新息图拓扑可观测性及不良数据可辨识性分析

新息图状态估计在拓扑结构获取和不良数据辨识方面与一般状态估计差异较大。文中研究了新息图状态估计拓扑结构可观测性、量测数据的相关性、不良数据的可检测性和可辨识性问题。由获得连支推算新息的必要条件确定拓扑结构可观测性;利用新息差向量的表现特征分析不良数据可检测性和可辨识性,最后给出了较优的辨识连支不良数据的顺序。对该算法的分析及IEEE30节点系统算例表明,新息图状态估计中不良数据可辨识性可进行定性分析,其辨识不正常事件的能力强,量测冗余度要求较低。

一种改进的基于潮流定解拓扑可观测性分析方法

针对现有基于潮流定解的拓扑可观测性分析方法中存在的两类漏判问题,依据量测岛内未知状态量至多只有一个复电压的基本原理,以有注入量测的边界节点邻接表为对象,提出可解决两类漏判问题的系统化可观测性分析方法。该方法结合方程组局部可解的判定思想和启发式搜索算法,给出待并网虽整体不可合并但局部可合并的判别方法;通过分析存在交集的待并网可组合判断的必要条件,解决两个待并网潮流分别不可解而组合可解的判别问题。最后以15节点算例系统和一个实际电网算例验证了所提算法的有效性。

基于免疫BPSO算法与拓扑可观性的PMU最优配置

以电力系统状态完全可观测和相量测量单元PMU配置数目最小为优化目标,基于PMU的功能特点和电力网络的拓扑结构信息,形成快速且通用的电网拓扑可观测性判别方法,并设计了一种结合免疫系统信息处理机制的二进制粒子群优化算法对目标函数进行求解,该算法综合了粒子群优化算法简单快速和免疫系统种群多样性的优点,明显改善了进化后期算法的收敛性能和全局寻优能力。最后通过对IEEE14和新英格兰39母线系统进行PMU优化配置仿真及量测冗余性分析,验证了本文方法的有效性和优越性。

用免疫BPSO算法和N-1原则多目标优化配置PMU

为了在满足全网的完全可观测的前提下实现PMU安装投入的性价比最高,通过理论分析得出判断电网节点拓扑可观测的依据,并提出以N-1可靠性检验原则对PMU配置方案进行冗余性检验,由此以全网完全可观测、PMU数目最少和N-1量测冗余度最高为目标建立了PMU多目标优化配置数学模型,并设计了一种结合免疫系统信息处理机制的二进制粒子群优化算法对模型进行求解。该算法综合了粒子群优化算法简单快速和免疫系统种群多样性的优点,明显改善了进化后期算法的收敛性能和全局寻优能力。对新英格兰39母线系统进行PMU多目标优化配置仿真及量测冗余性分析的结果表明,该法对PMU配置方案的量测可靠性及其所需PMU数量进行综合评价可方便快捷地得到性价比最优的方案,较之普通的PMU单目标优化配置方法更为合理和灵活。