加权最小二乘状态估计量测权值计算的实用方法

分析了实际系统中直接影响加权最小二乘状态估计量测权值的因素,基于量测精度等级及满量程提出了设置量测权值的实用化方法,展示了实际系统中典型量测权值的标幺化数值,可以看出不同电压等级功率量测权值的差别以及电压幅值量测和功率量测权值之间的关系。使用文中方法计算得到的量测权值能更准确地反映量测精度,从而能够提高状态估计结果的准确性,模拟算例和实际工程应用验证了所述方法的有效性。文中还分析说明了计算两种派生量测权值的方法以及选取零注入量测权值的原则。     

外网等值自动生成系统中地调侧外网估计误差的阻断

在外网等值自动生成系统中，外网量测不准确会污染内网的估计结果，为阻断外网的估计误差，提出在缓冲网中设置唯支路量测，在地调侧能量管理系统(EMS)中自动设置边界关键量测，以此阻断外网状态估计的估计误差对内网状态估计的影响。采用一步式状态估计方法对此问题进行了理论分析，并对由于网络传输中断而造成的内、外网量测采样时间不一致时，采用一步式状态估计方法的阻断效果作了数值仿真验证，证明效果明显。该方法已经成功应用于深圳地调EMS。     

配电系统关键量测解耦快速辨识及鲁棒量测优化配置

对配电系统实时运行状态的准确感知离不开状态估计,状态估计的正常运行与量测系统状况紧密相关。文中提出了一种针对三相不平衡配电系统的关键量测和关键量测组解耦快速辨识的新方法,该方法实现了关键量测和关键量测组辨识的解耦和非迭代:一方面,辨识过程仅需进行有功功率部分的状态估计,极大降低了计算规模;另一方面,整个计算过程无需迭代,并给出了相应的严格理论证明。此外,建立了配电系统三相m~(-1)鲁棒量测优化配置模型,以保证任一量测缺失时网络仍然可观测。将所提方法和模型应用于改进的IEEE 37节点算例进行测试,计算结果显示关键量测解耦快速辨识方法的辨识速度远快于解耦前,鲁棒量测优化配置显著降低了配电系统不可观测的风险。     

配电网状态估计的全局灵敏度分析及应用

在配电网状态估计中,量测装置配置不齐全,通常引入伪量测来满足系统的可观性要求。考虑到量测数据有一定的误差以及伪量测与真实值之间可能存在偏差,配电网状态估计的量测和伪量测存在不确定性,这会影响配电网状态估计的准确性。文中提出了配电网状态估计的全局灵敏度分析方法,辨识影响状态估计精度的关键(伪)量测不确定性因素及其位置;利用稀疏多项式混沌展开计算全局灵敏度指标,以提高全局灵敏度分析的计算效率;建立了基于不确定性因素重要性排序的量测装置布点方法。采用IEEE 33节点配电网进行仿真,通过与常用方法进行比较,验证了所提方法的有效性。该方法克服了传统状态估计灵敏度分析方法的不足,能有效评估(伪)量测不确定性因素的交互作用对状态估计的影响;此外,基于全局灵敏度分析的量测装置布点方法能显著提高配电网状态估计精度。     

计及PMU的二次状态估计模型的研究

随着相量测量装置（PMU）在电网中的推广应用,其量测结果己成为电力系统重要的数据源之一。将PMU支路电流量测转换为支路潮流量测,使电流相量量测在状态估计中得到了有效的利用。二次估计模型首先把PMU节点的状态量测值作为估计值,PMU支路量测通过变换参与到非线性估计,收敛后再利用非线性估计结果和PMU量测进行线性估计。该模型在充分利用PMU量测特性,保持较高的估计精度的同时,也提高了方程数值稳定性和收敛速度。在快速分解算法的基础上,通过IEEE9和IEEE30节点系统仿真验证本文模型的有效性。     

基于预测残差的配电网三相状态估计

为了提高配电网状态估计的计算精度和计算速度,针对常规抗差状态估计算法迭代次数较多的特点,给出了一种以节点电压为状态量,基于预测残差的配电网三相抗差状态估计方法。利用了配电网中各种类型的量测,通过对节点电压和支路电流的相位变换,以及对电流幅值量测进行的等效量测变换,实现了整个雅可比矩阵的常数化,在迭代过程中保持不变,降低了计算量。基于预测残差的信息设置抗差状态估计中的等价权,避免了常规抗差状态估计算法对等价权修正中不必要的多次迭代,提高了收敛速度。算例分析表明,所提的算法抗差能力强、计算速度快、数值稳定性和鲁棒性较好。     

基于免疫离散粒子群算法的主动配电网PMU测量位置优化

主动配电网的状态估计是配电管理系统必不可少的组成要素,其估计结果的准确性受量测位置的影响较大。为了提高系统状态估计的精度,优化实时数据库,本文结合一种基于并行置信传播算法的状态估计方法,建立了以主动配电网状态估计误差最小为目标的PMU量测位置优化模型,同时提出了利用优化粒子初始位置的改进免疫离散粒子群算法进行模型求解。最后通过算例仿真,得到了量测装置的优化配置方案,且在该方案下,状态估计的精度明显提高。     

基于多源异步量测的电力系统快速率状态估计*

为有效掌握电力系统实时运行中的状态趋势,提出一种基于多源异步量测的电力系统动态估计方法,解决多源数据融合时产生的采样频率异步问题,实现对电力系统快速、准确预测。首先,提出一种RTU下快速率EKF动态状态估计算法,缩短了状态更新周期。然后,为提高状态估计精度,引入PMU量测且采用自适应更新量测值的方法解决了不同时间尺度与量测精度的多源量测装置间量测数据难以融合的问题,建立了多源异步量测的电力系统动态状态估计算法,提高了算法的状态估计速度且改善了估计精度。最后,在MATLAB仿真平台中基于实际算例验证了该方法的准确性和优越性。     

复数域加权最小二乘法在相量量测状态估计中的应用

基于相量量测的状态估计能提高状态估计的精度,而相量测量单元在高电压等级网络中的广泛配置为电力系统全相量量测状态估计提供了坚实的硬件基础,研究全相量量测状态估计意义重大。建立了基于全相量量测状态估计的量测方程,在此基础上建立了复数加权最小二乘法(complex field weighted least square,CWLS)状态估计模型。文中还对复数域下相量的误差特性和CWLS算法的抗差性进行了研究,同时详细分析了CWLS算法中权重的选取和不良数据的辨识。仿真结果表明了所建模型的合理性以及CWLS算法的有效性和适应性。     

配电网量测配置评估及优化

利用算例分析研究了配电网中不同量测类型对提高状态估计结果精度的影响特性,并初步分析和探讨了其原因;提出了一种量测配置优化方法,以期在配电网中增加实时量测时,使其能最大限度地提高状态估计结果精度。算例验证表明所提方法可以用于指导配电网量测布点的优化决策。     

基于正交变换与置信域的量测方差估计与权重设置算法

在状态估计实际应用中,量测方差获取和权重设置存在一定的困难。伴随状态估计运算量越来越繁重,现有量测方差估计算法的收敛性无法得到保证。为此提出了一种基于正交变换与置信域的量测方差估计和权重设置算法。利用正交变换降低迭代系数矩阵条件数,提高量测方差估计的数值稳定性;根据正交变换的化简结果,结合拉格朗日乘子法,建立新的量测方差估计模型;对于迭代过程的中间数据,采用置信域作为目标函数的约束,确保每次估计结果落在置信区间内;最后,通过IEEE 14/30/118标准系统算例证明了该算法的有效性。     

结合模糊综合评判与决策的电力系统状态估计

针对电力系统状态估计中各种类型量测数据精度对状态估计结果有重要影响的问题,在基本加权最小二乘法估计的基础上,结合模糊综合评判与决策中的层次分析法(Analytic Hierarchy Process,AHP)讨论了一种改进权值确定方法的加权最小二乘法。它是将电力系统状态估计分解为量测值与估计值的差值平方最小(目标)、不同类型的量测值(准则)、各类型量测值相对精度的大小(方案)等层次,在此基础上进行定性和定量分析。通过IEEE 14-bus、IEEE 30-bus和IEEE 57-bus的标准算例进行仿真分析,证明层次分析法确定权值的加权最小二乘法能够有效地计算出电力系统的状态估计值。通过和基本加权最小二乘法进行比较,证明了该方法的优越性和实用性。     

Transformer tap setting observability in state estimation

In conventional state estimation, transformer tap settings are treated as fixed network parameters. This may reduce the accuracy of state estimation algorithm, when a tap measurement is in error or an unmeasured tap is unknown. This paper presents a numerical observability analysis algorithm for a state estimation model which treats transformer tap settings as state variables and provides for turns ratio and phase-shift angle measurements. The proposed model is transformed to a conventional node frame of reference, by introducing one fictitious bus and one fictitious branch for each transformer with tap estimation enabled. For an unobservable system, observable islands are determined and additional measurements are directly provided for placement. Test results are presented.     

多采样周期混合量测环境下的主动配电网状态估计方法

针对主动配电网中远程终端单元(RTU)、相量测量单元(PMU)与高级量测体系(AMI)多采样周期量测数据长期共存的实际情况,提出了一种基于RTU,PMU,AMI混合量测的主动配电网状态估计混合算法。该混合算法由非线性静态状态估计、线性静态状态估计与线性动态状态估计3种算法组成。线性动态状态估计与线性静态状态估计利用PMU量测与RTU量测,实时跟踪系统注入节点有功功率与无功功率的变化,在非AMI量测的采集时刻,为非线性静态状态估计提供高精度的虚拟量测。所提算法缩短了非线性静态状态估计的计算周期,提高了非线性静态状态估计的精度,提升了对主动配电网运行状态的预测能力。通过算例仿真,验证了所提算法的有效性。     

基于IGG法的电力系统状态估计

针对现有电力系统状态估计的不足,提出了一种基于IGG(Institute of Geodesy &Geophysics,Chinese Academy of Sciences)法的抗差估计方法。分析了抗差估计理论应用于状态估计时,初值和权函数选取的原则及一般方法,兼顾了估计结果的准确性和数值稳定性。将抗差最小二乘法用于存在拓扑错误和坏数据时的状态估计,结合网络参数估计辨识法,得出坏数据和可疑支路的正确状态,使抗差和状态估计在计算中一次完成。算例结果表明,该法抗差能力强,收敛速度快,而且具有较好的准确性和数值稳定性。     

A new numerical algorithm to check the observability and bad-data processing ability of the metering scheme

This paper provides a unified approach for the optimization of measurements placements employed for power system online monitoring through state estimation. The proposed methodology, which can be suitable for the mixed measure system, preserves state estimation observability and bad-data processing capability by employing numerical algorithms for observability checking, critical measurements and critical couple identification. First, node injection radix measurements and measurement categories are defined. According to the above definitions, the coefficient matrix can be solved. The analysis on the column vectors of the coefficient matrix can determine each measurement classification. Furthermore, the numbers of each measurement class contains can determine bad-data processing capability. The observability can be checked by the type number of measurements. The proposed method is illustrated with the IEEE39-bus system and the IEEE118-bus system. Results from the case studies are presented to demonstrate that the approach adequately fulfills the desired properties related to observability, bad-data processing, cost, and robustness.     

基于SEELM多专家模型的分布式光伏系统负荷预测方法

针对分布式光伏系统负荷所具有的非线性和非平稳等数据分布特性,基于神经网络与挂起规则,提出一种基于多模型集成式极限学习机的分布式光伏负荷预测方法。首先,设计多个神经网络作为子专家模型,并随机选取每一个网络的初始输入权值。构建挂起规则,依据数值波动范围在相应时间节点划分各神经网络的类别。针对其中数值波动较大的大误差网络,基于对应数值概率分布实施在线动态更新,以实现训练误差、输入权值的双维度同步优化。最后,将各个子专家模型的优化结果进行整合,并汇总输出,从而降低初始权值选取步骤中潜在误差波动的不利影响。基于某地区实际分布式光伏系统实施实证仿真,结果表明：在光伏负荷高波动这一特殊数据环境下,所提出预测模型在预测精度以及输出稳定性两方面均能够保持一定优势,可进一步推动并改善光伏接入背景下系统负荷预测的性能与效果。     

配电网状态估计中的量测变换技术

分析了不同情况下状态估计算法中量测变换技术的应用情况，导出了量测变换的具体数学表达式和量测变换后各数据量权重的确定。文章分别对基于牛顿法的状态估计算法，以节点电压电流方程式为基础的状态估计算法及基于支路电流的配电网状况估计算法进行了比较，从文中分析可以看出，量测变换技术的应用虽提高了算法的运算速度但牺牲了估计精度。因此在应用量测变换技术时，须因地制宜，在速度和精度之间寻求平衡。     

基于广域测量系统的状态估计研究综述

广域测量系统（WAMS）的逐步发展给电力系统在线分析方法提供了一个新思路。针对WAMS测量精度高、具有同步相量测量功能以及数据传输快等特点，分别从引入高精度节点电压相量量测的状态估计算法、引入高精度支路电流相量量测的算法、引入全部WAMS量测的算法以及其他与WAMS状态估计相关的问题等4个方面，介绍了目前引入WAMS量测的各种状态估计算法；并详细分析了各种算法的优缺点和适用范围，从工程应用出发研究其可行性，对部分算法给出了改进措施。讨论了WAMS的不良数据检测与辨识问题、相量测量装置（PMU）的最优配置问题以及基于PMU的动态状态估计和谐波状态估计等与WAMS状态估计相关的其他问题。