CN110417009A - 基于不同采样周期数据的配电网混合抗差状态估计方法 - Google Patents
基于不同采样周期数据的配电网混合抗差状态估计方法 Download PDFInfo
- Publication number
- CN110417009A CN110417009A CN201910688906.XA CN201910688906A CN110417009A CN 110417009 A CN110417009 A CN 110417009A CN 201910688906 A CN201910688906 A CN 201910688906A CN 110417009 A CN110417009 A CN 110417009A
- Authority
- CN
- China
- Prior art keywords
- metric data
- data
- measurement
- state estimation
- distribution network
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005070 sampling Methods 0.000 title claims abstract description 14
- 238000005259 measurement Methods 0.000 claims abstract description 33
- 238000012937 correction Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000012804 iterative process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- 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
- Y04S10/22—Flexible AC transmission systems [FACTS] or power factor or reactive power compensating or correcting units
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种基于不同采样周期数据的配电网混合抗差状态估计方法,包括:当估计时刻的量测数据中包含SCADA时,将支路电流和根节点电压作为状态变量,并将节点电压相量和电压幅值表示为支路电流和根节点电压的函数;利用量测数据和量测函数之差得到各个量测数据对应的残差,并将量测残差标准化;通过对不同量测数据赋予不同权值的方法,将量测数据分为正常量测、可利用量测和有害量测,根据权值求解修正量;线性状态估计的状态变量选择支路电流与根节点电压,将上一估计时刻的估计结果与PMU量测数据作为量测函数,基于修正量求得状态变量。本发明有效利用高刷新频率、高精度的PMU量测数据,且能够过滤SCADA量测数据中的不良数据。
Description
技术领域
本发明涉及配电网调度自动化领域,尤其涉及一种基于不同采样周期数据的配电网混合抗差状态估计方法。
背景技术
配电系统中传统的实时量测数据主要来源于数据釆集与监视控制系统(Supervisory Control and Data Acquisition System,SCADA),其采样周期为2-5s,三相电压和功率量测主要配置在配电网变压器的高、低压侧和部分关键节点,在开闭所、环网柜、电缆分支箱和柱上开关中只配置有电流幅值量测,没有电压和功率量测。同步相量测量单元(Phasor Measurement Unit,PMU)数据的采样周期为30-40ms,高频率的采样周期使得PMU量测能够捕捉配电系统的动态变化。此外,PMU不仅能够精确地测量节点电压相量和支路电流相量,还能够提供时间同步的实时量测(参照GPS时间)。由于PMU对配电网的状态估计、故障定位、高阻接地、孤岛及系统振荡检测及实时控制等方面的研究具有重要意义,已有一些示范区域将PMU应用于配电网中。
此外,随着主动配电网的发展和双向潮流的影响,配电系统的状态变化更加频繁,电网的不平衡性和母线电压与线路电流相量之间的小角度差对状态估计精度提出了更高的要求,基于SCADA系统的状态估计方法由于量测数据刷新频率较低而不能准确捕获系统状态,而PMU量测成本较高,其量测数据不能保证配电系统的可观性,所以PMU量测不可能在短时间内取代SCADA量测,而是与SCADA长期并存,因此考虑PMU与SCADA混合量测的配电网状态估计方法将是未来数年内的发展趋势。
SCADA系统在采集、数模转换等过程中均有误差,有时还存在干扰,因此必然存在不良数据,且随着配电系统规模的扩大以及随之带来的数据采集信息量的增多,不良数据也会增多。
因此,为了保证配电系统状态估计(Distribution System State Estimation,DSSE)的准确性,且有效地跟踪配电系统的状态变化,提出了一种基于SCADA和PMU量测的配电网混合抗差状态估计方法。
发明内容
本发明提供了一种基于不同采样周期数据的配电网混合抗差状态估计方法,本发明有效利用高刷新频率、高精度的PMU量测数据,且能够过滤SCADA量测数据中的不良数据,有效地跟踪配电系统的状态变化,详见下文描述:
一种基于不同采样周期数据的配电网混合抗差状态估计方法,所述方法包括以下步骤:
当估计时刻的量测数据中包含SCADA时,将支路电流和根节点电压作为状态变量,并将节点电压相量和电压幅值表示为支路电流和根节点电压的函数;
利用量测数据和量测函数之差得到各个量测数据对应的残差,并将量测残差标准化;
通过对不同量测数据赋予不同权值的方法,将量测数据分为正常量测、可利用量测和有害量测,根据权值求解修正量;
线性状态估计的状态变量选择支路电流与根节点电压,将上一估计时刻的估计结果与PMU量测数据作为量测函数,基于修正量求得状态变量。
所述残差具体为:
r=[I-H(HTWH)-1HTW]Δz
式中,Δz为量测值和量测函数之差;H为雅可比矩阵;W为量测函数的权值,可由量测误差的平方倒数求得;I为m×m维单位矩阵,m为量测数。
所述将量测残差标准化具体为:
式中,rs为标准残差,rs,i为标准化之后的残差,ri为残差相量中的元素,Jii为J=H(HTWH)-1HTW的对角元素;l为标准化处理的尺度参数,其计算公式为l2=rTR-1r/(m-n),n为状态变量数目,ε为一很小的数,防止1-Jii=0。
所述对不同量测数据赋予不同权值具体为:
式中,为对应第i个标准化残差的权值;wi为量测权值W的对角元素;k0、k1为抗差阈值;di=(k1-ri)/(k1-k0)为平滑因子,0≤di≤1。
本发明提供的技术方案的有益效果是:
(1)本发明在配电网状态估计中使用PMU量测数据可以提高安装节点附近的估计精度,通过快速的线性状态估计可以保证量测信息的实时性,避免PMU量测数据的浪费;
(2)本发明中归一化残差和自适应抗差阈值可以提高状态估计的抗差性能,用于处理实时测量中的不良数据,减少辨识和剔除不良数据模块的数量;
(3)本发明提出的混合状态估计方法在量测数据出现较大误差的情况下能有效地收敛并保证估计精度,快速跟踪配电系统的状态变化。
附图说明
图1为本发明提供的SCADA与PMU测量数据的融合图;
图2为本发明提供的基于SCADA和PMU测量的混合估计方法的流程图;
图3为实施例改进的IEEE 33节点配电系统的测量配置图;
图4为实施例改进的两种状态估计算法的计算流程和计算时间的示意图;
图5为实施例改进的不良数据情况下节点6的状态跟踪情况的示意图;
其中,(a)为电压幅值曲线示意图;(b)为电压相角曲线示意图。
图6为不良数据情况下节点30的状态跟踪情况的示意图。
其中,(a)为电压幅值曲线示意图;(b)为电压相角曲线示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面对本发明实施方式作进一步地详细描述。
本发明实施例提供了一种基于不同采样周期数据的配电网混合抗差状态估计方法,配电系统的状态变化更加频繁,基于SCADA系统的状态估计方法由于量测数据刷新频率较低而不能准确捕获系统状态,SCADA系统在采集、数模转换等过程中均有误差,有时还存在干扰,因此必然存在不良数据,且随着配电系统规模的扩大以及随之带来的数据采集信息量的增多,不良数据也会增多。
从电网的不平衡性和母线电压与线路电流相量之间的小角度差对状态估计精度提出了更高的要求来看,本发明实施例能够有效利用高刷新频率、高精度的PMU量测数据,且能够过滤SCADA量测数据中的不良数据,有效地跟踪配电系统的状态变化。
实施例1
本发明实施例的目的是针对基于SCADA量测数据的状态估计方法刷新频率较低且SCADA量测中存在不良数据而不能准确捕获配电系统状态的问题,提出一种考虑PMU量测数据和抗差性能的配电网混合状态估计方法,参见图1、图2,该方法包括以下步骤:
步骤101:判断估计时刻的量测数据中是否包含SCADA量测数据,如果是,执行步骤102,如果否,则执行步骤108;
步骤102:量测数据包括:SCADA和PMU量测数据,将支路电流和根节点电压作为状态变量,并将节点电压相量和电压幅值表示为支路电流和根节点电压的函数,如下所示:
式中,为节点h的电压相量量测;为节点h的电压幅值量测;为支路l的电流实部;为支路l的电流虚部;为节点h到根节点之间的路径;分别为路径上各条线路的电阻和电抗;为第(k-1)次迭代时节点h的电压相角;为根节点电压的实部、虚部;为节点h的量测电压幅值和相角;φ,为a,b,c中的某一相;和为状态变量。
电流相量、电流幅值和支路功率通过量测转换表示为相应的支路电流,从而可以直接表示为支路电流的函数,注入功率通过量测转换表示为注入电流,从而可以表示为流入、流出支路电流的函数,如下所示:
式中,为支路h-k的电流相量量测;为对应的支路h-k的电流实部状态变量;为对应的支路h-k的电流虚部状态变量;为第(k-1)次迭代过程中求得的节点h的电压相量;分别为量测的支路h-k电流幅值和相角;为量测的支路h-k有功功率和无功功率;为节点h的注入有功功率和无功功率。
步骤103:对应于节点电压相量和节点电压幅值的雅可比矩阵元素由支路阻抗、±1和0组成,可由下式得到:
式中,为节点h的电压实部,为节点h的电压虚部。
对应电流相量、电流幅值、支路功率和注入功率量测转换后对应的雅可比矩阵的元素由±1和0组成。
步骤104:利用量测值和量测函数之差可以得到各个量测对应的残差,可以表示为;
r=[I-H(HTWH)-1HTW]Δz (9)
式中,Δz为量测值和量测函数之差;H为雅可比矩阵;W为量测函数的权值,可由量测误差的平方倒数求得;I为m×m维单位矩阵,m为量测数。
步骤105:将量测残差标准化,第k次迭代过程中的第i个残差可以表示为:
式中,rs为标准残差,rs,i为标准化之后的残差,ri为式(9)残差相量中的元素,Jii为J=H(HTWH)-1HTW的对角元素;l为标准化处理的尺度参数,其计算公式为l2=rTR-1r/(m-n),n为状态变量数目,ε为一很小的数,防止1-Jii=0。
步骤106:IGGIII估计方法通过对不同量测赋予不同权值的方法,将量测分为正常量测、可利用量测和有害量测,此处采用IGGIII估计方法根据标准化后的残差将量测数据对应权值分为三类,表示为:
式中,为对应第i个标准化残差的权值;wi为量测权值W的对角元素;k0、k1为抗差阈值;di=(k1-ri)/(k1-k0)为平滑因子,0≤di≤1。
迭代过程中抗差阈值随着残差自适应变化,设计如下:
式中,kt1=αrs,i和kt2=kt1+(|rs,i|-kt1)/3;α设置为1.438。
步骤107:根据下式进行迭代求解修正量:
其中,的对角元素为式(11)中的Δx(k)为第k次迭代过程中状态变量的修正值;z为;h(x(k-1))为第k-1次迭代过程中对应的量测函数值。
步骤108:线性状态估计的状态变量选择支路电流与根节点电压,将上一估计时刻的估计结果与PMU量测数据作为量测函数,利用下式直接求得状态变量:
x=(HTWlinearH)-1HTWlinearz (14)
其中,Wlinear为量测值对应的权值,可以通过量测误差的协方差求得。
之后返回步骤101,继续等待下一估计时刻并进行判断。
实施例2
本发明实施例改进的IEEE 33节点配电系统和量测配置如图3所示,PMU配置的节点是节点12和节点30,为了证明本方法的有效性,将潮流计算结果作为真实值,并在此基础上叠加服从一定均值、标准差的正态分布的随机量测误差形成量测值。使用绝对误差表示每个节点电压幅值估计的精度,使用相对误差表示每个节点电压相角估计的精度。
混合状态估计方法的估计过程如图4所示,以SCADA数据采集时间为混合状态估计的起始时刻,结合SCADA、PMU实时量测值和注入功率伪测量值进行改进的抗差状态估计。当到达线性状态估计的起始时间时,将上次估计时刻的结果结合PMU量测数据更新估计结果,当再次到达SCADA数据采集时刻时,重复上述过程。
算例中采用的负荷伪量测精度为36%时,节点6电压幅值量测误差为50%,支路5-6的有功功率量测误差为75%,所提出的混合状态估计方法的性能在存在不良数据条件下都得以验证。
为了突出所提出的混合状态估计方法的优点,使用了指数型等价权抗差方法(EXP)与线性状态估计(LSE)相结合(EX-LSE),与本发明提出的抗差状态估计(IIGGIII)与线性状态估计(LSE)相结合IIGGIII-LSE状态跟踪过程相对比。表1为节点6(不安装PMU节点)和节点30(安装PMU节点)在一个SCADA数据采集周期内的估计结果,图5-图6为1分钟内本发明在两个节点的状态跟踪情况。
表1节点6和节点30在不良数据情况下的状态跟踪情况
可以看出,对于本发明所提出的IIGGIII-LSE混合状态估计方法,节点30处的状态跟踪效果与EXP-LSE方法相差不大,这是因为节点30具有高采样频率的PMU数据对其进行更新;对于节点6,IIGGIII-LSE的状态跟踪性能比EXP-LSE好很多,一方面这是因为在SCADA估计时刻,IIGGIII-LSE的估计误差较小,另一方面,正是基于SCADA估计时刻的高精度结果,PMU量测数据进行的更新更加贴近真实情况。这突出了混合状态估计方法的实时状态跟踪性能。
参考文献
[1]吴在军,徐俊俊,余星火,等.主动配电网状态估计技术评述[J].电力系统自动化,2017,41(13):182-191.
[2]Primadianto A,Lu C N.A review on distribution system stateestimation[j].ieee trans.on power systems,2016,PP(99):1-1.
[3]Pau M,Pegoraro P A,Sulis S.Performance of three-phase WLSdistribution system state estimation approaches[C]//IEEE InternationalWorkshop on Applied Measurements for Power Systems.IEEE,2015:138-143.
[4]Pau M,Pegoraro P A,Sulis S.Efficient branch-current-baseddistribution system state estimation including synchronized measurements[J].IEEE Trans.on Instrumentation &Measurement,2013,62(9):2419-2429.
[5]Singh R,Pal B C,Jabr R A.Choice of estimator for distributionsystem state estimation[J].IET Generation Transmission &Distribution,2009,3(7):666-678.
[6]Wu J,He Y,Jenkins N.A robust state estimator for medium voltagedistribution networks[J].IEEE Trans.on Power Systems,2013,28(2):1008-1016.
[7]Huang S C,Lu C N,Lo Y L.Evaluation of AMI and SCADA data synergyfor distribution feeder modeling[J].IEEE Trans.on Smart Grid,2015,6(4):1639-1647.
[8]王少芳,刘广一,黄仁乐,等.多采样周期混合量测环境下的主动配电网状态估计方法[J].电力系统自动化,2016,40(19):30-36.
本领域技术人员可以理解附图只是一个优选实施例的示意图,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于不同采样周期数据的配电网混合抗差状态估计方法,其特征在于,所述方法包括以下步骤:
当估计时刻的量测数据中包含SCADA时,将支路电流和根节点电压作为状态变量,并将节点电压相量和电压幅值表示为支路电流和根节点电压的函数;
利用量测数据和量测函数之差得到各个量测数据对应的残差,并将量测残差标准化;
通过对不同量测数据赋予不同权值的方法,将量测数据分为正常量测、可利用量测和有害量测,根据权值求解修正量;
线性状态估计的状态变量选择支路电流与根节点电压,将上一估计时刻的估计结果与PMU量测数据作为量测函数,基于修正量求得状态变量。
2.根据权利要求1所述的一种基于不同采样周期数据的配电网混合抗差状态估计方法,其特征在于,所述残差具体为:
r=[I-H(HTWH)-1HTW]Δz
式中,Δz为量测值和量测函数之差;H为雅可比矩阵;W为量测函数的权值,可由量测误差的平方倒数求得;I为m×m维单位矩阵,m为量测数。
3.根据权利要求1所述的一种基于不同采样周期数据的配电网混合抗差状态估计方法,其特征在于,所述将量测残差标准化具体为:
式中,rs为标准残差,rs,i为标准化之后的残差,ri为残差相量中的元素,Jii为J=H(HTWH)-1HTW的对角元素;l为标准化处理的尺度参数,其计算公式为l2=rTR-1r/(m-n),n为状态变量数目,ε为一很小的数,防止1-Jii=0。
4.根据权利要求1所述的一种基于不同采样周期数据的配电网混合抗差状态估计方法,其特征在于,所述对不同量测数据赋予不同权值具体为:
式中,为对应第i个标准化残差的权值;wi为量测权值W的对角元素;k0、k1为抗差阈值;di=(k1-ri)/(k1-k0)为平滑因子,0≤di≤1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910688906.XA CN110417009A (zh) | 2019-07-29 | 2019-07-29 | 基于不同采样周期数据的配电网混合抗差状态估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910688906.XA CN110417009A (zh) | 2019-07-29 | 2019-07-29 | 基于不同采样周期数据的配电网混合抗差状态估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110417009A true CN110417009A (zh) | 2019-11-05 |
Family
ID=68363703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910688906.XA Pending CN110417009A (zh) | 2019-07-29 | 2019-07-29 | 基于不同采样周期数据的配电网混合抗差状态估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110417009A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111695082A (zh) * | 2020-06-30 | 2020-09-22 | 上海交通大学 | 智能配电网抗差动态状态估计方法 |
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 |
CN113595078A (zh) * | 2021-08-20 | 2021-11-02 | 国网四川省电力公司电力科学研究院 | 一种多源混合数据融合的配电网状态估计方法和装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101383511A (zh) * | 2008-10-10 | 2009-03-11 | 清华大学 | 基于数据采集系统量测数据的电力系统状态估计方法 |
CN101505059A (zh) * | 2009-03-06 | 2009-08-12 | 南京南瑞继保电气有限公司 | 调度能量管理系统中输电网电抗参数估计方法 |
CN104184144A (zh) * | 2014-09-05 | 2014-12-03 | 国家电网公司 | 一种用于多电压等级电网模型的抗差状态估计方法 |
CN104821577A (zh) * | 2015-04-18 | 2015-08-05 | 安庆师范学院 | 基于智能电表量测的三相四线制配网抗差估计方法 |
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 |
CN105322533A (zh) * | 2014-05-29 | 2016-02-10 | 河海大学 | 基于高斯-马尔科夫模型的自适应t型抗差状态估计方法 |
CN105514978A (zh) * | 2015-11-27 | 2016-04-20 | 华北电力大学 | 一种混合整数二次规划形式的抗差状态估计方法 |
CN107016489A (zh) * | 2017-03-09 | 2017-08-04 | 中国电力科学研究院 | 一种电力系统抗差状态估计方法和装置 |
CN107453484A (zh) * | 2017-08-24 | 2017-12-08 | 国网辽宁省电力有限公司 | 一种基于wams信息的scada数据校准方法 |
CN107565553A (zh) * | 2017-09-19 | 2018-01-09 | 贵州大学 | 一种基于ukf的配电网抗差动态状态估计方法 |
-
2019
- 2019-07-29 CN CN201910688906.XA patent/CN110417009A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101383511A (zh) * | 2008-10-10 | 2009-03-11 | 清华大学 | 基于数据采集系统量测数据的电力系统状态估计方法 |
CN101505059A (zh) * | 2009-03-06 | 2009-08-12 | 南京南瑞继保电气有限公司 | 调度能量管理系统中输电网电抗参数估计方法 |
CN105322533A (zh) * | 2014-05-29 | 2016-02-10 | 河海大学 | 基于高斯-马尔科夫模型的自适应t型抗差状态估计方法 |
CN104184144A (zh) * | 2014-09-05 | 2014-12-03 | 国家电网公司 | 一种用于多电压等级电网模型的抗差状态估计方法 |
CN104821577A (zh) * | 2015-04-18 | 2015-08-05 | 安庆师范学院 | 基于智能电表量测的三相四线制配网抗差估计方法 |
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 |
CN105514978A (zh) * | 2015-11-27 | 2016-04-20 | 华北电力大学 | 一种混合整数二次规划形式的抗差状态估计方法 |
CN107016489A (zh) * | 2017-03-09 | 2017-08-04 | 中国电力科学研究院 | 一种电力系统抗差状态估计方法和装置 |
CN107453484A (zh) * | 2017-08-24 | 2017-12-08 | 国网辽宁省电力有限公司 | 一种基于wams信息的scada数据校准方法 |
CN107565553A (zh) * | 2017-09-19 | 2018-01-09 | 贵州大学 | 一种基于ukf的配电网抗差动态状态估计方法 |
Non-Patent Citations (2)
Title |
---|
XIANGYU KONG,ET.: "A Hybrid State Estimator Based on SCADA and PMU Measurements for Medium Voltage Distribution System", 《APPLIED SCIENCES》 * |
李慧等: "一种处理杠杆量测的配电网抗差估计算法", 《电力系统自动化》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111695082A (zh) * | 2020-06-30 | 2020-09-22 | 上海交通大学 | 智能配电网抗差动态状态估计方法 |
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 |
CN113595078A (zh) * | 2021-08-20 | 2021-11-02 | 国网四川省电力公司电力科学研究院 | 一种多源混合数据融合的配电网状态估计方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gomez-Exposito et al. | On the use of PMUs in power system state estimation | |
Jamali et al. | A new fault location method for distribution networks using sparse measurements | |
Della Giustina et al. | Electrical distribution system state estimation: measurement issues and challenges | |
CN103944165B (zh) | 一种大电网参数辨识估计方法 | |
JP5486686B2 (ja) | 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 | |
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 | |
CN110417009A (zh) | 基于不同采样周期数据的配电网混合抗差状态估计方法 | |
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 | |
CN101958543B (zh) | 一种变电站三相无阻抗非线性多源状态估计方法 | |
CN107453484B (zh) | 一种基于wams信息的scada数据校准方法 | |
CN101573852A (zh) | 使用时间同步测量估计实时电力系统量 | |
CN110289613A (zh) | 基于灵敏度矩阵的配电网拓扑识别与线路参数辨识方法 | |
CN109560550A (zh) | 基于优化量测的电网谐波状态估计方法 | |
CN109146336B (zh) | 一种基于t分布的电力系统鲁棒状态估计方法 | |
Veilumuthu et al. | Optimal PMU placement and observability of power system using PSAT | |
CN109829246A (zh) | 一种基于参数综合可疑度的线路参数辨识方法 | |
Angioni et al. | Impact of heterogeneous measurements in the state estimation of unbalanced distribution networks | |
CN106845143B (zh) | 一种用于scada系统上线路估计值改进方法和系统 | |
Macii et al. | Uncertainty sensitivity analysis of WLS-based grid state estimators | |
Watitwa et al. | A review on active distribution system state estimation | |
Ahmed et al. | Dsse in european-type networks using plc-based advanced metering infrastructure | |
Gomathi et al. | Optimal location of PMUs for complete observability of power system network | |
Ccahuana et al. | Analysis of bad data detection in power system state estimators considering PMUs | |
CN109586289A (zh) | 一种配电网多时间尺度递归动态状态估计方法及系统 | |
CN106786498B (zh) | 一种主站-变电站数据协同辨识方法及其装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191105 |