CN113285453A - 一种配电网线路参数反向识别方法和系统 - Google Patents

一种配电网线路参数反向识别方法和系统 Download PDF

Info

Publication number
CN113285453A
CN113285453A CN202110653952.3A CN202110653952A CN113285453A CN 113285453 A CN113285453 A CN 113285453A CN 202110653952 A CN202110653952 A CN 202110653952A CN 113285453 A CN113285453 A CN 113285453A
Authority
CN
China
Prior art keywords
power distribution
distribution network
line
measurement information
network line
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
Application number
CN202110653952.3A
Other languages
English (en)
Other versions
CN113285453B (zh
Inventor
李学平
王圣丽
卢志刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Topsky Information Technology Co ltd
Wuxi Xiangyuan Information Technology Co ltd
Original Assignee
Yanshan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yanshan University filed Critical Yanshan University
Priority to CN202110653952.3A priority Critical patent/CN113285453B/zh
Publication of CN113285453A publication Critical patent/CN113285453A/zh
Application granted granted Critical
Publication of CN113285453B publication Critical patent/CN113285453B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种配电网线路参数反向识别方法和系统。该配电网线路参数反向识别方法和系统，在获取待识别配电网线路中节点的量测信息后，基于获取的量测信息建立线路参数反向识别模型；然后，对获取的初始种群进行变异、交叉和选择后得到进化种群；最后，采用线路参数反向识别模型根据进化种群确定全局最优个体；全局最优个体即为待识别配电网线路的参数反向识别结果；全局最优个体为适应值最小的个体，进而在部分量测信息的基础上获得低误差、高精度的多T节点配电网线路参数。

Description

一种配电网线路参数反向识别方法和系统
技术领域
本发明涉及配电网线路参数识别技术领域，特别是涉及一种多T节点配电网线路参数反向识别方法和系统。
背景技术
配电网作为保障人民生产生活的重要基础公共设施，是电力网络中面向用户的、重要的一环，其安全、充足供应是经济和社会发展的基础。目前配电网数据库中的参数大多是计算或实测获得，本身就有一定的误差，可能不准确甚至不可用，又随着线路的老化、环境的变化等，发生不可估计的变化。配电网线路参数的准确性不仅影响着以之为基础的潮流计算、线损计算和状态估计，甚至会对经济调度、安全调度和配电网规划等过程产生影响。因此，实现配电网线路参数的精确识别具有重要意义。
相对于输电网完整的量测信息，配电网辐射状分布且范围广而杂的特点决定了其量测信息的不完整，一般只在负荷侧节点和重要支路处安装量测系统，而在配电网广泛存在的T节点处没有安装任何量测系统，这就使得输电网的参数辨识方法不能直接用于配电网线路参数识别。
发明内容
本发明的目的是提供一种配电网线路参数反向识别方法和系统，以对多T节点的配电网线路参数进行低误差、高精度的识别。
为实现上述目的，本发明提供了如下方案：
一种配电网线路参数反向识别方法，包括：
获取待识别配电网线路中节点的量测信息；
基于所述量测信息建立线路参数反向识别模型；
获取初始种群；所述初始种群为待识别配电网线路中每条线路的待求参数；
对所述初始种群进行变异、交叉和选择后得到进化种群；
采用所述线路参数反向识别模型根据所述进化种群确定全局最优个体；所述全局最优个体即为待识别配电网线路的参数反向识别结果；所述全局最优个体为适应值最小的个体。
优选地，所述获取待识别配电网线路中节点的量测信息，具体包括：
基于多时刻的数据采集与监视控制系统和微型相量测量单元获取待识别配电网线路中节点的量测信息。
优选地，所述基于所述量测信息建立线路参数反向识别模型，具体包括：
基于所述量测信息确定目标函数和约束条件；
根据所述目标函数和约束条件建立所述线路参数反向识别模型。
优选地，还包括：
采用线路参数反向识别模型，基于所述初始种群确定所述初始种群的适应值；
根据所述适应值确定局部最优个体和局部最优值；所述局部最优个体为适应值最小的个体；所述局部最优值为最小的适应值。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供的配电网线路参数反向识别方法，在获取待识别配电网线路中节点的量测信息后，基于获取的量测信息建立线路参数反向识别模型；然后，对获取的初始种群进行变异、交叉和选择后得到进化种群；最后，采用线路参数反向识别模型根据进化种群确定全局最优个体；全局最优个体即为待识别配电网线路的参数反向识别结果；全局最优个体为适应值最小的个体，进而在部分量测信息的基础上获得低误差、高精度的多T节点配电网线路参数。
对应于上述提供的配电网线路参数反向识别方法，本发明还提供了如下系统结构：
一种配电网线路参数反向识别系统，包括：
量测信息获取模块，用于获取待识别配电网线路中节点的量测信息；
线路参数反向识别模型构建模块，用于基于所述量测信息建立线路参数反向识别模型；
初始种群获取模块，用于获取初始种群；所述初始种群为待识别配电网线路中每条线路的待求参数；
进化种群确定模块，用于对所述初始种群进行变异、交叉和选择后得到进化种群；
识别结果确定模块，用于采用所述线路参数反向识别模型根据所述进化种群确定全局最优个体；所述全局最优个体即为待识别配电网线路的参数反向识别结果；所述全局最优个体为适应值最小的个体。
优选地，所述量测信息获取模块具体包括：
量测信息获取单元，用于基于多时刻的数据采集与监视控制系统和微型相量测量单元获取待识别配电网线路中节点的量测信息。
优选地，所述线路参数反向识别模型构建模块具体包括：
条件确定单元，用于基于所述量测信息确定目标函数和约束条件；
线路参数反向识别模型构建单元，用于根据所述目标函数和约束条件建立所述线路参数反向识别模型。
优选地，还包括：
适应值确定模块，用于采用线路参数反向识别模型，基于所述初始种群确定所述初始种群的适应值；
局部最优个体确定模块，用于根据所述适应值确定局部最优个体和局部最优值；所述局部最优个体为适应值最小的个体；所述局部最优值为最小的适应值。
因本发明提供的配电网线路参数反向识别系统达到的技术效果与本发明上述提供的配电网线路参数反向识别方法达到的技术效果相同，故在此不再进行赘述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的配电网线路参数反向识别方法的流程示意图；
图2为本发明提供的配电网线路参数反向识别方法的具体实施过程图；
图3为本发明提供的配电网线路参数反向识别系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种配电网线路参数反向识别方法和系统，以对多T节点的配电网线路参数进行低误差、高精度的识别。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明提供的配电网线路参数反向识别方法，包括：
步骤100：获取待识别配电网线路中节点的量测信息。其中，在本发明优选基于多时刻的数据采集与监视控制系统(Supervisory Control And Data Acquisition，SCADA)和微型相量测量单元(Micro-phasorMeasurementUnit，μPMU)获取待识别配电网线路中节点的量测信息。获取得到的量测信息只是部分量测信息。
步骤101：基于量测信息建立线路参数反向识别模型。该步骤具体包括：
步骤1010：基于量测信息确定目标函数和约束条件。其中，目标函数分为3部分，有SCADA量测的功率量测值与计算值差值的绝对值之和，有μPMU量测的电压幅值和电压相角量测值与计算值差值的绝对值之和。目标函数为：
minf＝min(f1+f2+f3) (1)
Figure BDA0003113045060000051
Figure BDA0003113045060000052
Figure BDA0003113045060000053
式中，f1，f2和f3分别是功率部分、电压幅值部分和电压相角部分，这三部分相加构成了反向识别模型的目标函数。T为所选量测的时刻数。P0nm为发电侧节点第n个时刻的有功功率量测值。P0n为发电侧节点第n个时刻的有功功率计算值。Q0nm为发电侧节点第n个时刻的无功功率量测值。Q0n为发电侧节点第n个时刻的无功功率计算值。M为负荷侧节点的数量。Unkm为第k个负荷侧节点在第n个时刻的电压幅值量测值。Unk为第k个负荷侧节点在第n个时刻的电压幅值计算值。δnkm为第k个负荷侧节点在第n个时刻的电压相角量测值。δnk为第k个负荷侧节点在第n个时刻的电压相角计算值。
约束条件为：Rl＞0,Xl＞0(l＝1,2,...,L) (5)
式中，L为配电网线路条数。Rl为第l条线路的电阻值。Xl为第l条线路的电抗值。
步骤1011：根据目标函数和约束条件建立线路参数反向识别模型。
步骤102：获取初始种群。其中，随机种群为待求参数，即配电网线路电阻和电抗参数。在本发明中采用初始种群产生方式是随机产生，即为配电网中每条线路的电阻和电抗随机赋初值。
在确定得到初始种群后，还优选确定算法控制参数。所确定的控制参数包括：种群数NP、缩放因子F和交叉概率CR。其中，种群数量NP一般取NP＝(5～10)N，N为待求参数的数量(待求参数的数量是指配电网线路电阻和电抗的数量)。经过大量的实验和案例验证，缩放因子F和交叉概率CR取值分别为0.6和0.9。
步骤103：对初始种群进行变异、交叉和选择后得到进化种群。
步骤104：采用线路参数反向识别模型根据进化种群确定全局最优个体。全局最优个体即为待识别配电网线路的参数反向识别结果。全局最优个体为适应值最小的个体。该步骤具体包括：
在第g次迭代中，对于个体xi(g)＝[xi，1(g)，xi,2(g)，...，xi,D(g)]按照下述公式(6)进行变异产生变异向量vi(g)。
vi(g)＝xr1(g)+F·(xr2(g)-xr3(g)),i≠r1≠r2≠r3 (6)
其中，在个体xi(g)＝[xi，1(g)，xi,2(g)，...，xi,D(g)]中，D为个体的维度。xr1(g)、xr2(g)和xr3(g)是种群中三个其他个体。F为缩放比例因子。
个体xi(g)与变异向量vi(g)按照公式(7)进行交叉，得到交叉向量。
Figure BDA0003113045060000061
其中，jrand为[1,2,…,D]的随机整数。j为个体xi(g)的第j个分量。randb(w)∈[0,1]是随机数发生器产生的随机数。CR是交叉概率。
个体xi(g)与交叉向量vi(g)按照公式(8)进行选择，得到适应度更高的g+1代个体xi(g+1)。
Figure BDA0003113045060000062
其中，Ф(x)为目标函数。
基于以上过程描述，可获得低误差、高精度的多T节点配电网线路参数。
为了进一步完善本发明上述提供的配电网线路参数反向识别方法，本发明还优选包括：
采用线路参数反向识别模型，基于初始种群确定初始种群的适应值。适应值即为种群中每个个体带入目标函数所得结果。
根据适应值确定局部最优个体和局部最优值。局部最优个体为适应值最小的个体。局部最优值为最小的适应值。
将种群中的个体适应值进行比较，适应值最小的个体即为局部最优个体，个体的适应值即为局部最优值。
下面以一个具体实施对本发明上述提供的配电网线路参数反向识别方法进行说明。
如图2所示，确定算法控制参数包括：种群数NP、迭代次数、缩放因子F和交叉概率CR，此外，参数还应包括量测数据的时刻数T。
为减小噪声带来的影响，提高反向识别的稳定性和准确性，采用多时刻量测数据是一个重要的步骤。同时，在选择量测数据时，应选择负荷变化较大时刻的量测，此时量测差异比较明显，每个量测数据的作用都能最大化，用较少的量测数据实现最大精度的识别。
种群初始化后，将随机分配的线路参数带入潮流计算，可能会出现潮流计算不收敛的情况，如果不做任何处理，势必会影响到后续的识别。因此，如果出现不收敛的情况，直接给适应值赋一个极大值，之后适应值比较时就会淘汰不收敛个体。
在实际配电网中，由于测量装置自身固有的量测不精确性，得到的量测数据本身就是有一定误差的：Xmn＝Xtn+Xen(n＝1,2,...,T) (9)
其中，Xmn是n时刻的量测值，包括从SCADA获取的功率量测和μPMU获取的电压幅值和相角量测，即Xmn＝[Pmn,Qmn,Umn,δmn,]。Xtn为其量测真实值，Xen是量测误差，大致遵循具有零均值和特定标准差的高斯分布。因此，在潮流计算获得的真实值上叠加一定的高斯噪声，使其更加接近实际量测。
为了更加全面的验证本发明的有效性，本发明的案例仿真采用35kV的16节点配电系统和10kV的IEEE-33节点配电网。根据上述方法对案例进行反向识别，线路参数反向识别结果分别见表1和表2。
表1 35kV配电网线路参数反向识别结果
Figure BDA0003113045060000081
表2 10kV配电网线路参数反向识别结果
Figure BDA0003113045060000082
Figure BDA0003113045060000091
对两个实例中的线路参数真实值和识别值进行对比，能够发现本发明提供的配电网线路参数反向识别方法得到的线路参数与实际值相差很小，相对误差基本都在1％以下。在接近真实配电网的噪声环境中，该配电网线路参数反向识别方法可以实现多电压等级下的多T节点配电网线路参数的精确识别，两个实例结果完全可以证明本方法的精度和有效性。
对应于上述提供的配电网线路参数反向识别方法，本发明还提供了一种配电网线路参数反向识别系统，如图3所示，该配电网线路参数反向识别系统包括：量测信息获取模块1、线路参数反向识别模型构建模块2、初始种群获取模块3、进化种群确定模块4和识别结果确定模块5。
其中，量测信息获取模块1用于获取待识别配电网线路中节点的量测信息。
线路参数反向识别模型构建模块2用于基于量测信息建立线路参数反向识别模型。
初始种群获取模块3用于获取初始种群。初始种群为待识别配电网线路中每条线路的待求参数。
进化种群确定模块4用于对初始种群进行变异、交叉和选择后得到进化种群。
识别结果确定模块5用于采用线路参数反向识别模型根据进化种群确定全局最优个体。全局最优个体即为待识别配电网线路的参数反向识别结果。全局最优个体为适应值最小的个体。
进一步，上述量测信息获取模块1具体包括：量测信息获取单元。该量测信息获取单元用于基于多时刻的数据采集与监视控制系统和微型相量测量单元获取待识别配电网线路中节点的量测信息。
进一步，上述线路参数反向识别模型构建模块2具体包括：条件确定单元和线路参数反向识别模型构建单元。
其中，条件确定单元用于基于量测信息确定目标函数和约束条件。
线路参数反向识别模型构建单元用于根据目标函数和约束条件建立线路参数反向识别模型。
进一步，上述提供的配电网线路参数反向识别系统还优选包括：适应值确定模块和局部最优个体确定模块。
其中，适应值确定模块用于采用线路参数反向识别模型，基于初始种群确定初始种群的适应值。
局部最优个体确定模块用于根据适应值确定局部最优个体和局部最优值。局部最优个体为适应值最小的个体。局部最优值为最小的适应值。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种配电网线路参数反向识别方法，其特征在于，包括：
获取待识别配电网线路中节点的量测信息；
基于所述量测信息建立线路参数反向识别模型；
获取初始种群；所述初始种群为待识别配电网线路中每条线路的待求参数；
对所述初始种群进行变异、交叉和选择后得到进化种群；
采用所述线路参数反向识别模型根据所述进化种群确定全局最优个体；所述全局最优个体即为待识别配电网线路的参数反向识别结果；所述全局最优个体为适应值最小的个体。
2.根据权利要求1所述的配电网线路参数反向识别方法，其特征在于，所述获取待识别配电网线路中节点的量测信息，具体包括：
基于多时刻的数据采集与监视控制系统和微型相量测量单元获取待识别配电网线路中节点的量测信息。
3.根据权利要求1所述的配电网线路参数反向识别方法，其特征在于，所述基于所述量测信息建立线路参数反向识别模型，具体包括：
基于所述量测信息确定目标函数和约束条件；
根据所述目标函数和约束条件建立所述线路参数反向识别模型。
4.根据权利要求1所述的配电网线路参数反向识别方法，其特征在于，还包括：
采用线路参数反向识别模型，基于所述初始种群确定所述初始种群的适应值；
根据所述适应值确定局部最优个体和局部最优值；所述局部最优个体为适应值最小的个体；所述局部最优值为最小的适应值。
5.一种配电网线路参数反向识别系统，其特征在于，包括：
量测信息获取模块，用于获取待识别配电网线路中节点的量测信息；
线路参数反向识别模型构建模块，用于基于所述量测信息建立线路参数反向识别模型；
初始种群获取模块，用于获取初始种群；所述初始种群为待识别配电网线路中每条线路的待求参数；
进化种群确定模块，用于对所述初始种群进行变异、交叉和选择后得到进化种群；
识别结果确定模块，用于采用所述线路参数反向识别模型根据所述进化种群确定全局最优个体；所述全局最优个体即为待识别配电网线路的参数反向识别结果；所述全局最优个体为适应值最小的个体。
6.根据权利要求5所述的配电网线路参数反向识别系统，其特征在于，所述量测信息获取模块具体包括：
量测信息获取单元，用于基于多时刻的数据采集与监视控制系统和微型相量测量单元获取待识别配电网线路中节点的量测信息。
7.根据权利要求5所述的配电网线路参数反向识别系统，其特征在于，所述线路参数反向识别模型构建模块具体包括：
条件确定单元，用于基于所述量测信息确定目标函数和约束条件；
线路参数反向识别模型构建单元，用于根据所述目标函数和约束条件建立所述线路参数反向识别模型。
8.根据权利要求5所述的配电网线路参数反向识别系统，其特征在于，还包括：
适应值确定模块，用于采用线路参数反向识别模型，基于所述初始种群确定所述初始种群的适应值；
局部最优个体确定模块，用于根据所述适应值确定局部最优个体和局部最优值；所述局部最优个体为适应值最小的个体；所述局部最优值为最小的适应值。
CN202110653952.3A 2021-06-11 2021-06-11 一种配电网线路参数反向识别方法和系统 Active CN113285453B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110653952.3A CN113285453B (zh) 2021-06-11 2021-06-11 一种配电网线路参数反向识别方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110653952.3A CN113285453B (zh) 2021-06-11 2021-06-11 一种配电网线路参数反向识别方法和系统

Publications (2)

Publication Number Publication Date
CN113285453A true CN113285453A (zh) 2021-08-20
CN113285453B CN113285453B (zh) 2022-10-25

Family

ID=77284287

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110653952.3A Active CN113285453B (zh) 2021-06-11 2021-06-11 一种配电网线路参数反向识别方法和系统

Country Status (1)

Country Link
CN (1) CN113285453B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104462759A (zh) * 2014-11-04 2015-03-25 江西理工大学 基于反向精简差分演化算法的水质模型参数识别方法
CN107248736A (zh) * 2017-05-25 2017-10-13 华北电力大学 一种配电网线路正序参数的在线辨识方法
CN108052725A (zh) * 2017-12-08 2018-05-18 华北电力大学 一种基于指数型目标函数的抗差配电网线路正序参数辨识方法
CN110095685A (zh) * 2019-04-10 2019-08-06 三峡大学 基于动态实时参数的t型线路沿线电压交叉修正故障测距方法
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
CN110687352A (zh) * 2019-10-21 2020-01-14 国网上海市电力公司 一种基于pmu的配电网t型线路参数辨识方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104462759A (zh) * 2014-11-04 2015-03-25 江西理工大学 基于反向精简差分演化算法的水质模型参数识别方法
CN107248736A (zh) * 2017-05-25 2017-10-13 华北电力大学 一种配电网线路正序参数的在线辨识方法
CN108052725A (zh) * 2017-12-08 2018-05-18 华北电力大学 一种基于指数型目标函数的抗差配电网线路正序参数辨识方法
CN110095685A (zh) * 2019-04-10 2019-08-06 三峡大学 基于动态实时参数的t型线路沿线电压交叉修正故障测距方法
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
CN110687352A (zh) * 2019-10-21 2020-01-14 国网上海市电力公司 一种基于pmu的配电网t型线路参数辨识方法及系统

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
JIAYUAN LIN等: "An Accurate Fault Location Method for Distribution Lines Based on Coupling Parameter Identification Using Two Terminals Data", 《2019 IEEE 8TH INTERNATIONAL CONFERENCE ON ADVANCED POWER SYSTEM AUTOMATION AND PROTECTION (APAP)》 *
刘树鑫等: "基于微型同步相量单元数据的配电线路故障测距方法", 《电气技术》 *
原康康等: "基于多新息最小二乘算法的电力线路参数辨识", 《电力工程技术》 *
房田郁: "考虑参数辨识精度的配电网PMU优化配置研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *
陈晓刚等: "基于WAMS/SCADA混合量测的电网参数辨识与估计", 《电力系统自动化》 *
马立新等: "电力系统无功优化的反向优化差分进化算法", 《控制工程》 *

Also Published As

Publication number Publication date
CN113285453B (zh) 2022-10-25

Similar Documents

Publication Publication Date Title
Liu et al. A data-driven approach to linearize power flow equations considering measurement noise
CN108336739B (zh) 一种基于rbf神经网络的概率潮流在线计算方法
CN109088407B (zh) 基于深度信念网络伪量测建模的配电网状态估计方法
Cheng et al. Enhanced state estimation and bad data identification in active power distribution networks using photovoltaic power forecasting
CN109711662B (zh) 一种基于多源数据融合的电网抗差状态估计方法
CN110443724A (zh) 一种基于深度学习的电力系统快速状态估计方法
CN111064180A (zh) 基于ami潮流匹配的中压配电网拓扑检测与辨识方法
Wang et al. Augmented state estimation of line parameters in active power distribution systems with phasor measurement units
CN111159841B (zh) 一种基于数据融合的配电网短路电流计算方法
CN113285453B (zh) 一种配电网线路参数反向识别方法和系统
Bariya et al. Empirical noise estimation in distribution synchrophasor measurements
Rao et al. Wideband impedance online identification of wind farms based on combined data-driven and knowledge-driven
Mosbah et al. Power system tracking state estimation based on stochastic fractal search technique under sudden load changing conditions
CN112865096A (zh) 一种考虑pmu量测相角偏差的配电网状态估计方法及系统
Asprou et al. The effect of instrument transformer accuracy class on the WLS state estimator accuracy
Zhang et al. A hierarchical framework for ambient signals based load modeling: Exploring the hidden quasi-convexity
Stefopoulos et al. A genetic algorithm solution to the governor-turbine dynamic model identification in multi-machine power systems
CN113553538B (zh) 一种递推修正混合线性状态估计方法
CN107069710B (zh) 计及新能源时空相关性的电力系统状态估计方法
Shanmugapriya et al. A fast Broyden's approximation‐based weighted least square state estimation for power systems
CN109327026B (zh) 一种低压配电网区间状态估计方法
Shiroie et al. Observability and estimation of transformer tap setting with minimal PMU placement
Lei et al. An estimation algorithm of harmonic source location based on ELM
CN111179110A (zh) 虚拟电厂可变阶聚合等效鲁棒动态模型建模方法及装置
Li et al. Dynamic Harmonic State Estimation of Power System Based on Sage-Husa Square-Root Unscented Kalman Filter

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230510

Address after: 2081, building a, 88 Jianghai West Road, Liangxi District, Wuxi City, Jiangsu Province, 214000

Patentee after: Wuxi Xiangyuan Information Technology Co.,Ltd.

Address before: No.438, west section of Hebei Street, Haigang District, Qinhuangdao City, Hebei Province

Patentee before: Yanshan University

Effective date of registration: 20230510

Address after: Room 308, Building 2, East Xiaolizhuang Village, Shahe Town, Changping District, Beijing, 100000

Patentee after: BEIJING TOPSKY INFORMATION TECHNOLOGY CO.,LTD.

Address before: 2081, building a, 88 Jianghai West Road, Liangxi District, Wuxi City, Jiangsu Province, 214000

Patentee before: Wuxi Xiangyuan Information Technology Co.,Ltd.