CN103326358A - 基于同步相角测量装置的电力系统动态状态估计方法 - Google Patents
基于同步相角测量装置的电力系统动态状态估计方法 Download PDFInfo
- Publication number
- CN103326358A CN103326358A CN2013102382519A CN201310238251A CN103326358A CN 103326358 A CN103326358 A CN 103326358A CN 2013102382519 A CN2013102382519 A CN 2013102382519A CN 201310238251 A CN201310238251 A CN 201310238251A CN 103326358 A CN103326358 A CN 103326358A
- Authority
- CN
- China
- Prior art keywords
- measurement
- state
- power system
- node
- electric power
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/22—Flexible AC transmission systems [FACTS] or power factor or reactive power compensating or correcting units
Abstract
本发明涉及电力系统运行与控制技术领域。本发明公开了一种基于同步相角测量装置的电力系统动态状态估计方法。本发明的技术方案包括步骤:A、读取电力系统当前网络参数和网络拓扑结构,并由此形成节点导纳矩阵和支路-节点关联矩阵;B、根据电力系统网络拓扑结构建立等效电路,配置电力系统量测函数和PMU,系统的量测包括节点电压幅值量测、节点电流幅值量测、节点功率注入量测和节点潮流量测;C、在扩展卡尔曼滤波基础上对系统进行动态状态估计;D、收敛条件判断。本发明中PMU的引入能够为系统提供实时准确的电压、相角等量测信息,保证系统获得更高的量测冗余度,进而提高状态估计的精度。具有鲁棒性好,状态估计精度高,收敛性好的特点。
Description
技术领域
本发明涉及电力系统运行与控制技术,特别涉及一种基于同步相角测量装置(PMU)的鲁棒电力系统动态状态估计方法。
背景技术
电力系统状态估计是能量管理系统和在线决策稳定控制系统的重要组成部分,其主要功能是从含有误差的遥测数据中获得系统当前状态的最佳估计,为电力系统实现在线分析和控制功能提供电网实时工况。随着互联电网规模的不断扩大,能源配置格局的初步形成,加之电力市场改革的稳步推进、新能源不断发展,中国电网结构日益庞大,运行方式日趋复杂,保障电网安全经济运行面临着巨大的挑战。传统的电力系统静态状态估计可以为电力系统调度中心提供电网的实时运行状态,然而分析和预测系统的运行趋势,对运行中发生的各种问题提出相应的对策则离不开兼备预测功能的动态状态估计。
目前,电力系统状态估计的量测数据主要源于数据采集与监控系统(SCADA),一般包括节点注入功率、支路功率和节点电压幅值等,这些数据每2秒传送一次,但是由于这些系统的量测信息往往都是通过远动装置传送到调度中心,而远动装置的误差及传送过程中各个环节的误差使得迭代求解出来的电压、相角等状态量的精度难以得到保证。近年来,基于全球卫星定位系统的PMU逐步应用于电力系统中,它具有采集量测数据快、能测量相角信息,并且量测数据精度比SCADA高等优点。
另一方面,目前的电力系统状态估计方法中静态状态估计的研究最多,电力系统动态状态估计研究正在成为热点,然而目前大多数电力系统动态状态估计方法都是考虑采用卡尔曼滤波或者卡尔曼滤波的改进形式,并没有有效解决电力系统状态估计的量测函数非线性、量测数据量大、鲁棒性不好等问题。
发明内容
本发明所要解决的技术问题在于克服现有技术的不足,提供一种基于PMU的鲁棒电力系统动态状态估计方法,利用来自SCADA和PMU的量测数据实时快速地追踪预测电网各节点运行状态(电压幅值和相角)。
本发明解决所述技术问题采用的技术方案是,基于同步相角测量装置的电力系统动态状态估计方法,其特征在于,包括以下步骤:
A、读取电力系统当前网络参数和网络拓扑结构,并由此形成节点导纳矩阵和支路-节点关联矩阵;
B、根据电力系统网络拓扑结构建立等效电路,配置电力系统量测函数和PMU,系统的量测包括节点电压幅值量测、节点电流幅值量测、节点功率注入量测和节点潮流量测;
C、在扩展卡尔曼滤波基础上对系统进行动态状态估计
一个电力系统的状态可以由一个包含一系列复杂电压幅值和相角的n维状态向量x来表示,系统通常使用状态估计每隔几分钟或者一定的采样间隔更新一次状态;在已知量测zk后,系统在第k次采样时的状态xk由下式表示:
zk=h(xk)+vk
其中,h(·)表示m维非线性函数向量;vk是服从正态分布的随机白噪声,即vk~N(0,Rk),Rk是量测误差的方差;
对系统进行动态状态估计,主要包括参数辨识、状态预测和状态滤波:
参数辨识:电力系统运行状态的变化可由以下线性化的准稳态模型来描述:
xk+1=Fkxk+Gk+wk
其中,Fk,Gk是n维非零对角动态模型参数矩阵;Fk是状态转移矩阵;Gk是控制向量;wk是服从正态分布的随机白噪声,即wk~N(0,Qk),Qk是系统模型误差的方差;参数Fk,Gk由Holt’s两参数线性指数平滑法求得;
其中,R为量测误差矩阵,W=R-1是一个对角权重矩阵,它的对角元素由每个量测的标准差决定;
D、收敛条件判断
具体的,步骤B中,所述节点功率注入量测包括有功功率注入量测和无功功率注入量测;所述节点潮流量测包括有功潮流量测和无功潮流量测。
具体的,步骤B中,所述等效电路为π型等效电路。
本发明的有益效果是,鲁棒性好。本发明通过引入新的量测权重函数有助于遏制负荷突变、切机、拓扑错误等突变对系统的冲击,进一步提高系统的鲁棒性,此外,该方法还具有抵御不良数据的能力。状态估计精度高,收敛性好。本发明中PMU的引入能够为系统提供实时准确的电压、相角等量测信息,并且能够保证系统获得更高的量测冗余度,增强不良数据辨识及拓扑错误辨识能力,进而提高状态估计的精度。指数权重函数以及EKF递归的求解目标函数能保证系统具有较好的收敛性能。应用前景好。本发明具有动态追踪预测系统运行状态的能力,能够为控制决策中心进行经济调度、安全评估和其它相关的高级应用提供数据支持,满足未来智能电网发展要求。
附图说明
图1是本发明流程图;
图2是本发明所采用的不含变压器支路的π型等效电路量测计算图;
图3是本发明所采用的变压器支路π型等效电路量测计算图;
图4是本发明实施例IEEE14测试图;
图5是各个节点相角测试结果;
图6是各个节点电压幅值测试结果;
图7是系统鲁棒性测试结果。
具体实施方式
下面结合附图对本发明的技术方案进行详细描述。
本发明的基于同步相角测量装置的电力系统动态状态估计方法,流程如图1所示,包括以下步骤:
(1)电网数据的读取
在本步骤中,网络数据读取包括电力系统当前的网络参数和拓扑结构,并由此形成节点导纳矩阵和支路-节点关联矩阵。
(2)系统量测和PMU配置
系统的量测包括节点电压幅值量测、电流幅值量测、功率注入量测和潮流量测,下面将对典型π型等效电路的相关量测所采用的量测函数进行说明。
图2中不含变压器支路时节点的有功注入和无功注入、有功潮流注入和无功潮流注入、电流幅值量测函数如下:
节点i的有功注入Pi和无功Qi注入量测函数分别为:
节点i到j的有功潮流注入Pij和无功潮流注入Qij量测函数分别为:
节点i到j的线路电流幅值Iij为:
图3中含变压器支路时节点的有功和无功功率注入、有功和无功潮流注入、电流幅值量测函数如下:
节点i的有功注入Pi和无功Qi注入量测函数分别为:
节点i到j的有功潮流注入Pij和无功潮流Qij量测函数分别为:
其中,Vi和Vj分别为节点i和j的电压幅值;节点i和j之间的相角差θij=θi-θj,θi和θj分别为节点i和j的相角;Ni为连接到节点i的节点数量;Gij+jBij为导纳矩阵的第i行第j列元素;gij+jbij节点i到j间的序导纳;gsi+jbsi节点i到j间的并联导纳;K为变压器非标准变比;bT为变压器标准侧的电纳。
PMU配置原则
为了保证整个系统的可观测性,本发明采用已有的一种系统可观测性PMU最优配置方法来配置系统的PMU。
(3)电力系统动态状态估计
在电力系统量测及PMU配置后,本步将在扩展卡尔曼滤波(EKF)基础上对系统进行动态状态估计。
一个电力系统的状态可以由一个包含一系列复杂电压幅值和相角的n维状态向量x来表示,系统通常使用状态估计每隔几分钟或者一定的采样间隔更新一次状态。
在已知量测zk后,系统在第k次采样时的状态xk可由下式表示:
zk=h(xk)+vk
其中,h(·)表示m维非线性函数向量;vk是服从正态分布的随机白噪声,即vk~N(0,Rk),Rk是量测误差的方差。
扩展卡尔曼滤波(EKF)基础上的系统不良数据检测与辨识主要包含3个主要的阶段:参数辨识、状态预测和状态滤波,下面将分别进行详细的说明:
参数辨识:电力系统运行状态的变化可由以下线性化的准稳态模型来描述:
xk+1=Fkxk+Gk+wk
其中,Fk,Gk是n维非零对角动态模型参数矩阵;Fk是状态转移矩阵;Gk是控制向量;wk是服从正态分布的随机白噪声,即wk~N(0,Qk),Qk是系统模型误差的方差,它通常被假设为一个对角元素全是10-6的对角矩阵;参数Fk,Gk可由Holt’s两参数线性指数平滑法所求得。
其中,R为量测误差矩阵,W=R-1是一个对角权重矩阵,它的对角元素由每个量测的标准差决定。例如,如果量测值的误差满足高斯分布,那么权重矩阵的对角元素就是相对应量测值标准差的倒数。
在正常的稳态运行情况下,量测误差很小,接近于0,量测权重就为相对应量测值标准差的倒数,不需要我们对量测函数作较大的调整;
在系统的量测遭受比较大的扰动,比如负荷突变、切机、不良数据注入等而造成量测误差发生较大的变化时,指数函数将有助于减少这些突变对系统的冲击,从而使不可预测的突变对系统的冲击的影响得到遏制,进一步提高系统的鲁棒性;
PMU的量测精度本来就比SCADA精度高很多,量测误差不论是在正常稳态还是系统遭受不可预测的突变时,都可以保持在较低的水平,进而保证PMU的量测值权重相比于SCADA中的量测权重高很多,并且量测权重更稳定,更利于系统动态运行的监测和控制。
当目标函数最小时有:
经过整理有可得k+1时刻系统的状态:
其中增益矩阵、与Kk+1相关的矩阵如下所示:
上式中,I为单位矩阵;Pk为误差协方差矩阵。
由此,利用参数辨识、状态预测和状态滤波,动态状态估计器就可根据已知的量测z0,z1,...,zk估计出系统的运行状态。
(4)收敛条件判断
实施例
步骤1:电网数据的读取
在本步骤中,电网数据的读取包括电力系统当前的网络参数、拓扑结构和线路阻抗,并由此形成节点导纳矩阵和支路-节点关联矩阵。
步骤2:系统量测和PMU配置
根据电力系统网络拓扑结构建立等效电路,配置电力系统量测函数和PMU,系统的量测包括节点电压幅值量测、节点电流幅值量测、节点功率注入量测和节点潮流量测。
以图4所示IEEE14系统量测配置为例,共有4个PMU分别安装在节点2、6、7、9上,其中在节点2上的PMU可以测量2-4、2-3的相角和节点2的电压;在节点6上的PMU测量6-11、6-12、6-13的相角和节点6的电压值;在节点7上的PMU测量7-9、7-4、7-8的相角和节点7的电压值;在节点9上的PMU测量9-10、9-14的相角和节点9的电压值;所有的相角值都用度数表示,所有的电压量测值都是在真实的潮流计算结果上加了一个均值为零,方差为0.01的高斯随机误差;此外,系统各个节点的有功和无功功率注入量测、有功和无功潮流注入功率量测、电流幅值量测可由相关量测函数计算得到。
步骤3:动态状态估计
在电力系统量测及PMU配置后,本步将在扩展卡尔曼滤波基础上对系统进行动态状态估计。
一个电力系统的状态可以由一个包含一系列复杂电压幅值和相角的n维状态向量x来表示,系统通常使用状态估计每隔几分钟或者一定的采样间隔更新一次状态。在已知观测的量测zk后,系统在第k次采样时的状态xk可由下式表示:
zk=h(xk)+vk
其中,h(·)表示m维非线性函数向量;vk是服从正态分布的随机白噪声,即vk~N(0,Rk),Rk是量测误差的方差。
扩展卡尔曼滤波基础上的系统不良数据检测与辨识主要包含3个主要的阶段:参数辨识、状态预测和状态滤波,下面将分别进行详细的说明:
参数辨识:电力系统运行状态的变化可由以下线性化的准稳态模型来描述:
xk+1=Fkxk+Gk+wk
其中,Fk,Gk是n维非零对角动态模型参数矩阵;Fk是状态转移矩阵;Gk是控制向量;wk是服从正态分布的随机白噪声,即wk~N(0,Qk),Qk是系统模型误差的方差,它通常被假设为一个对角元素全是10-6的对角矩阵;参数Fk,Gk可由Holt’s两参数线性指数平滑法所求得。
其中,W=R-1,W是一个对角权重矩阵,它的对角元素由每个量测的标准差决定;例如,如果量测值的误差满足高斯分布,那么权重矩阵的对角元素就是相对应量测值标准差的倒数。
在本发明中,为了增强算法的鲁棒性,引入一个新的量测权重函数:
当目标函数最小时有:
经过整理可得k+1时刻系统的状态:
其中增益矩阵以及与Kk+1相关的矩阵如下所示:
上式中,I为单位矩阵;Pk为误差协方差矩阵。
由此,利用参数辨识、状态预测和状态滤波三步,动态状态估计器就可根据已知的量测z0,z1,...,zk估计出系统的运行状态。
步骤4:收敛条件判断
各个节点相角和电压幅值的测试结果如图5和图6所示,从图中可以看出,本发明的方法相比于常用的基于卡尔曼滤波(KF)的动态状态估计,估计精度更高,更能实时地追踪系统的运行状态;此外,本发明方法整个状态估计过程只花了0.0296秒,估计速度快。
此外,为了更好的体现本发明所提到的鲁棒性好的性能,将不良数据以下列方式注入到系统中:
(1)在第5次采样的时候,注入一个粗差为20%的生数据;
(2)在第10次采样的时候,一个生数据被误认为是零注入量测;
(3)在第20次采样的时候,注入两个粗差为20%的生数据;
定义指标:
结果如附图7所示,可以很容易的发现在第5、10和20次采样时,J发生了较大的波动,而其余情况保持平稳运行,从另一方面说明该方法具有检测不良数据的能力。
综上,本发明能利用来自SCADA和PMU的量测数据实时快速地追踪预测电网各节点运行状态(电压幅值和相角),并且估计精度高,能够及时的检测不良数据,为控制决策中心进行经济调度、安全评估和其它相关的高级应用提供数据支持;另外本方法在负荷发生突变和系统含有不良数据时也具有较好的鲁棒性,这些特性对于未来智能电网建设具有很重要的意义。
Claims (4)
1.基于同步相角测量装置的电力系统动态状态估计方法,其特征在于,包括以下步骤:
A、读取电力系统当前网络参数和网络拓扑结构,并由此形成节点导纳矩阵和支路-节点关联矩阵;
B、根据电力系统网络拓扑结构建立等效电路,配置电力系统量测函数和PMU,系统的量测包括节点电压幅值量测、节点电流幅值量测、节点功率注入量测和节点潮流量测;
C、在扩展卡尔曼滤波基础上对系统进行动态状态估计
一个电力系统的状态可以由一个包含一系列复杂电压幅值和相角的n维状态向量x来表示,系统通常使用状态估计每隔几分钟或者一定的采样间隔更新一次状态;在已知量测zk后,系统在第k次采样时的状态xk由下式表示:
zk=h(xk)+vk
其中,h(·)表示m维非线性函数向量;vk是服从正态分布的随机白噪声,即vk~N(0,Rk),Rk是量测误差的方差;
对系统进行动态状态估计,主要包括参数辨识、状态预测和状态滤波:
参数辨识:电力系统运行状态的变化可由以下线性化的准稳态模型来描述:
xk+1=Fkxk+Gk+wk
其中,Fk,Gk是n维非零对角动态模型参数矩阵;Fk是状态转移矩阵;Gk是控制向量;wk是服从正态分布的随机白噪声,即wk~N(0,Qk),Qk是系统模型误差的方差;参数Fk,Gk由Holt’s两参数线性指数平滑法求得;
其中,R为量测误差矩阵,W=R-1是一个对角权重矩阵,它的对角元素由每个量测的标准差决定;
D、收敛条件判断
2.根据权利要求1所述的基于同步相角测量装置的电力系统动态状态估计方法,其特征在于,步骤B中,所述节点功率注入量测包括有功功率注入量测和无功功率注入量测;所述节点潮流量测包括有功潮流量测和无功潮流量测。
3.根据权利要求1所述的基于同步相角测量装置的电力系统动态状态估计方法,其特征在于,步骤B中,所述等效电路为π型等效电路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310238251.9A CN103326358B (zh) | 2013-06-17 | 2013-06-17 | 基于同步相角测量装置的电力系统动态状态估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310238251.9A CN103326358B (zh) | 2013-06-17 | 2013-06-17 | 基于同步相角测量装置的电力系统动态状态估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103326358A true CN103326358A (zh) | 2013-09-25 |
CN103326358B CN103326358B (zh) | 2015-04-29 |
Family
ID=49194962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310238251.9A Expired - Fee Related CN103326358B (zh) | 2013-06-17 | 2013-06-17 | 基于同步相角测量装置的电力系统动态状态估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103326358B (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103606113A (zh) * | 2013-12-02 | 2014-02-26 | 东北石油大学 | 基于pmu装置的电力系统静态状态估计方法 |
CN104573510A (zh) * | 2015-02-06 | 2015-04-29 | 西南科技大学 | 一种智能电网恶意数据注入攻击及检测方法 |
CN105071530A (zh) * | 2015-07-16 | 2015-11-18 | 国电南瑞科技股份有限公司 | 一种调度系统遥测数据的在线滤波方法 |
CN106026086A (zh) * | 2016-07-08 | 2016-10-12 | 国网江苏省电力公司电力科学研究院 | 一种电网中运行状态的动态估计方法 |
CN106356840A (zh) * | 2016-09-08 | 2017-01-25 | 国网浙江省电力公司杭州供电公司 | 基于同步相量量测的地区电力系统状态估计方法及系统 |
CN106356994A (zh) * | 2016-08-29 | 2017-01-25 | 上海交通大学 | 一种基于电网pmu大数据的电网稳定性判别方法 |
CN106374497A (zh) * | 2016-10-20 | 2017-02-01 | 天津大学 | 基于ami的中低压混合配电网一体化状态估计方法 |
CN106570774A (zh) * | 2016-10-11 | 2017-04-19 | 国网山东省电力公司烟台供电公司 | 一种基于学习理论的渐进学习电网调控方法 |
CN106707061A (zh) * | 2016-12-16 | 2017-05-24 | 湖南大学 | 基于混合量测的配电网动态状态估计方法 |
CN107025609A (zh) * | 2017-03-16 | 2017-08-08 | 河海大学 | 基于奇异值分解cdkf的电力系统动态状态估计方法 |
CN107069710A (zh) * | 2017-03-23 | 2017-08-18 | 新疆电力建设调试所 | 计及新能源时空相关性的电力系统状态估计方法 |
WO2017143425A1 (en) * | 2016-02-23 | 2017-08-31 | Smart Energy Instruments Inc. | Methods and devices for time synchronized power measurement |
CN107425523A (zh) * | 2017-08-09 | 2017-12-01 | 国网辽宁省电力有限公司 | 一种复杂电力系统运行误差识别与自动校正方法及系统 |
JP2017221102A (ja) * | 2016-06-07 | 2017-12-14 | 三菱電機株式会社 | 電力系統における動的状態推定の方法、および電力系統の制御システム |
CN107679768A (zh) * | 2017-10-25 | 2018-02-09 | 中国南方电网有限责任公司 | 一种基于电网实时数据的态势感知系统及其构建方法 |
CN107947182A (zh) * | 2017-12-14 | 2018-04-20 | 清华大学 | 一种动态潮流分析方法及动态潮流分析系统 |
CN108879695A (zh) * | 2018-07-13 | 2018-11-23 | 海南电网有限责任公司电力科学研究院 | 一种直流潮流模型的建立与计算方法 |
CN109146336A (zh) * | 2018-10-11 | 2019-01-04 | 厦门大学 | 一种基于t分布的电力系统鲁棒状态估计方法 |
CN109818349A (zh) * | 2019-03-13 | 2019-05-28 | 东北大学 | 一种基于多维状态矩阵滑动匹配的电网鲁棒状态预测方法 |
CN110018346A (zh) * | 2019-04-19 | 2019-07-16 | 南京工程学院 | 一种谐波状态估计的量测配置方法 |
CN110676940A (zh) * | 2019-10-21 | 2020-01-10 | 国网上海市电力公司 | 一种提高参数辨识精度的配电网pmu配置方法及系统 |
CN110796203A (zh) * | 2019-10-31 | 2020-02-14 | 国网河北省电力有限公司 | 电网运行断面的匹配方法和装置 |
CN112865096A (zh) * | 2021-03-18 | 2021-05-28 | 国网上海市电力公司 | 一种考虑pmu量测相角偏差的配电网状态估计方法及系统 |
CN113553538A (zh) * | 2021-05-14 | 2021-10-26 | 河海大学 | 一种递推修正混合线性状态估计方法 |
CN114065118A (zh) * | 2021-11-02 | 2022-02-18 | 厦门大学 | 一种基于指数函数的电力系统鲁棒状态估计方法 |
AU2021229237B2 (en) * | 2020-09-21 | 2023-03-02 | State Grid Shanghai Municipal Electric Power Company | Regional coordinated voltage control method and apparatus for distribution network, and electronic device |
CN116298515A (zh) * | 2023-05-23 | 2023-06-23 | 北京鼎诚鸿安科技发展有限公司 | 同步波形测量终端及其测量方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109586289B (zh) * | 2018-12-13 | 2020-12-29 | 国网山东省电力公司青岛供电公司 | 一种配电网多时间尺度递归动态状态估计方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101651343A (zh) * | 2009-09-09 | 2010-02-17 | 国家电网公司 | 基于混合动态仿真的电力系统模型校核方法及系统 |
CN102831315A (zh) * | 2012-08-23 | 2012-12-19 | 清华大学 | 一种电力系统状态估计量测方程的精确线性化方法 |
JP2013506389A (ja) * | 2009-09-25 | 2013-02-21 | ベイジン・スファン・オートメーション・カンパニー・リミテッド | 状態マトリックスに依存せずにpmu無しの低可観測性測定点のダイナミクスをリアルタイムで推定する方法 |
-
2013
- 2013-06-17 CN CN201310238251.9A patent/CN103326358B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101651343A (zh) * | 2009-09-09 | 2010-02-17 | 国家电网公司 | 基于混合动态仿真的电力系统模型校核方法及系统 |
JP2013506389A (ja) * | 2009-09-25 | 2013-02-21 | ベイジン・スファン・オートメーション・カンパニー・リミテッド | 状態マトリックスに依存せずにpmu無しの低可観測性測定点のダイナミクスをリアルタイムで推定する方法 |
CN102831315A (zh) * | 2012-08-23 | 2012-12-19 | 清华大学 | 一种电力系统状态估计量测方程的精确线性化方法 |
Non-Patent Citations (1)
Title |
---|
程涛: "基于提高状态估计精度的PMU优化配置", 《中国优秀硕士论文全文数据库》, 13 November 2008 (2008-11-13) * |
Cited By (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103606113A (zh) * | 2013-12-02 | 2014-02-26 | 东北石油大学 | 基于pmu装置的电力系统静态状态估计方法 |
CN104573510A (zh) * | 2015-02-06 | 2015-04-29 | 西南科技大学 | 一种智能电网恶意数据注入攻击及检测方法 |
CN104573510B (zh) * | 2015-02-06 | 2017-08-04 | 西南科技大学 | 一种智能电网恶意数据注入攻击及检测方法 |
CN105071530A (zh) * | 2015-07-16 | 2015-11-18 | 国电南瑞科技股份有限公司 | 一种调度系统遥测数据的在线滤波方法 |
CN105071530B (zh) * | 2015-07-16 | 2017-10-13 | 国电南瑞科技股份有限公司 | 一种调度系统遥测数据的在线滤波方法 |
WO2017143425A1 (en) * | 2016-02-23 | 2017-08-31 | Smart Energy Instruments Inc. | Methods and devices for time synchronized power measurement |
JP2017221102A (ja) * | 2016-06-07 | 2017-12-14 | 三菱電機株式会社 | 電力系統における動的状態推定の方法、および電力系統の制御システム |
US10355483B2 (en) | 2016-06-07 | 2019-07-16 | Mitsubishi Electric Research Laboratories, Inc. | Fully distributed filtering for load-based dynamic state estimation |
CN106026086A (zh) * | 2016-07-08 | 2016-10-12 | 国网江苏省电力公司电力科学研究院 | 一种电网中运行状态的动态估计方法 |
CN106026086B (zh) * | 2016-07-08 | 2018-08-03 | 国网江苏省电力公司电力科学研究院 | 一种电网中运行状态的动态估计方法 |
CN106356994A (zh) * | 2016-08-29 | 2017-01-25 | 上海交通大学 | 一种基于电网pmu大数据的电网稳定性判别方法 |
CN106356994B (zh) * | 2016-08-29 | 2018-09-11 | 上海交通大学 | 一种基于电网pmu大数据的电网稳定性判别方法 |
CN106356840A (zh) * | 2016-09-08 | 2017-01-25 | 国网浙江省电力公司杭州供电公司 | 基于同步相量量测的地区电力系统状态估计方法及系统 |
CN106356840B (zh) * | 2016-09-08 | 2018-12-28 | 国网浙江省电力公司杭州供电公司 | 基于同步相量量测的地区电力系统状态估计方法及系统 |
CN106570774A (zh) * | 2016-10-11 | 2017-04-19 | 国网山东省电力公司烟台供电公司 | 一种基于学习理论的渐进学习电网调控方法 |
CN106374497A (zh) * | 2016-10-20 | 2017-02-01 | 天津大学 | 基于ami的中低压混合配电网一体化状态估计方法 |
CN106707061A (zh) * | 2016-12-16 | 2017-05-24 | 湖南大学 | 基于混合量测的配电网动态状态估计方法 |
CN107025609B (zh) * | 2017-03-16 | 2020-10-16 | 河海大学 | 基于奇异值分解cdkf的电力系统动态状态估计方法 |
CN107025609A (zh) * | 2017-03-16 | 2017-08-08 | 河海大学 | 基于奇异值分解cdkf的电力系统动态状态估计方法 |
CN107069710A (zh) * | 2017-03-23 | 2017-08-18 | 新疆电力建设调试所 | 计及新能源时空相关性的电力系统状态估计方法 |
CN107069710B (zh) * | 2017-03-23 | 2019-12-24 | 新疆电力建设调试所 | 计及新能源时空相关性的电力系统状态估计方法 |
CN107425523A (zh) * | 2017-08-09 | 2017-12-01 | 国网辽宁省电力有限公司 | 一种复杂电力系统运行误差识别与自动校正方法及系统 |
CN107425523B (zh) * | 2017-08-09 | 2020-05-22 | 国网辽宁省电力有限公司 | 一种复杂电力系统运行误差识别与自动校正方法及系统 |
CN107679768A (zh) * | 2017-10-25 | 2018-02-09 | 中国南方电网有限责任公司 | 一种基于电网实时数据的态势感知系统及其构建方法 |
CN107679768B (zh) * | 2017-10-25 | 2021-04-13 | 中国南方电网有限责任公司 | 一种基于电网实时数据的态势感知系统及其构建方法 |
CN107947182A (zh) * | 2017-12-14 | 2018-04-20 | 清华大学 | 一种动态潮流分析方法及动态潮流分析系统 |
CN107947182B (zh) * | 2017-12-14 | 2021-03-30 | 清华大学 | 一种动态潮流分析方法及动态潮流分析系统 |
CN108879695A (zh) * | 2018-07-13 | 2018-11-23 | 海南电网有限责任公司电力科学研究院 | 一种直流潮流模型的建立与计算方法 |
CN109146336B (zh) * | 2018-10-11 | 2021-07-23 | 厦门大学 | 一种基于t分布的电力系统鲁棒状态估计方法 |
CN109146336A (zh) * | 2018-10-11 | 2019-01-04 | 厦门大学 | 一种基于t分布的电力系统鲁棒状态估计方法 |
CN109818349B (zh) * | 2019-03-13 | 2022-04-22 | 东北大学 | 一种基于多维状态矩阵滑动匹配的电网鲁棒状态预测方法 |
CN109818349A (zh) * | 2019-03-13 | 2019-05-28 | 东北大学 | 一种基于多维状态矩阵滑动匹配的电网鲁棒状态预测方法 |
CN110018346A (zh) * | 2019-04-19 | 2019-07-16 | 南京工程学院 | 一种谐波状态估计的量测配置方法 |
CN110676940B (zh) * | 2019-10-21 | 2021-02-02 | 国网上海市电力公司 | 一种提高参数辨识精度的配电网pmu配置方法及系统 |
CN110676940A (zh) * | 2019-10-21 | 2020-01-10 | 国网上海市电力公司 | 一种提高参数辨识精度的配电网pmu配置方法及系统 |
CN110796203A (zh) * | 2019-10-31 | 2020-02-14 | 国网河北省电力有限公司 | 电网运行断面的匹配方法和装置 |
AU2021229237B2 (en) * | 2020-09-21 | 2023-03-02 | State Grid Shanghai Municipal Electric Power Company | Regional coordinated voltage control method and apparatus for distribution network, and electronic device |
CN112865096A (zh) * | 2021-03-18 | 2021-05-28 | 国网上海市电力公司 | 一种考虑pmu量测相角偏差的配电网状态估计方法及系统 |
CN113553538A (zh) * | 2021-05-14 | 2021-10-26 | 河海大学 | 一种递推修正混合线性状态估计方法 |
CN113553538B (zh) * | 2021-05-14 | 2023-12-01 | 河海大学 | 一种递推修正混合线性状态估计方法 |
CN114065118A (zh) * | 2021-11-02 | 2022-02-18 | 厦门大学 | 一种基于指数函数的电力系统鲁棒状态估计方法 |
CN116298515A (zh) * | 2023-05-23 | 2023-06-23 | 北京鼎诚鸿安科技发展有限公司 | 同步波形测量终端及其测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103326358B (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103326358B (zh) | 基于同步相角测量装置的电力系统动态状态估计方法 | |
CN103972884B (zh) | 一种电力系统状态估计方法 | |
CN103324847B (zh) | 电力系统动态不良数据检测与辨识方法 | |
CN107016236B (zh) | 基于非线性量测方程的电网假数据注入攻击检测方法 | |
CN108448568B (zh) | 基于多种时间周期测量数据的配电网混合状态估计方法 | |
CN106707061A (zh) | 基于混合量测的配电网动态状态估计方法 | |
CN101750562A (zh) | 基于潮流方程灵敏度分析的非pmu测点动态过程估计方法 | |
CN101964525B (zh) | 一种支持大规模电流量测的配电网状态估计方法 | |
CN107843810A (zh) | 一种基于状态估计的有源配电网故障区段在线定位方法 | |
CN106921156A (zh) | 一种基于多采样周期混合量测的主动配电网状态估计方法 | |
CN101075741A (zh) | 考虑负荷电压特性的非线性动态状态估计算法 | |
CN103838959A (zh) | 偏最小二乘回归应用于配电网谐波源定位与检测中的方法 | |
CN104778367A (zh) | 基于单一状态断面的广域戴维南等值参数在线计算方法 | |
CN103248043A (zh) | 一种基于同步相角测量装置的电力系统多区域分布式状态估计方法 | |
CN105633956A (zh) | 一种基于Spiking神经网络伪量测建模的配电网三相状态估计方法 | |
CN102508086B (zh) | 一种t形连接电力线路的参数估计方法 | |
CN103199528A (zh) | 广域电力系统状态估计协调方法 | |
CN103606113A (zh) | 基于pmu装置的电力系统静态状态估计方法 | |
CN105406471A (zh) | 电网不良数据辨识与估计方法 | |
CN105512502A (zh) | 一种基于残差归一化的权函数最小二乘状态估计方法 | |
CN109193635A (zh) | 一种基于自适应稀疏回归方法的配电网拓扑结构重建方法 | |
CN105572455A (zh) | 一种基于谐波功率监测的谐波电压责任的测定方法 | |
CN107392498A (zh) | 一种电网拓扑分析系统 | |
CN110210690B (zh) | 一种配电系统微型同步相量测量单元优化配置方法 | |
CN105183938A (zh) | 电网不良数据辨识与估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150429 Termination date: 20170617 |