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。     

一种计及零注入电流的PMU量测线性状态估计方法

为充分利用相量测量单元(Phasor Measurement Unit,PMU)数据进一步提升状态估计精度,提出一种完全基于PMU量测数据的线性加权最小二乘状态估计方法。该方法将联络节点的零注入电流作为虚拟量测。由于最小二乘法的实质是通过量测冗余度提高状态估计精度,因此,虚拟量测的引入提升了冗余度,从而能够提高估计精度。利用IEEE39节点和IEEE118节点系统进行仿真,结果表明完全基于PMU量测的线性状态估计与传统非线性状态估计和混合量测状态估计方法相比能够有效提高估计精度和计算速度。此外,利用IEEE39节点测试系统对量测变换误差进行了比较研究,结果表明提出的方法量测变换误差明显小于SCADA量测变换误差,有助于提升估计精度。     

电力系统状态估计在抚顺电网中的应用与研究

介绍了地区电网状态估计的基本原理及功能，即利用实时量测系统的冗余度提高数据精度，从而自动排除错误信息，估计出系统的状态；在自满上采用基于等效电流量测变换的状态估计方法，使雅可比矩阵常数化，充分利用了系统量测类型多的特点，将量测支路电流作为已知量带入计算，使其肯的较好的数值稳定性和计算速度；分析了在实时不良数据冲击下，该算法的稳定性和收敛性；在抚顺电网实际运行中效果良好。     

一种配电网状态估计实用算法的探讨

文章介绍了一种新的配电网状态估计算法。该算法中的潮流算法是基于ZBUS法的潮流算法，并针对配电网的树状辐射形结构，采用了基于支路电流的量测变换方法以处理量测量，经特殊处理后也可以方便地处理电流幅值量测和节点电压量测。文中还给出了6节点、IEEE9节点和湖北恩施40节点配电网的计算结果。计算结果表明，文中所提算法能大大提高数据精度，并能快速可靠收敛。     

计及PMU电压和电流量测量的三相状态估计的研究

基于GPS的同步相量测量单元（PMU）是一种新型的高精度测量装置,能够测量母线电压相量和支路电流相量.提出了基于PMU母线电压量测和支路电流量测的三相状态估计模型,在谐波测量中采用高精度FFT算法,有效地提高了测量精度.提出的基于PMU量测的三相状态估计和谐波状态估计可以从根本上解决电力系统电压、电流非纯正弦和三相不平衡所带来的误差影响,提高了状态估计精度和稳定性,最后讨论了对该算法的评估方法.     

广义特勒根求解的配电网混合变换三相解耦状态估计算法

提出一种适用于配电网的三相解耦状态估计算法。该方法将量测量混合变换,避免传统电流量测变换带来的误差,基于电流解耦-补偿模型实现三相不对称状态估计解耦计算,并应用广义特勒根定理求解。所提出的方法能够适应配电网三相不平衡、电流量测较多的现状,且适用于考虑电缆线充电电容的网络。求解方法简单、快速,在保证计算精度的基础上,进一步满足配电网状态估计对实时性的要求。通过典型配电网络算例分析,从估计正确性、算法收敛性、估计时间三方面验证该方法实用性。     

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。     

基于广域测量系统的混合量测状态估计算法

针对当前广域测量系统（WAMS）测量点少、无法进行状态估计的问题，提出利用量测变换的方法将数据采集与监控系统 (SCADA)支路功率量测转换成等效电流相量量测，与WAMS量测组成混合量测系统，并提出了直角坐标系下混合量测的状态估计算法。理论分析和算例表明该算法具有常数的雅克比矩阵和信息矩阵，而且信息矩阵能够针对节点电压相量的实部和虚部进行解耦处理。该算法收敛快速，属于线性收敛，且基本不受系统规模的影响。此外，本文还研究了该算法对有注入功率节点的处理，不同R/X值对该算法收敛情况的影响以及PMU量测值对估计结果精度的影响分析。     

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。     

基于多时间尺度状态估计的配电网实时态势预测

为有效提升泛在电力物联网建设过程中的配电网运行安全感知能力,提出了一种基于多时间尺度状态估计的配电网实时态势预测方法,该方法可实现对配电网安全态势的快速、准确预测。首先,基于多元混合量测提出了多时间尺度递归动态状态估计方法,通过状态预测与伪量测递归变换改进了已有的量测线性等效变换方法,缩短了状态更新周期,在递归变换算法中添加了校正算法以消除伪量测波动误差,提高了状态估计算法的计算速度。然后基于状态估计得到历史估计状态,采用分区多元时间序列分析方法建立了实时状态预测模型,实现了配电网的实时安全性态势预测。最后在Matlab仿真平台中基于实际算例对所提方法进行了分析,结果验证了所提配电网实时态势预测方法的准确性和有效性。     

应用导纳矩阵方程的配电网状态估计迭代算法

提出一种基于导纳矩阵方程的状态估计方法,针对输电系统和配电系统不同的量测类型,采用等效电流量测变换技术进行电力系统状态估计。经过理论推导,证明了导纳矩阵方程对于功率量测迭代计算可靠收敛,使在进行状态估计时,只需修正HTR-1H矩阵中少量对角元素,同时应用电压向量直接进行迭代,简化了传统状态估计的运算步骤。理论分析和算例结果表明,该方法与传统方法有相同的计算精度,同时具有计算快速、实施方便的优点,符合当前电力系统在线应用的实际要求。     

基于多准则分区和WLS-PDIPM算法的有源配电网状态估计

针对复杂有源配电网三相不平衡状态估计计算速度较慢与计算精度较低的问题,提出了一种基于多准则分区和基本加权最小二乘法—原对偶内点法(WLS-PDIPM)混合算法的状态估计方法。基于对有源配电网中实时量测、虚拟量测和伪量测的配置分析,建立了适用于复杂有源配电网状态估计的多准则分区优化模型,该模型综合考虑了分区后各子区域规模均衡、量测冗余度均衡及伪量测平均误差均衡。通过高级量测体系(AMI)全量测点实现各子区域完全解耦,有效减小了系统规模和雅可比矩阵阶数。所提方法将WLS与PDIPM的优点相结合,在提高算法精度的同时减少了计算时间。仿真算例结果表明所提方法可实现对复杂有源配电网的合理分区,有效提高了状态估计的计算速度与求解精度。     

基于相坐标系的配电网三相不对称解耦状态估计算法

提出了一种基于相坐标系的配电网三相不对称解耦的状态估计算法.在等效电流量测变换法的基础上,针对配电系统线路参数不对称的特点,引入三相不对称潮流计算中的解耦-补偿电流模型,在相坐标下将三相不对称状态估计方程完全解耦;同时引入旋转变换使每一相的雅可比矩阵和信息矩阵实虚部严格解耦,进一步降低了问题的求解规模.最后提供算例将所提出的方法与等效电流量测变换法进行了比较,结果表明所提出的方法精度较高,具有工程应用的前景和价值.     

基于SC-DNN和多源数据融合的新能源电力系统状态估计方法

大规模新能源并网重塑了电力系统的控制运行特性,现有的电力系统状态估计方法面临新能源波动数据识别困难、估计精度低、估计速度慢等问题。为改善现有方法的不足,提出了一种基于残差连接(skip connection, SC)-深度神经网络(deep neural network, DNN)和多源数据融合的新能源电力系统状态估计方法。首先采用基于双向长短期神经网络(bidirectional long short-term memory, BILSTM)预测的改进插值法进行多源数据融合。然后利用联合时空交叉机制和BILSTM网络的数据辨识技术替代传统的量测量突变检测法,以便更好地处理新能源波动数据。最后根据原始量测数据集建立基于SC-DNN的状态估计模型,把残差模块的拟合优势和神经网络的速度优势结合起来,从而实现状态估计精度和速度的提高。基于IEEE39节点系统和新疆某地区实网的算例分析表明,相比于传统方法,所提方法能在更准确地分辨新源波动数据与不良数据的同时提高状态估计的精度和速度。     

基于AMI全量测点分区的配电网动态状态估计方法

针对传统配电网三相不平衡动态状态估计存在计算速度较慢且估计精度较低的问题,提出了一种基于高级量测体系(AMI)全量测点分区的配电网的动态状态估计方法。以AMI全量测点作为配电网分区节点,提出综合3个指标的分区目标函数对配电网进行分区,可对子区域进行完全解耦,缩小系统规模;并通过所提数据融合框架进行多尺度量测数据的融合,以远程终端单元量测周期为基准,融合量测周期较长的AMI量测数据,对非AMI量测时刻的系统状态进行跟随。提出一种基于子区域数据融合方法的高精度集合卡尔曼滤波算法,采用协方差膨胀法改进滤波发散的问题。算例仿真结果表明所提方法有效地提高了配电网动态状态估计的计算速度和估计精度。     

含电压源换流器的交直流混联电网状态估计快速解耦法

多端柔性直流输电技术的发展迫切需要改进和完善现有的状态估计算法以支撑调度系统应用。根据含多端柔性直流的交直流混联系统状态估计模型的结构特点,提出了一种含电压源换流器的交直流电网快速解耦状态估计算法。在传统交流状态估计模型上扩展了柔性直流电网模型,并根据交直流系统的稳态物理特性按有功、无功类对交直流量测和状态量进行分类,在保留系统耦合关系的基础上忽略雅可比矩阵中的某些次要因素,通过正常工况下的矩阵元素常数化,从而实现交直流系统的快速解耦估计计算。通过含3端柔性直流系统的IEEE 14和IEEE 118节点交直流系统算例仿真,验证了算法的有效性和实用性。     

基于线性内点法及正交变换的抗差参数估计

参数估计目前主要采用加权最小二乘算法.由于包含参数估计,该方法在处理电网坏数据混杂及数值稳定性上都面临着困难.考虑到实际电网中有时会同时出现量测错误及参数错误,提出了使用基于线性内点法及正交变换的加权最小绝对值(WLAV)增广参数估计.基于L1范数的WLAV估计具有良好的抗差特性,用以应对混杂有坏数据、拓扑错误及参数错误的混杂估计.为提高增广参数估计的数值稳定性,将正交变换引入线性内点法修正方程的求解中.对算法的测试结果表明,该方法具有良好的应用前景.     

基于保留二次项迭代的电力系统动态状态估计算法

与电力系统静态估计不同,动态估计可以准确的跟踪系统状态,并在电力系统保护和控制中发挥重要作用。以往在做状态估计时,通常将非线性测量函数进行泰勒级数展开,舍弃二次及以上的高阶项,不可避免的造成估计误差。本文针对电力系统中的量测方程是直角坐标下电压实部和虚部的二次函数,借鉴保留非线性潮流算法中保留二次项的思想,结合无迹变换,提出基于保留二次项迭代的电力系统动态状态估计算法,该算法在卡尔曼滤波过程中进行泰勒级数展开时没有近似,精度更高。基于IEEE39节点标准系统进行仿真分析,仿真结果表明,本文所提算法是有效的,且估计精度相对不保留二次项得到了提高。