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。     

基于相量测量单元优化配置的配电网谐波状态估计研究

随着大量电力电子设备的接入,配电网谐波问题愈发严重。谐波状态估计的准确性直接影响到后续的谐波治理效果。相量测量单元(PMU)可以实时测量节点电压与支路电流,可借助其实现谐波状态估计。然而目前PMU价格较高,如何进行合理的优化配置保证全网谐波状态可观,同时提高谐波状态估计的准确性,是亟待解决的问题。文章首先构建了以PMU经济配置和谐波状态估计精度最高为目标的PMU优化配置模型,并提出一种改进二进制粒子群-遗传混合算法用于求解。随后在实时仿真器中搭建IEEE14节点模型,选用均值插补法以及Vondrak滤波法进行数据处理并分析了优化所得多种PMU配置场景对谐波状态估计的影响。结果表明,文章所提算法从减少投资成本及降低谐波状态估计误差角度考虑,能够给出合理的PMU配置方案,有助于支撑工程决策。     

中压配电网三相可信量测优化配置

针对当前中压配电网量测系统远不能满足网络状态实时准确感知要求的问题,提出一种中压配电网三相可信量测优化配置方法;以三相状态估计误差总方差作为状态估计精度指标,建立三相可信量测优化配置模型,通过Cholesky分解将目标函数采用决策变量显式进行表达,从而可调用成熟的优化软件实现快速求解;采用13节点和37节点配电系统标准算例进行改进和仿真测试。结果表明,本文中所提方法可兼顾求解质量和速度,能够快速求得高质量的可信量测配置方案。     

浅析基于群鱼算法多谐波源配电网滤波器的优化配置

滤波器的优化配置是在谐波电流、电网结果和参数已知的条件下,对滤波器安装位置、类型以及参数和组数进行的最优解。要使得全网滤波器的投资最少又要保证网络各个节点的总谐波畸形变率以及谐波电压含量符合谐波标准,还要使得滤波器能够安全运行,本文给出在配电网中优化配置以及有源和无源滤波器的求解算法和数学模型。     

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.     

考虑量测冗余度的多阶段PMU优化配置

针对电力系统网架难以一次性全部安装所需的相量测量单元PMU的问题，提出考虑量测冗余度的多阶段PMU优化配置方法。首先给出系统量测冗余度的计算方法，在保证每一阶段最大限度地提高系统量测冗余度及考虑已有PMU配置的基础上，将PMU优化配置分为2个阶段:第1阶段保证系统全局可观测；第2阶段保证在线路N-1故障情况下不丧失对系统的观测能力。接着采用改进遗传禁忌搜索算法，对新英格兰39节点和IEEE 118系统进行算例仿真，得到多阶段PMU优化配置方案。结果表明:考虑冗余度的多阶段PMU优化配置方法在保证每一阶段安装的PMU都能发挥最大效用的同时，很好地协调了PMU配置的经济性和可靠性。     

油田配电网的谐波分析与集中治理

通过对油田配电网谐波源的调查和频谱分析,提出了一种基于网路结构的谐波集中治理方法。首先建立了系统各次谐波的节点导纳矩阵,求解对应的灵敏度矩阵,并运用灵敏度矩阵寻找配电网中配置各次谐波滤波器的候选位置。然后采用改进遗传算法对滤波器进行优化配置,在保证网络各节点谐波电压含量和总谐波畸变率符合谐波标准以及滤波器安全可靠运行的前提下,使得全网滤波器的投资费用最少。实例分析结果表明,提出的无源滤波装置的最优配置方法有效,给出的谐波治理方案能够有效地抑制网络中各节点谐波电压的畸变。     

基于Holt-Winter超短期负荷预测的配电网状态估计算法

针对配电网实时量测数量的不足,提出一种基于Holt-Winter模型进行超短期负荷预测的配电网动态状态估计算法.该方法首先利用Holt-Winter模型进行超短期负荷预测,然后把配电网中的原始数据与预测值进行三次样条插值,从而获得负荷的伪量测值,将此伪量测输入到状态估计模块中,实现了系统状态的实时跟踪预测.通过英国标准配网系统(UKGDS)中16节点模型的仿真结果表明,该算法提高了配电网状态估计的精度,具有一定的现实意义和理论价值.     

系统可观PMU最优配置和分阶段配置方案的研究

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，提出了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，     

蚁群算法在油田配电网开关优化配置中的应用

配电网分段开关优化配置,可以减少用户停电损失,提高供电可靠性。分段开关优化配置是一种以可靠性费用最小为目标函数的组合优化问题。结合油田配电网的分段开关类型和馈线自动化方式,给出了配电网开关配置的数学模型。应用蚁群算法(ACA)求解分段开关的位置和数量,并对蚁群算法的初始信息素赋值、搜索空间、转移原则和更新原则进行了改进,克服了基本蚁群算法搜索时间长、易陷入局部最优解的缺点。实例分析表明,该算法全局搜索能力强,搜索时间短,收敛速度快。     

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.     

一种基于遗传-禁忌混合策略的PMU最优配置方法

以电力系统状态完全可观测和相量测量单元配置数目最小为目标,形成PMU最优配置问题.相量测量单元可以测量母线电压相量,结合测量数据采用改进的快速拓扑可观测性分析方法保证系统完全可观测,应用遗传算法和禁忌搜索算法的混合策略求解最优配置问题,实现全局最优.以IEEE 9节点系统和IEEE 39节点系统为例进行验证,结果表明,直接利用节点可观测原则判断电力系统的可观测性,可以提高可观测性分析的计算效率.     

合并单元对智能化PMU装置测量结果影响分析

合并单元(merging unit,MU)作为智能化同步相量测量装置(phasor measurement unit, PMU)数据采集的主要物理载体,其性能直接影响到装置测量计算结果的准确性。针对智能化PMU装置测量误差存在超差的问题,构建了用于测试智能化PMU装置测量误差的检测平台,研究合并单元影响智能化PMU装置测量结果的因素,最终确定了对智能化PMU装置测量误差产生关键影响的因素以及各种因素的影响程度,并提出了相应的建议,对指导智能化PMU装置的现场检测工作提供一定的参考。     

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。     

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.     

物联网入侵的最优通信节点选取算法

针对目前传统通信节点选取算法无法进行最优节点精确选取, 无法有效保证物联网的有效通信等问题, 提出一种基于节点信息冗余度的物联网入侵最优通信节点选取算法. 首先构建通信节点转移特征建模, 计算标记网络入侵下的跳频节点和噪音节点; 然后设计通信分布序列分析模型, 计算节点信息冗余度和通信节点的极值, 根据节点信息冗余度计算结果将干扰节点进行排序去除, 根据极值选取最优通信节点; 最后对最优通信节点选取算法进行仿真实验. 实验结果证明, 该算法可快速、 准确地实现物联网入侵下最优节点的选取, 具有较强的抗干扰能力, 且算法的综合性能优于目前其他最优通信节点选取算法.     

物联网入侵的最优通信节点选取算法

针对目前传统通信节点选取算法无法进行最优节点精确选取, 无法有效保证物联网的有效通信等问题, 提出一种基于节点信息冗余度的物联网入侵最优通信节点选取算法. 首先构建通信节点转移特征建模, 计算标记网络入侵下的跳频节点和噪音节点; 然后设计通信分布序列分析模型, 计算节点信息冗余度和通信节点的极值, 根据节点信息冗余度计算结果将干扰节点进行排序去除, 根据极值选取最优通信节点; 最后对最优通信节点选取算法进行仿真实验. 实验结果证明, 该算法可快速、 准确地实现物联网入侵下最优节点的选取, 具有较强的抗干扰能力, 且算法的综合性能优于目前其他最优通信节点选取算法.     

数据时空融合算法在无线多传感器网络中的应用

无线传感器网络是一种新兴的、全新的技术,它常常应用于工业领域以及恶劣的环境中.在标准ZigBee协议中没有设计相关的数据融合规范,使其只能用在低数据冗余的应用场合.大规模网络中的数据冗余度大,并且网络中的数据冗余会引起节点频繁地争抢信道,网络时延增加甚至出现网络瘫痪;因此针对同类多传感器测量数据中含有的噪声和传输中包含大量冗余信息,通过多次实验对几种算法进行仿真比较,文中提出了一种基于递推估计的数据融合和自适应加权时空融合算法.该算法利用空间位置中多传感器的方差变化,通过调整参与融合的各传感器的加权系数,使融合系统均方误差始终最小.     

天然气管网优化调度方法研究

以压缩机站最小年运营费用为目标函数,考虑气田资源、压缩机站特性参数、管网输送工艺等多种约束条件,建立了天然气管网优化调度数学模型。基于现代启发式演化算法的基本思想,将差分进化算法的繁殖策略与遗传算法的交叉、变异结合起来形成了一种新的混合遗传算法,应用于模型的优化求解,避免了一般演化算法早熟收敛现象,并以一个12个节点、11条管段、2个压缩机站的天然气管网为例,评选出了最优的管网运行方案,用于该管网的日常运营调度和后期改造设计。结果表明,所建模型和优化方法是有效的,具有一定的实用性。