孙一冰[1]2017年在《分布式动态状态估计算法及其在电力系统中的应用》文中进行了进一步梳理电力系统状态估计是能量管理系统的重要组成部分,其估计精度和可靠性直接影响着电力系统的调度、安全性分析和执行操作任务的准确性.动态状态估计不仅可以对系统状态进行更准确地估计,而且拥有静态状态估计不具备的预测功能,能够为电力系统的经济调度和预防控制等在线功能提供先验信息和更多的操作时间.所以动态状态估计具有非常重要的应用价值,并得到了广泛研究.随着电力系统规模的不断扩大,电网互联程度的日益加强以及精度更高、更新速度更快的量测装置(PMU)的迅速发展和广泛应用,传统的集中式状态估计方法很难满足准确性和实时性的需求,从而促进了电力系统分布式状态估计算法的发展.本文通过将电力系统划分为若干个不重迭的子系统,研究了电力系统的分布式动态状态估计问题,提出的算法适用于大规模电力系统,具有重要的理论意义和应用价值.主要贡献和创新点如下:(1)通过将电力系统分区并基于SCADA和PMU混合量测,提出了分布式动态状态估计算法,使得各子系统可以平行而且相对独立地计算,加快了整体的计算速度.(2)各子系统不需要全局拓扑可观测性信息,只需极少的量测数据和邻居传递的信息即可估计本地状态,降低了分布式动态状态估计算法的计算复杂度,并且该复杂度与网络的大小无关.所提出的算法没有中央调度中心,所以避免了集中式算法在数据传输过程中的瓶颈问题,而且便于实施和管理.(3)所提算法的估计精度比集中式算法稍差,但是优于分布式静态状态估计算法.当系统出现异常情况时,所提算法良好的估计性能和鲁棒性以及参数辨识的有效性得到证实.(4)通过减弱限制条件,证明了算法得到的估计和预测误差协方差矩阵是正定并且有上界的,保证了算法的可行性.按照章节顺序,具体的研究内容和研究成果包括以下几个方面:1.研究了离散时间电力系统线性化模型的分布式动态状态估计问题.基于最大后验估计技术,提出了一种分布式状态估计算法,其中量测数据由SCADA和PMU混合量测系统提供.首先将电力系统划分为若干个不重迭的区域,对应的子系统利用先验信息、本地和边界量测以及邻居子系统传递的信息对本地状态进行估计,而不是估计整个系统的状态.与集中式方法相比,该分布式算法有效地降低了每个子系统状态的维数和计算复杂度.其次,当划分后的子系统组成的网络不含有环时,证明了各子系统在每个时刻的本地状态估计经过有限次迭代收敛于集中式方法在修正目标函数下的估计值.最后,仿真结果验证了所提算法对于大规模电力系统状态估计的有效性和可行性.2.对于非线性电力系统,基于扩展卡尔曼滤波技术,给出了一种分布式动态状态估计算法.当子系统的本地量测无法得到时,证明了所提出的算法仍然是可行的,同时利用边界量测和邻居子系统传递的信息,各子系统能够得到理想的本地状态估计.通过对模型参数进行在线辨识,提高了状态预测的精度,并加强了算法的鲁棒性.当电力系统出现负荷突变、存在不良数据和拓扑结构改变等异常情况时,详细的仿真结果验证了所提算法的鲁棒性、较为准确的估计值和参数辨识对于状态估计的有效作用.与其它算法的性能比较结果显示了所提算法在应用中的优势.3.进一步研究了非线性动态系统的分布式状态估计问题.通过减弱算法所需的限制条件,分析了算法的有界性.基于数学归纳法,证明了各子系统的本地状态估计和预测的误差协方差矩阵正定.根据时变系统的能观测性秩判据,证明了误差协方差矩阵有上界,保证了算法的可行性.利用新的参数辨识方法,有效抑制了负荷突变对于估计精度产生的不良影响.
胡春潮, 何杰, 马凯[2]2017年在《基于信息冗余的电力系统分布式状态估计》文中提出随着智能变电站的不断发展,二次系统中模拟量信息的网络化传递方式给电力系统分布式状态估计带来新的研究内容。提出基于二次系统信息冗余的分布式状态估计方法,给出了分布式状态估计架构,并利用模拟量间冗余关系建立线性静态分布式状态估计模型。进一步通过算例验证基于信息冗余的电力系统分布式状态估计方法。算例结果表明,该方法能够有效降低模拟量误差并提高上传模拟量的准确性。
郭金莲[3]2008年在《多区域电力系统分布式状态估计算法的研究》文中认为随着电网规模的扩大,集中式状态估计算法因其维数过大,不易获得满足系统可观测性的足够信息以及计算速度慢而不再适用。针对此问题,本文利用基于区域划分的分布式并行优化模型来解决多区域电力系统状态估计问题。在传统的集中式状态估计算法的基础上,提出了在计算速度、数值精度上显着提高的分布式并行算法,并且以MPI为软件平台对IEEE-118测试系统进行了模拟计算。并将分布式计算结果与集中式计算结果进行了比较,结果表明了该分布式算法的可行性和有效性。
马慧丽[4]2010年在《分布式状态估计在电力系统中的应用研究》文中研究表明电力系统状态估计是当代电力系统能量管理系统(EMS)的重要组成部分,尤其在电力市场中发挥着更为重要的作用。电力系统状态估计理论虽然在上世纪70年代初期就已确立,在近十几年中不断得到完善和改进。但是,电力系统状态估计仍然有许多问题值得进一步研究。在分析电力系统状态估计经典算法的基础上,研究分析了各种算法,最终采用加权最小二乘估计法算法,形成了适合分布式状态估计的一种算法,其能够满足工程计算的需要。建立了分布式状态估计的模型,设计了分布式状态监控系统,对分布式状态估计的并行协调算法原理和算法流程进行详细的论述,将该算法应用与IEEE14节点系统进行算例仿真,最后介绍了分布式状态估计在内蒙古西部电网的应用。
候小虎[5]2017年在《含分布式电源的中低压配电网状态估计研究》文中研究指明与电力系统输电网不同,配电网的自动化水平偏低,可采集的量测量较少,在考虑配网结构和叁相不平衡特点的基础上,如何有效的将有限的量测量充分利用起来对整个配电网进行状态估计,成为现阶段需要解决的问题,因此研究可同时处理叁相叁线和叁相四线制量测量的状态估计方法具有重要的理论指导意义。随着中低压配电网的规模不断扩大、结构的日益复杂化、叁相配电网的不对称性以及分布式电源(distributed generations,DG)的大量接入,分布式状态估计(Distributed State Estimation,DSE)可以通过降维处理,从而有效地将大维数电力系统状态估计问题分解为一系列较小维数的状态估计问题来进行求解分析,并且实现状态估计的并行计算,因此如何采用分布式状态估计的方法来实现中低压配电网的状态估计成为目前需要迫切解决的问题。本文主要针对上述所提问题,对含分布式电源的中低压配电网状态估计进行了详细研究,具体研究内容如下:首先,建立了中低压配电网状态估计的相关模型,包括叁相双绕组变压器模型、中低压配电网的等值电路模型和分布式电源模型,在处理中低压配电网等值电路的同时考虑变压器的影响,从而在此基础上推导建立其端点注入电流方程,该模型可以解决同时包含叁相叁线制和叁相四线制的中低压配电网系统状态估计问题。其次,给出了一种基于细菌群体趋药性算法(Bacteria Colony Chemotaxis,BCC)的中低压配电网状态估计方法。该方法根据节点注入电流方程推导建立可同时处理叁相叁线和叁相四线制量测量的量测方程,采用加权最小二乘法,建立了含分布式电源的中低压配电网状态估计的数学模型,该模型同时考虑严格零注入的等式约束和相关不等式约束条件,最后采用细菌群体趋药性算法对其进行迭代求解。最后,采用一种用于处理中低压配电网状态估计的扩展分区方案,建立了基于黑板模型的多代理系统框架,同时制定了有效的边界协调策略,从而给出一种基于黑板模型的多代理分布式状态估计方法来解决含分布式电源的中低压配电网状态估计问题。
蔡永智[6]2016年在《分布式电力系统状态估计研究》文中研究表明电力系统的网络结构和运行方式日趋复杂,现代化调度系统要求能迅速、准确而全面地掌握电力系统的实际运行状态,对运行中发生的各种问题提出对策,从而保证电力系统运行的安全性和经济性。状态估计也称为滤波,能估计或预报系统运行状态,为电力系统安全评估、经济调度和在线控制等在线功能模块提供了实时可靠数据。目前工程上采用集中式的整体状态估计方法,即集中采集并存贮全系统实时量测信息,维护全网络拓扑和参数信息,求解高维状态估计模型。由于系统维数过高,总调中心计算主机承担繁重的数据通信和存储任务,计算量较大。随着PMU布点的增多,WAMS将会替代SCADA成为主流数据采集系统,伴随而来的则是海量系统量测数据处理难题。因此,本文围绕如何分布式处理大规模电力系统状态估计的问题开展了相关研究工作,主要内容如下:针对现有分散式结构状态估计研究存在收敛速度慢、对通信拓扑有特定要求的不足,结合多区域约束加权最小二乘估计模型和有限时间平均一致性协议提出一种适用于量测正常情况的分散式结构状态估计新算法。该方法具有收敛速度快、通信拓扑适应性强和算法参数易于确定的特点。在此基础上,由最小二乘估计的正交原理,扩展推导出系统量测存在异常数据情况下的修正算法。在系统量测存在异常数据时,无需改变原有信息矩阵,只需执行若干次有限时间一致性协议能收敛至信息矩阵修正后的集中式估计值。针对现有分层式结构动态状态估计研究存在仅考虑边界状态协调、通信量过大的不足,采用估计协调机制,提出一种基于容积卡尔曼滤波合的分布式动态状态估计新方法。以容积卡尔曼滤波作为各区域本地估计算法,给出在协调中心侧采用局部最小二乘估计融合技术的系统边界状态协调方式。根据系统边界状态协调值,采用带线性等式约束卡尔曼滤波修正区域内部状态本地估计。算例仿真表明,所提方法估计精度与集中式估计相当,相比集中式估计具有更好的实时性,且所需数据通信量少,易于实现。针对现有分层式结构静态状态估计研究存在协调中心侧仅协调边界状态且大多需迭代计算的不足,提出一种基于协方差矩阵变换和估计投影法的分布式电力系统状态估计新方法。为适应量测系统计及PMU和无PMU情况,根据高斯变量的线性变换原理给出区域本地估计结果在协调前和协调后的处理方法。在协调中心侧沿用局部最小二乘估计融合技术协调系统边界状态,能显着减少协调中心计算量。区域内部状态本地估计通过估计投影法作修正,使本地估计精度从整体上得到有效提高。针对现有发电机动态状态估计研究存在对发电机模型参数偏差的鲁棒性差的不足,提出考虑模型参数不确定性的发电机动态状态估计方法。建立了含模型参数不确定区间的发电机状态估计模型,在此基础上结合集合运算和区间分析方法提出发电机动态状态估计的椭圆集合集员滤波方法。系统扰动仿真实验验证了所提方法对应不同发电机参数偏差具有良好的跟踪滤波性能及其实时性。
任先成[7]2004年在《电力系统分布式状态估计的研究》文中研究表明电力系统互联是电力系统发展的必然趋势，这对能量管理系统的自动化水平要求越来越高。状态估计是能量管理系统的核心部分，状态估计算法的研究直接关系到状态估计计算的速度、精度等，面对大规模的电力系统，传统的状态估计算法已经不可能有所突破，因此必须开发新的状态估计算法以适应未来电力系统的发展需求。随着分散式控制技术的快速发展，其可能是未来电力系统控制发展的主要趋势。 本文针对分散式控制技术，在研究传统算法和分级式算法的基础上，提出了分布式状态估计算法，建立了相应的数学模型，并进行了可观测性分析。其基本思想是多区域多处理器，与分级式算法相似，其优点有以下几方面： 1)固有的并行计算性，加快了计算速度。它通过数据划分技术，将一个大的系统裂解为多个子系统，这些子系统可以分别进行求解，每个子系统的可观测性单独进行分析。 2)分布式算法没有中央处理机，它通过消息传递模式来实现处理器之间的信息交流，从而消除了分级式算法数据传输过程的“瓶颈”问题，整体上加快了计算的速度。 3)分布式算法通过其边界协调方程来修正边界节点估计值，从而保证了计算的精度。 分布式算法实际上是将方程降维协调并行求解，不足的地方是目前受网络速度的制约，信息交流的占用时间比较大，尤其是边界节点数量很大时，网络耗时尤为突出。但是随着高速数据网络通讯技术的飞速发展，其实用性在未来是很有前途的。 通过WSCC一9节点系统以PVM为软件平台在单机组成的局域网上进行了计算，计算的结果表明在适当的冗余度下，利用异构运算机制，分布式算法是比较成功的。
易文飞[8]2014年在《基于异步迭代模式的电力系统分布式状态估计》文中进行了进一步梳理在线分析系统的计算模型离不开状态估计(SE),只有通过状态估计处理后,才能将网络参数与在线实时数据结合起来,为高级应用提供一个可供在线分析的基态计算模型。而涵盖多控制中心的一体化计算模型同样也必须通过一体化状态估计来建立,由于在不同的控制中心,描述电网详细运行状态的节点模型分属各个控制中心自己来维护,详细的网络实时数据也只能在控制中心本地才能方便的得到,如在节点层次模型的基础上进行全网模型的统一拼接和处理,将会面临实时数据传送量大和大系统状态估计不易收敛等问题。因此,在多控制中心之间采取分布式状态估计的处理方法将是一个很好的选择。为了给后续的异步迭代模式分布式能量管理系统提供一个较为精确的基态计算模型,也为克服传统两层式状态估计中出现的边界失配量较大的问题,本文提出了一种基于异步迭代模式的分布式状态估计方法,该算法通过构建基于等值网等值量测修正思想的关于边界状态量的不动点迭代格式,实现基本的分布式状态估计算法；通过在异步迭代过程中,强制外网等值量测数据为非坏数据,再经协调计算,借用外网量测信息很好地解决了内网靠近边界区域的不良数据难以辨识的问题。以IEEE118节点标准算例进行测试,结果验证了所提方法的有效性。
张海波, 易文飞[9]2014年在《基于异步迭代模式的电力系统分布式状态估计方法》文中认为互联电网安全运行所要求的一体化建模与计算对分布式状态估计提出了新的要求,为了给后续的基于异步迭代模式的分布式能量管理系统高级应用提供一个较为精确的基态计算模型,也为解决传统两层式状态估计中出现的边界失配量较大的问题,提出了一种基于异步迭代模式的分布式状态估计方法。该方法基于等值网等值量测修正思想,通过构建关于边界状态量的不动点迭代格式,实现基本的分布式状态估计方法;通过在异步迭代过程中,强制外网等值量测数据为非坏数据,再经协调计算,借用外网量测信息解决了内网靠近边界区域的不良数据难以辨识的问题。以IEEE 118节点系统为标准算例进行测试,测试结果验证了所提方法的有效性。
赵红嘎[10]2004年在《电力系统状态估计中相量量测应用及直流模型处理问题》文中研究指明电力系统状态估计为电力系统在线分析和控制功能提供电网实时工况,状态估计的性能直接影响分析的准确性和控制的效果。电网互联和电力市场化不仅使电力系统运行的复杂性和不可预知性增大,而且对分析和决策的准确性以及控制效果提出了更高要求,这就要求状态估计能够提供及时、准确、全面的电网实时工况。实时状态估计通过数据处理技术,滤除实时量测数据误差,获得最接近于系统真实状态的最佳估计值,量测数量、质量以及配置情况都会影响状态估计的性能。传统状态估计主要基于监控和数据采集(SCADA-supervisory control and dataacquisition)系统提供的遥测量。随着相量测量装置(PMU-phasot measurement unit)在电网中的推广应用,PMU量测已成为电力系统重要的数据源之一。PMU量测具有精度高、全网严格同步、更新周期短等优点,并实现了节点状态直接可测。由于成本原因,当前PMU配置还不能保证电网可观。如何在状态估计中有效利用PMU量测是当前必须面对和解决的问题。直流输电技术在远距离输电和电网互联中具有独特优势,在电力工业中得到了越来越广泛地应用,尤其将在我国西电东送和全国联网中起主导作用,交直流互联系统将会越来越多,而当前的状态估计算法还无法有效的考虑直流模型,研究快速可靠的交直流系统状态估计算法具有重要的理论和工程应用价值。本文主要针对PMU量测在状态估计中的应用以及交直流系统状态估计问题进行研究。PMU可以直接测量节点状态相量,如果PMU配置能使系统可观,则不需要进行状态估计。但是当前PMU配置不可能使系统可观,并且在相当长的时间内还难以实现。PMU的可观配置。本文对各种利用PMU量测的状态估计模型进行分析,提出当前可行的研究思路:集成PMU量测和SCADA量测,共同应用于非线性状态估计,利用PMU量测特性来改善状态估计性能,从而明确了深入研究的方向,促进了PMU量测的工程应用。在非线性状态估计中,利用PMU电压相量量测较方便,但直接利用PMU电流相量量测存在困难。本文提出两种利用PMU电流相量量测的新方法:把支路电流相量量测等效变换为支路功率量测;把支路电流相量量测等效变换为相关节点电压相量量测,从而使所有PMU量测都能在状态估计中得到有效利用。PMU可以直接测量所在节点状态量,并且PMU相关节点的状态量也可以直接推算出来,因此配置PMU后,会形成状态可观测的局部区域。本文充分利用山东大学博士学位论文该PMU量测特性,提出在非线性状态估计中利用PMU量测的另一种模型:在估计运算中直接把PMU节点状态量测值及PMU相关节点状态推算值作为估计值,并对该模型进行深入研究和仿真,指出该模型可以降低估计系统规模,提高估计方程的数值稳定性和迭代收敛速度,但由于PMU量测也存在一误差,该模型不一定会提高估计精度。 本文首次提出非线性估计和线性估计结合的二次估计模型:首先把PMU节点的状态量测值及PMU相关节点的状态推算值作为估计值进行非线性估计,然后再利用非线性估计结果和PMU量测进行线性估计。该模型在利用PMU量测提高状态估计收敛速度的同时,可以进一步利用PMU量测来提高估计精度;在当前PMU不可观配置的情况下,这种模型可以作为从非线性估计到线性估计的过渡。 传统分布式状态估计由于边界量测冗余度低,使边界节点估计精度低,边界量测坏数据不易辨识,并且在子系统参考节点协调时给全网估计值引入较大误差。本文首次把PMU量测应用于分布式估计,提出PMU量测新的应用领域:基于PMU量测进行子系统参考节点协调,并通过在子系统边界节点配置PMU,把PMU节点的状态量测值及PMU相关节点的状态推算值作为估计值,使子系统相互之间完全解藕,从而提高边界量测坏数据辨识能力。研究和仿真表明:利用PMU量测的分布式估计模型的估计精度和边界量测坏数据辨识能力都优于传统分布式估计模型。 PMU测点配置情况会影响状态估计的性能。本文基于PMU量测在状态估计中的两种利用模型:把PMU量测作为常规量测;把PMU节点的状态量测值及PMU相关节点的状态推算值作为估计值,分别从提高估计精度和估计方程数值稳定性出发,研究PMU测点优化配置问题,提出优化配置模型,引入禁忌算法实现了PMU测点优化配置。 SCADA量测传输时延的差别将影响状态估计精度;PMU量测和SCADA量测在传输时延、更新周期上差别很大,在状态估计中同时利用两种量测量时,必须考虑两种量测量的协调问题。本文基于对实际SCADA量测采样和传输系统的深入分析,创造性的提出量测传输时延均匀分布模型,基于该模型,分析了量测时延偏差对状态估计精度的影响,提出基于量测时延期望值对不同时延量测进行匹配的方法,使状态估计量测时延问题及PMU量测和SCADA量测协调问题获得了完美解决,并且该方法易于工程实现。 越来越多的交直流联合系统的出现,迫切需要研究适合于工程应用的交直流系统状态估计算法。一个工程实用化的状态估计算法应该具有较少的计算量和内存占用量,并且收敛性好。本文提出一种新的交直流联合系统快速分解状态估一计算法,该算法实现了交流有功、无功和直流方程的解祸,并通过对直流方程用保
参考文献：
[1]. 分布式动态状态估计算法及其在电力系统中的应用[D]. 孙一冰. 山东大学. 2017
[2]. 基于信息冗余的电力系统分布式状态估计[J]. 胡春潮, 何杰, 马凯. 电力系统保护与控制. 2017
[3]. 多区域电力系统分布式状态估计算法的研究[D]. 郭金莲. 华北电力大学（河北）. 2008
[4]. 分布式状态估计在电力系统中的应用研究[D]. 马慧丽. 天津大学. 2010
[5]. 含分布式电源的中低压配电网状态估计研究[D]. 候小虎. 燕山大学. 2017
[6]. 分布式电力系统状态估计研究[D]. 蔡永智. 华南理工大学. 2016
[7]. 电力系统分布式状态估计的研究[D]. 任先成. 太原理工大学. 2004
[8]. 基于异步迭代模式的电力系统分布式状态估计[D]. 易文飞. 华北电力大学. 2014
[9]. 基于异步迭代模式的电力系统分布式状态估计方法[J]. 张海波, 易文飞. 电力系统自动化. 2014
[10]. 电力系统状态估计中相量量测应用及直流模型处理问题[D]. 赵红嘎. 山东大学. 2004
标签：电力工业论文; 分布式算法论文; 分布式电源论文; 分布式架构论文; 分布式技术论文; 系统边界论文; 迭代计算论文; 低压配电系统论文; 分布式开发论文; 迭代模型论文; 动态模型论文; 算法论文;