考虑谐波状态估计精度的PMU优化配置研究

线性谐波状态估计利用多点的谐波监测数据,估计整个系统范围的谐波状态,其估计质量受同步相量量测装置安装数目和位置的影响。本文给出了一种计及谐波状态估计精度的PMU优化配置算法,在保证系统谐波状态可观的前提下,以各次谐波量测矩阵条件数的加权和为冗余量测的排除基准,获得谐波状态估计的基本量测;结合三种典型的PMU量测配置方案,研究了PMU配置对谐波状态估计结果的影响。     

基于牛顿迭代法的电力系统非线性谐波状态估计

谐波状态估计为电力系统的谐波监控、抑制和治理提供了依据.在同步相量量测装置配置不可观的条件下,引入数据采集与监控系统量测到的谐波有功功率作为量测量,建立基于混合量测的非线性谐波状态估计的灵敏度数学模型,应用牛顿迭代法进行求解.算例分析表明,谐波状态估计的灵敏度数学模型和牛顿迭代法求解有效,混合量测数据能提高系统谐波状态估计的精度.     

电力系统谐波状态估计研究综述

谐波状态估计是谐波源定位的一种方法,它通过状态估计对所监测的电力系统谐波进行分析,从而确定系统中的谐波源的位置。系统地介绍了电力系统谐波状态估计技术的概念、功能和算法。从同步相量量测、静态估计算法、动态估计算法、量测点配置等方面出发,评述了现有的几种谐波状态估计算法;展望了谐波状态估计研究今后的主要工作。     

基于IGG的特高压输电线路序参数抗差辨识方法研究

为保障特高压输电网的安全、稳定运行,减少特高压输电线路序参数误差影响,基于测量与地球物理研究所(IGG)准则对特高压输电线路序参数在线抗差辨识方法进行研究。构建特高压输电线路相分量模型,从中获取各序分量三相不平衡情况的相量测量单元(PMU)数据。在自适应最小二乘的序参数在线抗差辨识方法的基础上,通过IGG权函数更充分处理各类量测数据,通过残差分布的自适应估计,再结合中位数原理估计残差序列的数学期望与标准差,为IGG权函数选取合理的抗差阈值,实现序参数最佳在线抗差辨识。试验结果表明：当不存在量测误差时,该方法可以获得准确的序参数在线辨识效果,且不受电压不平衡度的影响;当存在量测误差时,辨识相对误差始终低于0.4%。对比其他方法,本研究方法具有更好的应用能力,能保障电网系统的安全运行。     

基于PMU和系统拓扑的电压稳定性研究

本文提出一种计算戴维南等值阻抗和负荷节点电压稳定裕度的新方法。该算法利用系统的拓扑结构,负载阻抗和相量测量单元(PMU)测量的相量来估算,其中负载阻抗被计入到电力系统的导纳矩阵以计算戴维南等值参数,并用监测负荷节点的测量值识别电压稳定薄弱节点。该方法能有效监测电压的稳定性。该方法也适用于PMU的在线应用和状态估计。通过对IEEE39节点系统的仿真分析,证明了所提方法的有效性。     

基于ANN伪量测建模的配电网状态估计

针对配电网状态估计实时量测数量的不足,提出了一种基于ANN伪量测建模的配电网状态估计算法。该方法采用人工神经网络网络（ANN）,将部分实时量测数据作为神经网络的输入,产生较为精确的负荷伪量测数据。此外,应用高斯混合模型对产生伪量测的误差进行分解拟合,从而获得负荷伪量测的权重。最后,将获得的伪量测及其权重输入到状态估计模块中,实现了配电网的状态估计。通过英国标准配网系统（UKGDS）中16节点模型的仿真结果表明,该算法提高了配电网状态估计的精度,具有一定的现实意义和理论价值。     

量测不确定下多传感器一致性数据融合算法

针对量测不确定下多传感器信息采集系统中数据有效融合处理,提出一种量测数据一致性融合算法.首先,引入马氏距离实现两传感器量测数据一致性的近似估计;然后,结合模糊理论中隶属度函数的性质定义一种度量局部量测信息提取和利用效率的支持度函数,进而构建综合全局量测数据间相互支持程度的支持度矩阵;最后,通过对支持度矩阵的计算求解各传感器量测数据在评估系统状态估计中的权重,并通过加权融合方式实现对系统状态真值的估计.理论分析和仿真实验验证了算法的有效性.     

采用有限时间平均一致性协议的电力系统分布式状态估计

随着基于相量量测单元的广域量测系统在技术上的成熟与推广应用,利用WAMS量测可实现电力系统线性状态估计.本文基于广域量测系统提出一种全分布式状态估计算法.首先根据拉格朗日乘子法推导了多区域约束加权最小二乘估计模型,然后引入有限时间平均一致性协议,得到系统量测正常情况下的分布式状态估计算法.考虑了系统量测存在异常数据情况,根据最小二乘估计的几何意义扩展推导出修正算法,使其在各区域剔除异常量测后,无需改变信息矩阵,只需执行若干次有限时间平均一致性协议能收敛至信息矩阵修正后的集中式估计值.最后,理论分析和实验结果证明了算法的有效性.     

基于多传感器数据融合的鲁棒自适应滤波算法

针对具有多传感器量测的动态系统状态有效估计的问题,给出了一种基于多传感器数据融合的鲁棒自适应滤波算法.引入了虚拟量测的概念,实现对于量测数据的预处理,依据模糊集合理论中隶属度的性质定义了一种无需门限设定的数据间置信度函数,以充分提取于测量数据中互补和冗余信息.最后结合卡尔曼滤波中的贝叶斯递推估计原理,完成对于量测方差的在线自适应估计,进而提高了系统状态的滤波精度,并通过计算机仿真验证了算法的有效性.     

基于多传感器不完全量测下的机动目标跟踪算法

针对传感器探测概率小于1的不完全量测情况下的非机动目标跟踪问题,提出一种基于多传感器不完全量测下的扩展Kalman滤波算法。首先,利用残差检测的野值剔除方法,确定目标状态估计过程中传感器是否接收到正确的量测数据;其次,基于每个传感器的量测数据,在不完全量测下采用改进的扩展卡尔曼滤波算法分别对目标运动状态进行估计;进而结合多传感器最优加权融合方法求解基于多传感器观测数据的状态估计;最后,将算法应用到光电跟踪系统中。仿真实验得到不完全量测下传感器探测概率对滤波效果的影响,验证了算法的有效性,其跟踪精度接近完全量测下的状态估计精度。