基于相量量测的电力系统线性状态估计

分析了相量量测装置的量测误差情况,指出了相量量测参与状态估计计算的必要性。在完全使用相量量测的情况下,给出了基于直角坐标系的实数形式的电力系统线性量测方程和相应的线性静态状态估计算法。对负荷预报加潮流计算的系统状态预报方法进行改进,通过对误差协方差阵计算公式的推导与简化,提出了新的预报误差协方差阵计算公式,并将其与线性量测方程相结合,提出了基于相量量测的线性动态状态估计算法。最后讨论了线性状态估计算法的使用条件,并采用IEEE30节点系统对提出的算法进行了验证。

基于混合量测的电力系统状态估计混合算法

研究了相量量测装置(PMU)相量量测和监控与数据采集(SCADA)量测混合使用时的数据匹配问题,提出了利用状态量转换预测得到预报系统状态和预报节点注入电流向量的方法。在此基础上,提出了应用PMU实时相量量测和预报节点注入电流向量的线性静态状态估计算法,以及应用PMU实时相量量测和预报系统状态的线性动态状态估计算法。文中将这2种算法与传统状态估计算法相结合,组成了状态估计混合算法,保证了状态估计的计算精度。该混合算法有效减少了状态估计的计算时间,对PMU的量测配置也没有严格的要求,具有很好的通用性。最后采用IEEE30节点系统对该方法进行了验证。

基于PMU量测的配电网模型等值与就地电压控制

电压控制是提高电压质量,保障电网安全、优质和经济运行的重要措施之一,而就地电压控制作为一种重要手段,能够实现无功功率分层分区就地平衡,可以有效改善局部电压质量,将电压维持在正常运行范围以内。本文提出一种基于同步相量量测的戴维南等值与就地电压控制方法,首先利用量测数据并考虑量测中噪声和系统内部运行状态变化的影响,通过卡尔曼滤波估计得到戴维南等值模型参数;然后根据等值后的网络计算等值节点的电压-功率灵敏度,进一步利用电压-功率灵敏度提出了就地电压无功控制策略。将本算法用于IEEE 33节点配电系统,验证了所提出算法的正确性和有效性。

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%。

电力系统PMU最优配置数字规划算法

随着相量量测装置(PMU)硬件技术的逐渐成熟和高速通信网络的发展,PMU在电力系统中的状态估计、动态监测和稳定控制等方面得到了广泛应用。为达到系统完全可观,在所有的节点上均装设PMU既不可能也没有必要。文中提出一种基于系统拓扑可观性理论的数字规划算法,利用PMU和系统提供的状态信息,最大限度地对网络拓扑约束方程式进行了简化,以配置PMU数目最小为目标,形成了PMU最优配置问题,并采用禁忌搜索算法求解该问题。其突出优点是利用了系统混合测量集数据,即不仅考虑了PMU实测数据,同时计及了可用的潮流数据。在IEEE14节点和IEEE 118节点系统的仿真结果表明,与常规的PMU最优配置算法相比,所提出的数字规划算法可以实现安装较少数量的PMU而整个系统可观的目标。

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。

基于降阶核范数的PMU数据快速恢复方法

相量量测装置(phasor measurement unit,PMU)数据由于受通信问题、网络攻击与电磁干扰等因素影响可能会出现数据缺失、虚假数据与噪声等量测污染。现有PMU数据恢复方法无法同时满足高精度、快速与适应多场景数据恢复的要求,可能影响电力系统的安全稳定运行。提出一种基于降阶核范数的数据恢复方法,利用数据的高维低秩性在每次算法迭代中进行低阶奇异值分解,同时将数据主成分与量测污染进行特征分离,能以较高精度对多种数据污染场景与系统不同状态下的量测数据进行恢复。为进一步减少大规模电力量测数据恢复的时间消耗并提高算法的迭代效率,提出自适应惩罚因子与并行分布式交替乘子算法数据恢复框架,能有效将数据恢复时间控制在秒级,可为基于PMU数据的各电力系统应用提供有效保障。

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。