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。     

基于智能电表和PMU混合量测的低压配电网三相状态估计

随着同步相量量测PMU等新型测量装置的发展以及智能电表的广泛布置,为保证低压配电网安全可靠运行,提升其态势感知能力,提出一种基于智能电表和PMU混合量测的低压配电网三相状态估计方法。该方法同时采用低压配电网智能电表采集的实时量测和PMU同步相量量测,显著提高了低压配电网测量数据的冗余度,以端点注入电流平衡方程为基础,建立了低压配电网最小二乘估计模型。基于IEEE13节点修正系统,对该方法进行了仿真分析。仿真结果表明,所建模型可以对低压配电网的三相状态进行精确估计,且计算速度快收敛可靠。     

基于μPMU电压相位数据的配电网拓扑辨识

为了满足配电网拓扑识别快速准确的要求,提出了一种基于微型同步相量量测装置（micro-synchronous phasor measurement unit,μPMU）的配电网拓扑识别方法。获取拓扑变化前后的电压相位构建拓扑变化辨识参数,辨识出系统拓扑变化时刻;提出基于相位差异度的拓扑识别算法,借助μPMU获取的数据及潮流计算,分析不同拓扑条件下电压相位与实际相位间的差异,选取差异度最小所对应的拓扑为实际拓扑,实现对配电网的拓扑识别。通过仿真算例验证所提方法的合理性,结果表明,拓扑变化时刻辨识判据正确可靠,所提拓扑识别算法的识别正确率高。     

基于MWTLS的不完全对称输电线路参数辨识

研究了不对称输电线路模型参数可辨识性以及辨识结果可信度问题,进而提出了基于窗口滑动总体最小二乘的两步法用于辨识不对称线路三相参数,即稳态进行正序参数辨识,出现扰动时通过检测系数矩阵的条件数进而决定是否实施剩下参数的辨识,能有效区别地利用多时刻数据,使得辨识方法具有良好的稳定性。利用PSCAD搭建仿真模型验证了所提算法的有效性和可靠性。     

一种基于遗传算法的光伏阵列参数辨识方法

提出一种基于遗传算法的参数辨识方法,在保证辨识精度的前提下,将光伏电池参数辨识后得到的多组结果收敛为一组参数值。依据光伏电池的I-U方程和参数特性,基于实测数据,通过参数辨识方法确定待求解参数的可行解范围;利用基本遗传算法辨识待求解的参数值,得到一组准确的辨识值;当出现部分数据辨识结果的误差较大时,利用一种基于混合遗传算法的参数辨识方法,提高这部分数据辨识结果的精度。基于实测数据,利用所提出的辨识方法确定参数值,通过预测结果与实测结果的比较,验证了该方法的准确性与实用性。     

基于图论的电力系统PMU布点优化算法

基于最小支配集理论和电力系统线性量测模型．提出了可观测节点集合、WAMS可观测矩阵两个概念以及一种新的节点可观测性计算规则。以保证系统的完全可观测性和以系统图的最小支配集为搜索范围构成约束条件,以电力系统状态完全可观测和相量测量装置（PMU）配置数目最小为目标,形成了PMU配置优化问题。并应用禁忌搜索（TS）方法求解该问题,保证了全局寻优。最后采用IEEE14、30、57、118节点系统和新英格兰39节点系统对该方法进行了验证,仿真结果表明该方法的有效性和可行性。     

考虑误差非独立性的电力系统参数辨识估计

确定量测量间的误差传递特性是建立精确量测模型的重要前提。实际量测系统中量测量由所有单相遥测数据构成,在各母线上分析量测误差间的相关性,计算符合遥测数据实际采集特征的量测误差协方差阵。提出了考虑量测误差相关性的电力系统参数辨识估计,利用加权残差率绝对值求和的方法辨识出参数误差支路,采用改进增广状态量法进行参数估计,逐一修正参数误差,利用状态估计结果验证参数辨识估计准确性。IEEE算例仿真结果表明,所提出的算法较传统参数估计结果更接近于系统真值,同时提高了状态估计的精度     

基于改进聚类的输电线路参数多代理辨识与估计

提出一种对线路参数的多断面计算结果聚类来辨识可疑参数同时定位不良量测的方法,进而给出一种对可疑参数及不良量测修正的方法,得到偏差较小的近似值。利用这些值进行增广状态估计,改善其收敛性及结果的可靠性。从物理连接、电气连接和实际传输关系三方面分析,并采用博弈论获取电网节点的综合相关度,避免残差污染和残差淹没,进一步提高估计结果的准确度。结合多代理理论,将每条线路作为一个支路代理(AG),实现可疑参数的辨识、修正及不良量测的定位、修正,设置协调代理(CAG)完成参数估计,支路AG与CAG协调修正,保证最终结果的可靠性。最后,以我国某中等城市实际输电网为例进行仿真分析,结果表明了所提方法的可行性及有效性。     

基于IOLBBO算法的水轮机非线性模型参数辨识

为提高考虑弹性水击模型的水轮机系统非线性模型参数辨识的精度、速度、稳定度,采用改进正交学习生物地理学算法(IOLBBO)对该模型进行参数辨识。IOLBBO利用佳点集方法的遍历性,初始化栖息地特征变量;引入精英保留策略,提高算法运行效率;融合正交学习(OL)策略,提高算法全局寻优能力。基于某水轮机动态试验数据的参数辨识计算及对比分析,表明IOLBBO算法可用于水轮机系统非线性模型参数实测辨识,与GA、PSO、QPSO、BBO算法相比,收敛速度更快、参数辨识精度更高、算法更稳定,为电力系统的参数辨识提供了一种新方法。     

基于PMU实测小干扰数据的负荷闭环辨识方法

负荷建模是电力系统建模的重要部分,但是负荷模型的复杂性、非线性以及随机性增加了负荷建模的难度。提出了一种基于PMU实测小干扰数据进行负荷模型闭环辨识的方法。首先,建立了传递函数表达式下的负荷模型,并构建了应用于负荷模型辨识的闭环系统。而后提出基于预报误差法辨识负荷BJ模型的方法,通过数据预处理、模型阶次选择以及模型转换详细介绍该方法。最后,通过浙江电网220 kV华金变电站、太真变电站和清漾变电站的PMU实测数据的算例,验证了该方法在只有随机小干扰的情况下仍可以较为精确地辨识出负荷模型。     

含有限PMU的主动配电网故障定位

对于含分布式电源(DG)的主动配电网,基于同步相量测量单元(PMU)的监测信息进行故障分析与处理,从而达到定位目的.首先采用拓扑优化法对PMU进行布点优化配置,同时将系统划分为不同区域.利用PMU监测所得实时潮流和电气量信息,基于功率增量方向原理可初步判断发生故障的区域;其次计算候选故障区域内各条区段发生不同类型故障时...     

基于奇异值分解与卡尔曼滤波修正多位置NWP的短期风电功率预测

考虑到数值天气预报网格点位置和系统误差对短期风电功率预测精度的影响,提出一种基于奇异值分解与卡尔曼滤波修正多位置数值天气预报的短期风电功率预测模型。首先通过奇异值分解对多位置数值天气预报数据进行特征提取与降维处理;然后使用卡尔曼滤波方法修正数值天气预报风速数据,降低数值天气预报的系统误差;最后基于极端随机森林算法,利用修正的数值天气预报数据搭建短期风电功率预测模型。通过对某风电场进行仿真,并与单位置、未降维、未修正模型比较,结果表明降维修正模型的预测效果最好,平均误差和均方根误差分别为7.94%和9.96%。     

基于动态神经网络的温度调节系统控制方法研究

利用动态模糊神经网络(DFNN)对室内温度系统进行辨识与控制。首先,研究现有控制方式中存在的问题,接着,根据这些问题提出了一种动态模糊神经网络的结构和算法。最终,通过仿真结果与实测温度进行比较,证明所提出方法的有效性。     

Subsynchronous oscillation monitoring and alarm method based on phasor measurements

Owing to the large-scale grid connection of new energy sources, several installed power electronic devices introduce sub-/supersynchronous inter-harmonics into power signals, resulting in the frequent occurrence of subsynchronous oscillations (SSOs). The SSOs may cause significant harm to generator sets and power systems; thus, online monitoring and accurate alarms for power systems are crucial for their safe and stable operation. Phasor measurement units (PMUs) can realize the dynamic real-time monitoring of power systems. Based on PMU phasor measurements, this study proposes a method for SSO online monitoring and alarm implementation for the main station of a PMU. First, fast Fourier transform frequency spectrum analysis is performed on PMU current phasor amplitude data to obtain subsynchronous frequency components. Second, the support vector machine learning algorithm is trained to obtain the amplitude threshold and subsequently filter out safe components and retain harmful ones. Finally, the adaptive duration threshold is determined according to frequency susceptibility, amplitude attenuation, and energy accumulation to decide whether to transmit an alarm signal. Experiments based on field data verify the effectiveness of the proposed method.     

基于自适应非奇异智能终端滑模观测器的风力机载荷增广预测控制

为有效降低风力机在高风速运行时的不平衡载荷,提出一种基于自适应非奇异智能终端滑模观测器的载荷增广预测控制策略。首先,针对模型不匹配导致的模型预测控制性能下降的问题,将指令跟踪误差与系统状态的变化量增广为状态向量,设计增广预测模型以消除稳态跟踪误差;其次,设计自适应非奇异终端滑模观测器对系统状态进行估计,以提高控制系统的可靠性;然后,设计多目标变速灰狼优化算法同时对控制器和观测器参数寻优;最后,基于Simulink仿真平台验证了所提控制策略的有效性。结果表明,所提控制策略可有效消除稳态误差,缩短调节时间并提高控制性能。     

基于PMU的广域测量技术及其应用

分析了相量测量单元（PMU）的测量原理以及广域测量系统（WAMS）的构成,总结和预测了基于PMU的广域测量系统的应用,并比较了PMU／WAMS与传统的SCADA／EMS系统的不同点。预测了今后智能电网发展过程中广域测量技术的发展应用情况。     

基于ALMBO算法的PEMFC分数阶时域子空间模型研究

针对质子交换膜燃料电池（PEMFC）发电过程复杂难以建模的问题,考虑PEMFC系统的分数阶特性,提出一种基于优化的分数阶时域子空间辨识方法,并建立PEMFC的分数阶状态空间模型。首先,将分数阶微分理论与子空间时域辨识方法相结合,采用Poisson滤波器对输入输出信号进行滤波处理,并引入权重矩阵提高辨识的精度;其次,对Poisson滤波器以及辨识的分数阶阶次寻优,提出一种变异反向学习的自适应帝王蝶优化算法（ALMBO）,在迁移算子中引入变异反向学习策略、并融入自适应权重来提高寻优的精度,防止陷入局部最优解。最后,通过仿真结果验证算法的有效性,所得的PEMFC辨识模型能准确描述PEMFC的动态过程。     

基于VMD-WPE和SSA-ELM的短期风电功率预测研究

针对风电功率序列非线性、非平稳性特点,提出一种变分模态分解（VMD）-加权排列熵（WPE）和麻雀算法（SSA）优化极限学习机（ELM）的混合风电功率预测模型。首先,采用VMD技术将原始序列分解为多个固有模态分量,再采用WPE技术将各分量重组成若干个复杂度差异较大的子序列。然后,利用启发式SSA算法对ELM的参数进行优化,建立风电功率预测优化模型。最后,采用西北某风电场实际数据对所提模型进行验证。结果表明,与其他模型相比,所提模型提高了预测性能。