混合整数线性规划形式的抗差状态估计方法

现有的抗差状态估计方法一般需要求解非线性非凸优化问题,并用基于梯度的方法予以求解,难以保证获得全局最优解,且可能存在收敛性问题。基于精确线性化量测方程提出了一种混合整数线性规划形式的抗差状态估计方法。首先通过引进辅助状态向量和辅助量测向量,得到了线性量测方程;通过引入代表量测量是否为正常量测量的二值变量,将线性量测方程变为线性量测不等式;最后求取一个可使尽可能多的正常量测量来支持的状态向量。所提方法抗差能力强,从数学上可保证获得全局解;无需非线性迭代。仿真算例验证了所提方法的有效性和高效性。     

求解状态估计问题的内点半定规划法

为更好地进行状态估计,提出了基于内点半定规划求解状态估计问题全局最优解的方法。该方法基于求解状态估计常用的加权最小二乘模型,通过引入辅助变量,将非凸估计问题等价转化为半定规划问题,然后应用原始–对偶内点法求解。根据状态估计半定规划模型的特点,采用基于半定规划的稀疏技术,提高存储效率和计算性能。算例结果验证了该方法的有效性。     

一种改进的人工蜂群配电网状态估计方法

针对配电网状态估计模型的计算量大、精度低以及数值计算不稳定等问题,提出一种改进的基于人工蜂群算法的配电网状态估计方法。首先,根据网络拓扑结构和量测配置,建立配电网状态估计的目标函数;然后,采用人工蜂群算法对目标函数进行优化求解;最后构造当前最优解的适应度函数,以此作为迭代终止准则的判定条件,以更高的效率获得全局最优解。采用中国电力科学研究院搭建的16节点系统开展了大量的实验,结果表明本文方法可以有效地估计节点电压的幅值和相位。不仅如此,在收敛速度上也比现有的人工蜂群算法提高一倍,并且平均绝对误差比加权最小二乘法和等效功率变换法分别减小60%和50%。     

配电网模糊匹配潮流状态估计方法分析

用模糊集合理地表示配电网的量测信息，基于量测配置结构、辐射状的配电网络和量测信息模型，提出了模糊匹配潮流状态估计方法。该方法具有抗差性的加权最小绝对值(WLAV)状态估计方法应用于配电网的等效形式。考虑到伪量测的模糊约束，所提出的方法得到的状态估计解虽不具有最优但具有满意的WLAV估计意义。采用基于模糊线性规划的前推回代潮流算法求解模糊匹配潮流，该求解过程物理意义清晰、编程实现简单，克服了求解WLAV估计方法计算量大的缺点。实际算例结果验证了所提出的方法的合理性和适用性。     

配电网模糊匹配潮流状态估计方法分析

用模糊集合理地表示配电网的量测信息，基于量测配置结构、辐射状的配电网络和量测信息模型，提出了模糊匹配潮流状态估计方法。该方法具有抗差性的加权最小绝对值(WLAV)状态估计方法应用于配电网的等效形式。考虑到伪量测的模糊约束，所提出的方法得到的状态估计解虽不具有最优但具有满意的WLAV估计意义。采用基于模糊线性规划的前推回代潮流算法求解模糊匹配潮流，该求解过程物理意义清晰、编程实现简单，克服了求解WLAV估计方法计算量大的缺点。实际算例结果验证了所提出的方法的合理性和适用性。     

指数型目标函数电力系统抗差状态估计的解法与性能分析

针对一个指数型目标函数电力系统抗差状态估计模型,给出一种有效的求解方法。由于指数型目标函数电力系统抗差状态估计模型的目标函数连续可微,因此可通过与加权最小二乘估计类似的牛顿法方便地进行求解,与现有状态估计程序之间具有很好的兼容性。理论分析表明新的抗差估计模型具有很强的排除不良杠杆量测的性能,并通过与加权最小二乘估计和广义M估计的数值算例比较,进行了验证。基于IEEE标准系统和2个实际省级电网的计算分析,将本文方法与现场广泛应用的含不良数据辨识环节的加权最小二乘估计程序进行比较,结果表明所提方法的抗差能力具有明显的优势。     

基于集合论估计的电网状态辨识(一)建模

状态估计作为电力系统分析与控制的基础,是能量管理系统的重要组成部分。文中通过对已有状态估计方法(包括最小二乘法、经典抗差估计方法以及近年来涌现的新的估计方法)的特点的研究,分析了现有研究存在的主要问题,并指出引入集合论估计可有效解决该问题,以提升估计结果可信性。基于集合论估计的基本思想,研究了基于集合论估计理论的电网状态辨识的模型。该模型可明确系统真实状态和辨识结果的关系,理论上保证了结果的可信性。文中对模型中的属性集合进行了数学描述,并提出了基于区间的解集描述,保证了模型的可求解性和可应用性。     

基于断路器零阻抗特性的PMU量测状态估计方法

互感器和通信系统噪声使得相量测量单元(PMU)量测量存在随机误差,使得PMU无法准确监测系统动态过程,因此提出一种动态过程中基于PMU量测的状态估计方法。针对故障后网络拓扑改变,集中式状态估计不再可行的问题,提出适用于动态过程的分布式状态估计框架;基于零阻抗特性构造了断路器状态未知情况下的非线性虚拟量测方程,进一步提升冗余度;建立了动态过程中计及断路器零阻抗虚拟量测的状态估计模型,推导了雅可比矩阵的具体形式,并采用非线性加权最小二乘(NWLS)对模型进行求解。仿真分析表明该方法不但能够对节点电压相量和断路器电流相量进行估计,同时能够确定状态未知断路器的开合状态,同时算法满足应用的实时性要求。     

小生境遗传算法在状态估计中的应用

提出了一种基于小生境遗传算法的求解状态估计问题的新方法,根据加权最小二乘法原理导出状态估计模型可计及各种伪量测。采用小生境遗传算法可提高计算速度,并改善收敛性。仿真计算表明,该方法是有效的,而且精度高、数值稳定性好。     

基于多预测校正内点法的WLAV抗差状态估计

针对预测-校正内点法(predictor-corrector primal-dualinterior point method,PCPDIPM)加权最小绝对值状态估计(weighted least absolute squares,WLAV)可能发生校正方向指向错误方向的不足,提出一种基于多预测-校正内点法(multiple PCPDIPM,MPCPDIPM)的WLAV抗差状态估计算法。该算法在PCPDIPM的基础上,通过多次校正,对中心参数动态估计,并采用2阶段线性搜索法确定校正方向在总的牛顿方向中的最优比重,从而保证迭代点向中心轨迹靠拢。最后,通过IEEE算例仿真和我国某省网的测试结果验证了所提方法的有效性。与含不良数据辨识功能的加权最小二乘状态估计相比较,所提方法的收敛速度及抗差能力具有明显的优势。     

多采样周期混合量测环境下的主动配电网状态估计方法

针对主动配电网中远程终端单元(RTU)、相量测量单元(PMU)与高级量测体系(AMI)多采样周期量测数据长期共存的实际情况,提出了一种基于RTU,PMU,AMI混合量测的主动配电网状态估计混合算法。该混合算法由非线性静态状态估计、线性静态状态估计与线性动态状态估计3种算法组成。线性动态状态估计与线性静态状态估计利用PMU量测与RTU量测,实时跟踪系统注入节点有功功率与无功功率的变化,在非AMI量测的采集时刻,为非线性静态状态估计提供高精度的虚拟量测。所提算法缩短了非线性静态状态估计的计算周期,提高了非线性静态状态估计的精度,提升了对主动配电网运行状态的预测能力。通过算例仿真,验证了所提算法的有效性。     

基于变量代换内点法的加权最小绝对值抗差状态估计

传统内点法加权最小绝对值(WLAV)抗差状态估计能够抑制坏数据影响,提高状态估计精度,但该方法模型复杂,计算效率低,限制了其工程应用价值。文中提出一种基于变量代换内点法的电力系统WLAV估计方法,该方法通过添加中间变量,将非线性量测方程分解为两步线性方程和两步非线性变换,并建立两步线性方程的WLAV估计数学模型。与传统内点法WLAV抗差状态估计相比,该方法无须形成海森矩阵,可有效提高迭代方程中系数矩阵的稀疏度,并减小矩阵的阶数,有效提高WLAV状态估计的计算速度。基于美国电气与电子工程师学会(IEEE)标准系统、波兰电网和国内某省网的仿真结果验证了所述方法的有效性,具有良好的工程应用前景。     

考虑总体误差下降指标的电网参数辨识方法

电网参数错误是影响状态估计结果准确性的重要因素。文中以加权最小二乘状态估计为基础,分析了不良数据及错误参数集合对总体误差的影响,提出了基于总体误差下降指标的逐次型参数错误与不良数据辨识方法。该方法在辨识单个不良数据或参数错误时与正则化拉格朗日乘子法等价,并具备同时辨识多个不良数据及参数错误的能力。通过IEEE 14节点测试系统的仿真结果验证了所述方法的准确性与优越性。     

一种电力系统量测噪声自适应抗差状态估计方法

为克服传统状态估计方法在处理量测噪声方面的局限性,文中首先提出一种基于最大相关熵准则的抗差状态估计一般模型,该模型可从理论上统一已有的几种抗差状态估计方法,并可导出新的抗差状态估计方法。在此基础上提出一种量测噪声自适应抗差状态估计方法(ARSE),ARSE能够通过统计学习获得量测噪声的分布规律,并与所提出的抗差状态估计一般模型进行在线匹配,从而实现对量测噪声类型的自适应,即在常见的量测噪声分布类型下,ARSE可得到更接近于状态变量真值的估计结果。最后通过仿真算例验证了所述方法的有效性。     

基于交替方向乘子法的分布式双线性状态估计

提出了一种计及数据采集与监控(SCADA)系统和相量测量单元(PMU)混合量测的电力系统多区域分布式状态估计的新方法。首先假设量测模型是线性的,以扩展子区域法进行分区,所得到的扩展子区域包含了相邻区域的边界母线。然后采用广泛应用于分布式计算的交替方向乘子法(ADMM)求解,由于各子区域间仅需交换边界母线状态量信息,无需中央协调侧,因而保留了各子区域的独立性。随后基于SCADA系统和PMU混合量测的双线性模型,将传统的非线性加权最小二乘(WLS)估计转化为三阶段问题,第1、第3阶段为线性WLS估计(各子区域由ADMM分布式求解);第2阶段为一步非线性变换(各子区域可独立变换)。双线性理论与ADMM技术的结合,保证了分布式状态估计的收敛性,同时也提高了计算效率。最后,算例测试部分从多个方面论证了所述方法相比于现有方法的优越性。     

基于等值信息交换的分布式抗差估计算法

提出了一种基于等值信息交换的分布式抗差状态估计算法。各子系统通过等值计算将自身量测信息浓缩成等值信息,协调层收集各子系统的等值信息计算出边界状态量进而实现分布式状态估计。此外,在分布式算法基础上实现了分布式抗差估计。采用等价权原理将指数型目标函数抗差估计方法转换成变权重的加权最小二乘估计,并基于不动点迭代的方法进行求解。在求解过程中,等值信息随着权重值的变化而不断更新,子系统得以综合全系统信息进行抗差估计。最后,构造了多子系统算例和含不良数据的算例对算法进行测试。测试结果表明分布式抗差估计算法具有很高的计算精度和很好的抗差性能。     

Weighted least absolute value power system state estimation using rectangular coordinates and equivalent measurement functions

This paper presents a new efficient computation technique for robust power system state estimation based on weighted least absolute value (WLAV) criterion. The proposed method employs rectangular form of state variables and equivalent measurements technique in order to obtain the linear measurement functions with linear constraints of state variables. The state estimation problem is then formulated as an optimization problem with a set of equality and inequality constraints. A solution method based on interior point algorithm is also proposed. Tests with several IEEE standard systems have been performed to investigate the performance of the proposed algorithm. Results indicate that the proposed state estimator gives promising performance compared with weighted least square (WLS) based estimation algorithms using state variables in polar forms. © 2011 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于脉冲神经网络伪量测建模的配电网三相状态估计

为了给配电网管理系统提供全面准确的实时数据,配电网三相状态估计显得尤为重要。针对当前配电网量测信息不足,提出了基于脉冲神经网络(SNN)伪量测建模的配电网三相状态估计。该方法首先将实时和部分历史支路功率量测输入SNN进行伪量测建模,然后由高斯混合模型生成相应的量测误差,最后进行基于加权最小二乘法的配电网三相状态估计。理论分析和算例验证表明,所提模型不仅能够在正常通信时有效提高配电网状态估计精度,而且能在通信故障时保证估计精度在合理范围内,进而为配电网的运行控制提供参考依据。