基于多元状态估计法的大型引风机动力设备异常预警

利用数据预处理和多元状态估计法(MSET)对引风机进行健康监测和故障预警的高效方法。采用小波去噪处理历史运行数据中的噪声,并利用滑动窗口残差统计分析数据状态,提出了一种监测引风机正常运行状态的模型。该模型使用构建的训练矩阵和记忆矩阵,通过计算新的观测数据向量序列与预测序列之间的相似度,实现了对引风机潜在故障的早期预警。实验结果表明,不仅能够及时检测出设备的异常状态,而且在故障发生前40min成功发出了预警信号,为引风机动力设备的故障处理提供了宝贵的时间窗口。

基于多元状态估计-层次分析法的磨煤机故障预警

针对当前火电机组频繁进行深度调峰、灵活性运行、节能降耗等背景下发电设备故障频发的现象,提出了多元状态估计-层次分析法的磨煤机故障预警方法。首先基于斯皮尔曼相关性分析对磨煤机特征参数进行降维,采用等距抽样方法从大量磨煤机历史数据中抽取部分样本归一化后形成记忆矩阵;随后利用多元状态估计算法根据记忆矩阵和观测向量计算出对应的估计向量,采用层次分析法对特征参数赋予不同的权重,并计算观测向量和估计向量之间的融合相似度,基于自适应阈值的方法对磨煤机故障进行预警;最后以某辊式中速磨煤机实际故障数据为例,验证了该方法的有效性。结果表明,该方法对磨煤机故障预警具有较少的漏报率和误报率,可以在一定程度上减少磨煤机实际发生故障的概率。

虚假数据注入攻击下基于容积卡尔曼滤波的电力系统状态估计

针对虚假数据注入攻击下系统状态估计的问题,以电力信息物理系统为研究对象,根据发电机三阶模型和自动电压调节器模型,建立电力系统的数学模型。采用指数平滑法预测测量值,通过对比预测值与真实测量值,检测系统是否发生虚假数据注入攻击。若检测结果判定系统遭受虚假数据注入攻击,用预测值替代不良数据输入状态估计算法,实现虚假数据注入攻击下不良数据的恢复。将指数平滑法与容积卡尔曼滤波算法结合,提出一种改进的容积卡尔曼滤波算法对系统进行状态估计。以典型的五机电力系统为例进行仿真,仿真结果表明提出的方法能有效抵御虚假数据对系统状态估计造成的不良影响。

基于多元状态估计及模糊综合评价分析的汽轮机故障预警

汽轮机的故障模式、故障特征具有多样性。当前的故障预警方法大多针对单一故障模式,无法用于全面评估汽轮机整体的健康状态。为此,将模糊综合评价与多元状态估计结合,构建了更加全面的汽轮机故障预警模型。首先,基于汽轮机的典型故障模式构建故障特征集;然后,通过多元状态估计算法获得估计向量,并用滑动窗口法对结果进行平滑处理,计算得到汽轮机各个故障模式的实时偏离度;最后,基于模糊综合评价综合分析多种故障的偏离程度以确定汽轮机整体的健康状态。使用某电厂汽轮机的故障数据进行模拟仿真验证,结果表明利用该方法能够提前捕捉到汽轮机的异常状态、实现故障的预警。

基于改进TOPSIS-模糊贝叶斯网络的电池SOC和SOH联合估计方法

为实现储能电池全生命周期下的电池状态动态评估,提高复杂工况下锂离子电池模型的自适应性与状态估计的准确性,提出基于改进逼近理想解排序法(technique for order preference by similarity to an ideal solution,TOPSIS)-模糊贝叶斯网络的电池荷电状态(state of charge,SOC)和健康状态(state of health,SOH)联合估计方法。应用多阶电阻-电容电路(resistor-capacitance circuit,RC)模型、使用节点-支路框架构建电池的等效电路模型,通过基尔霍夫定律与欧姆定律对二阶RC电池等效电路模型中的并联回路进行电气特性分析,构建空间状态方程及等效输出方程;对构建的状态方程进行离散化处理,分别定义并联独立回路离散化零输入响应、零状态响应,分析离散化电池模型状态空间方程;将专家打分法引入TOPSIS算法中进行电池SOC量化估计,结合融入模糊尺度的贝叶斯网络,在相同时间分布尺度下通过电池SOH值计算电池观测样本中对应的SOC值,实现电池SOH与SOC联合估计。实验结果表明:所提方法可有效估计不同离散空间尺度下的电池SOC和SOH结果,估计方法具有良好的准确性与较高的精度。

基于非线性优化算法的电力系统状态估计技术研究

海上油田电网的安全运行直接影响着我国海上油气生产企业的稳定运行,通过了解状态估计的功能和研究现状,结合海洋石油生产电网的实际情况,提出了一种基于非线性优化算法的状态估计算法。基于状态估计的基本原理和流程,包括目标函数、约束条件的建立以及原-对偶内点算法的求解,采用了状态估计中不良数据检测与识别的计算方法,通过软件模块程序实现状态估计结果的求解。结合实际算例对比分析,得出了在正常情况下、不检测不良数据情况下、系统分裂运行情况下的状态估计结果与系统状态,为实现电力系统状态估计提供了高可靠性、高可信的数据,为电力系统调度中心电网运行状态分析提供参考。

基于扩展KRSL无迹卡尔曼滤波的约束动态状态估计

动态状态估计作为监测系统动态变化的有效手段,对电力系统稳定运行具有重要意义。然而,采集和传输的数据中往往存在时变非高斯量测噪声和离群值,使得基于均方误差准则的传统卡尔曼滤波估计方法的精度不高。为此,首先定义广义核风险敏感损失函数,将其引入无迹卡尔曼滤波框架以实现鲁棒状态估计。然后,考虑同步发电机和控制器模型存在不同条件约束,通过伪量测法将约束条件引入上述估计算法中,以解决估计值超出真值变化范围而产生较大估计偏差的问题,从而进一步提升估计精度。最后,应用新英格兰16机68节点网络模型在不同条件下进行仿真实验,以验证算法的有效性。

基于变量代换内点法的加权最小绝对值抗差状态估计

传统内点法加权最小绝对值(WLAV)抗差状态估计能够抑制坏数据影响,提高状态估计精度,但该方法模型复杂,计算效率低,限制了其工程应用价值。文中提出一种基于变量代换内点法的电力系统WLAV估计方法,该方法通过添加中间变量,将非线性量测方程分解为两步线性方程和两步非线性变换,并建立两步线性方程的WLAV估计数学模型。与传统内点法WLAV抗差状态估计相比,该方法无须形成海森矩阵,可有效提高迭代方程中系数矩阵的稀疏度,并减小矩阵的阶数,有效提高WLAV状态估计的计算速度。基于美国电气与电子工程师学会(IEEE)标准系统、波兰电网和国内某省网的仿真结果验证了所述方法的有效性,具有良好的工程应用前景。

求解状态估计问题的内点半定规划法

为更好地进行状态估计,提出了基于内点半定规划求解状态估计问题全局最优解的方法。该方法基于求解状态估计常用的加权最小二乘模型,通过引入辅助变量,将非凸估计问题等价转化为半定规划问题,然后应用原始–对偶内点法求解。根据状态估计半定规划模型的特点,采用基于半定规划的稀疏技术,提高存储效率和计算性能。算例结果验证了该方法的有效性。

状态估计多指标综合评价方法

对电力系统状态估计结果的评价是反映电网基础模型数据质量的重要手段。结合目前状态估计评价指标存在的问题,以影响状态估计准确性的因素为基础,提出了状态估计多指标综合评价方法。该方法多角度考虑了影响状态估计的因素,所提出的评价指标需要遵循辨识性和冗余性原则。文中以选择的四个典型性指标为例,应用层次分析法确定了各指标的权重,并通过实际电网系统的案例,验证了多指标综合评价方法在状态估计结果精度评价上的有效性,能够反映出电网模型数据存在的问题。

基于广域测量和抗差最小二乘法的电力系统谐波状态估计

介绍了谐波状态估计数学模型及常用的最小二乘求解算法。针对最小二乘法抗粗差能力较差的缺点,提出利用抗差最小二乘法进行谐波状态估计。抗差最小二乘法通过等价权将抗差估计原理与最小二乘形式有机结合起来,可有效解决最小二乘法不抗御粗差的问题。利用Matlab搭建了配电网的仿真模型,获得了研究所需的谐波同步测量数据,对测量数据加入含有粗差的正态分布误差,用传统最小二乘法和抗差最小二乘法进行谐波状态估计。计算结果表明了在测量数据含有粗差的情况下,用抗差最小二乘法进行谐波状态估计其结果精度优于最小二乘法。

基于PMU量测数据和SCADA数据融合的电力系统状态估计方法

针对传统静态状态估计方法的缺点,提出了一种改进的电力系统状态估计方法,即将部分节点相量测量单元(phasor measurement unit,PMU)量测数据与监控数据采集(supervisory control and data acquisition,SCADA)量测数据融合进行电力系统的全网状态估计。该方法简化了系统的雅可比矩阵,缩短了计算时间。文章研究了PMU和SCADA系统融合改进后的快速分解法,针对SCADA量测数据的缺点,通过历史数据库对潮流数据进行预测,并依据PMU量测量对系统进行分析,继而进行系统全网状态的动态监测。通过算例证明,与传统的估计方法相比,该方法改善了状态估计的精确性,减少了迭代次数,细致地描绘了电网状态的变化过程,为调度中心下一步的决策提供了依据。

基于多预测校正内点法的WLAV抗差状态估计

针对预测-校正内点法(predictor-corrector primal-dualinterior point method,PCPDIPM)加权最小绝对值状态估计(weighted least absolute squares,WLAV)可能发生校正方向指向错误方向的不足,提出一种基于多预测-校正内点法(multiple PCPDIPM,MPCPDIPM)的WLAV抗差状态估计算法。该算法在PCPDIPM的基础上,通过多次校正,对中心参数动态估计,并采用2阶段线性搜索法确定校正方向在总的牛顿方向中的最优比重,从而保证迭代点向中心轨迹靠拢。最后,通过IEEE算例仿真和我国某省网的测试结果验证了所提方法的有效性。与含不良数据辨识功能的加权最小二乘状态估计相比较,所提方法的收敛速度及抗差能力具有明显的优势。

基于KKT条件分解的互联电网分布式状态估计算法

分布式状态估计可用于在线生成互联电网一体化潮流断面。针对无约束优化问题描述的全网状态估计,提出了一种新的分解协调算法。采用节点撕裂法对互联电网进行切分,将全网状态估计问题的KKT(Karush-Kuhn-Tucker)条件方程分解为协调侧和分区侧2个部分。在边界节点状态给定情况下,各分区电网可独立求解分区侧KKT条件方程,获得自身状态估计结果。此时,若协调侧KKT条件方程的残差满足设定条件,则可判断全网状态估计收敛。由此出发,可构建全网状态估计分解协调计算模型,通过求解协调侧KKT条件方程获得边界节点状态修正量,从而调整分区状态估计结果,使其达到一致收敛。文中分别采用JFNG(Jacobian-free Newton-GMRES(generalized minimal residual))算法和逆Broyden拟Newton法这2种方法实现协调侧KKT条件方程求解过程。IEEE14节点系统、IEEE39节点系统和实际电网1165节点系统的测试结果证明,所提出的分布式状态估计算法具有较高的准确性、收敛速度和计算效率。

基于相量量测的电力系统谐波状态估计算法的研究

基于相量量测单元的电力系统谐波状态估计技术,可选取电力网络的节点谐波电压为状态量,支路电流、节点注入电流和节点电压相量为量测量,从而使谐波状态方程成为线性方程。本文根据这个特点,再结合量测方案的不同情况,提出了在冗余量测和基本量测时,采用便于工程实际应用的乔累斯基算法来求解线性谐波状态方程,其计算量只是高斯消元法的一半,且不用考虑选主元,大大减少了计算的时间;在量测矩阵欠定时,采用奇异值分解算法,不仅可以为欠定的状态方程提供稳定的最小二乘解,而且该算法本身具有可观性分析的功能,不需要采用其它算法进行可观性分析,从而极大地简化了谐波状态估计分析的难度。最后通过仿真程序验证了这两种算法在谐波状态估计求解问题中的有效性和可靠性。

基于改进IGGⅢ和快速分解法的电力系统状态估计算法

快速分解算法具有很好的收敛特性,既能处理支路上的量测量,又能处理节点注入型量测量,计算速度快而又节省内存,是工程上一种公认的状态估计的优良实用算法,但它无法处理实际运行的电网自动化系统中存在的少量粗差,从而使状态估计的结果严重偏离真值。通过分析比较几种典型的抗差估计方法,将基于IGGIII法的抗差估计方法与快速分解算法相结合,用于抗拒少量粗差对估计值的影响。由于考虑到在粗差较大时,利用具有淘汰区的IGGIII进行抗差估计可能会出现秩亏,信息矩阵出现奇异现象,系统不可观,导致状态估计不能进行,故该文对IGGIII法中的常数选取进行改进。算例结果表明,该改进算法具有良好的抗粗差能力和可靠的收敛性,收敛速度快,并能够将抗粗差和状态估计在计算过程中能同时顺利完成,不需要进行多次状态估计计算。

应用粒子群算法的谐波状态估计量测点综合最优配置

为提高谐波状态估计的准确性和实用性,提出一种基于粒子群算法的谐波状态估计量测点综合最优配置方案。该方案首先选用估计误差协方差的迹作为目标函数,得到适合各次谐波的最优配置方案;再选用平均迹值变化作为目标函数,求得适合多次谐波的综合最优配置方案。并且针对目标函数中σ取值的不足,定义了P-σ特性曲线,使σ取值规范化。选用IEEE-14,IEEE-39及IEEE-145节点系统进行Matlab仿真,验证了综合最优配置的有效性和实用性。

基于交替方向乘子法的分布式双线性状态估计

提出了一种计及数据采集与监控(SCADA)系统和相量测量单元(PMU)混合量测的电力系统多区域分布式状态估计的新方法。首先假设量测模型是线性的,以扩展子区域法进行分区,所得到的扩展子区域包含了相邻区域的边界母线。然后采用广泛应用于分布式计算的交替方向乘子法(ADMM)求解,由于各子区域间仅需交换边界母线状态量信息,无需中央协调侧,因而保留了各子区域的独立性。随后基于SCADA系统和PMU混合量测的双线性模型,将传统的非线性加权最小二乘(WLS)估计转化为三阶段问题,第1、第3阶段为线性WLS估计(各子区域由ADMM分布式求解);第2阶段为一步非线性变换(各子区域可独立变换)。双线性理论与ADMM技术的结合,保证了分布式状态估计的收敛性,同时也提高了计算效率。最后,算例测试部分从多个方面论证了所述方法相比于现有方法的优越性。

基于IGG法的电力系统状态估计

针对现有电力系统状态估计的不足,提出了一种基于IGG(Institute of Geodesy &Geophysics,Chinese Academy of Sciences)法的抗差估计方法。分析了抗差估计理论应用于状态估计时,初值和权函数选取的原则及一般方法,兼顾了估计结果的准确性和数值稳定性。将抗差最小二乘法用于存在拓扑错误和坏数据时的状态估计,结合网络参数估计辨识法,得出坏数据和可疑支路的正确状态,使抗差和状态估计在计算中一次完成。算例结果表明,该法抗差能力强,收敛速度快,而且具有较好的准确性和数值稳定性。

基于局部信息融合和估计投影法的多区域电力系统状态估计

在多区域互联电力系统中,由于状态变量维数高和大量量测数据处理等问题,集中式估计的实现变得困难。提出一种基于局部信息融合和估计投影法的多区域电力系统状态估计新算法。首先,各区域独立运行加权最小二乘迭代得到本地估计值,并将协调中心边界状态估计值及对应的协方差子矩阵发送至协调中心;得到各区域边界信息后,协调中心采用最小二乘信息融合算法对系统边界状态作协调估计,并返回边界协调估计值至各区域;最后,根据边界协调估计值,各区域通过估计投影法对其内部状态作修正。该方法适应于全系统有/无相量测量单元(PMU)的情况,且所需通信量少,易于实现。算例仿真结果表明,所提算法具有良好的估计精度和实时性。