基于节点概率可观性的PMU多目标优化配置

针对相量测量单元(phasor measurement unit, PMU)的多目标优化配置(multi-objective optimal PMU placement, MOPP)问题,提出一种计及节点概率可观性的MOPP模型。从节点可观的角度,考虑PMU及线路的故障概率,计算节点失去可观性的概率。在进行PMU的优化配置时,同时考虑PMU安装数量最少和各节点失去可观性的平均概率最小2个优化目标,采用基于快速非支配排序策略的多目标生物地理学优化(multi-objective biogeography-based optimization, MOBBO)算法进行求解得到Pareto解集,并利用模糊决策理论得到最优折衷解。IEEE 14和57节点系统的大量仿真结果表明,所提方法可以在MOPP中差异化计及PMU以及支路故障概率的影响,与非支配排序遗传算法相比,MOBBO在求解MOPP模型中能够得到更为逼近Pareto前沿的解,提供更佳的决策参考方案。     

基于分段迭代法的PMU的优化配置研究

对电力系统中有限个数目PMU的优化配置进行研究。采用分段迭代法对PMU的优化配置进行研究。该法假设最初每个节点均安装有PMU。第一阶段和第二阶段的迭代算法用来去除那些不太重要的节点的PMU配置,并保留节点位置重要的PMU的配置。第三阶段的迭代算法则对前两阶段的PMU数目进行进一步的最小化,并且充分考虑电力系统全网的可观性,使得该法达到PMU的最优配置。通过在IEEE 14和IEEE 30节点上进行仿真验证,并与现有的优先算法在计算时间上进行对比,证明该法在计算时间上的优越性,及该法的有效性。     

基于动态规划算法的PMU优化配置

以电力系统状态完全可观测和PMU配置数目最小为目标,提出基于动态规划算法的PMU优化配置方案。选择PMU配置位置为动态规划的状态,PMU台数为动态规划的阶段数,从而实现动态规划计算。通过预处理准则、对称性准则、优胜劣汰准则提高了计算效率。用文中方法对IEEE 14和IEEE 39节点系统进行了PMU配置。与其他文献方法对比表明了该算法的正确性与优越性。     

基于最大测量树法的电力系统PMU优化配置

着重研究了基于图论的相量测量单元PMU(Phasor Measurement Unit)配置方法.引入测量树的概念,提出了一种新的寻找最佳PMU配置点的规则.并由此得到最大测量树法MMT(MaximalMeasurement Tree),该方法以任一母线为起始母线,以能够提供最大的测量树为目标配置PMU.在实际算例中分别对IEEE 14、IEEE39、IEEIE 118系统进行仿真计算,根据计算结果比较了最大测量树方法以及末端节点法、深度优先法DFS(Depth First Search)和模拟退火法SA(Simulated Annealing)的优缺点.算例表明:MMT法可以获得最少PMU配置数目,相比SA法有较高的效率和较快的收敛速度.最后,分别利用最大测量树法和末端节点法实现了江西电网PMU优化配置.     

一种基于改进Petri网拓扑的PMU配置优化方法

本文提出一种基于改进Petri网的PMU配置优化算法,先在关联节点可测的基础上,引入关联节点安装PMU优选约束,建立网络覆盖优化函数.然后采用改进的Petri网对系统的结构进行分析,并结合节点关联信息,得到PMU最少时网络的最大覆盖.该方法将复杂网络拓扑分解为若干基本分析单元,从而缩小了分析规模;通过引入标识算子,将复杂矩阵运算转化为逻辑运算,简化推理过程;同时,通过更新变迁点火序列进行PMU地点选择,并引入变迁时间标签使计算过程得以简化,提高了计算效率.最后通过算例仿真,验证本文所提的方法计算准确,过程简便.     

考虑高风险连锁故障的PMU配置方法

针对连锁故障会导致广域测量系统(WAMS)丧失对电力系统完全可观测能力的问题,提出了一种考虑高风险连锁故障的最优相量测量单元(PMU)配置方法.首先使用隐性故障模型和风险理论对电力系统的连锁故障进行模拟仿真和统计分析,从而对系统中的高风险连锁故障进行辨识;进而通过最优PMU配置保证在单一高风险连锁故障发生的情况下WAMS能够保持对电网的完全可观测.以IEEE 39节点系统为例进行了PMU配置和分析,实验结果表明该方法在经济性和鲁棒性之间能够取得较好的平衡.     

电力系统中基于MMT算法的PMU配置应用研究

着重研究了基于图论的相量测量单元（Phasor Measurement Unit, PMU）配置方法。引入测量树的概念,提出了一种新的寻找最佳PMU配置点的规则,并由此得到最大测量树法（Maximal Measurement Tree, MMT）,该方法以任一母线为起始母线,以能够提供最大的测量树为目标配置PMU。在实际算例中分别对IEEE14、IEEE39、IEEE118系统进行仿真计算,根据计算结果比较了最大测量树方法以及末端节点法、深度优先法（Depth First Search, DFS）和模拟退火法（Simulated Annealing, SA）的优缺点。算例表明：MMT法可以获得最少PMU配置数目,相比SA法有较高的效率和较快的收敛速度。     

基于改进自适应遗传算法的系统可观测PMU最优配置

以电力系统配置同步相量测量单元（PMU）个数最少、系统有最大测量冗余度为目标,全网可观测为约束,提出PMU最优配置模型,同时针对实际电网中存在某些重要节点已经初步安装PMU或者必须安装PMU的情况,提出了特殊约束条件,并给出了相应的求解算法。在此基础上,用改进自适应遗传算法求解此模型,保证全局最优。对某省49节点电网进行的计算表明,改进的自适应遗传算法收敛到全局最优解的概率优于传统的遗传算法和自适应遗传算法,更适用于工程实际。     

基于免疫BPSO算法与拓扑可观性的PMU最优配置

以电力系统状态完全可观测和相量测量单元PMU配置数目最小为优化目标,基于PMU的功能特点和电力网络的拓扑结构信息,形成快速且通用的电网拓扑可观测性判别方法,并设计了一种结合免疫系统信息处理机制的二进制粒子群优化算法对目标函数进行求解,该算法综合了粒子群优化算法简单快速和免疫系统种群多样性的优点,明显改善了进化后期算法的收敛性能和全局寻优能力.最后通过对IEEE14和新英格兰39母线系统进行PMU优化配置仿真及量测冗余性分析,验证了本文方法的有效性和优越性.     

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。     

考虑SCADA量测的PMU优化配置研究

针对目前PMU与SCADA系统并存、且互为补充的状况,提出了一种PMU优化配置方法。该方法充分利用PMU和SCADA的量测信息来降低PMU的配置数目,通过合理布置、优化配置PMU,保证了系统的可观测性。算例表明,该方法与现有方法相比可减少PMU的配置数量而达到同样的观测性能。     

基于图论的电力系统PMU布点优化算法

基于最小支配集理论和电力系统线性量测模型,提出了可观测节点集合、WAMS可观测矩阵两个概念以及一种新的节点可观测性计算规则。以保证系统的完全可观测性和以系统图的最小支配集为搜索范围构成约束条件, 以电力系统状态完全可观测和相量测量装置（PMU）配置数目最小为目标,形成了PMU配置优化问题。并应用禁忌搜索(TS)方法求解该问题,保证了全局寻优。最后采用 IEEE 14、30、57 、118节点系统和新英格兰 39 节点系统对该方法进行了验证,仿真结果表明该方法的有效性和可行性。     

面向配电网故障快速处理的边缘计算单元优化配置方法

随着配电网自动化水平不断提高,感知终端数目和接入数据量激增,数据传输慢、信息漏报误报等问题严重影响了故障处理速度和准确性.边缘计算可就地高效地快速处理数据并决策.为此,提出一种面向配电网故障快速处理的边缘计算单元优化配置方法,包括体系架构、边缘生成、划分方法等内容.首先以经济性、通信实时性指标构造目标函数,可靠性及系统...     

基于随机矩阵理论的电网状态分析与扰动定位方法

随着电力技术的不断发展,电网的规模和复杂程度在不断增加,导致相应的电力数据也在以指数级的速度增加。传统的模型法无法充分利用历史和实时数据,同时具有不可避免的假设与简化,而以数据为驱动的随机矩阵理论方法不依赖于具体的机理建模。文中首先介绍了大维统计分析,结合经典多元统计分析的局限,分析了随机矩阵原理的重要作用,重点介绍了单环定理和线性谱统计量的概念。然后,引出了高维统计指标,即文中使用的平均谱半径。结合已有的知识体系分析了随机矩阵理论的应用基础和数据来源,给出了电网状态分析的具体思路,提出了基于电压数据的电网扰动定位方法。最后,通过算例的验证,证明了所提方法的有效性。     

基于随机矩阵理论的低压配电网边–云协同故障检测方法

快速、准确的故障检测能有效提升配电网安全运行水平。考虑到传统矩阵算法容错性差、智能优化算法复杂度高,该文基于随机矩阵理论提出一种数据驱动、边–云协同的低压配电网故障检测方法。当配电网发生故障时,边缘物联终端首先对量测时间序列进行考虑时滞相关性的分布式诊断分析并解析上传数据需求,随后区域主站对上传数据进行集中式的高维随机矩阵分析并深入挖掘故障的时空特征。基于IEEE低压馈线测试系统的仿真实验进一步验证了该文方法的独特优势。算例结果表明,该文方法通用性强,只需依靠配电网量测数据,而无需详细的配电网物理结构信息;同时,该文方法鲁棒性强,对量测缺失、数据异常等情况具有一定的免疫效果。     

基于二分法的配电网分段开关优化配置

配电网分段开关的优化配置是一个需要同时考虑经济性和可靠性的非线性组合优化问题。针对该问题,提出了一种确定配电网分段开关最佳数量和安装位置的双层优化规划方法。该方法采用的目标函数综合考虑了开关的年投资费用、年运行维修费用和用户停电损失费用;外层优化针对不同的开关数量采用二分法逐步向最佳开关数量逼近;内层优化在给定开关数量下采用缺供电量作为评价指标,对开关安装位置进行优化。将该方法应用于IEEE RBTS-BUS2及其他配电系统,取得了较好的结果,为配电网规划和改造提供了一种有效的分析工具。     

基于图论及改进矩阵算法的配电网故障定位

针对传统矩阵算法故障判定规格化处理计算量大,母线区域及负荷出线区域故障定位准确率低等问题,提出了一种基于图论及改进矩阵算法的配电网故障定位新方法.该方法首先依据IED装置采集到的故障信息分量准确判别故障发生区域.若判定为母线故障或负荷出线故障,则由IED装置直接下达跳闸命令.若判断为线路区域故障,则由集中保护装置依据图...     

基于随机矩阵理论和聚类算法的电能表运行状态评估方法

随着智能配电网络规模的扩大以及电网结构的复杂化,电力大数据呈指数级增长,电力设备的检、监测评估面临新的挑战。在大数据原理和数据挖掘分析的基础上,提出一种基于随机矩阵理论和聚类算法的电能表运行状态评估方法。首先,对电力大数据统一预处理,完成时间序列数据表征;然后,采用实时分离窗技术整合时序数据;其次,基于随机矩阵理论,对多维度电能表时间序列数据实时计算、分析统计量时序特征;进一步,采用改进的时间规整聚类算法计算时序数据相似度,从而对随机矩阵统计量聚类分级;最后,分析聚类结果,得到电能表运行状态评估等级和范围,完成电能表实时运行状态评估。实例分析和对比研究结果表明,与传统的主元分析评估方法相比,所提出的新型电能表运行状态评估方法具有良好的鲁棒性、可靠性和时效性,为电力电网检测技术应用研究提供了新思路。     

基于随机矩阵理论和聚类算法的电能表运行状态评估方法

随着智能配电网络规模的扩大以及电网结构的复杂化,电力大数据呈指数级增长,电力设备的检、监测评估面临新的挑战。在大数据原理和数据挖掘分析的基础上,提出一种基于随机矩阵理论和聚类算法的电能表运行状态评估方法。首先,对电力大数据统一预处理,完成时间序列数据表征;然后,采用实时分离窗技术整合时序数据;其次,基于随机矩阵理论,对多维度电能表时间序列数据实时计算、分析统计量时序特征;进一步,采用改进的时间规整聚类算法计算时序数据相似度,从而对随机矩阵统计量聚类分级;最后,分析聚类结果,得到电能表运行状态评估等级和范围,完成电能表实时运行状态评估。实例分析和对比研究结果表明,与传统的主元分析评估方法相比,所提出的新型电能表运行状态评估方法具有良好的鲁棒性、可靠性和时效性,为电力电网检测技术应用研究提供了新思路。     

基于随机矩阵和历史场景匹配的配电网无功优化

配电网的无功优化是保证配电网供电可靠、经济运行的一项重要工作。将大数据理论引入配电网无功优化,提出一种基于随机矩阵的无功优化方法,它不依赖于配电网的模型和参数,直接利用配电网在运行过程中产生的运行大数据以及当地的环境数据构造7种高维随机矩阵,提取57种特征指标,再应用主成分分析法对这些特征指标进行降维处理,然后匹配历史数据库中已有的场景,快速找到特征指标与当前系统最相近的场景,直接采用匹配场景的控制策略作为当前系统的无功优化控制策略,以减小有功网损和节点电压偏移。最后,在改造的IEEE-37节点配电网仿真模型上进行算例验证,其中增加了光伏/风电等分布式发电和电动汽车充电站等随机负荷模型。结果表明,方法可有效地对配电网进行无功优化,摆脱了配电网模型的限制,可快速做出控制决策。