基于深度神经网络的电力系统快速状态估计

随着现代电力系统的迅猛发展,电网结构和运行方式日益复杂,对状态估计的实时性和准确性也提出了更高的要求。为此,该文提出一种基于深度神经网络的电力系统快速状态估计,通过相关性分析筛选出该状态估计模型的输入量测集,进一步利用海量历史数据建立基于深度神经网络的状态估计模型。当电力系统的实时量测更新时,将强相关量测输入已建立的状态估计模型中快速获得系统状态的估计结果。通过在IEEE标准系统和某实际省网进行算例仿真表明,所提方法的估计精度和鲁棒性均优于传统加权最小二乘(weighted least square,WLS)和加权最小绝对值估计(weighted least absolute value,WLAV);并且该方法的在线计算时间受系统规模影响较小,由实际省网的仿真结果可知,其计算效率较WLS和WLAV分别提升1.43和27.2倍。

快速解耦状态估计算法研究

提出了一种非线性的快速解耦状态估计新算法 ,该算法既保留了量测方程的非线性 ,同时又利用了改进的Givens正交变换法 ,通过 1 8节点实例计算表明该算法大大减少了计算量 ,提高了计算速度 ,是可行的。

一种快速的链路状态估计算法

快速准确的链路状态估计是基于网络的拥塞控制算法中一个重要的组成部分。提出了一种链路状态快速探测算法A2DPM,通过对报文头部标识字段进行多个哈希映射,加速链路状态信息的探测,只需少量的探测报文即可得到准确的链路状态信息,因此会话发起端能够迅速感知链路上的拥塞,并相应调整其发送速率,以实现网络的最优化传输。

中压直流输电直流区域配电综合电力系统静态状态估计方法研究

采用中压直流输电和直流区域配电的电网结构形式,可大幅度提高舰船综合电力系统的功率密度。由于网络结构和设备控制策略的差异,传统陆用电力系统的状态估计方法无法直接应用于舰船综合电力系统。该文建立了综合电力系统静态状态估计的模型,给出了全系统状态估计方法,根据系统的实时性需求研究了分系统快速估计方法,对分系统间不同的接口量选取方式进行了分析,进一步通过对直流区域配电系统进行PQ分解,实现了快速状态估计,以提高算法的实用性。最后通过仿真验证了所提算法的有效性。

电力系统状态估计算法的缺陷探究

电力系统的常用状态估计方法有加权最小二乘法估计和快速分解状态估计等。由于受到函数局部单调性和凹凸性的影响,即使给出了离真实根很近的初值,随着每次的迭代,状态估计方法结果将离真实根越来越远。因此考虑到在对目标函数进行极值求解中可以舍弃牛顿迭代法,采用其他的(例如粒子群进化算法)最优化方法进行尝试。