基于参数辨识精度的配电网同步量测装置优化配置

配电网同步量测配置过程中存在参数辨识误差,现提出一种基于参数辨识精度的配电网同步量测装置优化配置方法。基于同步量测装置量测数据,由配电网末节点开始分步估计整个配电网的支路参数,采用最小二乘算法确定配电网运行过程中不同时刻下的线路参数;根据量测噪声的敏感度,确定离散度指标,以辨识精度与配置数量综合最优为目标构建同步量测装置配置算法内的指标函数;依照配电网参数辨识精度与配置数量标准迭代,获取令目标函数最小的同步量测装置优化配置方案。实验结果表明,节点电压均值辨识误差较小,控制在0.10%~0.26%,可显著降低研究对象参数辨识误差。

基于0-1规划迭代法优化PMU配置以提高混合状态估计准确度

相量量测单元(PMU)作为同步量测装置的主要组成部分,具有很高的数据同步性和准确性。因此,对PMU进行优化配置对于改善混合状态估计的准确度非常重要。利用0-1规划迭代法对PMU配置进行优化以提高状态估计的准确度。每次迭代选择一个PMU节点,把每次迭代选择的节点组成一个节点集,在每次执行混合估计时要充分考虑这些节点集。当混合估计的协方差小于给定的阈值时,停止迭代。对提出的方案在IEEE 14、IEEE 30和IEEE 57节点系统上进行仿真验证,证明了该法确实能够提高状态估计的准确度,具有一定的参考价值。

基于MMoE和GRU的PMU数据有损压缩算法

为解决同步向量量测装置广泛部署带来的数据冗余度与数据量快速增长、系统数据储存及传输成本大幅增加的问题,本文提出一种基于多任务学习和门控循环单元自编码器的有损数据压缩算法。首先,根据同步向量量测装置三相量测数据具有相关性的特点,采用多门控混合专家模型和门控循环单元构建了变分自编码器一次数据压缩模型,将各相数据进行特征融合,利用多任务学习挖掘三相量测数据之间的相关性;其次,使用无损压缩算法对一次压缩数据进行二次压缩,得到最终压缩数据;最后,通过算例分析表明,所提算法能够充分利用各相数据之间的相关性,实现对压缩数据的高精度重构,提高数据压缩效率。

电力系统谐波状态估计研究

指出了开展谐波状态估计研究对于电力系统谐波监测和治理的重要意义,阐述了电力系统谐波状态估计的概念、功能,对现有的几种谐波状态估计方法进行了评述,介绍了谐波状态估计的数学模型,探讨了量测点的优化配置问题,最后对谐波状态估计技术今后应开展的工作进行了展望。

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。

抵御多点虚假数据攻击的主动配电网状态估计方法

引入同步相量量测装置(PMU)识别虚假数据注入攻击(FDIA)的动态状态估计是实现主动配电网安全准确决策的有效途径。提出一种融合贝叶斯定理的深度森林(BA-DF)FDIA检测机制的混合量测加权平方根容积卡尔曼滤波(WASRCKF)动态状态估计方法。首先,通过图卷积神经网络预测PMU和SCADA混合量测融合,提高数据冗余度;其次,利用WASRCKF估计状态量和混合量测预测量进行加权估计,降低FDIA对状态估计更新层的影响;然后,采用BA-DF进行FDIA检测,判断虚假数据攻击位置,使用混合量测预测值进行修正,形成BA-DF-WASRCKF组合方法。最后,采用PG&E69配电网进行验证,结果表明该方法在不同PMU配置下均可获得更高精度状态估计结果,配置24台PMU的FDIA识别率为95%,较传统方法状态估计精度提高了77.8%。

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,μPM U)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。