基于PMU量测的城市电力系统分布式状态估计算法

针对未来微网和新能源大量接入城市电网后,电力系统状态估计功能的计算数据量过大,计算速度缓慢的问题,文中提出了一种适用于城市电力系统的基于相量量测装置(PMU)量测的分布式状态估计算法。该算法将城区电网分层分区,将PMU的同步相量量测引入县调层和地调层的分布式状态估计中,不仅在县调层实现并行计算,而且在地调层满足线性状态估计条件,最终达到提高状态估计速度的目标。文中利用IEEE 118节点系统对新算法进行了测试,仿真结果验证了新算法有效提升了状态估计的速度。     

基于联络线扩展区域分解协调的分布式并行状态估计

为适应互联电网日益复杂的结构形式和分层分区管理模式,采用联络线分区解耦方式对互联系统进行分布式状态估计计算。考虑到估计计算精度与计算效率的均衡,提出了一种将联络线扩展区域状态估计和灵敏度矩阵协调算法结合的分布式状态估计算法。设计分布式状态估计整体思路,一方面,在实现联络线分区解耦的前提下,完成分区层各子区独立状态估计计算和灵敏度矩阵求解,利用子区计算时机动态构建协调层联络线估计区域并完成并行状态估计计算;另一方面,根据协调层下发的联络线估计值和灵敏度矩阵,分区层各子区并行实现边界估计值不匹配量的协调修正计算。最后,通过IEEE 118节点、IEEE 30节点和实际互联电网的模拟仿真,验证上述算法实现分布式状态估计计算的优越性。仿真结果表明,采用该算法进行分布式估计计算,既具有较高的估计精度、收敛速度和计算效率,又可实现并行独立计算,避免集中式状态估计计算规模大、无法解决局部不可观测或不收敛的瓶颈问题。     

基于混合量测的电力系统状态估计混合算法

研究了相量量测装置(PMU)相量量测和监控与数据采集(SCADA)量测混合使用时的数据匹配问题,提出了利用状态量转换预测得到预报系统状态和预报节点注入电流向量的方法。在此基础上,提出了应用PMU实时相量量测和预报节点注入电流向量的线性静态状态估计算法,以及应用PMU实时相量量测和预报系统状态的线性动态状态估计算法。文中将这2种算法与传统状态估计算法相结合,组成了状态估计混合算法,保证了状态估计的计算精度。该混合算法有效减少了状态估计的计算时间,对PMU的量测配置也没有严格的要求,具有很好的通用性。最后采用IEEE30节点系统对该方法进行了验证。     

基于嵌套BBDF算法的分布式状态估计的研究

电力系统发展对电网在线安全计算提出新的要求。提出一种适用于大电网系统状态估计的嵌套对角加边(bordered block diagonal form,BBDF)雅可比矩阵分割算法。该算法基于大电网地理区域信息,利用边割集自外而内形成电网的嵌套对角加边的结构,将状态估计在解耦后的各分区内实现。针对该算法,还提出一种分布式数据存储方式,不但能满足一般电网的状态估计计算要求,而且特别适用于当电网拓扑信息发生改变时的状况。通过算例验证了算法的有效性。     

基于KKT条件分解的互联电网分布式状态估计算法

分布式状态估计可用于在线生成互联电网一体化潮流断面.针对无约束优化问题描述的全网状态估计,提出了一种新的分解协调算法.采用节点撕裂法对互联电网进行切分,将全网状态估计问题的KKT(Karush-Kuhn-Tucker)条件方程分解为协调侧和分区侧2个部分.在边界节点状态给定情况下,各分区电网可独立求解分区侧KKT条件方程,获得自身状态估计结果.此时,若协调侧KKT条件方程的残差满足设定条件,则可判断全网状态估计收敛.由此出发,可构建全网状态估计分解协调计算模型,通过求解协调侧KKT条件方程获得边界节点状态修正量,从而调整分区状态估计结果,使其达到一致收敛.文中分别采用JFNG(Jacobian-free Newton-GMRES (generalized minimal residual))算法和逆Broyden拟Newton法这2种方法实现协调侧KKT条件方程求解过程.IEEE 14节点系统、IEEE 39节点系统和实际电网1 165节点系统的测试结果证明,所提出的分布式状态估计算法具有较高的准确性、收敛速度和计算效率.     

基于PMU分解协调的状态估计算法

PMU至少可实现系统局部可观,此性质必然产生系统的自动划分,即出现围绕PMU配置点集的若干可观测性子系统.基于这一思路,从状态估计快速性角度出发,提出电网分解协调的状态估计快速算法,分解是指依据PMU配置的可观测子系统的划分,协调是指各子系统如何达到无缝的衔接,在快速估计下达到与整体估计一样的效果.最后,以IEEE-39节点及IEEE-118节点系统对对算法进行了验证.     

基于PMU分解协调的状态估计算法

PMU至少可实现系统局部可观,此性质必然产生系统的自动划分,即出现围绕PMU配置点集的若干可观测性子系统。基于这一思路,从状态估计快速性角度出发,提出电网分解协调的状态估计快速算法,分解是指依据PMU配置的可观测子系统的划分,协调是指各子系统如何达到无缝的衔接,在快速估计下达到与整体估计一样的效果。最后,以IEEE-39节点及IEEE-118节点系统对对算法进行了验证。     

基于相量量测的电力系统线性状态估计

分析了相量量测装置的量测误差情况,指出了相量量测参与状态估计计算的必要性。在完全使用相量量测的情况下,给出了基于直角坐标系的实数形式的电力系统线性量测方程和相应的线性静态状态估计算法。对负荷预报加潮流计算的系统状态预报方法进行改进,通过对误差协方差阵计算公式的推导与简化,提出了新的预报误差协方差阵计算公式,并将其与线性量测方程相结合,提出了基于相量量测的线性动态状态估计算法。最后讨论了线性状态估计算法的使用条件,并采用IEEE30节点系统对提出的算法进行了验证。     

基于相量量测的电力系统线性状态估计

分析了相量量测装置的量测误差情况，指出了相量量测参与状态估计计算的必要性。在完全使用相量量测的情况下，给出了基于直角坐标系的实数形式的电力系统线性量测方程和相应的线性静态状态估计算法。对负荷预报加潮流计算的系统状态预报方法进行改进，通过对误差协方差阵计算公式的推导与简化，提出了新的预报误差协方差阵计算公式，并将其与线性量测方程相结合，提出了基于相量量测的线性动态状态估计算法。最后讨论了线性状态估计算法的使用条件，并采用IEEE 30节点系统对提出的算法进行了验证。     

基于伪量测自适应插值策略的发电机动态状态估计

随着智能电网建设的推进,同步相量测量单元(phasor measurement unit,PMU)技术逐步成熟并大量应用于电力系统中.针对扩展卡尔曼滤波(extended Kalman filter,EKF)线性化误差和噪声鲁棒性的缺陷,提出一种基于伪量测自适应插值策略的插值强跟踪扩展卡尔曼滤波(interpolati...     

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。     

基于权函数的电力系统状态估计算法

提出基于权函数的电力系统状态估计算法,该方法较好地综合了加权最小二乘法（ＷＩ－Ｓ）和加权最小绝对值（ＷＬＡＶ）两种估计方法的优点,仅需对应用广泛的ＷＬＳ软件作很少的修改即可实现该算法。在求解迭代过程中,以残差变化最作为加速因子,修正权函数,减少了迭代次数,加快了算法的计算速度,用ＩＥＥＥ３０和ＩＥＥＥ１１８节点系统验证了此方法的优越性。     

基于深度信念网络伪量测建模的配电网状态估计

针对配电网实时量测不足需要增加伪量测以提高量测冗余度的情况,提出基于深度信念网络(DBN)伪量测建模的配电网状态估计方法。利用多种类型负荷的历史数据及对应温度、日期类型对DBN进行训练,训练完成后输入测试数据得到精度较高的伪量测;基于改进的等效电流量测变换法进行配电网状态估计,以线性约束的形式处理虚拟量测。仿真结果验证了所提方法的有效性。     

分布式能量管理系统（DEMS）状态估计分布式异步迭代算法

考虑ＤＥＭＳ数据信息通信延迟的不可预测性，在导出ＤＥＭＳ分布式状态估计可观测条件的基础上，构造了ＤＥＭＳ状态估计分布式异步迭代算法，得出了状态估计分布式异步迭代算法的收敛性定理，设计并实现了分布式异步迭代算法在局域网上的模拟计算，最后以ＩＥＥＥ－３０节点系统为例对所构算法的有效性进行了验证。     

计及系统误差的状态估计算法

现有的状态估计算法认为误差服从标准正态分布,基于这种假设的加权最小二乘估计是无偏估计。但由于系统误差的存在,使得状态估计结果是有偏的。本文根据系统误差产生的原因、特点,提出了一种计及系统误差的状态估计算法,可以有效消除系统误差对状态估计结果的影响。     

基于果蝇优化算法的配电网状态估计

配电网状态估计的目的是根据获取的配电网的各种量测信息,估计配电网系统的运行状态,是配电管理系统(DMS)的重要核心功能之一。根据配电网特点,以电压幅值和相角为状态变量,以量测值和估计值误差最小为目标函数,以潮流方程和估计值的上、下限为约束条件,构建配电网状态估计的优化模型,采用果蝇优化算法对该模型进行求解。算例表明,基于视觉和嗅觉的觅食行为启发的果蝇优化算法可有效求解该优化模型,具有易于实现、控制参数少和计算精度高的特点,为配电网状态估计提供了新的途径。     

基于SDAE-ELM伪量测建模的高容错快速状态估计方法

目前在电力系统中无法保证相量量测单元完全覆盖的情况下,状态估计需要采用相量量测单元（phasor measurement unit, PMU）与数据采集与监控（supervisory control and data acquisition, SCADA）混合量测进行传统非线性状态估计,但是SCADA数据精度低,含有较多不良数据,同时混合数据需要迭代求解,会导致计算效率低且存在截断误差。针对该问题,文章提出了一种基于堆叠去噪自编码器（stack denoising autoencoder, SDAE）与极限学习机（extreme learning machine, ELM）伪量测建模的电力系统高容错快速状态估计方法。其将含有不良量测的SCADA量测数据作为SDAE-ELM伪量测模型的输入,节点电压实部与虚部作为输出,根据历史数据进行训练得到伪量测值与伪量测误差模型,训练完成后得到精度较高的伪量测;将伪量测与PMU量测一起进行快速的线性状态估计。仿真结果表明,所提方法在保证估计精度的基础上,提高了计算效率,验证了所提方法的有效性。     

基于相量量测的电力系统谐波状态估计(I)--理论、模型与求解算法

通过分析现有网络谐波分析理论的局限性与实践中所遇到的困难,提出了基于相量量测的电力系统谐波状态估计算法.选择节点电压作状态量,节点电压、支路电流与注入电流作量测量,建立了各种量测配置的量测方程以及谐波状态估计问题的数学模型.然后,通过总结谐波状态估计算法的基本特点与优化量测方程和母线的编号,提出了谐波状态估计的分层算法,大幅度降低了量测矩阵的维数.     

配电网状态估计的量测配置

1.引言 要对配电系统进行分析决策,首先必须确定配电系统的运行状态。状态估计,也称实时网络状态分析,能够利用网络结构信息和实时量测信息估计出完整、一致和可信的系统状态,实时量测信息通常包括有功功率、无功功率、母线电压值和线路电流值。然而,目前的配电系统通常缺     

基于相量量测的电力系统谐波状态估计算法的研究

基于相量量测单元的电力系统谐波状态估计技术,可选取电力网络的节点谐波电压为状态量,支路电流、节点注入电流和节点电压相量为量测量,从而使谐波状态方程成为线性方程.本文根据这个特点,再结合量测方案的不同情况,提出了在冗余量测和基本量测时,采用便于工程实际应用的乔累斯基算法来求解线性谐波状态方程,其计算量只是高斯消元法的一半,且不用考虑选主元,大大减少了计算的时间;在量测矩阵欠定时,采用奇异值分解算法,不仅可以为欠定的状态方程提供稳定的最小二乘解,而且该算法本身具有可观性分析的功能,不需要采用其它算法进行可观性分析,从而极大地简化了谐波状态估计分析的难度.最后通过仿真程序验证了这两种算法在谐波状态估计求解问题中的有效性和可靠性.