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。     

基于注意力机制和卷积神经网络的配电网拓扑辨识

针对当前配电网拓扑变化频繁,拓扑结构实时获取困难等问题,文章提出基于注意力机制和卷积神经网络的配电网拓扑辨识方法。首先利用卷积神经网络挖掘量测信息和配电网拓扑结构之间的关系,学习其映射规则;考虑当前配网中同步相量测量装置(phasor measurement unit,PMU)和微型同步相量测量装置(micophasormeasurementunit,μPMU)等高级量测设备安装数量不足导致获取量测数据质量不高的问题,在卷积神经网络隐藏层中融入注意力机制,以增强模型鲁棒性;通过随机森林算法对特征数据集进行降维,降低模型时、空复杂度;最后,分别基于IEEE 33节点配电网和PG&E69节点配电网开展算例分析,以验证方法的可行性和优越性,并检验利用更少特征进行拓扑辨识的可能性。结果表明：所提方法具有良好优越性和鲁棒性,泛化能力强,在仅提供少量时间断面量测数据情况下便可实现配电网拓扑辨识,且对于辐射网和含环网络同样适用。     

考虑量测时延时基于3种数据融合的配网状态估计

针对已有配电网状态估计方法在进行量测数据的融合时,未考虑量测时延,量测数据断面可能并没有对齐以及收敛性和抗差性往往难以兼顾的局限性,本文提出了考虑量测时延时基于3种数据源融合的配电网状态估计方法。首先,基于量测数据的分布特性,提出量测时延的处理方法,解决断面数据对齐问题。然后,通过线性外推对配电网中的3种常用的量测数据进行有效融合。最后,利用融合后的数据进行配电网状态估计计算,提出一种基于最小二乘和一乘之和的抗差状态估计方法。仿真算例证明了本文方法的有效性。     

基于加权平均插值和容积卡尔曼滤波的配电网预测辅助状态估计

微型同步相量测量单元(micro synchronous phasor measurement unit,μPMU)与远程终端(remote terminal unit,RTU)为配电网提供了高精度量测数据.针对μPMU和RTU混合数据,文章采用数据填补和容积卡尔曼滤波技术,提出了配电网混合量测的预测辅助状态估计(fo...     

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AMI量测信息的变压器参数辨识方法

针对配电网变压器参数辨识的难题,本文提出基于高级量测体系(AMI)量测信息的配电变压器参数辨识方法。该方法首先基于AMI提供的多时段量测数据,建立关于双绕组变压器参数的非线性方程组,并采用最小二乘法对其进行求解;然后以各时段的变压器参数估计值为样本,采用随机样本的方差系数判据对样本中误差较大的参数估计值进行剔除,获得变压器参数新样本空间;最后基于新样本空间计算变压器参数的均值,并将其均值作为最终的参数估计值,进而实现变压器参数的辨识。算例证明了本文方法的可行性与有效性。     

基于降阶核范数的PMU数据快速恢复方法

相量量测装置(phasor measurement unit,PMU)数据由于受通信问题、网络攻击与电磁干扰等因素影响可能会出现数据缺失、虚假数据与噪声等量测污染。现有PMU数据恢复方法无法同时满足高精度、快速与适应多场景数据恢复的要求,可能影响电力系统的安全稳定运行。提出一种基于降阶核范数的数据恢复方法,利用数据的高维低秩性在每次算法迭代中进行低阶奇异值分解,同时将数据主成分与量测污染进行特征分离,能以较高精度对多种数据污染场景与系统不同状态下的量测数据进行恢复。为进一步减少大规模电力量测数据恢复的时间消耗并提高算法的迭代效率,提出自适应惩罚因子与并行分布式交替乘子算法数据恢复框架,能有效将数据恢复时间控制在秒级,可为基于PMU数据的各电力系统应用提供有效保障。     

基于多分支电流混合量测的配电网三相状态估计

同步相量测量应用于配电网高级应用中是近年来的研究热点。针对配电网同步相量与智能电表的混合量测问题,提出一种以支路电流为状态变量的配电网状态估计方法。该方法在含分布式光伏接入的配电网中,将微型同步相量测量单元(Micro-Synchronous Phasor Measurement Unit,μPMU)和智能电表量测数据进行等效变换,实现异构数据支路电流幅值量测误差最小。首先,基于混合量测系统,推导三相量测方程模型。然后,运用加权最小二乘法实现了三相支路电流的状态估计。所提方法适用于三相不平衡、多分支电流量测的配电网。最后,通过对含分布式光伏的IEEE 37节点系统进行仿真,验证了方法的有效性。     

基于节点电压差值的配电网故障定位方法

针对基于微型同步相量量测(μPMU)的配电网故障定位方法存在经济性与定位精度有待提高的问题,提出了一种基于节点电压差值的配电网故障定位方法。通过分析配电网节点电压的故障特性,定义了节点电压计算值与量测值的差值指标W。然后,利用节点电压计算值与量测值之间的数值关系,建立了有限量测装置情形下的配电网故障支路辨识原则。进而,根据故障支路两端节点的量测数据,利用末端节点注入电流后线路间节点电压变化值与末端节点量测电压变化值间的关系,提出一种基于线路末端节点电压差值的故障定位方法。仿真表明,所提方法可以实现有限量测装置情形下的故障准确定位,且定位结果受故障类型、过渡电阻、量测误差的影响较小,具有较好的抗线路参数和节点负荷变化的能力。     

基于SCADA及PMU多时段量测信息的独立线路参数估计方法

基于单一线路两端的监控与数据采集系统(supervisory control and data acquisition system,SCADA)和相量采集装置(phasor measurement unit,PMU)多时段量测信息,建立了5种独立线路的约束最小二乘参数估计模型,其中,量测方程分别由线路两端有功、无功和电压幅值的SCADA量测、电流与电压相量的PMU量测以及线路两端电压相角差的PMU虚拟量测组合形成,约束方程为参数变量的上下限约束。采用Matlab的lsqnonlin优化函数求解参数估计问题,并基于多条典型线路的模拟量测信息仿真分析了所有模型的适用条件。结果表明,在负荷较重、线路较长条件下,利用所建含PMU量测的4种模型,都可以有效估计出线路的阻抗参数。     

三相不平衡下交直流配电网状态估计

基于电压源型换流器(VSC)的柔性直流技术被越来越多地运用到配电网中,需要对含VSC的三相不平衡交直流配电网进行准确的状态估计,而配置相量测量单元(PMU)的测量数据是实现配电网准确状态估计的有效手段。首先,提出了考虑配电网三相不平衡特性的交直流配电网状态估计模型,采用加权最小绝对值法进行状态估计;其次,进行PMU测量数据的线性描述,给出了PMU及数据采集与监控(SCADA)系统的混合测量方程,并将多种交直流设备在测量方程中统一描述;最后,在三相不平衡的IEEE 33节点交直流配电网算例上,验证了所提方法的有效性和实用性。     

基于北斗授时的μPMU测量误差综合分析

微型相量测量单元(μPMU)的同步性与时钟源精度密切相关,目前我国电网中已投运的智能设备多以美国GPS为时钟源。伴随北斗系统(BDS)组网完成,采用北斗作为时钟源的设备将逐渐成为主流。首先,研究北斗系统时钟脉冲精度、互感器误差、基波频率及谐波等误差影响因素,揭示各环节对μPMU测量误差的作用机理。然后,评估基于北斗系统的μPMU测量装置相角误差,分析基于频率跟踪的极大似然估计相量误差。最后,评价时钟源、互感器饱和、频率变化、谐波干扰等因素产生的综合误差。通过研究关键影响因素,给出减小测量误差的主要措施。研究成果将为μPMU在配电网的大规模配置提供理论和实践指导。     

考虑PMU量测信息的配电网运行状态分析方法

同步相量量测单元PMU(phasor measurement unit)在配电网中的推广使用有效提升了电网系统的可观性。首先提出了一种考虑PMU信息的配电网运行状态分析方法,该方法在数据采集与监控SCADA(supervisory control and data acquisition)系统数据更新时,将SCADA和PMU等不同量测时间尺度的混合数据进行状态估计;之后通过PMU数据进行状态估计更新,直至新的SCADA数据到来,开始新的混合数据状态估计。目标函数由估计值与量测值之间残差指数的加权和组成,降低了不良数据对估计结果的影响,并通过抗残差加权减少由于量测坏数据引起的运行状态波动。最后通过IEEE 123节点的算例分析,验证了所提方法具有较好的运行状态分析效果和有较高的时效性。     

适用于保护控制的同步相量测量方法

近年来,电力系统电力电子化特征导致输配电网动态特性耦合紧密,系统性故障频发。同步相量测量单元(PMU)在动态安全控制中作用愈发重要。适用于智能配电网的同步相量测量装置的研究也得到广泛开展。如何在当前复杂电气信号条件下保证相量测量精度的同时,缩短其阶跃条件下的响应时间对保护控制应用至关重要。文中提出一种适用于保护控制的同步相量测量方法。该方法揭示了阶跃信号对相量测量的影响机理,分析了相量模型参数在阶跃信号条件下的行为规律,提出了信号阶跃识别方法。进一步,揭示了阶跃量大小与动态相量模型参数突变量的线性关系,提出了阶跃过程中相量修正方法,减少了相量计算的响应时间。仿真与实际录波数据测试验证了所提方法可有效减少响应时间,为智能配电网保护控制提供快速准确的测量数据。     

基于等式方程直接求解的支路参数抗差估计方法

提出了一种基于等式方程直接求解的支路参数抗差估计方法.首先基于输电线路和双绕组变压器两端相量测量单元(phasor measurement unit,PMU)或监控与数据采集(supervisory control and data acquisition,SCADA)装置的单时段量测信息,推导了直接求解支路参数的等式方程.然后借鉴文献[18]三绕组变压器参数的抗差估计方法,计算支路参数的多时段均值并以其作为最终的参数估计值.由于采用等式方程直接求解支路参数,计算公式简单直观且避免了传统方法的数值稳定性问题,因此该方法更加实用有效.基于 IEEE 39系统的算例验证了文中方法的有效性     

抵御多点虚假数据攻击的主动配电网状态估计方法

引入同步相量量测装置（PMU）识别虚假数据注入攻击（FDIA）的动态状态估计是实现主动配电网安全准确决策的有效途径。提出一种融合贝叶斯定理的深度森林（BA-DF）FDIA检测机制的混合量测加权平方根容积卡尔曼滤波（WASRCKF）动态状态估计方法。首先,通过图卷积神经网络预测PMU和SCADA混合量测融合,提高数据冗余度;其次,利用WASRCKF估计状态量和混合量测预测量进行加权估计,降低FDIA对状态估计更新层的影响;然后,采用BA-DF进行FDIA检测,判断虚假数据攻击位置,使用混合量测预测值进行修正,形成BA-DF-WASRCKF组合方法。最后,采用PG&E69配电网进行验证,结果表明该方法在不同PMU配置下均可获得更高精度状态估计结果,配置24台PMU的FDIA识别率为95%,较传统方法状态估计精度提高了77.8%。     

基于定制遗传算法考虑配电网多种拓扑可观性的PMU优化配置

同步相量测量单元(PMU)可以为配电网提供相量数据以提高可观性。考虑因配电网节点数目多但投资成本少造成的PMU供需不平衡,提出了以固定PMU数目为约束条件的优化配置模型。目标函数在最大化可观性节点数目的前提下,最大化网络量测冗余度。模型中考虑了多种拓扑结构的影响,并通过引入零注入节点、节点注入功率和支路功率等量测数据提高可观性。提出了一种定制遗传算法来求解模型,通过定制交叉和变异操作,保证所有个体为可行解。最后,给出了基于最优方案的PMU配置顺序。通过对IEEE标准节点系统进行仿真计算,验证了所提方法的可行性和有效性。