快速解耦状态估计算法研究

提出了一种非线性的快速解耦状态估计新算法，该算法既保留了量测方程的非线性，同时又利用了改进的Givens正交变换法，通过18节点实例计算表明该算法大大减少了计算量，提高了计算速度，是可行的。     

基于快速分解正交变换状态估计算法的坏数据检测与辨识

提出了在快速分解正交变换状态估计算法中检测与辨识坏数据的新方法。该方法成功地将假设检验辨识法(HTI)和量测补偿法的思想应用于基于快速分解状态估计算法的坏数据检测与辨识,用基于对增广的量测雅可比矩阵进行Givens行变换的方法计算和更新残差协方差矩阵,在建立可疑量测集时,考虑有功类量测误差对无功类量测残差的影响和无功类量测误差对有功类量测残差的影响。算例说明,该方法检测与辨识坏数据的能力较强。     

基于正交变换与置信域的量测方差估计与权重设置算法

在状态估计实际应用中,量测方差获取和权重设置存在一定的困难。伴随状态估计运算量越来越繁重,现有量测方差估计算法的收敛性无法得到保证。为此提出了一种基于正交变换与置信域的量测方差估计和权重设置算法。利用正交变换降低迭代系数矩阵条件数,提高量测方差估计的数值稳定性;根据正交变换的化简结果,结合拉格朗日乘子法,建立新的量测方差估计模型;对于迭代过程的中间数据,采用置信域作为目标函数的约束,确保每次估计结果落在置信区间内;最后,通过IEEE 14/30/118标准系统算例证明了该算法的有效性。     

基于行稀疏同构性的大型电网状态估计Givens旋转策略

为满足大型电网状态估计在线计算速度的需求，提出一种基于行稀疏同构性的快速Givens正交变换旋转策略。该策略利用大型电网状态估计量测分布特点以及加权雅可比矩阵的稀疏特性，根据行同构模式动态选择旋转行对以及基于行稀疏度进行旋转轴选择和行排序，减少非零注入量及Givens旋转次数的同时，大大降低了计算时间。某大型电网计算结果表明，所提出的策略在不改变计算精度的同时，具有更高的计算效率，在Givens旋转效率以及中间非零注入元个数方面都得到了有效提升，满足大型电网实时状态估计计算的要求。     

韶关地区电力系统状态估计的实现

在分析国内外电力系统状态估计研究现状的基础上,结合韶关电网的实际应用情况,阐述了韶关电网状态估计应用软件的功能、网络拓扑分析方法和算法实现等。该软件为山东烟台东方电子信息产业股份有限公司的DF8003系列电力系统高级应用软件的一个模块,采用稀疏矩阵存储方式、基本加权最小二乘算法进行状态估计分析,并以豪斯荷德尔正交变换法来提高状态估计数值的稳定性,同时也克服了程序设计过于复杂、计算速度慢等缺点。     

Givens正交变换法状态估计中基于VPAIR消元的改进策略

Givens正交变换法是提高电力系统状态估计数值稳定性的有效方法,但是在变换过程中出现的大量非零注入元影响了其计算效率。按最小度原则的列编号排序和VPAIR逐列变转轴消元策略可以有效减少注入元数目。在上述消元策略的基础上,提出在消元过程中动态调整量测排序的改进策略。所提策略在选择合适旋转对进行Givens变换的同时,进行量测排序的动态优化,可以进一步减少注入元数目。将改进策略与VPAIR策略在不同规模仿真系统的仿真结果进行比较,表明所提改进策略具有更高的计算效率,能够更好地满足在线状态估计的要求。     

豪斯荷德尔正交变换法在状态估计中的应用

本文详细介绍豪斯荷德尔正交变换法在状态估计中的应用。该方法与目前状态估计计算中广泛采用的吉文斯正交变换法相比具有运行速度快,程序设计简单等优点。经云南大理等地区电业局的现场进行表明,该方法具有数值稳定性高,收敛性好,占有同存小等优点。     

豪斯荷德尔正交变换法在状态估计中的应用

本文详细介绍豪斯荷德尔（ＨｏｕｓｅＨｏｌｄｅｒ）正交变换法在状态估计中的应用。该方法与目前状态估计计算中广泛采用的吉文斯（Ｇｉｖｅｎｓ）正交变换法相比具有运行速度快,程序设计简单等优点。经云南大理等地区电业局的现场运行表明,该方法具有数值稳定性高,收敛性好,占有内存小等优点。     

基于分块吉文斯旋转的电力系统状态估计

针对电力系统状态估计问题中状态量及量测雅可比矩阵的绝大多数非零元素均成对出现的实际状况,提出了一种基于分块吉文斯(Givens)旋转的快速状态估计算法。该算法利用电力系统状态估计问题的上述特点对量测雅可比矩阵进行分块,对列编号进行优化,并采用变转轴逐列消元策略,既减少了所需的内存空间,又明显提高了执行效率。试验系统的仿真结果表明,该方法具有较高的执行效率,能够更好地满足在线状态估计的要求。     

k-means聚类算法在负荷曲线分类中的应用

为了提高电力系统状态估计结果的准确性,利用k-means聚类算法并结合有效指数准则,提出了一种辨识系统不良数据的新方法.研究内容是以某一节点负荷数据为研究对象,运用数据挖掘中k-means聚类算法并结合有效指数准则提取出日负荷特征曲线,分别对输电网状态估计中的不良数据检测和辨识、配电网状态估计中的伪量测补充进行了研究.最终用Matlab编制算法程序并进行仿真分析,结果表明,此方法效果良好.     

Minimum correction method for enforcing limits and equalityconstraints in state estimation based on orthogonal transformations

A new method is presented for orthogonal transformation-based power system state estimation that enables enforcement of limits and equality constraints. The enforcing of constraints is based on minimization of the correction by which the unconstrained state estimate must be modified in order to satisfy all equality and inequality constraints. An estimation algorithm is developed which combines active set and interior point optimization methods in such a way, that positive features of both methods are retained. A self-scaling Givens rotation algorithm is proposed to perform elementary orthogonal transformations in unconstrained state estimation. This reduces the necessity of the underflow monitoring and re-scaling during the orthogonal transformation of the Jacobian matrix. The numerical results are presented demonstrating the efficiency of the algorithm     

基于小波模糊神经网络的DTC系统参数的辨识

模糊神经网络由于具有良好的自学习和自适应能力,在非线性系统辨识中有着广泛的应用,又由于小波变换或分解所表现的良好的时频局部化特性,以及多尺度的功能,提出了基于小波模糊神经网络的直接转矩控制系统(DTC)参数辨识方法.利用递推正交最小二乘法(ROLS),采用改进的Givens旋转变换技术避免了大型矩阵的QR分解运算.通过计算机仿真证实了该法良好的辨识效果.     

670t/h煤粉炉飞灰含碳量的神经网络预测建模

对煤粉炉中影响飞灰含碳量的主要因素进行分析,并根据正交实验原理,对某台670t/h的燃煤锅炉飞灰含碳特性进行多工况热态实验,采用基于LM(Levenberg-Marquardt)算法的BP神经网络建立了锅炉飞灰含碳量的神经网络预测模型,实验验证结果表明该算法不仅收敛速度快,而且模型能根据各种操作参数准确地预报锅炉在不同工况下飞灰含碳量。     

地区电网状态估计研究

在分析法方程法，正交交换法等各种算法基础上，得出各自的优缺点。结合它们的优点，采用吉文斯变换最新研究成果，研究发展了适合的地区电网的混合算法。运用分割理论，将网络分成几个子区，独立进行状态估计，然粕总协调，设计出了一种适合的地区电网的灵活方便的混合状态估计器。     

基于拉盖尔模拟神经网络的过热汽温直接自适应控制系统

提出一种Laguerre(拉盖尔)模拟复合正交神经网络并应用于电厂过热汽温的直接自适应控制。模拟神经网络被作为直接自适应控制器,这种单隐层正交神经网络是基于Laguerre复合正交多项式函数,并具有在线连续学习的简单算法,且学习算法与被控对象模型无关。由于采用3层网络结构,输入层与隐层之间不用权值调整,在学习算法中只要在输出层与隐层之间寻找最佳权值,因此网络学习速度较快。网络隐层节点(处理元)是Laguerre多项式展开项,展开项的多少决定着网络的学习速度和精度。通过对具有严重参数不确定性、扰动以及大迟延的电厂过热汽温被控对象进行仿真研究,结果表明控制系统性能优于常规的PI控制系统。     

Towards faster Givens rotations based power system state estimator

Numerically stable and computationally efficient power system state estimation (PSSE) algorithms are designed using an orthogonalization (QR decomposition) approach. They use Givens rotations for orthogonalization which enables sparsity exploitation during factorization of the large sparse augmented Jacobian. A priori row and column ordering is usually performed to reduce intermediate and and overall fills. Column ordering methods, usually based on minimum degree algorithm (MDA), have matured. However, there exists a significant scope for improving the quality of row ordering. This paper introduces a new row ordering technique for Givens rotations based power system state estimators. The proposed row processing method (VPAIR) requires a shift from conventionally used row oriented QR decomposition implementation to a column oriented QR decomposition implementation. It is demonstrated that, the proposed column oriented QR decomposition algorithm which uses MDA for column ordering and VPAIR for row ordering can lead to a much faster PSSE. These aspects are justified by simulations on large power systems