基于加权最小绝对值状态估计的有源配电网拓扑辨识方法

在配电系统状态估计中,一方面众多网络设备难以完全监控导致量测数据不足,另一方面,频繁的拓扑切换亟须开发高效的算法。因此,提出了一种配电网拓扑辨识的加权最小绝对值状态估计方法。首先,对传统基于线性规划的加权最小绝对值状态估计方法进行改进,以提高计算效率;其次,在重新制定的加权最小绝对值状态估计方法中加入补充变量和约束,以适应拓扑辨识问题,形成了一个基于混合整数线性规划的加权最小绝对值状态估计方法;最后,4个算例系统的仿真结果验证了所提方法在不同数量的实时测量、高伪测量误差、被坏数据破坏的测量以及未知支路状态场景下的优异性能。

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。

基于主导与非主导参数的非线性加权最小绝对值参数估计

针对非主导参数估计易受量测噪声及不良数据影响的特点,提出了基于主导与非主导参数的加权最小绝对值抗差参数估计。对参数估计错误的原因进行了系统分析,并给出了参数主导性评估方法。利用非线性原—对偶内点法进行模型求解,与传统线性内点法相比,该方法在提高求解精度的同时减少了迭代次数。基于IEEE 30节点系统和2个实际省级电网的计算分析,将所提出的方法与传统加权最小二乘法参数估计进行比较,测试结果验证了所提出方法的有效性。

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。

基于线性内点法及正交变换的抗差参数估计

参数估计目前主要采用加权最小二乘算法。由于包含参数估计,该方法在处理电网坏数据混杂及数值稳定性上都面临着困难。考虑到实际电网中有时会同时出现量测错误及参数错误,提出了使用基于线性内点法及正交变换的加权最小绝对值(WLAV)增广参数估计。基于L1范数的WLAV估计具有良好的抗差特性,用以应对混杂有坏数据、拓扑错误及参数错误的混杂估计。为提高增广参数估计的数值稳定性,将正交变换引入线性内点法修正方程的求解中。对算法的测试结果表明,该方法具有良好的应用前景。

一种双线性抗差状态估计方法

传统状态估计方法一般需要求解某个非线性非凸优化问题,并用基于梯度的方法予以求解,因而存在难以保证获得全局最优解、可能收敛困难等问题。文中基于国外学者提出的精确线性化量测方程构建了一种双线性抗差状态估计方法。该方法仅需求解一个线性加权最小绝对值估计问题(等价为线性规划问题)、一个非线性变换以及一个线性加权最小二乘估计问题(二次规划问题),从数学上可保证获得全局最优解,并不存在收敛性问题。最后,通过仿真算例验证了所提方法的有效性。

基于转移潮流的状态估计模型

传统的状态估计把量测方程作为约束条件,以量测残差的加权平方和或加权绝对值之和最小等为目标函数进行估计,因而不能直接辨识出拓扑错误。为了同时辨识拓扑错误和不良数据,文中把转移潮流方程增广为状态估计的约束条件,在目标函数中同时计及转移潮流的残差和量测残差,对已有的加权最小绝对值状态估计进行了改进,提出了可以同时辨识支路拓扑错误和不良数据的状态估计模型。文中给出了某省实际电网的计算实例。

基于指数权函数的抗差状态估计算法

电力系统状态估计是电力调度中心一切高级应用及分析的基础。针对加权最小绝对值法(WLAV)状态估计收敛性较差的问题,提出了指数权函数的状态估计新算法(E-LAV)。该方法采用指数权函数代替WLAV的不连续权函数,从而克服了WLAV方法在权函数间断点收敛性能大大降低的缺点。以4节点系统及IEEE-118系统作为算例的计算结果表明,E-LAV算法在拥有与最小二乘法(WLS)近乎类似的迭代速度的同时,却拥有很强的抗差能力。该算法只需在原有最小二乘法的基础上修改权重矩阵即可,因此拥有良好的工程应用前景。

电力系统最小信息损失状态估计的信息学原理

状态估计作为能量管理系统(EMS)和实时电力市场的基础和核心,正在变得日益重要。该文从信息科学的新视角,对电力系统状态估计的数学基础进行了研究。根据最小信息损失(MIL)决策原理,提出了能够适用于各种概率分布的通用的 MIL 状态估计新原理。并在理论上证明了加权最加权最小二乘(WLAV)估计法都是MIL 状态估计的特例,将传统状态估计方法在信息学的意义上统一起来,赋予了传统状态估计方法全新的信息学内涵。在 MIL 意义上,针对次输电系统和配电系统状态估计中普遍采用的电流幅值量测,得到了大电流是 WLS 估计法的近似条件。用算例比较了 MIL 和 WLS 状态估计的估计结果,进一步验证了 WLS 法在非正态分布时的近似条件。

基于测量不确定度的电力系统状态估计 (三)算法比较

加权最小二乘估计准则在电力系统状态估计中应用广泛,但其结果易受不良测点影响。为解决这一问题,已经提出了加权最小绝对值准则、非二次准则等估计器。应用大量算例,对已有估计准则和文中所提出的以最大测点正常率为目标的状态估计方法进行了对比研究,进一步对残差污染情况进行了讨论。算例表明,在估计结果合理性方面,当测点中不含不良数据时,文中所提出的方法与加权最小二乘估计相当,优于其他方法;当测点中含有不良数据时,文中所提出的方法大幅度优于以往状态估计方法,说明所提出的方法可较好地解决残差污染问题。

期望估计在抗差中的作用

讨论了最小二乘估计(LS估计)不抗差的原因,提出了一种以绝对值指数为权函数的期望估计方法.这种估计方法具有抗差性质,且不受迭代初值的影响,只要观测值一经确定,其绝对值指数密度权也就唯一地确定了,因此其解是唯一的.文中给出的权函数对相关观测值的抗差平差,其相关密度权仍具有对称性,由此解决了Robust估计在面对相关观测平差时所存在的相关权不对称的问题.

基于内点法和离散粒子群算法的输电网参数辨识

准确的电网参数是调度平台能量管理系统进行电网安全稳定分析和控制决策的重要基础。以残差加权最小绝对值(WLAV)为目标函数,能有效抑制不良数据对参数辨识结果的影响,采用现代内点法对WLAV进行求解,收敛性好。针对传统参数辨识的系统矩阵条件数过大,易出现程序发散的特点,将原-对偶内点法和离散粒子群(DPSO)算法相结合,给出了一种输电网参数辨识方法,仿真结果表明该方法在计算速度和数值稳定性方面具有明显的优势。

基于群智能的建筑配电网状态估计算法研究

针对现有建筑配电网不良数据检测方法应用在群智能系统架构时出现实时性差、准确性低等方面的不足,提出一种基于群智能系统架构的建筑配电网分布式状态估计算法。将全局估计问题分解为若干个子优化问题,分别在各个群智能节点上进行求解,依据基本电气原理建立约束方程,通过交替方向乘子算法实现各节点之间的协作,从而实现配电网的状态估计。最后,通过对某人防工程配电网算例仿真验证所提方法的有效性。与传统集中式系统架构下的状态估计方法相比,所提出方法的收敛速度和估计精度具有明显的优势。