基于DSCADA和μPMU数据融合的配电网运行拓扑辨识

在配电网安装了配电网数据采集及监视控制系统（distribution network supervisory control and data acquisition, DSCADA）和部分节点安装少量微型同步相量测量装置（micro-synchronous phasor measurement unit, μPMU）情形下,提出了一种基于DSCADA和μPMU遥测数据融合的配电网运行拓扑辨识方法。首先,基于μPMU节点电压相位量测构建配电网拓扑变化时刻辨识模型,确定拓扑变化的时刻;然后,基于拓扑变化前后的节点电压变化,借助DSCADA和μPMU的遥测数据构建可能拓扑判据,缩小重构后可能拓扑的范围;最后,使用加权最小二乘法将DSCADA和μPMU遥测数据进行融合,估计出可能拓扑下的节点电压相位,并利用构建的拓扑相似度辨识模型辨识出实际拓扑。算例中考虑μPMU和DSCADA不同量测误差组合,对该算法辨识的准确性进行验证。     

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。     

基于降阶核范数的PMU数据快速恢复方法

相量量测装置(phasor measurement unit,PMU)数据由于受通信问题、网络攻击与电磁干扰等因素影响可能会出现数据缺失、虚假数据与噪声等量测污染。现有PMU数据恢复方法无法同时满足高精度、快速与适应多场景数据恢复的要求,可能影响电力系统的安全稳定运行。提出一种基于降阶核范数的数据恢复方法,利用数据的高维低秩性在每次算法迭代中进行低阶奇异值分解,同时将数据主成分与量测污染进行特征分离,能以较高精度对多种数据污染场景与系统不同状态下的量测数据进行恢复。为进一步减少大规模电力量测数据恢复的时间消耗并提高算法的迭代效率,提出自适应惩罚因子与并行分布式交替乘子算法数据恢复框架,能有效将数据恢复时间控制在秒级,可为基于PMU数据的各电力系统应用提供有效保障。     

基于PMU实测数据的同步发电机参数在线辨识方法

由于试验条件与发电机运行的实际工况有较大差异,常规的电机试验难以得到与饱和、涡流等密切相关的发电机动态参数的准确值,满足不了离线和在线安全分析及控制的要求。将PMU上传的定子电压和励磁电压量测作为输入信号、定子电流和励磁电流作为输出信号,基于PMU实测数据和同步发电机派克模型,考虑定子绕组暂态过程,实现了同步发电机原始参数的辨识。电力系统实际算例表明,与设计参数相比,基于该参数辨识结果的仿真曲线与实测发电机动态曲线的拟合程度明显要高,所提方法能够有效提高同步发电机的参数辨识精度。     

基于PMU数据和时间序列模型的发电机参数识别

电力系统动态仿真的精度往往由同步发电机等元件模型及参数的精度所决定。在对同步发电机模型进行时间序列分析的基础上,提出了一套依靠同步相量测量单元对惯性时间常数、发电机转速调节常数以及涡轮调速器的时间常数等发电机动态参数进行识别的方法。该方法首先将发电机的经典模型和摇摆方程统一转换为一个时间序列模型,并利用线形参数辨识方法对此时间序列模型的参数予以辨识;最后通过求解发电机模型参数与时间序列模型参数的等式关系得到发电机的模型参数。对不同功率变化波形进行了仿真试验,按照本文方法计算得出的发电机参数与实际参数一致,验证了本文提出方法的有效性。     

基于流聚类的PMU异常数据辨识算法

为保证同步相量测量装置(phasor measurement unit,PMU)采集数据的准确应用,须排除其量测值中的异常数据。现有PMU异常数据辨识算法存在算法复杂度高、难以在线更新、多源数据难以校准、依赖多源数据应用难度大等不足。为此,文中从PMU事件数据和异常数据模型及PMU异常数据判别信息熵定义出发,提出基于该信息熵的异常数据辨识框架。在此框架基础上,基于利用层次方法的平衡迭代规约和聚类(balanced iterative reducing and clustering using hierarchies,BIRCH)算法提出PMU异常数据辨识算法;然后,对所提出的算法进行原型实现,并针对某变电站的PMU采集数据集进行算法实验验证。实验结果表明,与一类支持向量机(one-class support vector machine,OCSVM)算法与间隙统计算法相比,文中算法的准确度及实时性均具有较强的优势。     

基于PMU数据的混合动态仿真方法比较

随着广域测量系统(WAMS)技术的快速发展和广泛应用,它为电力系统建模和仿真分析提供了更加精确的实测动态数据。借助同步相量测量单元(PMU)测得的动态电压、电流和功率数据作为时变注入量,进行混合动态仿真可以实现互联电网的电气解耦仿真,并准确地计及外部网络或模型的动态特性和影响。介绍了基于注入时变电压、时变电流和时变功率的3种混合动态仿真方法的基本原理和计算流程,然后分析了这3种不同时变量测注入混合仿真方法的仿真误差产生原因。最后,通过四机双区域系统仿真分析比较了这3种方法的可行性和有效性。     

基于SCADA/PMU混合量测系统的电压实时监测

现实电网中PMU的配置不能使系统完全可观,提出了基于SCADA/PMU混合量测的系统电压实时监测方法.通过PQ分解法推导了节点间的电压变化关联形式,利用通过虚拟量测技术形成的混合量测系统修正Jacobi矩阵,确定关联方程参数,以PMU节点群为基准预估全网节点电压.仿真实验结果表明,该方法有效地解决了目前电网PMU配置不...     

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。     

计及PMU的混合非线性状态估计新方法

提出一种将同步相量测量单元（PMU）的直接电压相量量测变换为间接支路电流量测,并与监控与数据采集（SCADA）量测量一起进行混合迭代的非线性状态估计方法。对构造等效电流修正量而带来的间接量测误差进行了详细和定量的分析,并对该混合估计算法的精度进行了定性分析和定量计算。理论分析和算例表明,该方法可以获得较高的估计精度,在收敛次数和滤波效果上也有所改进。     

电力系统PMU最优配置数字规划算法

随着相量量测装置(PMU)硬件技术的逐渐成熟和高速通信网络的发展,PMU在电力系统中的状态估计、动态监测和稳定控制等方面得到了广泛应用.为达到系统完全可观,在所有的节点上均装设PMU既不可能也没有必要.文中提出一种基于系统拓扑可观性理论的数字规划算法,利用PMU和系统提供的状态信息,最大限度地对网络拓扑约束方程式进行了简化,以配置PMU数目最小为目标,形成了PMU最优配置问题,并采用禁忌搜索算法求解该问题.其突出优点是利用了系统混合测量集数据,即不仅考虑了PMU实测数据,同时计及了可用的潮流数据.在IEEE14节点和IEEE 118节点系统的仿真结果表明,与常规的PMU最优配置算法相比,所提出的数字规划算法可以实现安装较少数量的PMU而整个系统可观的目标.     

卫星同步授时偏差对PMU量测的影响

同步相量测量单元(phasor measurement unit,PMU)的本质特征是同步量测,因此卫星同步授时信息的准确程度将直接影响PMU量测的精度和可靠性,从而进一步影响电力系统动态过程监测等基于PMU量测的各类应用功能的发挥。文章针对我国安装于变电站和发电厂的2类PMU分别展开讨论,重点推导了电力系统动态情况下考虑授时偏差的变电站PMU量测相量计算公式,分析了授时偏差对相量幅值与相角量测的影响规律;此外,根据发电厂PMU量测发电机转子角原理,分析了电力系统稳态及动态情况下发电厂PMU实测发电机转子角与授时偏差的关系。最后,通过搭建的物理实验平台,进行了稳态和动态实验,验证了理论分析的正确性。     

基于WAMS的混合量测平台的精度研究与PMU配置分析

研究了广域量测系统与数据采集与监控系统组成的混合量测系统下的状态估计精度问题。从状态估计的误差方差阵与雅克比矩阵条件数两个方面定量比较了PMU配量前后混合量测系统的状态估计精度变化,提出一种对电网公司实用而且经济的PMU子站建立的新方案。对目前发展中的广域量测系统具有较好的指导意义。     

基于WAMS的混合量测平台的精度研究与PMU配置分析

研究了广域量测系统与数据采集与监控系统组成的混合量测系统下的状态估计精度问题。从状态估计的误差方差阵与雅克比矩阵条件数两个方面定量比较了PMU配量前后混合量测系统的状态估计精度变化,提出一种对电网公司实用而且经济的PMU子站建立的新方案。对目前发展中的广域量测系统具有较好的指导意义。     

基于PMU量测的配电网稀疏估计

同步相量量测技术的应用为配电网估计如潮流雅可比矩阵估计和电压/相角-功率灵敏度估计提供了重要技术基础。针对潮流雅可比矩阵的相关性、稀疏性和对称性,提出了一种基于同步相量测量单元量测数据的潮流雅可比矩阵和灵敏度矩阵的稀疏估计方法,在较少量测下,有效估计了雅可比矩阵和灵敏度矩阵。进一步针对量测过程中出现的不良数据,引入鲁棒性更大的加权最小二乘法,提高了算法的鲁棒性。最后,通过IEEE33节点配电系统验证了方法的可行性。     

基于MMoE多任务学习和长短时记忆网络的综合能源系统负荷预测

精确的多元负荷预测是实现综合能源系统优化调度与经济运行的关键技术。在考虑多元负荷相关性的基础上,提出一种基于MMoE多任务学习和长短时记忆网络(LSTM)的多元负荷预测方法。利用皮尔逊相关系数分析冷热电负荷及气象因素存在的强相关性和弱相关性;构建MMoE多任务学习模型,利用专家子网和门控单元学习多元负荷间耦合特性的差异;使用LSTM构建子任务模型,对多元负荷进行预测。利用公开数据集进行性能验证,结果表明所提基于MMoE多任务学习和LSTM的模型能够有效提升多元负荷预测精度。     

基于PMU数据频谱辨识次同步振荡的研究

为解决风电场与电网间发生的次同步振荡现象,保证风电场与电网的稳定运行,经研究发现,利用现有的同步相量测量装置(phasor measurement unit,PMU)监测次同步谐波是解决次同步振荡问题的有效途径。文中以新疆哈密某风电场为例,首先通过PMU记录的电流幅值数据频谱分析次同步振荡产生的主要频段,接着对次同步谐波分量产生机理进行分析以及锁相环节进行仿真验证。结果表明,PMU数据频谱分析得出的振荡频段与锁相环节仿真验证结果相吻合,从而验证了该方法的有效性。该研究结果可为风电场次同步振荡的理论研究和工程实际提供参考依据。     

电网厂站侧PMU精度量测方法与保障措施研究

从安徽厂站端PMU的信号接入要求出发,阐述了厂站PMU的测试原理、测试方法、测试流程及测试中需要注意的事项。     

基于GRU的特高压三端混合直流输电线路故障区域识别方法

针对特高压三端混合直流输电线路故障区域识别问题,提出一种基于门控循环单元(gate recurrent unit, GRU)的特高压三端混合直流输电线路故障区域识别方法。首先,分析了直流线路昆北侧边界和龙门侧边界直流功率传递函数的幅频特性、T区线模功率突变量的正负差异,指出三端直流线路不同区域故障时的故障特征差异。其次,对线模功率进行多尺度小波分解,提取线模功率高频能量,结合T区线模功率突变量、正负极功率突变量幅值,组成故障特征量,作为GRU的输入量,故障区域作为输出量,构建GRU故障区域识别模型。然后,将测量点得到的故障特征量输入训练完成的GRU模型中,即可达到故障区域识别的目的。通过大量仿真,验证了所提故障区域识别方法准确率高,且可耐受300Ω的过渡电阻。