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。     

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.     

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.     

电网PMU优化配置中IGASA算法的研究

在函数的全局优化算法中,模拟退火算法和遗传算法的结合可较好地改善算法的性能．基于这个思想将适合全局搜索的遗传算法（GA）和适合局部搜索的模拟退火算法（SA）相结合,提出改进的遗传模拟退火混合算法（IGASA）来解决电力系统PMU优化配置问题．该算法用于遗传算法中选择概率的计算以增强算法的收敛性,在交叉和变异概率的选取上也进行了改进,以进一步改善算法的稳定性和收敛性,并提高了收敛速度和防止种群早熟现象．5个仿真试验验证了该算法的可行性和有效性．     

PMU Guided Structure Data-Layout Optimization

Existing methods of obtaining runtime feedback for structure data-layout optimization have several drawbacks,such as large overhead and difficulty composing training sets.As a result,structure data-layout optimization is not widely used.To overcome these drawbacks,a performance monitoring unit(PMU) sampling method was developed with much less overhead and better portability and usability.An algorithm was developed to correct incomplete and inaccurate PMU sampling.With the corrected PMU feedback,a structure ...     

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PMU配电网合环潮流计算方法的设想

利用PMU的同步相量数据去解决合环电流问题,改变了以往各种分析计算软件立足于系统潮流分析的常规思路.     

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。     

基于双向长短时记忆网络和卷曲神经网络的电力系统暂态稳定评估

基于机器学习方法的暂态稳定评估已成为电力系统分析与控制领域的热点,由于实际系统中存在不能实现PMU的全面覆盖以及数据采集存在噪声的问题,使得传统机器学习方法的评估性能受到较大限制。针对此,构建了一种在PMU最优布点上的时间序列特征,提出了一种将改进卷积神经网络(ICNN)与双向长短时记忆网络(BiLSTM)进行融合的评估方法。该方法首先利用BiLSTM提取电压、相角以及有功功率三种基本电气量的时间序列特征,随后通过卷积和池化操作对数据进行进一步的数据挖掘,最后利用轻量梯度提升机完成对数据的分类。为了避免出现过拟合现象,该方法还通过正则化、Dropout等方式提升模型的泛化性能。在新英格兰10机39节点上的算例表明,该方法能利用基本电气量数据进行暂态稳定评估,且在复杂条件下仍能保持较好的评估性能。     

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。