基于WAMS/SCADA数据兼容的三种状态估计算法比较研究

当前应用于状态估计的广域测量系统(WARMS)和数据监控及采集系统(SCADA)混合量测数据主要存在数据成分、时间断面、数据精度和刷新频率四个方面的兼容性问题。分析了WAMS/SCADA混合量测数据兼容性差异,提出采用时延校正和分区Vondrak插值方法解决数据兼容问题,并在此基础上对状态估计的非线性、线性和混合模型作了对比。混合模型不进行量测变换,估计精度高,计算速度快,线性模型的量测变换和等效电流向量权重均随迭代更新,收敛性较非线性模型差。通过在IEEE 39节点系统上模拟日负荷变化验证了该结论的正确性。     

基于WAMS/SCADA混合量测和离散粒子群优化算法的PMU优化配置

当前应用于状态估计的量测数据由广域测量系统(wide area measurement system, WAMS)和数据监控及采集系统(supervisory control and data acquisition,SCADA)采集, WAMS向量测量单元(phasor measurement unit,PMU)的优化配置问题成为研究的重点。本文在分析WAMS/SCADA混合量测数据成分、时间断面、精度、刷新频率4个方面差异的基础上,实现了混合量测数据的有效兼容,提出了一种基于无迹卡尔曼滤波(unscented kalman filter, UKF)动态状态估计和离散粒子群优化(discrete particle swarm optimization, DPSO)算法的PMU优化配置方案。采用该方案下的混合量测数据进行UKF动态状态估计,很好地提高了状态估计精度。在IEEE39节点系统上模拟日负荷变化验证了该PMU配置方案的有效性。     

基于WAMS/SCADA数据兼容和改进FCM聚类算法的PMU最优配置

针对当前应用于状态估计的广域量测系统(wide area measurement system,WAMS)和SCADA系统混合量测中相量测量单元(phasor measurement unit,PMU)最优配置点的选取问题,在分析WAMS/SCADA数据差异的基础上,提出一种基于数据兼容和改进模糊C均值(fuzzy C-means,FCM)聚类算法的PMU最优配置方案。采用大数据挖掘理念,通过改进FCM聚类算法对SCADA数据依据相关度分区,在分区内可观测度最大的节点配置PMU,各分区内采用该PMU节点的最优平滑系数进行Vondrak插值,得到满足兼容性的数据,应用于混合模型的状态估计。相对只考虑可观测度的PMU配置方案,新方案不仅可以实现WAMS/SCADA数据有效兼容,提高估计精度,应用混合量测的状态估计还可有效控制系统负荷快速变化时的估计误差。通过在IEEE 39节点系统上模拟日负荷变化,验证了该PMU最优配置方案的有效性。     

用于电力系统状态估计的WAMS/SCADA混合量测数据融合方法

为了充分利用相量测量单元(PMU),并与数据监控及采集系统(SCADA)相结合以提高状态估计精度,详细分析了广域测量系统(WAMS)和SCADA这2套系统数据存在的4种差异(数据成分、传输延时、刷新频率、数据精度)。给出了2套数据在线性、非线性以及混合非线性3种估计模型下的数据成分处理方法;提出了全球定位系统(GPS)对时与时延校正相结合的方法以提高数据断面一致性;采用分段曲线拟合方法来填补PMU上传时刻SCADA数据的空缺,建立了多时间标尺混合量测预处理数据集,它可以用于多种时间尺度下的状态估计。在4节点测试系统潮流基础上叠加随机误差,形成量测数据,采用加权最小二乘估计算法,验证了该方法的有效性。     

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。     

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。     

混合量测用于电力系统状态估计

根据目前PMU的配置状况和PMU与SCADA的数据特点,提出了一种基于PMU与SCADA混合量测的状态估计方法。该方法将非线性估计结果作为伪量测量加入线性估计中,并根据平均距离动态地调整伪量测量的权值,然后通过插值对非线性可观测区域进行实时的近似估计。最后通过IEEE14、IEEE57系统进行了仿真。仿真表明即使在PMU配置较少的情况下,该方法亦能够有效改进非线性可观测区域状态估计的精度和刷新速度。该方法兼顾了PMU和SCADA的特点,有较好的应用价值。     

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.     

应用数据挖掘技术估计SCADA系统不良数据状态

现有的不良数据状态估计存在很多的弊端,应用数据挖掘的方法,使用SCADA数据库中的数据对不良数据进行估计。首先应用分类树方法,按照网络的运行模式与时间分类形成树,把SCADA数据库分成子数据库,提高运算速度。然后使用近邻法则对不良数据进行估计,最后应用IEEE-14标准节点网络仿真生成150组数据,从中随机抽取20组作为测试数据人工插入故障点进行检验。理论分析和实际算例表明,该算法精度高,程序简单,便于在线计算,同时可实现多点故障数据估计。     

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。     

广东电网WAMS增强SCADA状态估计研究

SCGM（1,1）模型是灰色预测理论在传统GM（1,1）上的进一步发展。文中首次将单变量的SCGM（1,1）模型应用于中长期电力负荷预测,分别阐述了简化SCGM（1,1）模型、均值SCGMMV（1,1）模型、拓广SCGMa0（1,1）模型的原理和特点,并应用于实例。同时将精度较高的后两种模型和GM（1,1）模型进行固定权值和变权组合,进一步提高预测结果的精确度和可靠性。计算结果证明该方法预测准确,可靠性高,抗干扰性强,是中长期负荷预测新工具之一。     

基于WAMS/SCADA混合量测的电网参数辨识与估计

针对目前电网参数辨识与估计方法存在的数值稳定性变差、易发散及易受残差污染干扰等问题,提出了一种基于混合量测的电网参数辨识与估计方法。该方法首先利用广域测量系统(WAMS)的测量数据计算相对残差,初步判断是否存在参数错误,然后利用相量测量单元(PMU)能够测量电压和电流相量的特性,建立支路两端变量之间的直接联系,对存在参数错误的支路进行辨识,并在此基础上使用智能优化算法估计支路参数。在IEEE 39测试系统上的仿真实验表明,该方法只需安装约1/2总母线数的PMU即可对全网传输线路和变压器进行参数辨识与估计。     

船舶系统PMU/SCADA混合量测数据兼容性研究

船舶电力系统的频率易波动且变化范围较大,现有陆地电力系统中的基于恒定频率的混合量测数据兼容性方案不能直接应用。针对该问题,本文提出了基于准确系统频率追踪和数据相关度分析的SCADA/PMU量测数据兼容性方法。提出利用自适应陷波器和基于PMU数据的频率跟踪算法,获取船舶电力系统的准确频率,根据SCADA和PMU两个系统测量数据的时间同步性和权值对状态估计的影响,确定一套适用于船舶电力系统的混合量测数据兼容性方案。通过仿真计算验证了该方案的正确性和有效性。该方法解决了当船舶电力系统频率变化时,仍可通过SCADA获得准确量测数据,并更好地从时间同步和权值方面与PMU数据实现兼容。     

基于SCADA/PMU混合量测的广域动态实时状态估计方法

根据来自监视控制与数据采集(supervisory control and data acquisition,SCADA)系统和相量测量单元(phasor measurement unit,PMU)的数据特点,提出了一种基于SCADA/PMU混合量测的广域动态实时状态估计方法,该方法充分利用了各节点间电压变化的相互联系,通过SCADA系统提供的初始值和安装PMU的节点的电压量测可简单地获得其他未安装PMU节点的电压相量。该方法有效地解决了在PMU配置不足的情况下如何观测电网状态以及如何在动态过程下实时观测电网。最后,通过对新英格兰10机39节点系统的多种故障进行仿真,验证了该方法的有效性和准确性。     

计及广域测量信息的状态估计错误参数识别与修正

因电网元件参数可能随工作环境变化而改变、遥信量在干扰下可能出现错误,需要对状态估计中的错误参数进行识别和修正。根据当前监控与数据采集（SCADA）系统和广域测量系统（WAMS）量测共存的状况,引入WAMS量测求得的功率残差和零注入节点功率残差,与SCADA量测残差一起构成拉格朗日函数,由优化理论得出参数误差与各残差的灵敏度关系,从而进一步识别和修正错误参数。所述方法不仅避免了增广参数估计维数高的问题,还利用了高精度的相量量测信息。在标准测试系统上的仿真结果验证了方法的有效性。     

基于SCADA和WAMS的电网仿真运行方式

电网仿真初始运行方式是影响计算结果的主要因素之一。由于SCADA覆盖了电网主要运行设备,因此可以将SCADA数据作为建立电网仿真计算运行方式的主要数据源。然而,仅仅依赖SCADA数据建立的初始运行方式与实际系统相比可能存在较大偏差。随着广域实时动态监测系统(WAMS)逐步在电网中的广泛应用,由其采集的电网实时动态数据也成为建立仿真初始运行方式的主要数据源之一。作者提出了一种利用SCADA数据和WAMS数据建立电网仿真计算运行方式的方法。该方法计及了SCADA和WAMS的特点,确定了SCADA、WAMS与仿真计算数据库间的数据流,具有明确校核调整机制。利用该方法所建立的运行方式可以经受SCADA、WAMS实测数据的反复校核。     

基于动态分区的电网状态估计方法

针对传统固定分区方法无法反映电网运行拓扑结构发生的变化,导致其计算效率不高,提出一种新的动态分区方法,基于电网运行物理拓扑结构,逐一搜索出所有辐射状网络分区、仅存在唯一电气连接线路的分区和仅存在唯一电气连接节点的分区,并在此基础上提出一种基于边界节点状态量灵敏度协调的整体状态估计方法。通过两个算例验证该方法能够快速响应电网拓扑变化,降低某区域中量测数据误差对其他区域状态估计结果的影响,提高了电网状态估计的整体准确率。