好，是改善预测精度的有益尝试。     

含指数型目标函数的电力系统抗差状态估计方法在江西电网中的应用

电力系统状态估计是能量管理系统的核心和基础模块,然而当量测系统中存在不良杠杆量测或一致性不良数据时,传统的含不良数据辨识程序的最小二乘估计不能很好地排除不良数据对状态估计的影响。为此介绍了一种能够自动排除不良数据对状态估计影响的含指数型目标函数的电力系统抗差状态估计模型,分析了该模型的理论基础和数学特性,给出了该模型在江西电网的应用方法和效果。结果表明,该抗差状态估计模型能够显著提升电力系统状态估计的精度,同时还能够保证严格满足零注入等式约束。     

M估计方法及其在电力系统状态估计中的应用

针对ＱＬ及ＱＣ估计的缺点,提出了一种新的电力系统稳健估计方法。在此基础上,利用残差灵敏度矩阵,提出了减少残差屏蔽效应的措施。分析表明,新方法可以结合现有常规状态估计方法。计算上易于实现且速度较快,在一定程度上克服了残差屏蔽效应。     

指数型目标函数电力系统抗差状态估计的解法与性能分析

针对一个指数型目标函数电力系统抗差状态估计模型,给出一种有效的求解方法。由于指数型目标函数电力系统抗差状态估计模型的目标函数连续可微,因此可通过与加权最小二乘估计类似的牛顿法方便地进行求解,与现有状态估计程序之间具有很好的兼容性。理论分析表明新的抗差估计模型具有很强的排除不良杠杆量测的性能,并通过与加权最小二乘估计和广义M估计的数值算例比较,进行了验证。基于IEEE标准系统和2个实际省级电网的计算分析,将本文方法与现场广泛应用的含不良数据辨识环节的加权最小二乘估计程序进行比较,结果表明所提方法的抗差能力具有明显的优势。     

基于最大指数绝对值目标函数的抗差状态估计方法

为提高状态估计的抗差性,提出一种基于最大指数绝对值目标函数的状态估计(maximum exponential absolute value state estimation,MEAV)方法。首先给出了MEAV的基本模型,并介绍了其理论基础和数学性质。由于 MEAV基本模型的目标函数并非处处可导,因而无法利用基于梯度的方法进行求解。为此,给出了 MEAV 基本模型的等价模型,并详细推导了基于原-对偶内点算法的MEAV等价模型的求解方法。算例分析表明,MEAV 在估计过程中可自动抑制多个强相关不良数据,显示了良好的抗差性和较高的计算效率,因而具有良好的工程应用前景。     

计及UPFC的电力系统双线性抗差估计

统一潮流控制器（unified power flow controller ，UPFC）作为柔性交流输电系统（flexible AC transmission systems，FACTS）的重要组件之一，对电力系统安全稳定运行起着重要的作用，而对含有UPFC的电力系统进行有效的状态估计也是电力系统电力电子化的必然要求。对UPFC模型进行抗差状态估计虽然能够有效抑制坏数据，但是存在模型复杂，计算效率低等问题。文章基于新型UPFC拓扑模型，采用双线性方法对含该UPFC的电力系统进行抗差状态估计。该方法通过选取有效的中间变量，对电力系统和UPFC组件的非线性量测方程进行分步线性化处理，在保证计算结果误差水平处在同一量级，能够工程应用的前提下，有效提高了状态估计的计算效率。对修改后的IEEE标准系统和南京西环网实际系统进行仿真测试，通过与WLAV测试结果对比，在保证相应精度的前提下，获得接近加权最小二乘法（weighted least squares，WLS）的计算速度，验证了本文方法的有效性和实用性。     

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。     

基于改进Hampel抗差法的电网谐波状态估计

针对电网谐波状态的估计问题,分析了量测粗差对于估计结果的影响,建立了考虑粗差辨识的谐波状态估计数学模型,应用Hampel抗差法对量测数据进行了辨识分类,并根据谐波状态估计的特点对算法的阈值函数进行了改进,有效地解决了"残差污染"和"残差淹没"问题。仿真计算及分析结果表明,求解谐波状态估计问题时,改进Hampel抗差法能有效抑制粗差对估计结果的影响,提高了估计精度。     

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。     

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。     

基于内点法的交直流混联系统抗差状态估计

针对交直流混联系统的状态估计问题,分析了其数学模型,对其求解方法进行了研究,并开发了软件。介绍了交直流混联系统的抗差状态估计模型,根据该模型的特点进行变量等价转换,以降低其复杂度。在利用内点法进行求解时,通过对原问题的海森矩阵进行近似,确保其正定且提升了算法的效率。通过IEEE 9节点、14节点、30节点、118节点、145节点系统这5个算例,分析了算法效率以及收敛域。结果表明,与牛顿法相比,基于内点法的状态估计的收敛域更宽广,可以应对更恶劣的现场状况,具备现场应用潜力。