计及AMI的配网分层状态估计及伪量测计算

针对高级量测体系AMI(advanced metering infrastructure)带来的新的实时量测数据,提出一种改进的智能配电网状态估计方法,以AMI量测节点作为边界节点对配电网进行分层,将系统解耦为若干子区域实现并行计算。再在配网系统解耦的基础上,提出基于子区域负荷分配系数预测的节点负荷伪量测生成方法。最后,将IEEE33标准配电系统配置5个AMI量测节点,对其进行分层状态估计,并生成节点负荷伪量测数据。结果表明:与整体估计相比,分层状态估计方法在保证高精度的前提下提高了计算速度;生成的伪量测数据精度优于负荷预测得到的伪量测数据。     

基于深度信念网络伪量测建模的配电网状态估计

针对配电网实时量测不足需要增加伪量测以提高量测冗余度的情况,提出基于深度信念网络(DBN)伪量测建模的配电网状态估计方法。利用多种类型负荷的历史数据及对应温度、日期类型对DBN进行训练,训练完成后输入测试数据得到精度较高的伪量测;基于改进的等效电流量测变换法进行配电网状态估计,以线性约束的形式处理虚拟量测。仿真结果验证了所提方法的有效性。     

基于脉冲神经网络伪量测建模的配电网三相状态估计

为了给配电网管理系统提供全面准确的实时数据,配电网三相状态估计显得尤为重要。针对当前配电网量测信息不足,提出了基于脉冲神经网络(SNN)伪量测建模的配电网三相状态估计。该方法首先将实时和部分历史支路功率量测输入SNN进行伪量测建模,然后由高斯混合模型生成相应的量测误差,最后进行基于加权最小二乘法的配电网三相状态估计。理论分析和算例验证表明,所提模型不仅能够在正常通信时有效提高配电网状态估计精度,而且能在通信故障时保证估计精度在合理范围内,进而为配电网的运行控制提供参考依据。     

基于深度神经网络伪量测建模的交直流混合配电网交替迭代法状态估计

当前配电网状态估计面临的一个突出问题是实时量测数量不足,难以实现全网可观性。为了给配电管理系统提供准确的基础数据,提出一种基于深度神经网络伪量测建模的交直流混合配电网交替迭代状态估计方法。首先,建立电压源换流器的稳态模型和混合配电网的实时量测模型;然后,利用历史量测数据对深度神经网络进行离线训练,建立负荷节点注入功率的伪量测模型;最后,对交流区域和直流区域进行交替迭代状态估计,在交替过程中区域间交换VSC支路状态量的估计值,保证了边界状态量的一致性。算例测试结果表明,所提方法能在实时量测覆盖率低的情况下,准确估计混合配电网的状态值。     

基于深度神经网络伪量测建模的交直流混合配电网交替迭代法状态估计

当前配电网状态估计面临的一个突出问题是实时量测数量不足,难以实现全网可观性。为了给配电管理系统提供准确的基础数据,提出一种基于深度神经网络伪量测建模的交直流混合配电网交替迭代状态估计方法。首先,建立电压源换流器的稳态模型和混合配电网的实时量测模型;然后,利用历史量测数据对深度神经网络进行离线训练,建立负荷节点注入功率的伪量测模型;最后,对交流区域和直流区域进行交替迭代状态估计,在交替过程中区域间交换VSC支路状态量的估计值,保证了边界状态量的一致性。算例测试结果表明,所提方法能在实时量测覆盖率低的情况下,准确估计混合配电网的状态值。     

配电网状态估计的量测配置

1.引言 要对配电系统进行分析决策,首先必须确定配电系统的运行状态。状态估计,也称实时网络状态分析,能够利用网络结构信息和实时量测信息估计出完整、一致和可信的系统状态,实时量测信息通常包括有功功率、无功功率、母线电压值和线路电流值。然而,目前的配电系统通常缺     

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。     

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。     

基于伪量测自适应插值策略的发电机动态状态估计

随着智能电网建设的推进,同步相量测量单元(phasor measurement unit,PMU)技术逐步成熟并大量应用于电力系统中.针对扩展卡尔曼滤波(extended Kalman filter,EKF)线性化误差和噪声鲁棒性的缺陷,提出一种基于伪量测自适应插值策略的插值强跟踪扩展卡尔曼滤波(interpolati...     

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。     

计及PMU量测信息的量测量变换状态估计

针对目前监视控制和数据采集(supervision control and data acquisition,SCADA)系统和广域测量系统(wide-area measurement system,WAMS)量测数据的特点,提出了一种计及相量测量单元(phasor measurement unit,PMU)的量测量变换状态估计。文中利用量测量变换方法,将SCADA和WAMS下的各类量测转化为等效电压量测,经简化处理得到了常实数信息矩阵,实现了节点电压实部、虚部的解耦计China(NSFC)(50177066).算。该算法具有计算速度快的特点,克服了传统量测量变换状态估计只能处理单一支路功率量测的弊端。IEEE30节点系统算例验证了所提方法的有效性。     

基于运行模式的不良数据检测及产生伪量测值的方法

给出了一种基于电力系统运行模式的状态估计不良数据检测的前置滤波方法和伪量测数 据的运行模式提供方法。该方法简单、实用、速度快，在某省区的状态估计实际应用中取得 了良好效果。     

配电网状态估计的量测配置探讨

针对辐射型配电网状态估计提出一种启发式的量测配置方法,并对我公司一10kV配电线路某时刻的电压实测和预测数据进行了状态估计计算。计算结果表明,按照该方法配置量测系统可以满足状态估计的需要,而且在经济上可以节约投资。     

基于相量量测的电力系统线性状态估计

分析了相量量测装置的量测误差情况,指出了相量量测参与状态估计计算的必要性。在完全使用相量量测的情况下,给出了基于直角坐标系的实数形式的电力系统线性量测方程和相应的线性静态状态估计算法。对负荷预报加潮流计算的系统状态预报方法进行改进,通过对误差协方差阵计算公式的推导与简化,提出了新的预报误差协方差阵计算公式,并将其与线性量测方程相结合,提出了基于相量量测的线性动态状态估计算法。最后讨论了线性状态估计算法的使用条件,并采用IEEE30节点系统对提出的算法进行了验证。     

基于相量量测的电力系统线性状态估计

分析了相量量测装置的量测误差情况，指出了相量量测参与状态估计计算的必要性。在完全使用相量量测的情况下，给出了基于直角坐标系的实数形式的电力系统线性量测方程和相应的线性静态状态估计算法。对负荷预报加潮流计算的系统状态预报方法进行改进，通过对误差协方差阵计算公式的推导与简化，提出了新的预报误差协方差阵计算公式，并将其与线性量测方程相结合，提出了基于相量量测的线性动态状态估计算法。最后讨论了线性状态估计算法的使用条件，并采用IEEE 30节点系统对提出的算法进行了验证。     

基于混合量测状态估计的配电网故障定位方法

微型相量测量单元(micro-phasor measurement unit, μPMU)为配电自动化的进一步升级提供了良好的量测基础,但现阶段电网中μPMU数量有限,难以满足传统配电网故障定位的需求。针对该问题,结合电网中μPMU与智能电表等量测设备,并基于虚拟节点的多重状态估计方法,提出了一种基于混合量测状态估计的故障定位方法。首先,通过等效变换将μPMU和智能电表的测量信息输入到故障状态估计器当中。然后,利用μPMU将网络划分为不同的区域。根据状态估计结果计算故障电流,缩小故障搜索区域以减少计算复杂度。为了识别区域内的故障位置,通过设置附加虚拟故障节点形成多种特定的故障拓扑结构并执行多重状态估计,计算出用于识别故障位置的加权测量残差指标,以确定故障位置。最后,在实时仿真系统(real-time digital simulation, RTDS)中进行仿真测试,结果表明所提方法在不同故障场景下均能准确有效地定位故障,且对量测误差具有较好的鲁棒性。     

基于馈线树的配网状态估计实用化方法

配网状态估计是其他高层应用软件的基础,量测充足系统可观测是状态估计的根本。针对配网系统量测冗余少且大多为电流量测的问题,提出根据配网运行参量间的关系把电流量测转化成状态估计所需的有功、无功量测,增加配网状态估计伪量测。提出利用配网辐射状特性形成馈线树,采用链表存储配网设备间的供电关系,利用前推回推方式补足伪量测。推导最优估计的电流匹配的方程及其求解方法,结合某城区配网实例进行分析,表明方法可行,该方法满足当前配电网自动化系统的实时需求。     

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。     

提高配电网状态估计精度的量测配置优化方法

为适应配电网的智能化要求,达到提高配电网状态估计精度的目的,应用M-P广义逆矩阵和加权最小二乘问题的唯一极小最小二乘解等数学方法,推导出量测误差和状态向量估计误差之间的数学关系表达式:提出了一种新颖的量测评估和配置优化的方法.利用评估算法对待考察的量测集合进行评估后,从评估结果中选出排序靠前的量测类型和安装位置,从而得到量测装置的配置优化方案.对于算例系统,应用该方法获得的量测配置优化方案,仅需安装少量量测装置就可以提高状态估计精度在60%以上.     

基于智能电表和PMU混合量测的低压配电网状态估计方法研究

随着高级量测体系的不断完善和同步相量量测PMU等高精度新型量测装置的发展,为确保低压配电网状态估计性能,提出一种基于智能电表和PMU混合量测的低压配电网状态估计方法。该方法将高级量测体系中的智能电表采集的电压幅值、功率实时量测和PMU同步相量量测相结合,以节点注入电流平衡方程为基础,建立基于指数型权函数的加权最小二乘法模型。模型中利用数据的残差对权函数进行修正,以提高状态估计的抗差性和收敛性。最后基于IEEE 14节点算例系统,对该方法进行仿真分析。仿真结果表明,该方法相较于采用传统加权最小二乘法的状态估计模型,对含有高误差数据的量测数据具有更高的精确性。