基于潮流引导神经网络的配电网贝叶斯状态估计

针对量测不足条件下配电网状态估计方法精度较低的问题,提出了基于潮流引导神经网络的配电网贝叶斯状态估计方法。首先,基于各节点的历史数据学习注入有功、无功功率的2维高斯混合概率分布,据此进行蒙特卡洛抽样和潮流计算,以获取用于神经网络训练的丰富样本;其次,以最小化状态估计误差和潮流方程失配量为目标,建立了基于潮流引导神经网络的配电网贝叶斯状态估计模型,通过在损失函数中融入潮流物理损失惩罚项,获取满足电网运行约束的一致解;再次,采用BOHB(贝叶斯优化+Hyperband)方法对神经网络超参数进行优化,并提出了基于迁移学习的拓扑变化和分接头调整条件下的自适应方法;最后,实际数据和三相平衡/不平衡配电网的测试结果表明,所提方法较基于伪量测的状态估计方法和无潮流引导的贝叶斯估计方法估计精度更高,且在拓扑变化和分接头调整时具有较好的自适应性能。

基于状态估计的配电网线损分析

当前电站自动化覆盖率高,可提供大量数据进行分析计算,为此提出一种基于状态估计的配电网线损分析方法,并分析该方法所用的信息管理系统的结构和功能。通过状态估计方法对采集数据进行处理,同时满足潮流计算的约束,消除误差和丢包带来的影响,得出较为精确的节点注入功率,以此计算配电网的线损率。

基于相似日拓扑辨识的发电调度潮流数据自动校核方法

受负荷状态以及发电情况的波动性影响,潮流数据的校核误差难以控制,为此,提出基于相似日拓扑辨识的发电调度潮流数据自动校核方法。首先,通过电网状态矩阵,计算得到各全纯函数幂级数系数的逼近状态后,利用帕得逼近算法确定电网状态相似日。然后,以确定的相似日为基准,原大规模的拓扑节点潮流等效问题转化为一系列可以并行求解的小规模子问题形式,并将电网发电调度计划中的惯量信息引入到梯度下降法中。最后,采用自适应矩估计的方式对电网拓扑中潮流参数的分布情况加以辨识,求解双随机性质的线性潮流拓扑分布矩阵,实现对潮流数据的校核。在测试结果中,设计方法对电网中各节点电压幅值、相角以及有功功率的校核结果表现出较高的稳定性和可靠性。

配电匹配潮流技术及其在配电状态估计中的应用

针对配电系统的实时量测冗余度低，提出了用配电匹配潮流技术来求解配电状态估计的方法，并推导了最优估计意义下的配电匹配潮流方程及其系统化的求解方法。理论分析和算倒结果表明，利用配电匹配潮流进行状态估计高效可行，符合当前配电系统在线应用的实际要求。

配电网高级应用软件及其实用化关键技术

配电网是发展智能电网的重要组成部分,也是短板所在。文中基于配电网实际的自动化水平、运行调度需求和模型特点,分析了配电网高级应用软件的关键技术。介绍了配电网高级应用软件的体系结构和功能组成;梳理了包括三相建模、三相状态估计、三相潮流计算、无功电压控制、网络重构、恢复控制和安全评估等高级应用功能的算法特点和基本思路。简要介绍了现场系统的集成架构,以及若干工程应用功能示例。

发输配全局电力系统分析

提出了发输配全局电力系统分析 (简称全局分析 )这一新课题 ,对发输配全局电力系统进行了一体化的分析计算 ,弥补了传统分析方法中发输电系统和配电系统完全独立进行的局限性。提出了解决全局分析问题的具有普遍性意义的主从分裂法及其收敛性分析理论。研究了全局分析中全局潮流计算和全局状态估计两个重要子问题 ,理论分析和算例研究均表明 ,传统的计算方法不再适用于全局分析 ,而主从分裂法能满足全局分析的要求。

基于零注入启动法的配电网潮流状态估计

传统配电网潮流状态估计方法受到各支路网络影响,导致估计结果不精准。基于此,提出基于零注入启动法的配电网潮流状态估计方法。设置迭代数值,根据不同节点对配电网电压和电流复向量分组,得到分解节点电压相量,获得各个分解节点电压幅值。将大地视为零电位参考点,结合零注入启动原理得到电压相量,计算支路网络、支路等效电路及支路等值网络中的负荷阻抗,得到节点导纳矩阵。通过k次迭代处理后,可得到潮流收敛性计算结果,完成潮流状态估计。实验结果表明,该方法对配电网病态潮流适应性较强,且对于一般负荷、最小负荷和最大负荷电压估计结果较为精准。