考虑PMU量测信息的配电网运行状态分析方法

同步相量量测单元PMU(phasor measurement unit)在配电网中的推广使用有效提升了电网系统的可观性。首先提出了一种考虑PMU信息的配电网运行状态分析方法,该方法在数据采集与监控SCADA(supervisory control and data acquisition)系统数据更新时,将SCADA和PMU等不同量测时间尺度的混合数据进行状态估计;之后通过PMU数据进行状态估计更新,直至新的SCADA数据到来,开始新的混合数据状态估计。目标函数由估计值与量测值之间残差指数的加权和组成,降低了不良数据对估计结果的影响,并通过抗残差加权减少由于量测坏数据引起的运行状态波动。最后通过IEEE 123节点的算例分析,验证了所提方法具有较好的运行状态分析效果和有较高的时效性。     

基于混合量测的二次线性状态估计方法及其工程应用

基于相量测量单元(PMU)和数据采集与监控(SCADA)混合量测进行状态估计计算时,如果仍采用传统非线性估计模型,将面临PMU量测计算权值难以确定、PMU量测坏数据辨识不准、相角参考点和成熟商用程序改动等多方面问题。提出了一种基于混合量测的二次线性状态估计方法。该方法在传统非线性状态估计收敛后,利用其结果中的各节点电压幅值及相角估计值和PMU相量量测再进行二次线性状态估计计算,有效解决了上述问题。最后结合电网实例验证了该方法的有效性。     

一种计及全量测相关性的混合电力系统状态估计方法

针对电力系统状态估计中全量测存在相关性的实际情况,提出一种计及全量测相关性的混合电力系统状态估计方法。首先,利用无迹变换法计算来自数据采集与监视控制(supervisory control and data acquisition,SCADA)系统量测之间的统计相关性;其次采用量测缓冲器和向量自递归模型(vector autoregressive model,VAR)计及相量测量单元(phasor measurement units,PMU)量测的时空相关性,最终形成两部分相结合的混合线性状态估计方法。该方法在充分考虑PMU量测量之间时相关性的同时,能够确保PMU量测量与基于具有相关性的SCADA量测状态估计结果保持时标的一致性,进而有效地得到计及全量测相关性的电力系统状态估计结果。通过在IEEE-118标准节点系统上进行大量仿真算例分析,结果表明所提方法能够明显提高状态估计结果的精度。     

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APSI多级策略下的混合电力系统状态估计研究

针对混合电力系统中要求状态估计数据精度高及数据计算量小进行探索研究。提出了两种状态估计构架用于多级策略下SCADA/PMU混合量测的电力系统状态估计。第一个构架是利用先验状态信息(APSI)和正交分块吉文斯旋转提高基于SCADA/PMU量测装置的状态估计的数据处理能力。第二个构架是一个依赖于融合估计的三级方案,优化之前已经确定的SCADA/PMU估计量测值。对多级策略在计算量和精确性上的优化进行详细的描述和比较。在IEEE 30节点系统测试系统进行仿真验证,验证了提出的多级策略能有效地减少状态估计的计算量及增加量测数据的同步性和准确性。     

基于WAMS/SCADA数据兼容和改进FCM聚类算法的PMU最优配置

针对当前应用于状态估计的广域量测系统(wide area measurement system,WAMS)和SCADA系统混合量测中相量测量单元(phasor measurement unit,PMU)最优配置点的选取问题,在分析WAMS/SCADA数据差异的基础上,提出一种基于数据兼容和改进模糊C均值(fuzzy C-means,FCM)聚类算法的PMU最优配置方案。采用大数据挖掘理念,通过改进FCM聚类算法对SCADA数据依据相关度分区,在分区内可观测度最大的节点配置PMU,各分区内采用该PMU节点的最优平滑系数进行Vondrak插值,得到满足兼容性的数据,应用于混合模型的状态估计。相对只考虑可观测度的PMU配置方案,新方案不仅可以实现WAMS/SCADA数据有效兼容,提高估计精度,应用混合量测的状态估计还可有效控制系统负荷快速变化时的估计误差。通过在IEEE 39节点系统上模拟日负荷变化,验证了该PMU最优配置方案的有效性。     

基于SCADA/PMU混合量测的广域动态实时状态估计方法

根据来自监视控制与数据采集(supervisory control and data acquisition,SCADA)系统和相量测量单元(phasor measurement unit,PMU)的数据特点,提出了一种基于SCADA/PMU混合量测的广域动态实时状态估计方法,该方法充分利用了各节点间电压变化的相互联系,通过SCADA系统提供的初始值和安装PMU的节点的电压量测可简单地获得其他未安装PMU节点的电压相量。该方法有效地解决了在PMU配置不足的情况下如何观测电网状态以及如何在动态过程下实时观测电网。最后,通过对新英格兰10机39节点系统的多种故障进行仿真,验证了该方法的有效性和准确性。     

基于SCADA及PMU多时段量测信息的独立线路参数估计方法

基于单一线路两端的监控与数据采集系统(supervisory control and data acquisition system,SCADA)和相量采集装置(phasor measurement unit,PMU)多时段量测信息,建立了5种独立线路的约束最小二乘参数估计模型,其中,量测方程分别由线路两端有功、无功和电压幅值的SCADA量测、电流与电压相量的PMU量测以及线路两端电压相角差的PMU虚拟量测组合形成,约束方程为参数变量的上下限约束。采用Matlab的lsqnonlin优化函数求解参数估计问题,并基于多条典型线路的模拟量测信息仿真分析了所有模型的适用条件。结果表明,在负荷较重、线路较长条件下,利用所建含PMU量测的4种模型,都可以有效估计出线路的阻抗参数。     

基于SDAE-ELM伪量测建模的高容错快速状态估计方法

目前在电力系统中无法保证相量量测单元完全覆盖的情况下,状态估计需要采用相量量测单元（phasor measurement unit, PMU）与数据采集与监控（supervisory control and data acquisition, SCADA）混合量测进行传统非线性状态估计,但是SCADA数据精度低,含有较多不良数据,同时混合数据需要迭代求解,会导致计算效率低且存在截断误差。针对该问题,文章提出了一种基于堆叠去噪自编码器（stack denoising autoencoder, SDAE）与极限学习机（extreme learning machine, ELM）伪量测建模的电力系统高容错快速状态估计方法。其将含有不良量测的SCADA量测数据作为SDAE-ELM伪量测模型的输入,节点电压实部与虚部作为输出,根据历史数据进行训练得到伪量测值与伪量测误差模型,训练完成后得到精度较高的伪量测;将伪量测与PMU量测一起进行快速的线性状态估计。仿真结果表明,所提方法在保证估计精度的基础上,提高了计算效率,验证了所提方法的有效性。     

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。     

混合量测状态估计相角参考点坏数据问题的处理方法

基于相量测量单元(PMU)和数据采集与监控(SCADA)混合量测进行状态估计计算时,一旦其相角参考点上的PMU电压相角量测为坏数据,将影响其余所有相角量测引入,污染有功量的总体计算,严重影响计算精度。文中在建立混合量测状态估计计算模型的基础上,提出一种解决相角参考点坏数据问题的处理方法,改变传统状态估计将相角参考点状态量值固定且不参与迭代求解的做法,形成雅可比矩阵时增加相角参考点状态量对应列和PMU量测对应行,将相角参考点状态量同其他节点一样参与迭代求解,当相角参考点上的PMU电压相角量测为坏数据时同样能够被检测和辨识,彻底消除其对计算结果的不利影响。最后,结合电网实例验证了该方法的有效性。     

基于广域测量系统的状态估计和PMU配置

同步相量测量单元(PMU)能够根据全球定位系统(GPS)提供的精确时钟,实现对电力系统实时数据的量测。该文分析了PMU与传统监控和数据采集(SCADA)系统相结合构成的混合量测系统对状态估计精度的影响。在混合量测模型的基础上,提出了一种以提高状态估计精度为目标的PMU配置方案。通过IEEE-39节点系统仿真证明了该方法的有效性和实用性。     

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。     

考虑参数不确定性的电力系统区间线性状态估计

由于网络模型参数的近似理论和量测误差的存在,电力系统状态估计的结果具有不确定性。利用区间分析方法处理状态估计中电网参数及量测的不确定性,可得到系统状态量的上下界限。综合已有的数据采集与监控(supervisory control and data acquisition,SCADA)系统及相量测量单元(phasor measurement unit,PMU)实时混合量测数据,以传统高斯消去法(interval Gauss elimination,IGE)的结果作为初值,利用Krawczyk算子对量测方程进行求解,得到更接近解集真实值的区间向量。最后,对IEEE标准系统及某实际省网进行测试,与IGE和蒙特卡洛法进行比较,结果表明所提方法在收敛性、估计精度均具有明显的优势。     

基于PMU/SCADA混合量测的电力系统状态估计

为提高电力系统状态估计的准确度,在现有理论基础上提出了基于PMU/SCADA混合量测的状态估计方法,将电力系统划分为线性区域和非线性区域,在线性区域内计算与安装PMU装置相关联节点处的电压相量,将该计算结果作为间接量测引入非线性区域的状态估计中,从而使状态估计的准确度有所提高。仿真实验表明,在IEEE-14系统中,该算法计算速度快,能有效提高状态估计的精度,具有一定的实用价值。     

基于WAMS/SCADA混合量测和离散粒子群优化算法的PMU优化配置

当前应用于状态估计的量测数据由广域测量系统(wide area measurement system, WAMS)和数据监控及采集系统(supervisory control and data acquisition,SCADA)采集, WAMS向量测量单元(phasor measurement unit,PMU)的优化配置问题成为研究的重点。本文在分析WAMS/SCADA混合量测数据成分、时间断面、精度、刷新频率4个方面差异的基础上,实现了混合量测数据的有效兼容,提出了一种基于无迹卡尔曼滤波(unscented kalman filter, UKF)动态状态估计和离散粒子群优化(discrete particle swarm optimization, DPSO)算法的PMU优化配置方案。采用该方案下的混合量测数据进行UKF动态状态估计,很好地提高了状态估计精度。在IEEE39节点系统上模拟日负荷变化验证了该PMU配置方案的有效性。     

基于PMU/SCADA混合量测的电力系统求积分卡尔曼滤波的状态估计

针对目前电力系统状态估计主要采用的扩展卡尔曼滤波(EKF)存在鲁棒性差,精确度被非线性程度制约大等缺点,提出一种电力系统的计算线性方法——求积分卡尔曼滤波(QKF)进行电力系统的状态估计,该算法从统计线性回归的角度,运用高斯-厄米特积分点,使得估计精确度大幅提高,并且引入精确度高,全网实时同步的同步相量测量单元(PMU)数据,成熟性好,技术成熟的SCADA数据进行混合量测。仿真结果表明,QKF法比EKF法具有更高的计算精确度,PMU数据的引入又进一步提高了电力系统状态估计的性能。基于混合量测的QKF法状态估计在正常状态和系统发生扰动情况下均有较好的估计性能,且估计精确度在系统加入混合量测的数据后明显高于单一SCADA系统。     

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。     

一种将PMU支路电流量测引入非线性状态估计的方法

针对同步相量测量单元(phasor measurement unit,PMU)的电流量测难以直接引入到传统加权最小二乘状态估计的问题,提出一种在极坐标下引入PMU支路电流量测的快速分解状态估计方法。采用旋转量测变换法,利用PMU的电压相角量测信息,将电流量测转化成为旋转量测,减小了副对角元素,实现了状态量在极坐标下的解耦,从而解决了电流量测与SCADA量测的融合计算问题。同时采用了动态更新相角的方法,在每次迭代过程中更新量测旋转所用的相角值,减小了因相角量测中的不良数据带来的误差。最后通过IEEE39节点算例对旋转量测方法与直接分解法、量测变换法这3种方法进行了仿真对比。结果表明,旋转量测方法改善了状态估计的精确性,计算速度较快,能够为调度中心的决策提供精确的数据支持。     

基于PMU量测数据和SCADA数据融合的电力系统状态估计方法

针对传统静态状态估计方法的缺点,提出了一种改进的电力系统状态估计方法,即将部分节点相量测量单元(phasor measurement unit,PMU)量测数据与监控数据采集(supervisory control and data acquisition,SCADA)量测数据融合进行电力系统的全网状态估计。该方法简化了系统的雅可比矩阵,缩短了计算时间。文章研究了PMU和SCADA系统融合改进后的快速分解法,针对SCADA量测数据的缺点,通过历史数据库对潮流数据进行预测,并依据PMU量测量对系统进行分析,继而进行系统全网状态的动态监测。通过算例证明,与传统的估计方法相比,该方法改善了状态估计的精确性,减少了迭代次数,细致地描绘了电网状态的变化过程,为调度中心下一步的决策提供了依据。