基于集合论估计的电网状态辨识(五)拓扑错误识别

电网的拓扑模型是感知电网状态的基础,错误的拓扑模型将导致状态辨识的结果严重偏离真实的运行状态,因此拓扑错误的辨识非常关键。目前已有拓扑错误辨识的方法在应用于大规模系统和同时辨识不良数据和拓扑错误等方面存在不足。文中基于最少拓扑错误准则,建立了拓扑错误识别的混合整数规划模型,其中测量方程以线性约束和锥约束的形式给出,并采用混合整数不等式来解耦整数变量和连续变量。该模型可高效求解,且可有效识别支路拓扑错误和厂站拓扑错误。     

频率引导及自动调测系统

介绍一种新的数字式频率引导电路的工作原理及自动调试和测试系统,并说明该系统在原有基础上所增加的一些新功能。     

Intranet环境下的电力系统调度计划管理系统

章介绍了Ｉｎｔｒａｎｅｔ环境下的电力系统调度计划管理系统－ＷＥＢＬＭＳ的体系结构,形式及功能,与传统调度计划管理系统相比,ＷＥＢＬＭＳ新增了远程数据收集,自校核,自动运行,自发送等功能,且有更好的开放性,更易于使用和维护,也更易于与其他应用协同工作。     

输电网单线图自生成的新方法

提出了一种输电网单线图自生成的改进算法,完善了节点布局的数学模型,引入多目标以及分区约束项,提出了一种适合求解该优化问题的遗传算法,并设计了相应的交叉和变异算子。提出了走线过程中局部优化算法,减少了线路之间的交叉。基于上述算法,搭建了以CIM/SVG作为输入输出模式的图形系统,具有良好的交互性和兼容性。对某实际电网进行了单线图自动生成,计算效率和图形效果都满足工程实用的要求。     

基于测量不确定度的电力系统状态估计（一）结果评价

在测点真值未知的情况下,如何对状态估计结果进行科学合理评价,是进行状态估计研究首先而且必须要解决的问题,也是现有状态估计研究的难点.文中分析了造成这一困难的原因,基于测量不确定度理论,提出了测点正常率概念,证明了测点正常率较大的状态估计结果更具合理性.给出了衡量状态估计结果合理性的具体方法.对测点正常率与日常运行中常用的测点合格率之间的关系进行了研究.对真值已知情况下状态估计结果评价指标的选取进行了较为详细的讨论.     

基于网格合并的电压等高曲面插值和图形生成算法

电压等高曲面图是一种能够直观反映全网电压状况的先进的可视化技术,目前主要存在计算和显示耗时长的问题,不能满足展示电力系统动态过程的要求.文中介绍了几种基于规则网格的空间插值算法,分析了空间插值算法的统一形式.从对图形的不同区域运用不同分辨率的思路出发,提出了一种基于网格合并的新方法,将规则网格中权重向量相近的格子合并为更大的格子组,以此来减少需要插值和绘制的格网数目.在不影响图像质量的前提下,电压等高曲面图的显示速度得到了大幅提高.     

基于扩展时序距离法和自适应控制的超短期负荷预测

将扩展时序距离（ETD）算法与自适应控制中的递推最小二乘（RLS）算法相结合,提出了超短期负荷预测算法———RLS&ETD算法。该算法利用自适应控制的动态跟踪特性与ETD算法的周期性,与ETD算法相比,能更充分地利用数据。仿真实验的结果表明,RLS&ETD算法比ETD算法在精度、误差稳定性等方面均有所提高。     

智能电网与智能广域机器人

与欧美智能电网建设偏重配电网不同,中国智能电网建设有着自己鲜明的特点.该文对此进行了详细分析,指出要迎接这些挑战,需要将电网建设成为智能广域机器人(smart wide area robot,Smart-WAR),亦即具有"多指标自趋优运行能力"的电网;其后,指出实现这一最高智能形式的电网是可能的,其运行理论基础是电力混成控制论;最后,对实现Smart-WAR所需要的关键技术进行了讨论.     

基于测量不确定度的电力系统状态估计（二）方法研究

基于正常测点概念构造了相应测点评价函数,用于评价测点是正常测点还是异常测点;在此基础上,提出了以测点正常率最大为目标函数的状态估计新模型。为使估计结果更接近于实际运行情况,模型中可考虑潮流约束和实际物理约束。用现代内点法求解该模型,计算速度快,收敛性好。与以往方法相比,文中所述方法的状态估计结果测点正常率高,可自动辨识不良数据,估计结果不易受不良数据影响,有较强的抗差性;所求得的解为潮流解,满足各种物理约束,更加接近实际;计算中无需进行不良数据检验,无需主观设定测点权重,大幅度减少了调试和维护工作量。     

基于测量不确定度的电力系统状态估计（三）算法比较

加权最小二乘估计准则在电力系统状态估计中应用广泛,但其结果易受不良测点影响。为解决这一问题,已经提出了加权最小绝对值准则、非二次准则等估计器。应用大量算例,对已有估计准则和文中所提出的以最大测点正常率为目标的状态估计方法进行了对比研究,进一步对残差污染情况进行了讨论。算例表明,在估计结果合理性方面,当测点中不含不良数据时,文中所提出的方法与加权最小二乘估计相当,优于其他方法;当测点中含有不良数据时,文中所提出的方法大幅度优于以往状态估计方法,说明所提出的方法可较好地解决残差污染问题。