基于蚁群算法的配电网谐波量测点优化配置

谐波量测点的优化配置能有效提高配电网谐波状态估计的可观性和准确性。结合配电网特性,确定配电网量测装置配置原则,基于配电网拓扑数学模型计算系统状态的可观性。综合考虑配电网的节点状态可观测度和冗余度建立谐波量测点优化配置的数学模型,提出应用蚁群算法求解达到同一优化目标的多种量测配置优化方案,为规划设计结合现场实际情况择优选择。算例分析结果验证了该算法的有效性,PMU配置位置的优化减少了节点冗余度,增加了可观节点数目。     

部分节点引入相量测量的状态估计

基于GPS的相量测量装置(PMU)可以直接测得节点电压相量,包括电压有效值和相角,在状态估计一般模型的基础上,建立了部分节点电压相量可测时的状态估计模型,并针对不同的相角量测精度,采用不同的状态估计模型,PMU精度较低时,在增加量测量冗余度的同时,PMU所在节点的电压相量仍然作为状态变量参与迭代;PMU精度足够高时,直接将PMU的量测值作为状态估计的状态解,算例验证了方法的有效性和相量测量对状态估计的改善作用。     

考虑关键节点和重要线路的电力系统PMU优化配置

相量测量单元（PMU）是一种测量电压和电流的设备,随着电力系统的规模和结构越来越复杂,PMU的数量也大幅增加.利用改进蝠鲼觅食优化算法（IMRFO）对PMU进行了配置,使电力系统在正常运行、考虑关键节点和考虑重要线路时都能完全可观测,同时使PMU配置数最少.在蝠鲼觅食算法的基础上增加了混沌映射以提升算法的收敛速度,增加了跳跃因子以提高算法的勘测能力,从而避免算法陷入局部最优.通过度、特征向量和接近度三种指标,利用TOPSIS综合评价寻找系统的关键节点,利用线的中间中心度判断系统的重要线路.对IEEE-14和IEEE-69节点系统进行了实验仿真,结果表明：IMFRO算法与未改进时相对比,在配置时所需的PMU数和迭代次数均有一定的减少,验证了所提方法对解决PMU优化配置问题的有效性和优越性.     

谐波状态估计相关问题综述

谐波状态估计对于电力系统谐波监测和治理具有重要意义。该文对现有的谐波状态估计算法进行了评述,探讨了谐波状态估计的可观性和量测配置优化问题,并分析了常用不良数据识别方法的优缺点。最后,对谐波状态估计技术的应用前景进行展望,并讨论了该领域尚待解决的问题。     

系统可观测同步相量测量单元最优配置和分阶段配置

以电力系统配置同步相量测量单元（PMU）个数最少为目标,全网可观测、系统有最大量测冗余度为约束,提出PMU最优配置模型.针对PMU价格昂贵,很难一次性安装上所有所需PMU的实际问题,提出系统不可观测度的概念,以每阶段安装相同个数的PMU能够最大限度地提高系统量测冗余度和最终完成安装后满足系统可观测的最优配置为约束条件,提出PMU分阶段的最优配置模型.在此基础上,采用改进自适应遗传算法求解此模型,保证全局最优.在陕西49节点实际电网的PMU安装地点优化计算中,基于文中模型的算法不仅给出了14个PMU、120个量测量的最优配置方案,而且给出了优化的三阶段安装步骤,目前此方案已在实际电网中得到应用.     

基于BPSO算法电力系统故障可观的PMU配置

针对电力系统故障可观状态下的PMU最优配置,提出了使用二进制粒子群优化算法(BPSO)进行处理.为了使用最少的PMU数目找到电力系统网络任一支路的故障,首先使用线性整数规划(ILP)对系统进行建模,再将BPSO算法引入进行优化,最后将该算法应用到IEEE-14,30和57节点标准测试系统,其优化过程亦考虑了零注入节点的影响.结果表明:该算法快速有效,适应用电力系统各种问题的优化.     

基于改进遗传-禁忌算法的PMU优化配置

针对PMU最优配置问题,把改进遗传算法与禁忌搜索算法的混合算法应用到电力系统优化问题。首先通过初始化配置,给定初始值,然后保留两个算法各自的优点进行全局优化,使优化精度提高,适应性更强。并对IEEE14和IEEE39节点进行优化,算例表明该方法求解PMU最优配置问题能使配置的数目和配置的位置达到最优化组合,同时也可提高最优解的多样性。     

基于免疫遗传算法的PMU优化配置

针对电力系统状态完全观测下的相量测量装置(PMU)配置优化问题,提出了一种新的基于免疫遗传算法的优化配置方法.给出了免疫算子的构造、控制参数的选取以及利用系统信息与先验性知识来构造和接种疫苗的具体步骤.算例系统的研究结果表明,免疫遗传方法可以提高求解PMU优化配置问题的效率和准确性.     

基于复数卡尔曼滤波的电力系统对称分量估计

针对实数域对称分量估计实时处理效率低的问题,提出了一种基于复数Kalman滤波的电力系统正序谐波对称分量估计算法。利用对称分量理论获得了三相电力系统正序瞬时值对称分量,通过相应变换获得复数数字信号模型,根据需要估计的正序谐波对称分量,获得相应的状态方程和观测方程,利用复数Kalman滤波算法实现了正序谐波对称分量估计。仿真实验结果表明,该算法可实时在线实现正序谐波对称分量估计。     

基于有限测量信息的加权最小二乘法在配电网状态估计中的应用

为了适应测量装置数量受限的配电网控制的需要,提出一种基于有限测量信息的配电网状态估计方法.模型中将区域配电网节点电压幅值和相角作为状态变量,测量节点电量、负荷规划数据分别作为实际测量量和伪测量量,利用加权最小二乘法权重参数的合理配置保证模型的合理性并求解.通过对英国某区域配电网实例仿真计算,结果表明:本文状态估计模型能够根据有限测量量进行网络全节点的状态估计,且平均估计误差满足实际应用要求;同时,定性描述了测量点数量、估计初值与状态估计误差的关系,为进一步探索测量点优化配置和最优状态估计求解奠定基础.     

基于稀疏分布的空间节点资源循环迭代控制算法

为解决大规模稀疏型传感网络数据随节点数目急剧增大时导致网络堵塞的问题,提出了基于稀疏分布的空间节点资源循环迭代控制算法。该方法利用大规模稀疏网络节点在空间上的弱相关性,构建了一个表达联合稀疏关系的模型。通过通信特征做到自适应选择最优节点作为感知节点,针对稀松节点数量有限、无法传递海量信息的问题,采用循环迭代控制对稀疏网络节点数据进行压缩,以最大程度用有限节点获得最大信息量;再利用信号稀疏性特征重构节点数据。仿真结果表明,该方法以有限的节点资源满足估计精确度的要求,并有效减少了感知的节点数目,降低系统的资源消耗。     

发输配全局状态估计

为了弥补传统状态估计中发输电系统和配电系统相互独立的局限性,提出了发输配全局状态估计这一新课题。它以全局电力系统为研究对象,能估计出一体化的发输配全局电力系统状态。建立了数学模型,构造了全局状态估计主从分裂法,自然地将规模庞大的全局状态估计问题分解成发输电估计和一系列小规模的配电估计子问题,发输电和配电可以采用不同的估计算法,能支持在线分布式计算。理论分析和数值试验结果均表明新方法具有良好的计算性能,能满足全局状态估计的要求。     

Robust Speech Recognition Using a Harmonic Model

Automatic speech recognition under conditions of a noisy environment remains a challenging problem. Traditionally, methods focused on noise structure, such as spectral subtraction, have been employed to address this problem, and thus the performance of such methods depends on the accuracy in noise estimation. In this paper, an alternative method, using a harmonic-based spectral reconstruction algorithm, is proposed for the enhancement of robust automatic speech recognition. Neither noise estimation nor noise-model training are required in the proposed approach. A spectral subtraction integrated autocorrelation function is proposed to determine the pitch for the harmonic model. Recognition results show that the harmonic-based spectral reconstruction approach outperforms spectral subtraction in the middle- and lowsignal noise ratio (SNR) ranges. The advantage of the proposed method is more manifest for non-stationary noise, as the algorithm does not require an assumption of stationary noise.     

α噪声背景下谐波恢复方法研究

为解决α 噪声背景下的谐波恢复问题,提出了归一化循环相关结合多重信号分类算法。该算法包含两种 多重信号分类算法( MUSIC: Multiple Signal Classification) : 样本空间MUSIC 算法和特征空间MUSIC 算法。 这两种MUSIC 算法充分利用信号子空间和噪声子空间,在空域内做谱峰搜索以求取谐波频率。该算法不仅能 估算谐波信号频率,同时也能提高谐波估计的精度。计算机仿真结果表明,使用这两种算法可完成谐波信号频 率有效估算,而且效果比原有分数低阶矩及其派生的分数低阶统计量更优,且有效地解决了非整数算子造成的 相位扭曲问题,应用前景广泛。     

基于非负定自适应卡尔曼滤波的电力系统虚假数据攻击检测

虚假数据攻击(false data attack, FDA)是通过对电网中远程终端单元(remote terminal unit, RTU)、同步相量测量单元(phasor measurement unit, PMU)等通信环节的攻击,误导电力系统的状态估计,给电力系统的安全可靠运行带来巨大威胁。构建了电网虚假数据攻击检测架构、电压信号状态空间模型和虚假数据攻击模型,提出了非负定自适应卡尔曼滤波算法来估计模型中的状态量,旨在准确检测电力系统中的虚假数据。通过对3节点电力系统仿真,结果验证文中所提的算法在保证滤波稳定性的同时,提高了攻击检测的运算速度。     

无线传感器网络节点命名算法的研究

针对无线传感器网络节点的命名问题,在分析出现同名现象的数学原理基础上,提出一种以概率理论为基础的命名算法.得出任意两个节点名字相同概率在极小的条件下,网络节点数和名字空间大小两者间的函数关系.并在此基础上,给出当两个无线传感器网络合并时,是否需要对新网络的节点进行重新命名的判别公式.算法的实现满足分布性和高效节能的要求.仿真试验表明,该算法是行之有效的.     

基于二次型规划考虑网络丢包的鲁棒状态估计

提出一种可以体现网络丢包的离散时间线性时不变状态空间模型,并将鲁棒状态估计的问题转化为向量优化问题.为了能够快速有效地对该问题进行求解,通过标量化方法将向量优化问题转化为普通的标量二次型规划问题,然后将状态估计问题转化为对标准l1正则化最小平方问题的求解.结合Kalman滤波的更新过程,提出了能够适用于具有数据包丢失情况下的鲁棒状态估计算法,通过仿真实验验证了算法的有效性.     

无线传感网络中分布式粒子滤波的目标追踪算法

在给出无线传感网络的传感器配置模型的基础上,提出了一种分布式粒子滤波DPF(d istributedparticle filter)算法,并实现了对网络中的一个运动目标的追踪。利用传感器模型,可将网络划分为一系列不相联系的传感器组,并在每个传感器组上运行一个局部粒子滤波,通过中心节点将估计状态传递给下一个传感器组的中心节点,依次实施对目标定位、跟踪。为减少网络间的通讯负荷和节约传感器节点能量,使用了高斯混合器模型(GMM),对局部粒子滤波的粒子和相应的权值进行近似;并提出了根据估计误差自适应激活传感器的优化算法。仿真结果表明,基于GMM近似的DPF在保持较高的估计精度的同时,能够大幅度减少网络间的通讯负荷。     

考虑概率潮流的分布式电源优化配置

为了解决电动汽车和分布式电源并网为电力系统带来的较强的随机性、间歇性和相关性的问题,以分布式电源和电动汽车的概率模型为基础,建立了以分布式电源总费用、供电可靠性和有功网损为目标函数的优化配置模型,将概率潮流计算嵌入基于成功历史的自适应参数差分进化算法求解目标函数。采用无迹变换利用输入随机变量的均值和协方差近似描述系统状态变量统计特性,直接方便地处理具有不确定性的随机变量。然后利用径向基神经网络求解功率方程,避免了计算雅可比矩阵和偏导,减少了算法运行时间。最后采用基于成功历史的自适应参数差分进化法并行计算多目标函数。通过IEEE33节点配电系统进行仿真,验证了该方法的有效性和高效性,节约了规划成本。