基于时滞测量的复杂网络分布式状态估计研究

研究一类存在一步随机时滞的复杂网络分布式状态估计问题,采用伯努利随机变量刻画测量值的随机时滞情况.基于复杂网络模型和不可靠测量值,分别设计复杂网络的状态预测器和分布式状态估计器,基于杨氏不等式消除节点之间的耦合项,通过优化杨氏不等式引进的参数,优化状态预测协方差.通过设计估计器增益,获得状态估计误差协方差,同时结合预测误差协方差,获得状态估计误差协方差的迭代公式,并给出估计误差协方差稳定的充分条件.最后,对由小车组成的耦合系统进行数值仿真,验证所设计估计器的有效性.

变电站—调度中心两级分布式状态估计

提出一种变电站—调度中心两级分布式状态估计方法,在变电站级实施基于基尔霍夫电流定律的零阻抗三相状态估计,在调度中心级对变电站上传的熟数据进行处理,实现全网单相状态估计。详细讨论了变电站—调度中心两级分布式状态估计的整体架构、算法、熟数据传输、对时及周期选择、传输协议、过渡期方案等,以说明该方法的可实施性。算例结果表明,该方法有利于在变电站内同时辨识三相坏数据和拓扑错误,减轻通信负担,并提高调度中心全网状态估计的可靠性。

电力系统多区域分布式状态估计方法

提出了一种电力系统多区域分布式状态估计方法,各区域估计器利用其数据采集与监视控制系统提供的量测数据进行本地状态估计,并通过平均一致性算法获取全局信息进行系统级状态估计。建立了基于拉格朗日乘子法的状态估计模型并设计了基于一致性的全局信息交换协议,给出了多区域分布式状态估计算法的实现流程。通过IEEE 14节点和118节点系统中的仿真算例验证了所提方法的正确性和有效性,并就估计精度和计算效率与现有状态估计方法进行了比较。仿真结果表明分布式状态估计方法可有效提高集中式状态估计系统的计算效率及可靠性,适用于结构更加复杂、量测数据体量更大电网的状态估计。

基于异步迭代模式的电力系统分布式状态估计方法

互联电网安全运行所要求的一体化建模与计算对分布式状态估计提出了新的要求,为了给后续的基于异步迭代模式的分布式能量管理系统高级应用提供一个较为精确的基态计算模型,也为解决传统两层式状态估计中出现的边界失配量较大的问题,提出了一种基于异步迭代模式的分布式状态估计方法。该方法基于等值网等值量测修正思想,通过构建关于边界状态量的不动点迭代格式,实现基本的分布式状态估计方法;通过在异步迭代过程中,强制外网等值量测数据为非坏数据,再经协调计算,借用外网量测信息解决了内网靠近边界区域的不良数据难以辨识的问题。以IEEE 118节点系统为标准算例进行测试,测试结果验证了所提方法的有效性。

分布式状态估计技术在智能变电站的应用

分析了智能电网研究和建设中的关键问题和需求,结合分布式状态估计技术在苏州智能变电站的实际应用情况,详细阐述实现方案和关键技术,从调度和变电站两端总结分布式状态估计技术在智能电网中的应用价值。结果表明,分布式状态估计技术在智能变电站的应用,提升了变电站基础数据的可靠性、准确性,加快了二次信息缺陷的处理,提高了变电站智能化水平,对变电站的高级智能应用有积极意义。

分布式状态空间生成的设计与实现

状态空间生成的并行化是针对状态空间爆炸问题而提出的一种重要手段。提出了一种基于MapReduce的分布式状态空间生成方案,与现有的同类研究相比,它无需用户关心生成算法的并行化,具有简单易用性;与常规的MapReduce的用法相比,它增加了输入文件的自动生成和作业运行的自动循环控制。该方案已在小规模分布式环境下实现,实验结果表明:(1)基于Map-Reduce的分布式状态空间生成算法可以扩大模型的可求解规模;(2)对于状态空间规模的增长主要由托肯(token)数增加引起的一类模型,该算法具有良好的适应性和可扩展性。

大型复杂设备分布式状态监测系统的研究与实现

研究了基于BITBUS现场总线通信子网和Windows NT局域网而构建的大型复杂机电设备分布式状态监测系统，介绍了该系统的体系结构以及系统所包含的各硬件、软件子系统的构造与设计。

计及坏数据辨识的微网群三相分布式状态估计方法

为了满足微网群数据分布式管理的实际需求,微网群状态估计需要采用分布式模式。首先提出了一种分布式坏数据辨识方法,实现对微网群系统中不良数据的检测和辨识,然后提出基于增广拉格朗日交替方向非精确牛顿(augmented Lagrangian alternating direction inexact Newton,ALADIN)法的双层分布式状态估计算法。在数据交换量方面,每个分区分别进行独立的状态估计计算,分区之间仅仅通过交换相邻分区的边界耦合信息,采用共轭梯度(conjugate gradient,CG)算法更新每个分区的拉格朗日乘子,避免了信息隐私的暴露。基于5节点和21节点微网群系统的算例结果表明,所提分布式状态估计算法能够分布式辨识杠杆量测和有效处理坏数据,具有分区间信息交换少和收敛性好的特征,且能够达到集中式计算的求解精度。

基于灵敏度矩阵的分布式状态估计

针对分布式状态估计问题,采用基于相量测量单元(PMU)和灵敏度矩阵修正的方法。利用PMU量测量来协调子系统参考节点,并通过修正子系统独立状态估计联络线上的状态量,得到联络线上支路功率变化量,利用支路功率变化量对节点状态量的灵敏度矩阵来修正子系统状态估计结果。以IEEE14节点为例进行仿真,结果验证了该算法的有效性。

应用于滚动轴承分布式状态监测诊断系统的无线数据通信系统

为了克服有线数据传输的局限性,提出了采用无线数据传输方式实现滚动轴承监测诊断系统中上、下位机之间的数据传输。该无线数据通信系统采用二次调制/解调方案,主要包含2FSK调制/解调电路、无线发射/接收模块、电平转换电路。该系统结构简单,传输可靠,体积小,应用范围广。实验证明,该无线数据通信系统传输可靠,完全满足设计要求。

基于一致性理论的多区域电力系统分布式状态估计

随着电网规模不断扩大,传统集中式状态估计方法的数据通信与存储任务重、计算量大,难以满足现代电力系统状态估计需求。在计及系统状态估计非线性的基础上,将电力系统划分为若干个不重叠的子区域,并利用拉格朗日乘子法对状态估计方程进行解耦,建立电力系统多区域非线性状态估计模型。基于一致性理论建立全分布式状态估计方法对模型进行求解,该方法无需状态估计控制中心,只需各子区域交换一致性变量和边界节点的状态变量信息,各子区域便可平行独立地计算本地状态变量估计值,较集中式状态估计均衡了通信及计算负担。IEEE 14节点系统仿真结果验证了所提分布式状态估计方法的有效性。

非线性系统的一种分布式状态估计算法及其稳定性分析

针对连续时变非线性系统的状态估计,提出了一种基于自适应高增益扩展卡尔曼滤波的分布式估计方法。首先考虑一类非线性系统,由通过状态彼此相互作用的几个子系统构成;然后针对每个子系统设计一个自适应高增益扩展卡尔曼滤波器,一个子系统的滤波器基于子系统的输出测量值和与其他滤波器交换的信息来估计子系统的状态;不同子系统的自适应高增益扩展卡尔曼滤波器相互通信来交换信息,以获得整个系统的状态估计值;最后对所提出的分布式状态估计的稳定性进行了分析。通过对一个化工过程实例的应用,表明了所提出的分布式状态估计设计的有效性和适用性。

一类空间连接系统的分布式状态估计及其收敛性分析

针对一类一维空间连接系统,提出了一种分布式递推状态估计算法,给出了其收敛的充要条件.与集总式Kalman滤波算法相比,该算法可大幅度降低计算的时间复杂度和内存占用量,并具有可简单地实现并行计算的特点.这一算法还可直接推广到多维空间连接系统.数值仿真结果表明,该算法通常只牺牲少量的滤波精度.

欺骗攻击环境下带有传感器故障的大规模电网分布式状态估计

本文研究了欺骗攻击环境下带有传感器故障的大规模电网分布式状态估计问题.通过引入拓扑关系来描述分布式传感器节点之间的相互关系,使用随机Bernoulli序列描述欺骗攻击模型及其随机特性.基于Lyapunov方法证明了带有传感器故障的系统在遭受欺骗攻击环境下的均方稳定及H_∞稳定的充分条件,并基于LMI设计了满足H_∞性能指标的分布式状态估计器.最后通过数值仿真验证了所设计估计器的有效性.

基于传感器网络的时延补偿分布式状态估计

提出一种基于传感器网络的分布式状态估计算法,用于具有随机传输时延的网络化系统。为了节省通信带宽,引入了自适应概率量化机制。考虑随机传输时延的存在,利用缓存器中的数据设计了改进的无迹卡尔曼滤波(UKF)算法进行时延补偿。在局部估计完成后,利用快速协方差交叉方法进行融合估计,以获取更加精确的状态估计。此外,还分析了融合估计误差的有界性。最后通过数值模拟算例验证了所提算法的有效性。

交直流微电网三阶段分布式状态估计方法

基于三阶段状态估计理论,建立了交直流微电网三阶段状态估计模型。采用拉格朗日松弛法对第一线性阶段的等式约束进行松弛,实现了交直流微电网状态估计的解耦,最终提出了一种三阶段分布式状态估计方法。相比较于集中式状态估计,分布式状态估计的状态变量维度降低,具有更高的计算效率,通信压力有所减小,另外,由于交直流微电网在分布式机制下相对独立,可以保护各自的信息隐私。通过仿真结果验证了模型和方法的有效性。

考虑虚假数据注入攻击的有源配电网分布式状态估计

状态估计作为保障电网监测数据质量的关键一环,可为能量管理系统提供可靠的数据基础。考虑到有源配电网量测误差大、易遭受网络攻击等问题,文中研究了计及虚假数据注入攻击的有源配电网分布式状态估计方法。首先,各子区域根据自身量测进行状态估计,并利用平均一致性算法获取全局信息对内部状态量进行修正,实现完全分布式状态估计;其次,在子区域状态估计中引入权函数动态修正目标极值函数的权重矩阵,增强状态估计的抗差性能;然后,在边界节点和易受到虚假数据注入攻击的节点配置同步相量测量单元,提高辨识虚假数据攻击的能力;最后,利用IEEE 118节点配电网系统进行算例仿真验证。试验结果表明,文中所提状态估计方法不仅可以有效减小估计误差,还能准确辨识虚假数据注入攻击,提高了状态估计的精度和辨识虚假数据注入攻击的能力。

基于PMU量测的城市电力系统分布式状态估计算法

针对未来微网和新能源大量接入城市电网后,电力系统状态估计功能的计算数据量过大,计算速度缓慢的问题,文中提出了一种适用于城市电力系统的基于相量量测装置(PMU)量测的分布式状态估计算法。该算法将城区电网分层分区,将PMU的同步相量量测引入县调层和地调层的分布式状态估计中,不仅在县调层实现并行计算,而且在地调层满足线性状态估计条件,最终达到提高状态估计速度的目标。文中利用IEEE 118节点系统对新算法进行了测试,仿真结果验证了新算法有效提升了状态估计的速度。

有适应力的分布式状态估计方法

为提高智能体系统对攻击的免疫力,研究了测量攻击下的适应力分布式状态估计方法。每个智能体对系统状态进行连续的本地线性测量。由于不同智能体的本地测量模型相互异构,对系统状态可能不具有本地可观测性,且攻击者能够操控部分智能体的测量数据,随意改变其测量结果。而智能体的目标是协同处理本地测量数据,并正确估计出未知的系统状态。因此,该问题的挑战在于在不对真实测量数据和恶意智能体的测量数据进行分辨时,如何设计算法估计得到真实的系统状态。为了解决这个问题,设计了适应性分布式最大后验概率估计算法。在该算法中,只要恶意智能体的数量小于某个特定值,所有智能体都能够收敛到系统状态。首先,根据卡尔曼滤波给出集中式最大后验概率(Maximum A Posteriori,MAP)估计方法,并与分布式一致性结合,进而得到分布式最大后验概率估计方法。然后,考虑到测量攻击,从估计一致性的角度,利用自适应饱和度增益设计了适应性分布式最大后验概率估计方法。最后,通过仿真实验验证算法的有效性。

分布式状态机的代数模型及其模型检验算法

分布式状态机 (DSM)是一个分布式计算模型 ,特别适用于反应系统 ,有广泛的用途 .但一般其正确性证明与模型检验的复杂性却很高 ,不易实用 .作者曾提出了一个 DSM的代数模型及其模型检验算法 ,复杂性较低 ,但模型推导过程有点问题 .该文加强了对 DSM模型检验问题的提法 ,研究了解的结构特征 ,证明了可将 DSM模型检验问题归结为不动点计算问题 ,并将 Cleaveland和 Steffen求不动点的方法用于同步模型不动点计算过程 ,然后将Bertsekas关于欧氏空间上的异步收敛定理推广到完备格上 ,从而将求解异步 DSM方程不动点问题转化为求解同步方程不动点问题 ,证明了在适当的条件下 ,有 υg EA=υg ES,υg ES与 υg EA分别是 DSM同步方程与异步方程的最大不动点 .该同步算法的复杂性为 O(|S|log|TRAN|) ,S为状态集 ,TRAN 为转移关系式集 .利用本文结果 ,可以有效地克服 DSM进程之间的并发干扰所带来的各种困难 。