基于最小二乘估计融合的分布式电力系统动态状态估计

随着电力系统规模不断扩大,分布式状态估计是解决集中式状态估计计算维数过高和量测大数据处理难等问题的可行策略之一。文中以容积卡尔曼滤波算法作为区域本地估计算法,在协调中心侧采用最小二乘估计融合技术协调估计区间边界状态。根据边界状态协调估计值,各区域通过带等式约束的卡尔曼滤波算法进一步修正区域内部状态的本地估计值。算例仿真表明,所提方法估计精度与集中式估计相当,相比集中式估计具有更好的实时性,且所需数据通信量少,易于实现。     

基于改进最小二乘法的电力系统状态估计

作为能量管理系统（EMS）的一个组成部分，电力系统状态估计的研究具有重要意义。最小二乘法状态估计应用相当广泛，当传统最小二乘法在协方差矩阵变小时，估计参数会发生爆炸现象。提出了一种基于最小二乘法的递推阻尼最小二乘法状态估计算法。递推阻尼最小二乘法迭代的初值是上一时刻估计结果，电力系统在大部分情况下运行相对稳定，因此初值的选取可靠性高，保证了算法的鲁棒性和收敛速度。仿真结果显示此算法能够得到满意的结果。     

基于抗差总体最小二乘法的电力系统谐波状态估计

介绍了谐波状态估计的数学模型及最小二乘和总体最小二乘的求解算法,综合考虑测量误差和参数误差的影响,利用总体最小二乘法进行谐波状态估计。分析了测量粗差对估计结果的影响,针对总体最小二乘法不具备抑制粗差能力的缺点,提出利用抗差总体最小二乘法进行谐波状态估计。用Matlab搭建了IEEE-14节点谐波测试系统仿真模型,在测量数据和参数矩阵中分别加入含有粗差的正态分布误差及正态分布误差,画出概率密度曲线图,并对总体最小二乘法、抗差最小二乘法和抗差总体最小二乘法进行比较,结果表明利用抗差总体最小二乘法能够得到更精确的谐波状态估计结果。     

分布式电力系统状态估计

随着电力系统的互联，电力系统状态估计需要速度更快，数值稳定性更高的算法。在本文中，采用了基于快速解耦的分布式并行过程，并与整体并行过程进行比较，且以PVM为软件平台对验证系统进行了模拟计算；PVM的装配采用群型模式，程序结构采用SPMD模式，实现了基于PC机网络环境的并行计算。通过验证系统IEEE-14和IEEE-30的计算结果，可以看出分布式并行状态估计是一个很有效的方法。     

抗差最小二乘法状态估计

研究电力系统状态估计具有重要的理论价值和实际意义 ,在现代调度控制中心 ,状态估计是实现EMS/DMS的许多功能 :调度员潮流、事故预想分析和调度员模拟培训等的基础。在实际运行的电网自动化系统中 ,要想实时得到正确的网络状态估计结果是很困难的 ,因为在进行状态估计的过程中 ,必须考虑多个坏数据和多个拓扑错误同时存在的情况。抗差估计理论主要研究抗拒少量粗差 (泛指离群的误差 )对估值的影响。拓扑错误和坏数据可以分别看作带有粗差的网络参数和量测数据 ,因此可以将抗差最小二乘法用于存在拓扑错误和坏数据时的状态估计。算例结果表明 ,抗差最小二乘法具有良好的抗粗差能力和收敛可靠性 ,收敛速度快 ,并能够将抗粗差和状态估计在计算过程中一次完成 ,不需要象普通最小二乘法一样进行多次的状态估计计算。     

抗差最小二乘法状态估计

研究电力系统状态估计具有重要的理论价值和实际意义,在现代调度控制中心,状态估计是实现EMS/DMS的许多功能:调度员潮流、事故预想分析和调度员模拟培训等的基础.在实际运行的电网自动化系统中,要想实时得到正确的网络状态估计结果是很困难的,因为在进行状态估计的过程中,必须考虑多个坏数据和多个拓扑错误同时存在的情况.抗差估计理论主要研究抗拒少量粗差(泛指离群的误差)对估值的影响.拓扑错误和坏数据可以分别看作带有粗差的网络参数和量测数据,因此可以将抗差最小二乘法用于存在拓扑错误和坏数据时的状态估计.算例结果表明,抗差最小二乘法具有良好的抗粗差能力和收敛可靠性,收敛速度快,并能够将抗粗差和状态估计在计算过程中一次完成,不需要象普通最小二乘法一样进行多次的状态估计计算.     

基于主成分分析和最小二乘支持向量机的电力系统状态估计

电力系统状态估计在能量管理系统中起着非常重要的作用,作者提出了基于主成分分析和最小二乘支持向量机的状态估计方法。首先对由量测量组成的初始样本进行主成分分析,对初始样本进行数据压缩和特征提取,消除数据间的相关性,提取出包含初始样本足够信息的主成分,然后将提取出的主成分作为最小二乘支持向量机的输入,降低了样本空间的维数。算例结果表明了所提出方法能有效地提高电力系统状态估计的精度。     

基于广域测量和抗差最小二乘法的电力系统谐波状态估计

介绍了谐波状态估计数学模型及常用的最小二乘求解算法。针对最小二乘法抗粗差能力较差的缺点,提出利用抗差最小二乘法进行谐波状态估计。抗差最小二乘法通过等价权将抗差估计原理与最小二乘形式有机结合起来,可有效解决最小二乘法不抗御粗差的问题。利用Matlab搭建了配电网的仿真模型,获得了研究所需的谐波同步测量数据,对测量数据加入含有粗差的正态分布误差,用传统最小二乘法和抗差最小二乘法进行谐波状态估计。计算结果表明了在测量数据含有粗差的情况下,用抗差最小二乘法进行谐波状态估计其结果精度优于最小二乘法。     

基于最小二乘法的电力系统网络参数误差估计

为满足电力系统实时动态观测的要求,需要精确估计电网络参数,基于电力系统的任何网络参数误差都会影响状态估计中的量测残差,通过对量测残差的分析提出了一个基于最小二乘的电网络参数误差估计方法.分两步完成电网络参数误差的估计:首先根据动态系统的量测方程,利用加权最小二乘法(weighted least squares method,以下简称WLS),同时引入网络节点虚拟量测量作为等式约束条件建立最优化模型,利用拉格朗日乘法提出量测残差的表达式,网络节点虚拟量测量的引入加强了算法的精确性和收敛速度;第二步首先利用递推最小二乘建立量测残差方程中偏差项的的迭代公式,电网络参数误差包含在量测残差方程的偏差项中,通过迭代得出一个无偏估计的初始状态量,最后求得电网络参数误差.IEEE9节点系统的仿真验证了算法的正确性和有效性.     

快速正交变换阻尼最小二乘法在电力系统状态估计中的应用

本文在介绍正交变换算法基本原理的基础上重点介绍了为提高计算速度而采取的一些技术措施,并针对量测方程Jacobian矩阵本身引起的病态问题提出了快速正交变换阻尼因子法,通过对国内外系统的计算,验证了本文所提算法的有效性。     

基于信息冗余的电力系统分布式状态估计

随着智能变电站的不断发展,二次系统中模拟量信息的网络化传递方式给电力系统分布式状态估计带来新的研究内容。提出基于二次系统信息冗余的分布式状态估计方法,给出了分布式状态估计架构,并利用模拟量间冗余关系建立线性静态分布式状态估计模型。进一步通过算例验证基于信息冗余的电力系统分布式状态估计方法。算例结果表明,该方法能够有效降低模拟量误差并提高上传模拟量的准确性。     

复数域加权最小二乘法在相量量测状态估计中的应用

基于相量量测的状态估计能提高状态估计的精度,而相量测量单元在高电压等级网络中的广泛配置为电力系统全相量量测状态估计提供了坚实的硬件基础,研究全相量量测状态估计意义重大。建立了基于全相量量测状态估计的量测方程,在此基础上建立了复数加权最小二乘法(complex field weighted least square,CWLS)状态估计模型。文中还对复数域下相量的误差特性和CWLS算法的抗差性进行了研究,同时详细分析了CWLS算法中权重的选取和不良数据的辨识。仿真结果表明了所建模型的合理性以及CWLS算法的有效性和适应性。     

基于分块雅可比矩阵的最小二乘状态估计算法

提出了一种基于分块雅可比矩阵的加权最小二乘状态估计算法。该方法将全部的注入功率量测、赋予很大权值的虚拟量测和必要的支路量测来构造一组恰好可求解系统全部状态变量的量测集,将余下的支路功率量测作为量测系统的冗余部分看待,并依此对量测雅可比矩阵进行分块,在此基础上推导出了该文算法迭代的修正方程式。该文所提算法既具有很好的数值稳定性,又能够减少计算量。仿真试验表明该方法是快速且数值稳定。     

基于最小二乘支持向量回归的锂电池能量状态估计

为了提高锂电池能量状态(SOE)估计精度,避免估计过程中的复杂建模及参数辨识过程,本文将最小二乘法(LS)与支持向量回归(SVR)相结合,提出了一种基于最小二乘支持向量回归机的SOE估计方法。通过提取锂电池运行的电压、电流、温度、荷电状态数据融合成能量因子,利用最小二乘支持向量回归机建立锂电池能量状态估计模型,采用网格寻优方法对模型参数寻优,实现了动态工况下的锂电池能量状态估计。仿真结果表明,本文选用的能量因子能准确表征锂电池能量状态,能量状态估计的平均绝对误差在1.5%以内。     

基于分块雅可比矩阵的最小二乘状态估计算法

提出了一种基于分块雅可比矩阵的加权最小二乘状态估计算法.该方法将全部的注入功率量测、赋予很大权值的虚拟量测和必要的支路量测来构造一组恰好可求解系统全部状态变量的量测集,将余下的支路功率量测作为量测系统的冗余部分看待,并依此对量测雅可比矩阵进行分块,在此基础上推导出了该文算法迭代的修正方程式.该文所提算法既具有很好的数值稳定性,又能够减少计算量.仿真试验表明该方法是快速且数值稳定.     

基于多新息耦合最小二乘算法的电力系统状态空间辨识

对于广域阻尼控制器的实际工程应用,提出一种实用型电力系统状态空间模型辨识方法。该方法采用耦合最小二乘算法,充分利用辨识过程中的中间数据,避免重复对高维协方差矩阵迭代计算而导致的冗余过程。为进一步提高辨识精度,结合多新息辨识思想,推导多新息耦合最小二乘算法。利用系统中存在的类噪声信号,完成无附加激励下的电力系统辨识。4机2区以及10机39节点系统验证了所提方法具有辨识方便易行、计算量小、辨识精度较高的优点,对于电网结构的不断变化能方便地进行数据的在线更新。     

集员估计的加权最小二乘支持向量机方法

针对带有未知但有界误差的参数非线性回归模型,提出了集员估计的加权最小二乘支持向量机方法.采用加权最小二乘支持向量回归的方法建立逼近方程误差向量的加权l∞范数与参数向量之间的复杂函数关系的模型.根据此模型和可行的方程误差向量的加权1∞范数导出近似参数可行集.为了评估集员估计结果的优劣,给出了反映近似边界接近精确边界程度的指标.仿真结果表明,采用本文方法比采用一般最小二乘支持向量杌的方法所得的近似边界更接近精确边界.     

用最小二乘法在线估计蓄电池荷电状态

荷电状态(SOC)是标示蓄电池能力的一个重要参数。因此,如何确定SOC很重要。传统的充/放电循环测定法会使蓄电池老化,降低蓄电池内部化学物质的活性。充电不足会产生硫化现象,过充电又会引起析气失水,硫酸浓度的变化,导致蓄电池内阻增加,缩短蓄电池的使用寿命。介绍了一种基于最小二乘算法的电动势-内阻方法来测定蓄电池的荷电状态,这种方法可以应用于在线测定,并且无需深度放电再充电,从而延长了蓄电池的使用寿命。经实验验证这种方法是有效的。     

加权最小二乘状态估计量测权值计算的实用方法

分析了实际系统中直接影响加权最小二乘状态估计量测权值的因素,基于量测精度等级及满量程提出了设置量测权值的实用化方法,展示了实际系统中典型量测权值的标幺化数值,可以看出不同电压等级功率量测权值的差别以及电压幅值量测和功率量测权值之间的关系。使用文中方法计算得到的量测权值能更准确地反映量测精度,从而能够提高状态估计结果的准确性,模拟算例和实际工程应用验证了所述方法的有效性。文中还分析说明了计算两种派生量测权值的方法以及选取零注入量测权值的原则。     

电力系统多区域分布式状态估计方法

提出了一种电力系统多区域分布式状态估计方法,各区域估计器利用其数据采集与监视控制系统提供的量测数据进行本地状态估计,并通过平均一致性算法获取全局信息进行系统级状态估计。建立了基于拉格朗日乘子法的状态估计模型并设计了基于一致性的全局信息交换协议,给出了多区域分布式状态估计算法的实现流程。通过IEEE 14节点和118节点系统中的仿真算例验证了所提方法的正确性和有效性,并就估计精度和计算效率与现有状态估计方法进行了比较。仿真结果表明分布式状态估计方法可有效提高集中式状态估计系统的计算效率及可靠性,适用于结构更加复杂、量测数据体量更大电网的状态估计。