基于广义逆算法的电压暂降状态估计

提出了一种基于广义逆算法的电压暂降状态估计(VSSE)新方法,将传统的随机故障点法和解析法相结合得到电压暂降状态估计方程。克服了传统随机故障点法选取故障点位置和数量的盲目性,具有在减少计算量的同时且能保证评估精度的优点,并利用广义逆算法准确可靠地求解此欠定方程组。相对于整数线性规划和遗传算法,该方法无需迭代,不存在收敛性问题,且计算复杂度小,计算历时少。另外由于该算法本身没有参数约束问题,克服了遗传算法在交叉和变异过程中选取参数时依靠人为主观经验的缺点。利用该方法在IEEE-30标准节点系统上进行仿真计算,并与遗传算法对比,结果验证了本文方法的准确性和可靠性。此方法适用于任何规模电网发生对称故障和不对称故障时的电压暂降状态估计。

含分布式电源接入配电网的电压暂降状态估计

提出了一种基于奇异值分解算法的电压暂降状态估计新方法,该方法属于数值解法,具有计算复杂度小、历时少等优点,且较ANN和GA等算法此方法不需要迭代,没有收敛性问题。基于软件DIg SILENT针对有分布式电源接入的配电网电压暂降状态估计进行仿真分析验证。结合多个算例仿真分析了同步机型DG和逆变机型DG及其不同控制策略与DG出力对电压暂降状态估计产生不同程度的影响,验证结果表明分布式电源接入不同并网方案能在相应程度上缓解电网的电压暂降问题。

基于量子行为粒子群优化算法的电压暂降状态估计

文中提出了一种将传统的故障位置法和状态估计法相结合的电压暂降状态估计新方法。将仅利用历史故障数据的故障位置法和仅利用现有有限监控数据的状态估计法相结合,得到电压暂降状态方程,并利用量子行为粒子群算法(QPSO)得到优化问题的最优解。对比遗传算法等传统优化算法,QPSO能保证全局收敛,且控制参数更少,随机性更强,则找寻最优解效率更高。该方法已在IEEE24标准节点系统上进行仿真计算,并与遗传算法对比,结果验证了本文方法的准确性和可靠性。此方法适用于任何规模电网发生对称故障和不对称故障时的电压暂降状态估计。

基于改进混沌粒子群算法的电压暂降状态估计

针对电压暂降状态估计求解中存在高维度、多局部极值的复杂问题,结合混沌搜索和莱维飞行,提出了改进混沌粒子群算法,增强了全局寻优性能。并将故障估计值和历史统计值结合构建电压暂降状态估计模型。通过IEEE 30节点系统仿真测试,将改进算法与粒子群算法及遗传算法对比,求解电压暂降状态估计模型。结果表明,改进算法具有更好寻优效率和准确性。

基于仿电磁学算法的电压暂降状态估计

提出基于仿电磁学(electromagnetism-like mechanism,ELM)算法的高容错性电压暂降状态估计方法。通过抗干扰种群移动模型、自适应变异和精英策略等改进措施提升了仿电磁学算法的整体寻优性能。引入解析法和故障点法确定线路故障区间,利用冗余配置法确保观测矩阵的非奇异性。采用故障估计值与历史统计值之差构建了电压暂降状态估计模型。通过在IEEE24节点标准测试系统上的仿真计算,并与遗传算法的仿真对比,ELM在寻优效率和准确性方面具有明显优势。该方法适用于任一电网在对称、不对称故障时的电压暂降状态估计。

状态估计在电能质量中的应用

电能质量问题随着电力电子设备的大量应用而显得十分突出,而正在发展的电能质量状态估计技术为电能质量分析提供了新的契机。但由于测量冗余度、数据同步性和网络复杂性使得电能质量状态估计不同于传统的状态估计,在估计技术的理论、算法以及一些相关的研究都有很多变化。为此,简要介绍了电能质量状态估计技术的技术特点和估计流程,并通过谐波状态估计和电压暂降状态估计两个较为成熟的研究方向进一步阐述状态估计在电能质量中的应用,最后指出了电能质量状态估计今后的研究方向及工作重点。