基于Vondrak分区插值的WAMS/SCADA混合量测状态估计数据频率兼容性方案

针对当前应用于状态估计的广域测量系统(Wide Area Measurement System,WAMS)和数据监控及采集系统(Supervisory Control and Data Acquisition,SCADA)数据频率兼容问题,在分析WAMS/SCADA混合量测数据差异的基础上,提出了一种可行的解决混合量测数据频率兼容的方案。文章基于数据挖掘理念和Vondrak分区插值算法,对SCADA节点依据数据相关度划分插值区域,各分区内采用同一PMU节点的最优平滑系数进行Vondrk插值,得到WAMS测量时刻的SCADA拟量测数据,应用于无迹卡尔曼滤波(Unscented Kalman Filter,UKF)动态状态估计。该方案不仅可以增补SCADA拟量测数据,提高量测数据和状态估计精度,有效控制系统负荷快速变化时的估计误差,还可以实现系统故障前后全网母线电压波动的可观测。通过在IEEE 118节点系统上模拟日负荷变化和故障过程的仿真分析,验证了该频率兼容方案的有效性。     

基于负荷测录系统的配电网状态估计

提出了基于负荷监测系统的配电网状态估计方法。该方法利用负荷测录系统所采集的杆变和配变的三相电压、三相电流、有功功率和无功功率作为状态估计的量测量,将馈线上所有节点的电压、相角作为状态估计的状态量。 使用基于牛顿法的状态估计算法求得配电馈线的运行状态和馈线上所有节点的电压、功率信息,这些信息可帮助调度员了解配电网的整体运行情况并协助决策。以装配有负荷测录系统的一条实际的10 kV馈线网络为例来说明该方法的正确性。     

基于改进鲁棒自适应UKF的配电网动态状态估计方法

配电网动态状态估计中状态方程的过程噪声统计参数是未知而且时变的,因此在状态估计过程中需要在线对过程噪声统计参数进行实时估计,而且不准确的噪声参数将会导致无迹卡尔曼滤波器的滤波性能下降甚至滤波发散。文中研究了基于改进鲁棒自适应无迹卡尔曼滤波器的配电网动态状态估计方法,其噪声参数统计估值器由一个有偏的和一个无偏的估值器组成,可以提高在状态估计过程中噪声参数估计的准确性,同时确保过程噪声方差矩阵的半正定性,从而保证算法的鲁棒性。通过对IEEE 33节点系统进行仿真验证,结果表明所提方法在系统平稳运行、负荷发生剧烈变动或者初始噪声参数值设置不当的情况下,均能保证较高的状态估计精度。     

基于长短期记忆网络的UKF动态谐波状态估计

传统动态谐波状态估计的卡尔曼滤波预测步通常以单位阵构建状态空间模型,同时将系统噪声协方差矩阵假设为常数阵,从而导致动态估计预测精度降低,影响动态状态估计模型的滤波性能。为了准确建立谐波状态的空间模型,提出一种基于长短期记忆网络(Long Short-Term Memory, LSTM)的时序预测方法。通过大量历史数据离线训练模拟复杂的状态转移过程,基于历史时刻的滤波估计值预测当前时刻的谐波状态量,有效提高无迹卡尔曼滤波(Unscented Kalman Filter, UKF)中预测模型精度。在改进IEEE34节点三相不平衡系统上进行了测试分析。与传统算法进行对比,结果证明所提出的方法在谐波状态估计精度和鲁棒性方面均表现更好。     

基于事件触发机制的配电网自适应UKF动态状态估计

随着智能配电网监测技术的发展及应用,网络中大量的数据传输会造成通信信道拥堵,导致数据丢失、传输延时等网络化诱导现象,进而严重影响配电网状态估计的性能.为了提高配电网量测数据的传输效率,在网络传输过程中引入事件触发机制,在保证系统状态估计性能的前提下,尽可能减少网络中的数据传输量.针对事件触发机制的引入造成的量测信息不完...     

量测数据时差补偿状态估计方法

在互联电网中,控制中心的量测数据来源很多,这些量测数据存在采集时差,当时差超过一 定范围时,量测数据不能体现一个完整电网状态,采用常规状态估计方法进行状态估计会产生较大 误差,结果无法使用。文中提出一种量测数据时差补偿状态估计方法,对于延时很小的量测数据, 使用最新的量测数据参加状态估计,其量测时间作为电网断面时间;对于其他延时的量测数据,根 据延时的不同,引入相应的时差补偿因子,利用连续2个数据断面的量测数据变化量和时差补偿因 子修正延时量测数据误差,获得完整一致的电网状态估计结果。对IEEE 7节点系统的测试表明, 该方法可有效减少计算结果误差,获得更为准确的电网状态估计结果。     

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。     

电力系统运行状态快变对状态估计影响分析

针对基于现有SCADA数据状态估计结果可信度不高甚至不收敛的问题,深入分析了电力系统运行状态快变对测量数据精度以及状态估计结果的影响,指出电力系统中部分测点运行状态的急剧变化是导致状态估计可信度不高的重要原因之一。提出了数字滤波的方法滤除部分测点运行状态快变行为造成的数据误差,从而获取可用于安全分析的电力系统稳态运行状态数据。对某一实际电网的算例分析验证了该方法的有效性。     

基于混合量测的电力系统动态状态估计

针对目前广域量测量无法单独进行状态估计的问题,引入部分SCADA功率量测与广域量测一起构成混合量测系统,提出了基于混合量测的动态状态估计算法。该算法采用扩展卡尔曼滤波算法实现状态预测与滤波,并能利用精度高和短期更新的广域量测数据去提高状态滤波效果。仿真分析表明,当广域量测在混合量测数据所占比例逐渐增加以及广域量测更新周期缩短后,状态预测和滤波结果精度均会有明显提高。     

混合量测下基于UKF的电力系统动态状态估计

针对当前电力系统动态状态估计主要采用的扩展卡尔曼滤波(EKF)法存在收敛速度慢、鲁棒性差的缺点,采用一种新的非线性方法——无迹卡尔曼滤波(UKF)法进行电力系统动态状态估计。UKF法由于使用了无迹变换,避免了线性化误差的引入和雅可比矩阵的计算,相比EKF法有更高的估计精度和稳定性。广域测量系统(WAMS)能够提供相量信息,具有精度高、全网严格同步等优点。因此,将WAMS量测数据和数据采集与监控(SCADA)系统量测数据相结合,形成应用混合量测的电力系统动态状态估计。仿真表明,UKF法相比EKF法能够更准确地估计动态系统中的状态量,WAMS信息的引入进一步提高了动态状态估计的性能。     

无迹卡尔曼滤波及其平方根形式在电力系统动态状态估计中的应用

针对扩展卡尔曼滤波(extended Kalman filter,EKF)的不足,将不需要对非线性系统函数进行线性化的无迹卡尔曼滤波(unscented Kalman filter,UKF)方法引入电力系统动态状态估计,采用生成Sigma点数量最少的比例最小偏度单形采样策略进行无迹变换.以IEEE14系统为算例,仿真结果表明引入UKF后,估计结果的精度有所提高,但算法的效率较低,且数值稳定性较差.进一步引入平方根形式的UKF(square root UKF,SRUKF)模型,IEEE 14及IEEE 30测试系统的仿真结果证明:在不需要大量牺牲计算时间的同时,算法的数值稳定性得到了改善.表明SRUKF的引入对动态状态估计方法的改进是有效的.     

广东电网WAMS增强SCADA状态估计研究

SCGM（1,1）模型是灰色预测理论在传统GM（1,1）上的进一步发展。文中首次将单变量的SCGM（1,1）模型应用于中长期电力负荷预测,分别阐述了简化SCGM（1,1）模型、均值SCGMMV（1,1）模型、拓广SCGMa0（1,1）模型的原理和特点,并应用于实例。同时将精度较高的后两种模型和GM（1,1）模型进行固定权值和变权组合,进一步提高预测结果的精确度和可靠性。计算结果证明该方法预测准确,可靠性高,抗干扰性强,是中长期负荷预测新工具之一。     

基于集合论估计的电网状态辨识(五)拓扑错误识别

电网的拓扑模型是感知电网状态的基础,错误的拓扑模型将导致状态辨识的结果严重偏离真实的运行状态,因此拓扑错误的辨识非常关键。目前已有拓扑错误辨识的方法在应用于大规模系统和同时辨识不良数据和拓扑错误等方面存在不足。文中基于最少拓扑错误准则,建立了拓扑错误识别的混合整数规划模型,其中测量方程以线性约束和锥约束的形式给出,并采用混合整数不等式来解耦整数变量和连续变量。该模型可高效求解,且可有效识别支路拓扑错误和厂站拓扑错误。     

基于WAMS/SCADA数据兼容的三种状态估计算法比较研究

当前应用于状态估计的广域测量系统(WARMS)和数据监控及采集系统(SCADA)混合量测数据主要存在数据成分、时间断面、数据精度和刷新频率四个方面的兼容性问题。分析了WAMS/SCADA混合量测数据兼容性差异,提出采用时延校正和分区Vondrak插值方法解决数据兼容问题,并在此基础上对状态估计的非线性、线性和混合模型作了对比。混合模型不进行量测变换,估计精度高,计算速度快,线性模型的量测变换和等效电流向量权重均随迭代更新,收敛性较非线性模型差。通过在IEEE 39节点系统上模拟日负荷变化验证了该结论的正确性。     

霍尔转子位置预估方法及其误差校正

为提高转子位置检测精度,基于三相对称型开关霍尔传感器,设计了霍尔转子位置预估方法。首先,分析了霍尔位置估算方法的原理误差和霍尔安装偏差引起的固有误差。然后,针对直接校正法和线性校正法的不足,提出一种霍尔扇区初始位置校正法,对霍尔位置估算误差进行了校正。仿真和实验结果表明采用三相对称型霍尔传感器进行转子位置检测,利用误差校正算法之后,可以得到较好的位置精度,性价比高,可以应用于对成本要求苛刻的电机控制场合。     

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。