计及PMU的分布式状态估计的研究

随着相量测量装置在电网中的推广应用,其量测己成为电力系统重要的数据源之一.将PMU支路电流量测转换为支路潮流量测,使电流相量量测在分布式状态估计中得到了有效的利用.在快速分解算法的基础上,结合搭接式分布并行算法,提出了一种基于相量测量单元(PMU)的分布式电力系统状态估计算法,即利用PMU量测进行子系统参考节点协调,并通过在子系统边界节点配置PMU,使相互之间完全解藕,实现各子系统的并行计算,加快了计算速度,提高了数值精度和稳定性.给出了IEEE9节点的仿真结果,验证了该算法的有效性及优越性.     

基于PMU量测的城市电力系统分布式状态估计算法

针对未来微网和新能源大量接入城市电网后,电力系统状态估计功能的计算数据量过大,计算速度缓慢的问题,文中提出了一种适用于城市电力系统的基于相量量测装置(PMU)量测的分布式状态估计算法。该算法将城区电网分层分区,将PMU的同步相量量测引入县调层和地调层的分布式状态估计中,不仅在县调层实现并行计算,而且在地调层满足线性状态估计条件,最终达到提高状态估计速度的目标。文中利用IEEE 118节点系统对新算法进行了测试,仿真结果验证了新算法有效提升了状态估计的速度。     

一种新的分布式电力系统状态估计算法

随着电力系统的发展,区域电网互联,形成了规模更大的系统。为了适应这一趋势,电力系统状态估计应采用分布式算法。在配置少量PMU的基础上,将分区后的边界等式约束条件通过拉格朗日乘子计入整体目标函数,将分布式状态估计的问题转化为一个带等式约束的最优化问题,实现了电力系统状态估计的分布式计算。该算法不仅提高了状态估计的速度,而且可在不必改动原有状态估计模块的基础上,很容易地加入等式约束的修正模块。最后通过IEEE14节点和IEEE30节点系统的模拟仿真,验证了该算法的有效性和优越性。     

一种新的分布式电力系统状态估计算法

随着电力系统的发展,区域电网互联,形成了规模更大的系统.为了适应这一趋势,电力系统状态估计应采用分布式算法.在配置少量PMU的基础上,将分区后的边界等式约束条件通过拉格朗日乘子计入整体目标函数,将分布式状态估计的问题转化为一个带等式约束的最优化问题,实现了电力系统状态估计的分布式计算.该算法不仅提高了状态估计的速度,而且可在不必改动原有状态估计模块的基础上,很容易地加入等式约束的修正模块.最后通过IEEE14节点和IEEE30节点系统的模拟仿真,验证了该算法的有效性和优越性.     

一种基于等效模型电网动态过程状态估计方法

提出了一种电网动态过程状态估计算法,利用快速、带时标的PMU量测估计电网扰动后的动态过程。该算法以扰动前的静态状态估计结果作为初始断面,对PMU量测不可观测区域的电网模型进行等效处理,在有限的PMU量测条件下可获得电网扰动后动态过程中的连续断面。动态过程状态估计的信息矩阵一次形成后保持恒定,可对连续的PMU量测断面进行计算,满足电网动态过程实时监视和控制的需要。对七节点系统支路故障后的扰动过程进行动态状态估计,验证了所提算法的可行性。     

一种基于等效模型电网动态过程状态估计方法

提出了一种电网动态过程状态估计算法,利用快速、带时标的PMU量测估计电网扰动后的动态过程.该算法以扰动前的静态状态估计结果作为初始断面,对PMU量测不可观测区域的电网模型进行等效处理,在有限的PMU量测条件下可获得电网扰动后动态过程中的连续断面.动态过程状态估计的信息矩阵一次形成后保持恒定,可对连续的PMU量测断面进行计算,满足电网动态过程实时监视和控制的需要.对七节点系统支路故障后的扰动过程进行动态状态估计,验证了所提算法的可行性.     

基于联络线扩展区域分解协调的分布式并行状态估计

为适应互联电网日益复杂的结构形式和分层分区管理模式,采用联络线分区解耦方式对互联系统进行分布式状态估计计算。考虑到估计计算精度与计算效率的均衡,提出了一种将联络线扩展区域状态估计和灵敏度矩阵协调算法结合的分布式状态估计算法。设计分布式状态估计整体思路,一方面,在实现联络线分区解耦的前提下,完成分区层各子区独立状态估计计算和灵敏度矩阵求解,利用子区计算时机动态构建协调层联络线估计区域并完成并行状态估计计算;另一方面,根据协调层下发的联络线估计值和灵敏度矩阵,分区层各子区并行实现边界估计值不匹配量的协调修正计算。最后,通过IEEE 118节点、IEEE 30节点和实际互联电网的模拟仿真,验证上述算法实现分布式状态估计计算的优越性。仿真结果表明,采用该算法进行分布式估计计算,既具有较高的估计精度、收敛速度和计算效率,又可实现并行独立计算,避免集中式状态估计计算规模大、无法解决局部不可观测或不收敛的瓶颈问题。     

基于一致性理论的多区域电力系统分布式状态估计

随着电网规模不断扩大,传统集中式状态估计方法的数据通信与存储任务重、计算量大,难以满足现代电力系统状态估计需求。在计及系统状态估计非线性的基础上,将电力系统划分为若干个不重叠的子区域,并利用拉格朗日乘子法对状态估计方程进行解耦,建立电力系统多区域非线性状态估计模型。基于一致性理论建立全分布式状态估计方法对模型进行求解,该方法无需状态估计控制中心,只需各子区域交换一致性变量和边界节点的状态变量信息,各子区域便可平行独立地计算本地状态变量估计值,较集中式状态估计均衡了通信及计算负担。IEEE 14节点系统仿真结果验证了所提分布式状态估计方法的有效性。     

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。     

不确定量测下发电机动态状态估计性能分析

相量测量单元（PMU）中随机误差不可避免,在实际电网系统中PMU量测数据可能出现延时、重新排序甚至丢失等不确定情况。为准确估计电力系统机电暂态过程中的状态信息,首先建立量测丢失下的发电机动态状态估计模型;然后在某实际电网系统算例中分别采用无迹混合滤波（UMF）、粒子滤波（PF）和所提出的改进粒子滤波（IPF）3种算法对发电机动态状态估计模型进行了仿真试验。仿真结果表明：在不确定量测系统下,改进的IPF算法的滤波性能和抗差性能优于UMF与PF算法,更适用于不确定量测下发电机动态状态估计。     

Traffic scheduling in distributed networked control systems with packet losses and delays for power systems voltage stabilization

In this paper, medium access control (MAC) sublayer data traffic scheduling in distributed networked control systems (DNCSs) with networked induced packet losses and delays is investigated for stabilization and control of system dynamics. An effective‐information‐directed distributed sensor selection algorithm is proposed to select sensors to participate in delay‐tolerant information filtering for state estimation. The distributed scheduling algorithm is based on the total amount of effective information for all measurements stored in the sensors. We consider packet loss in wireless networks as a special type of delay, so the impact of packet losses on effective information amount can also be studied for the formulation of distributed scheduling strategy in the presence of packet losses. The distributed data traffic scheduling considering packet losses and delays is carried out in a networked system with data packet dropout governed by a Markov process for voltage regulation and stabilization with distributed energy resources (DERs). Experimental results demonstrate that the scheduling algorithm with awareness of the system dynamic state can well control the power system dynamics. © 2016 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

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。     

Decentralized unscented Kalman filter based on a consensus algorithm for multi-area dynamic state estimation in power systems

A decentralized unscented Kalman filter (UKF) method based on a consensus algorithm for multi-area power system dynamic state estimation is presented in this paper. The overall system is split into a certain number of non-overlapping areas. Firstly, each area executes its own dynamic state estimation based on local measurements by using the UKF. Next, the consensus algorithm is required to perform only local communications between neighboring areas to diffuse local state information. Finally, according to the global state information obtained by the consensus algorithm, the UKF is run again for each area. Its performance is compared with the distributed UKF without consensus algorithm on the IEEE 14-bus and 118-bus systems. The low communication requirements and high estimation accuracy of the decentralized UKF make it an alternative solution to the multi-area power system dynamic state estimation.     

考虑数据时延的电力系统两阶段动态状态估计方法

由于电力系统中SCADA数据和PMU数据采样频率不同,使得这两种数据存在时延。首先提出基于变点重复检测的PMU最佳缓冲长度计算方法,将SCADA数据和PMU数据统一到同一时间尺度下,然后将无迹变换与指数权函数抗差估计算法相结合,针对历史多数据断面进一步提出了两阶段无迹卡尔曼滤波鲁棒动态状态估计方法。该方法在每一断面内,首先用无迹变换和两参数指数平滑预测后的预测值与SCADA数据结合进行第一阶段滤波,然后再将滤波所得估计值与PMU数据结合进行第二阶段滤波。通过两阶段滤波,能够显著增大滤波过程中的量测冗余度,并且有效降低在混合数据滤波过程中量测精度较低的SCADA量测对精度较高的PMU量测的影响。基于IEEE-39节点标准系统对本文所提方法进行仿真,仿真结果表明,本文所提方法能够有效结合PMU数据和SCADA数据对电力系统进行动态状态估计计算,且估计精度高,鲁棒性好。     

电力系统多区域分布式状态估计方法

提出了一种电力系统多区域分布式状态估计方法,各区域估计器利用其数据采集与监视控制系统提供的量测数据进行本地状态估计,并通过平均一致性算法获取全局信息进行系统级状态估计。建立了基于拉格朗日乘子法的状态估计模型并设计了基于一致性的全局信息交换协议,给出了多区域分布式状态估计算法的实现流程。通过IEEE 14节点和118节点系统中的仿真算例验证了所提方法的正确性和有效性,并就估计精度和计算效率与现有状态估计方法进行了比较。仿真结果表明分布式状态估计方法可有效提高集中式状态估计系统的计算效率及可靠性,适用于结构更加复杂、量测数据体量更大电网的状态估计。     

面向能源互联网的多能源局域网两层功率优化分配

针对面向能源互联网的多能源局域网运行调度中的实时功率分配问题,提出一种基于多智能体两层一致性理论的多能源局域网实时动态功率分配策略。将能源互联网划分为若干个能源局域网,同时以各能源局域网和能源局域网内各分布式电源的增量成本作为一致性状态变量设计一致性功率分配算法,使得各能源局域网根据自身情况承担能源互联网系统的功率不平衡量,进一步使得各分布式电源根据自身情况承担能源局域网的功率不平衡量,从而达到降低系统发电成本的目的。该算法通过相邻智能体之间的信息交互,减少了数据通信量,并且能够很好地应对能源互联网和能源局域网拓扑结构的变化。仿真结果验证了所提方法的有效性和可行性。     

用于电力系统动态状态估计的改进鲁棒无迹卡尔曼滤波算法

针对动态状态估计中传统无迹卡尔曼滤波(UKF)采样方法的不足,对UKF算法进行改进,每次估计实时调节比例修正因子,提高滤波性能。动态状态估计结果精度受量测粗差影响较大,为此提出一种鲁棒无迹卡尔曼滤波(RUKF)算法,引入粗差判据检测粗差,通过增强因子来降低粗差对系统状态估计结果的影响。将RUKF算法运用于电力系统动态状态估计,仿真结果表明,该算法具有良好的估计性能及较强的鲁棒性。     

基于超短期负荷预测的电力系统动态状态估计

在常规动态状态估计的基础上,引入高精度的超短期负荷预测数据,将预测的节点注入功率作为滤波步的输入,实现了系统状态的实时跟踪预测。仿真表明,基于超短期负荷预测的电力系统动态状态估计算法提高了动态状态估计的计算精度．具有一定的现实意义和理论价值。     

基于综合预测和自适应滤波器的电力系统动态状态估计

对基于扩展卡尔曼滤波(EKF)原理的动态状态估计理论进行了深入的分析,并指出其存在的问题的此基础上,提出具有自适应能力的动态状态估计模型和算法.该模型和算法的新意主要体现在:在预测环节中,建立系统节点注入功率制约作用和系统状态自身预测融合的加权优化综合预测模型,提高了状态预估的精度;在滤波环节中,基于最小二乘支持向量机技术,建立了自适应的限定记忆动态滤波器,提高了模型的估计能力和计算速度.对山东500 kV电网进行的实际分析,充分表明了该方法的有效性.