无迹卡尔曼滤波及其平方根形式在电力系统动态状态估计中的应用

针对扩展卡尔曼滤波(extended Kalman filter,EKF)的不足,将不需要对非线性系统函数进行线性化的无迹卡尔曼滤波(unscented Kalman filter,UKF)方法引入电力系统动态状态估计,采用生成Sigma点数量最少的比例最小偏度单形采样策略进行无迹变换.以IEEE14系统为算例,仿真结果表明引入UKF后,估计结果的精度有所提高,但算法的效率较低,且数值稳定性较差.进一步引入平方根形式的UKF(square root UKF,SRUKF)模型,IEEE 14及IEEE 30测试系统的仿真结果证明:在不需要大量牺牲计算时间的同时,算法的数值稳定性得到了改善.表明SRUKF的引入对动态状态估计方法的改进是有效的.     

基于相量量测的电力系统谐波状态估计算法的研究

基于相量量测单元的电力系统谐波状态估计技术,可选取电力网络的节点谐波电压为状态量,支路电流、节点注入电流和节点电压相量为量测量,从而使谐波状态方程成为线性方程.本文根据这个特点,再结合量测方案的不同情况,提出了在冗余量测和基本量测时,采用便于工程实际应用的乔累斯基算法来求解线性谐波状态方程,其计算量只是高斯消元法的一半,且不用考虑选主元,大大减少了计算的时间;在量测矩阵欠定时,采用奇异值分解算法,不仅可以为欠定的状态方程提供稳定的最小二乘解,而且该算法本身具有可观性分析的功能,不需要采用其它算法进行可观性分析,从而极大地简化了谐波状态估计分析的难度.最后通过仿真程序验证了这两种算法在谐波状态估计求解问题中的有效性和可靠性.     

自适应估计信号个数的频谱信号提取算法

无线电监测频谱数据中包含有大量的信号,准确提取这些信号有利于掌握全频段的频谱使用情况。实际信号的频谱由于受噪声干扰,会出现信号频带内个别频点能量值低于检测门限的情况,此时传统的门限检测算法会将该信号错估为多个信号,产生多个虚假的相邻信号间隔,导致频谱信号提取的准确率下降。对此,根据虚假相邻信号间隔特点,提出一种自适应估计信号个数的频谱信号提取算法,该算法可自动、准确估计频谱监测数据中电磁信号的个数,并将对应的信号及频谱信息提取出来。实验结果表明,该方法具有自适应性、强鲁棒性和高准确性,有效提高了频谱信号提取的准确率,为军、民电磁环境的识别与掌握提供基础的电磁信号数据支撑。     

基于人工神经网络的建筑电气节能评估模型

针对建筑电气节能评估模型问题和南京地区某生活小区的实际情况,提出了电气节能改造的方法。同时,进行了节能计算,建立了基于人工神经网络的生活小区建筑电气节能评估模型。计算结果和仿真研究表明,该节能方法效果明显,节能评估模型正确,具有较好的应用价值。     

基于预测—校正内点法的WLAV输电网参数估计

针对基于加权最小二乘法(WLS)参数估计难于处理不良数据且数值稳定性差的不足,提出加权最小绝对值(WLAV)参数估计方法。在原对偶内点法(PDIPM)的基础上,通过每次迭代中增加预测—校正两步的少许计算量,利用2阶信息对中心参数动态调整,保证解的迭代过程高阶逼近中心路径,从而减少了迭代次数,节省了计算时间。结合输电网参数估计法,利用WLAV估计出不良数据和可疑支路的运行状态,使抗差、参数估计和拓扑结构辨识在计算中一次完成。最后,对IEEE标准系统和国内某省级电网进行参数估计试验,与含不良数据辨识的WLS方法进行比较。     

粒子群优化算法在电力系统中的应用综述

粒子群优化(PSO)算法是一种新兴的群体智能优化技术,其思想来源于人工生命和演化计算理论,PSO通过粒子追随自己找到的最优解和整个群的最优解来完成优化。该算法简单易实现,可调参数少,已得到广泛研究和应用。在大量参阅国内外相关文献的基础上,简要介绍了PSO算法的工作原理,较为全面地详述了粒子群优化方法在电力系统中的应用,如电网规划、检修计划、短期发电计划、机组组合、负荷频率控制、最优潮流、无功优化、谐波分析与电容器配置、参数辨识、状态估计、优化设计等方面,并对今后可能的应用指出了研究方向。     

基于改进匹配潮流技术的配电网虚拟量测

针对缺少冗余量测的配电网系统,为了简化状态估计方法、保证计算精度,优化配电网络状态,基于匹配潮流思想提出了配电网虚拟量测的概念,建立了以电压量测自适应抗差加权最小二乘为目标函数、以网络潮流匹配和功率失配量分配参数方程为约束条件的虚拟量测数学模型,给出了引入混沌优化、强引导机制的改进粒子群优化求解方法,并详细介绍了配电网虚拟量测的应用流程。采用IEEE8、IEEE33、IEEE69节点系统对该方法进行测试,结果表明,方法可在较少的迭代次数内获得较为准确的配电网状态,且不涉及量测变换、矩阵计算,具有良好的应用前景。     

相量测量单元测量值对状态估计中等效电流量测变换算法的影响

针对同步相量测量单元(PMU)能够直接测量母线电压相量的特点,分析了引入PMU测量值对电力系统状态估计的影响.首先修正等效电流量测变换算法,提出了极坐标系下的全雅可比矩阵算法和简化雅可比矩阵算法,分别从增加PMU节点电压量测方程、以PMU测量值作为迭代初值、修正等效电流量测计算公式以及修正雅可比矩阵四方面分析了引入PMU测量值对算法迭代次数和滤波效果的影响.理论分析和算例结果表明,PMU测量值在这四方面对算法的迭代次数和滤波效果均有影响,有些影响还与PMU的数量有关.     

系统辨识法在同步电机参数测量中的应用

现代电力系统的发展,不断对同步电机的各种动态性能计算提出了新的要求,而如何简单有效地测定同步电机参数则是动态计算的关键。通过在抛载试验中引入加权最小二乘参数辨识法,处理电枢电压和电枢电流,直接得到参数。针对参数辨识的收敛性和多值性问题,提出了一些有效的方法,如采用动态阻尼因子和动态增益矩阵,提高了参数辨识的精度和算法的稳定性。     

电动汽车动力电池荷电状态估计方法探讨

准确估计电池荷电状态(SOC)是电动汽车电池管理的重要内容,SOC的准确评估对延长电池寿命和提高电动汽车整车性能具有重要意义。各国研究人员对电池SOC估计方法进行大量研究,先后提出了多种估计方法。文中介绍了电池SOC的定义及其主要影响因素,根据电池SOC估计方法的特点,按离线和在线方法对SOC估计方法进行总结和介绍,并比较了各方法的特点及实用效果。最后展望了电池SOC估计方法的两个潜在发展方向,即基于电池模型的非线性滤波方法和具有自学习能力的智能方法,为今后深入研究动力电池SOC估计方法提供借鉴。