基于准实时数据的智能配电网理论线损计算

目前配电网自动化覆盖率低,可采集到的数据较少,因此提出一种基于准实时数据的理论线损计算方法。基于状态估计建立智能配电网理论线损计算模型,根据历史数据确定模型中负荷不等式约束上下界,采用内点法求解模型。所提模型可利用线路始端节点注入功率和部分变压器量测终端的量测数据估计配电网潮流状态。算例分析结果表明,所提模型所需量测量数量少,状态估计结果精度较高。     

考虑量测数据质量的集成储能智能软开关数据驱动电压控制

分布式电源的高比例接入使配电网电压控制问题日益显著。与配电网中传统电压调控设备相比，集成储能智能软开关(ESOP)等新型电力电子设备具有更加灵活、快速的电压调节能力。实际配电网参数难以获取，运行场景复杂多变，基于物理模型的控制方法往往难以适应系统运行状态变化。为此，提出一种考虑量测数据质量的ESOP数据驱动电压控制方法。首先，基于无模型自适应预测控制方法，建立ESOP的数据驱动控制模型。然后，考虑数据驱动过程中实际量测数据存在量测误差的问题，采用坏数据辨识和量测扰动抑制方法对量测数据进行处理，提出考虑量测数据质量的ESOP数据驱动电压控制方法，以降低量测误差对数据驱动控制过程的影响。最后，在含四端ESOP的实际配电网算例中进行验证分析。结果表明，所提ESOP数据驱动电压控制方法可以有效解决配电网参数难以准确获取的问题，显著降低量测误差带来的不良影响，全面提升配电网电压控制水平。     

智能配电网超短期负荷状态估计模型的改进

传统的电网负荷状态估计方法存在超短期周期下实时量测在线准确率低的问题,提出一种改进的智能配电网的超短期负荷状态估计模型,其将采集到的数据反馈到数据采集服务器中。采用配电网并行分层估计方法,解决超短期实时预测节点负荷的小周期问题。融合各层的超短期负荷预测结果,得到总体配电网超短期负荷预测值。将电网负荷预测值反馈给上位机,提高状态估计的效率。实验结果说明,所设计模型对超短期负荷预测具有较高的精度和效率。     

基于等效功率变换的配电网状态估计算法

提出一种基于等效功率变换的配电网状态估计算法，将配电网中的功率量测、电压幅值量测、电流幅值量测统一变换为支路首端等效功率量测，采用修正量测雅可比矩阵的迭代方法求解。该方法能够利用配电网中的各种量测，并且P，Q解耦迭代，有较高的运算效率和数值稳定性，对量测配置也无特殊要求。文中还提出一种通过添加零虚拟负荷量测提高数值可观性的方法，使原本不可估计的网络能够进行状态估计。     

复杂形态下的配电网自适应自趋优状态估计方法

实际工程中,配电网通常存在量测不足、可观性差、通信薄弱、网络模型质量差等现象。该文面向形态复杂多变的配电网络,提出一种自适应自趋优状态估计方法。该方法结合静态状态估计与动态状态估计,由多个模块构成。所开发模块分别适用于量测冗余环境、仅高频量测刷新环境以及数据缺失导致的不可观环境。首先对配电网数据环境进行时空分析,明确当前状态估计的首要任务,从而驱动对应的估计模块适时启动。利用IEEE标准算例的仿真分析结果表明,该方法在量测冗余环境下实现高精度状态估计的同时,可对网络参数的错误进行识别与修正;高频量测可对配电网部分区域的运行状态进行快速跟踪;在量测缺失环境下,鲁棒估计恢复算法收敛,并可最大化保持估计精度。     

基于随机矩阵理论的低压配电网边–云协同故障检测方法

快速、准确的故障检测能有效提升配电网安全运行水平。考虑到传统矩阵算法容错性差、智能优化算法复杂度高,该文基于随机矩阵理论提出一种数据驱动、边–云协同的低压配电网故障检测方法。当配电网发生故障时,边缘物联终端首先对量测时间序列进行考虑时滞相关性的分布式诊断分析并解析上传数据需求,随后区域主站对上传数据进行集中式的高维随机矩阵分析并深入挖掘故障的时空特征。基于IEEE低压馈线测试系统的仿真实验进一步验证了该文方法的独特优势。算例结果表明,该文方法通用性强,只需依靠配电网量测数据,而无需详细的配电网物理结构信息;同时,该文方法鲁棒性强,对量测缺失、数据异常等情况具有一定的免疫效果。     

基于在线强化学习的风电系统自适应负荷频率控制

大规模风电接入给系统带来新的不确定性,影响系统频率响应特性,从数据驱动的角度出发,提出了一种基于自适应动态模型的在线强化学习方法,用于系统的负荷频率控制。建立低秩自编码器特征提取网络,从所量测的低维数据中发现隐藏特征;基于特征网络,建立非线性动态系统稀疏辨识学习模型,感知系统动态模型的潜在物理状态,提升模型在线学习效率;通过结合模型预测控制,进行实时决策控制。所提出方法能够有效解决传统模型预测控制对系统全局模型准确性的依赖问题,加强控制器对系统动态模型的自适应性,且能有效跟踪风电输出功率的随机波动。最后,以接入四型风机的负荷频率控制模型为例,验证所提方法的有效性。     

基于负荷电流的配电网非量测负荷估计

提出了一种基于负荷电流的抗差估计算法用于修正10kv配电网非量测负荷。该算法将配电网中的功率量测变换为电流量测，实现了雅可比矩阵常数化，负荷电流实虚部解耦求解。并采用了权值随残差变化的权函数，从而较大程度上抑制了伪量测中坏数据对估计结果的不良影响。文中还给出了IEEE33节点配电系统的计算结果。结果表明，该算法能够有效地修正伪量测数据，使其准确度达到或接近实际量测值的准确度。     

基于混合高斯模型的配电网负荷伪量测权重优化算法

提出一种基于高斯混合模型(Gaussian mixture model,GMM)的配电网负荷量测权重优化算法,包括对GMM参数的优化和权重确定。首先采用引力搜索算法(gravitational search algorithm,GSA)对数据的最佳聚类个数进行判断,利用K-means算法获取数据的初始聚类中心、方差和混合权重;然后通过组合马尔科夫链蒙特卡洛期望最大化(Markov chain Monte Carlo-expectation maximum,MCMC-EM)算法对GMM的参数进行估计;最后根据优化的GMM,提出负荷伪量测权重优化方法,确定负荷伪量测的权重。以改进IEEE-12节点系统对所提方法进行验证,结果表明其合理、有效。     

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。     

解耦变换模式下智能配电网快速状态估计算法

提出一种解耦变换模式下的智能配电网快速状态估计算法,基于修正功率解耦思想,将配电网中支路功率量测、负荷量测、虚拟伪量测、电流幅值量测解耦变换表达。进一步对解耦变换后的功率量测和电流幅值量测作保留非线性变换,使得量测方程线性化,从而简化迭代求解。该文算法以网络节点电压幅值、相角对其初值的变化量为状态变量,利用配电网中多种量测,将功率量测解耦迭代表达,求解规模降低,同时适用于含新能源接入的不同阻抗比配电网络。变换后量测雅克比矩阵常数化,状态估计中无需重复计算,进一步提高求解速度。通过标准测试系统和实际配电系统算例分析,从估计正确性、算法收敛情况、计算时间三方面验证该方法实用性。     

基于支路电流的配电网非量测负荷估计

提出一种基于支路电流的抗差估计算法用于修正10kV配电网非量测负荷。该算法将配电网中的功率量测变换为电流量测,实现了雅可比矩阵常数化,支路电流实虚部解耦求解。并采用了权值随残差变化的权函数,较大程度地抑制了伪量测中坏数据对估计结果的不良影响。文中还给出IEEE 33节点配电系统的计算结果。结果表明,本文的算法能够有效地修正伪量测数据,使其准确度达到或接近实际量测值的准确度。     

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。     

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。     

PMU准实时数据对主动配电网抗差估计的影响

由于相量测量单元(PMU)因成本问题无法在配电网中大规模配置,且不同设备向主站传输数据时存在客观的通信延迟、带宽限制等因素,因此状态估计器输入端存在不良数据。提出一种基于同步相量量测的主动配电网抗差估计方法,并提出以虚拟PMU量测模型补充大量的高精度冗余数据。将数据采集与监视控制(SCADA)量测系统、PMU量测和虚拟PMU量测构成的混合量测系统作为状态估计的输入端。考虑网络和量测数据不确定度对抗差M估计算法进行改进,避免了传统加权最小二乘估计中删除坏数据的残差判断和迭代过程,降低了估计耗时,提高了状态估计的可靠性和抗差性能。改进IEEE 14和IEEE 33节点配电网算例的仿真分析,验证了所提方法的有效性和普适性。     

基于准实时数据的智能配电网状态估计

针对配电网首端量测准确度较高,而其余位置量测冗余度较低甚至没有量测量的特点,提出一种新的配电网DMS系统架构和适用于智能配电网的状态估计方法,利用准实时数据构造目标函数,依据历史记录设置不等式约束。与传统配电网方法不同,该方法可用于准实时量测在线率较低的配电网。因其是最优潮流意义下的状态估计,可以利用内点法求解。采用某市9节点配电网线路作为算例进行仿真,并对结果进行了详细讨论,同时以广泛使用的33节点配电网算例进一步验证。结果表明,所提方法计算速度快、收敛性好,可以实现智能配电网在线状态估计。该方法对于准实时量测在线率低的配电线路也有理想的估计效果,能较好地获得真实值,对线路电流的估计结果满足智能配电网高级应用的需求。     

考虑源荷随机性与相关性的直流配电网量测概率优化配置方法

大规模分布式能源以直流源荷形式接入直流配电网,其功率强随机与强相关特性深刻影响实时量测数据不足、依赖伪量测数据的直流配电网态势感知的准确性,急需研究实时量测点的优化配置保障系统状态估计精度。为此,本文首先考虑源荷功率的随机性与相关性影响,建立节点注入功率伪量测模型,提出基于三点估计的改进Nataf变换的直流配电网概率状态估计方法,计算节点电压状态量的估计偏差概率分布;在此基础上,建立以量测点配置成本最少为目标,考虑节点电压估计偏差机会约束的直流配电网量测概率优化配置模型,求解得到最优配置方案。采用改进的IEEE-33节点系统开展算例仿真,结果表明,所提方法能够有效兼顾量测配置的经济性与状态估计精度。     

基于自适应无迹卡尔曼滤波的配电网状态估计

随着大量分布式电源和电动汽车接入配电网,DG出力难以预测以及负荷监控复杂是配电网运行管理的难题。针对传统无迹卡尔曼滤波预测误差大,且容易受不良数据影响的问题,利用新息向量构造了自适应因子,提出自适应无迹卡尔曼滤波(Adaptive Unscented Kalman Filter,AUKF)算法对配电网进行状态估计。当系统负荷突变以及量测存在不良数据时,利用自适应因子对相应的预测协方差矩阵进行在线修正,减小了预测误差对估计精度的影响。在三相不平衡配电网中进行仿真分析,结果表明,AUKF算法比UKF估计精度高、鲁棒性强,验证了所提算法的有效性。