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。     

基于混合量测的电力系统线性动态状态估计算法

针对当前电力系统中广域测量系统（WAMS）和数据采集与监控（SCADA）系统并存的现状,利用量测变换技术,将SCADA系统下支路功率量测和节点注入功率量测转换为等效的电流相量量测,并与WAMS组成混合量测系统,在此基础上提出了直角坐标系下的线性动态状态估计算法。该算法采用Holt两参数线性指数平滑技术,结合线性定常系统Kalman滤波原理,实现了系统状态的预测和估计。该算法具有常数雅可比矩阵,从而大大减少了动态状态估计的计算时间,保证了动态状态估计的计算精度。通过IEEE14节点系统的仿真结果,验证了该算法的有效性和优越性。     

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。     

计及PMU的混合非线性状态估计新方法

提出一种将同步相量测量单元（PMU）的直接电压相量量测变换为间接支路电流量测,并与监控与数据采集（SCADA）量测量一起进行混合迭代的非线性状态估计方法。对构造等效电流修正量而带来的间接量测误差进行了详细和定量的分析,并对该混合估计算法的精度进行了定性分析和定量计算。理论分析和算例表明,该方法可以获得较高的估计精度,在收敛次数和滤波效果上也有所改进。     

基于超短期负荷预测和混合量测的线性动态状态估计

目前电力系统量测主要是广域测量系统(wide area measurement system,WAMS)和数据采集与监控系统(supervisory control and data acquisition,SCADA)混合量测并存。利用量测变换技术,将SCADA系统下支路功率量测和节点注入功率量测转换为等效的电流相量量测,并与WAMS量测组成混合量测系统,在此基础上提出了直角坐标系下的线性动态状态估计算法。此外,采用高精度的母线超短期负荷预测并通过潮流计算得到预测值,实现了系统状态的实时跟踪预测。该算法减少了动态状态估计的计算时间,提高了动态状态估计的计算精度。采用IEEE14节点系统对提出的算法进行了验证。     

基于混合量测状态估计的配电网故障定位方法

微型相量测量单元(micro-phasor measurement unit, μPMU)为配电自动化的进一步升级提供了良好的量测基础,但现阶段电网中μPMU数量有限,难以满足传统配电网故障定位的需求。针对该问题,结合电网中μPMU与智能电表等量测设备,并基于虚拟节点的多重状态估计方法,提出了一种基于混合量测状态估计的故障定位方法。首先,通过等效变换将μPMU和智能电表的测量信息输入到故障状态估计器当中。然后,利用μPMU将网络划分为不同的区域。根据状态估计结果计算故障电流,缩小故障搜索区域以减少计算复杂度。为了识别区域内的故障位置,通过设置附加虚拟故障节点形成多种特定的故障拓扑结构并执行多重状态估计,计算出用于识别故障位置的加权测量残差指标,以确定故障位置。最后,在实时仿真系统(real-time digital simulation, RTDS)中进行仿真测试,结果表明所提方法在不同故障场景下均能准确有效地定位故障,且对量测误差具有较好的鲁棒性。     

基于混合量测的电力系统动态状态估计

针对目前广域量测量无法单独进行状态估计的问题,引入部分SCADA功率量测与广域量测一起构成混合量测系统,提出了基于混合量测的动态状态估计算法。该算法采用扩展卡尔曼滤波算法实现状态预测与滤波,并能利用精度高和短期更新的广域量测数据去提高状态滤波效果。仿真分析表明,当广域量测在混合量测数据所占比例逐渐增加以及广域量测更新周期缩短后,状态预测和滤波结果精度均会有明显提高。     

基于PMU/SCADA混合量测的电力系统状态估计

为提高电力系统状态估计的准确度,在现有理论基础上提出了基于PMU/SCADA混合量测的状态估计方法,将电力系统划分为线性区域和非线性区域,在线性区域内计算与安装PMU装置相关联节点处的电压相量,将该计算结果作为间接量测引入非线性区域的状态估计中,从而使状态估计的准确度有所提高。仿真实验表明,在IEEE-14系统中,该算法计算速度快,能有效提高状态估计的精度,具有一定的实用价值。     

计及PMU量测的分步线性状态估计模型

提出一种基于广域量测系统(wide area measurement system,WAMS)和数据采集与监控(supervisory control and data acquisition,SCADA)系统混合量测的电力系统状态估计方法,该方法充分利用相量测量单元(phasor measurement unit,PMU)量测方程为线性方程的特点,将SCADA量测方程分解为两步线性化方程,并将PMU量测数据中的电压幅值平方、电流幅值平方和相角量测分别添加到2个线性化方程中,从而实现PMU和SCADA混合量测状态估计的非迭代计算,提高了计算效率。通过IEEE标准系统和波兰电网仿真算例,验证了所提方法的有效性。     

两级线性迭代策略下的混合状态估计的研究

基于卡尔曼滤波及线性迭代基本原理,针对当前电力系统混合状态估计精度低、滤波效果差及收敛能力低等问题,提出了一种基于两级线性迭代的电力系统混合状态估计的研究策略:第1级利用相量测量单元(PMU)的量测数据进行线性估计;第2级将其与传统量测值相结合用于状态估计,并利用PMU的高频特性对两级的量测数据进行多次迭代采样。将其在IEEE 14和IEEE 57节点测试系统进行测试,并将结果与其他混合模型比较,结果表明,该策略的估计精度、数据收敛度及量测参数误差均优于其他混合模型。     

基于PMU的状态估计的研究

传统的状态估计是基于单相纯正弦模型的,但实际电力系统的三相并不是完全对称,这就导致了传统的状态估计存在着固有的误差。随着基于GPS同步相量测量单元(PMU)的应用和计算机技术的发展,该文提出了一种以PMU为基础的三相状态估计和谐波状态估计算法以消除这种固有误差。利用PMU的电压幅值测量值和相角测量值与SCADA原有的测量值构成的混和量测系统一起用于状态估计,从而提高网络的可观测性及状态估计的精度,来弥补传统状态估计的不足。所以这种算法可根本解决系统三相不平衡和状态向量非纯正弦带来的误差问题。最后讨论了对该算法的评估方法。     

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。     

Static state estimation with DC models and linear programming

A decoupled state estimation algorithm is proposed in which the measurement model is based on linear approximation of the power flow equations and the solution method is based on linear programming. The decoupled least-squares DC-estimator and the undecoupled least-absolute-value estimator are numerically compared. As an overall reference, the classic undecoupled least-squares estimator is used. The error-detecting capabilities and the accuracy of the estimated state of all four types of estimators are treated.     

一种新的分布式电力系统状态估计算法

随着电力系统的发展,区域电网互联,形成了规模更大的系统。为了适应这一趋势,电力系统状态估计应采用分布式算法。在配置少量PMU的基础上,将分区后的边界等式约束条件通过拉格朗日乘子计入整体目标函数,将分布式状态估计的问题转化为一个带等式约束的最优化问题,实现了电力系统状态估计的分布式计算。该算法不仅提高了状态估计的速度,而且可在不必改动原有状态估计模块的基础上,很容易地加入等式约束的修正模块。最后通过IEEE14节点和IEEE30节点系统的模拟仿真,验证了该算法的有效性和优越性。     

基于混合量测的二次线性状态估计方法及其工程应用

基于相量测量单元(PMU)和数据采集与监控(SCADA)混合量测进行状态估计计算时,如果仍采用传统非线性估计模型,将面临PMU量测计算权值难以确定、PMU量测坏数据辨识不准、相角参考点和成熟商用程序改动等多方面问题。提出了一种基于混合量测的二次线性状态估计方法。该方法在传统非线性状态估计收敛后,利用其结果中的各节点电压幅值及相角估计值和PMU相量量测再进行二次线性状态估计计算,有效解决了上述问题。最后结合电网实例验证了该方法的有效性。     

基于广义岭估计的电力系统谐波状态估计

基于广域测量系统提供的网络部分节点的谐波同步测量数据和网络导纳矩阵建立谐波状态估计模型,通过对模型的求解得出整个网络的谐波状态。对于待求解的数学模型,由于网络中某些元件参数可能导致求解方程病态问题的出现,应用最小二乘估计所得结果存在较大误差,提出应用广义岭估计进行求解。仿真算例结果表明,在系数矩阵病态时,应用广义岭估计进行谐波状态估计的结果较最小二乘法有更高的准确度。     

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...     

基于WAMS／SCADA混合量测的电力系统强跟踪滤波动态状态估计

针对当前电力系统动态状态估计主要采用的扩展卡尔曼滤波(EKF)法存在鲁棒性差、建模具有不确定性等缺点,提出一种强跟踪滤波动态状态估计算法.该算法在扩展卡尔曼滤波器中引入时变次优渐消因子,在线调整状态预报误差协方差矩阵和相应的增益矩阵,使状态估计残差方差最小.同时,引入广域测量系统(WAMS)/-数据采集与监视控制(SCADA)系统的混合量测数据,增加了系统的冗余量测,进一步提高了动态状态估计的性能.仿真结果表明,所提方法在正常情况以及负荷突变、存在坏数据、网络拓扑错误各种情况下具有较好的预测和滤波效果.