一种保留非线性状态估计新算法

在快速解耦的前提下，提出了一种保留非线性的状态估计新算法，该算法在保留量测方程非线性的同时又利用了改进的Givens正交变换法，从而大大减少了计算量，提高了计算速度。实例计算表明了该算法的可行性。     

电力系统状态估计算法研究

对已有状态估计算法进行了分析,并结合实际电网的一些特点,在最小二乘法的基础上,对PQ分解法的病态线路提出了一种新的解决方法,即将电压量测量和功率、电流量测量分解开来进行计算,建立了相应的数学模型。和其它方法进行了比较,认为该方法具有收敛性好、计算速度快的优点。     

电力系统状态估计算法的缺陷探究

电力系统的常用状态估计方法有加权最小二乘法估计和快速分解状态估计等。由于受到函数局部单调性和凹凸性的影响,即使给出了离真实根很近的初值,随着每次的迭代,状态估计方法结果将离真实根越来越远。因此考虑到在对目标函数进行极值求解中可以舍弃牛顿迭代法,采用其他的(例如粒子群进化算法)最优化方法进行尝试。     

配电网集成负荷估计和状态估计

负荷估计和状态估计对于配电网的管理和控制非常重要．文中提出了一种集成的负荷估计和状态估计框架．一方面提出了一种基于连接机制的事例推理新方法(CBCBR)用于解决配电网节点负荷估计问题,分别介绍了CBCBR的原理、结构、混合学习算法和实际应用,CBCBR具有快速、增量式、自适应学习能力；另一方面提出了一种抗差状态估计方法,同时实现了结构空间和量测空间的抗差．抗差状态估计器使用CBCBR的输出作为输入的伪量测量,同时CBCBR可使用抗差估计器的输出改善其自身性能．所提集成的负荷估计和状态估计框架能有效抵御坏数据的影响,并可实现自适应性调节．使用33节点系统测试所提方法,所用节点数据来自实际系统,算例结果证明了读方法的有效性．     

电力系统状态估计研究综述

电力系统状态估计是能量管理系统(EMS)的重要组成部分,其结果直接影响电网调度的智能化分析与决策。综述了电力系统状态估计的研究现状。首先,简要分析了电力系统经典静态状态估计和动态状态估计的基本功能及其发展;然后,介绍了几种目前新出现的状态估计方法,即新息图状态估计、谐波状态估计、配电网状态估计等,指出各个方法的优缺点。最后,对状态估计方法中值得研究的方面进行了展望。     

一种基于量测变换的快速解耦状态估计方法

提出了一种基于支路功率量测变换的快速解耦状态估计和不良数据辨识方法 ,不但保留了传统快速解耦状态估计的优点 ,而且可以很好地处理大 R/X比值和存在单个或多个不良数据等问题 .算例表明方法快速有效 .     

电力系统状态估计的快速分解法研究

采用基于加权最小二乘法的快速分解电力系统状态估计算法，建立了相应的数学模型。该模型具有简便快速的特点，经实例计算表明：该方法是可行有效的。     

一种新的状态估计混合智能模型

为实现发电机状态维修,研究一种新的状态估计混合智能模型。设计了一种基于径向基信息神经网络和模糊推理的模型,阐述径向基信息神经网络的结构和训练算法,介绍一阶Sugeno模糊模型的5层结构,根据专家经验知识选择合适的模糊输入隶属函数和模糊逻辑推理规则,而结论参数采用递归最小二乘法辨识。该模型充分利用各种在线监测装置的监测数据,特别是可利用领域专家的实践经验和专业知识,实现发电机状态估计。     

基于自动微分技术的多平衡机状态估计算法

在电力系统状态估计中引入多平衡机的思想,将其影响计入状态估计模型中,采用加权最小二乘法进行求解.同时,针对常规方法求导繁琐、微分代码灵活性差的问题,结合自动微分技术,实现了求导的自动化.对IEEE 4个标准算例的仿真记算表明:该方法能够完整地计及多平衡机对系统的影响,且采用AD技术方便了算法的实现,提高了算法的运行效率.     

一种考虑杠杆量测量的电力系统状态估计法

提出了一种考虑杠杆量测量的电力系统状态估计方法。该方法将状态估计与不良数据检测和辩识结合在一起，且采用改进的正交变换法，使其计算效率和数值的稳定性有了明显提高。经实例计算表明，该方法是可行有效的。     

基于证据融合的实时交通状态估计

为满足智能交通监控系统中融合多种传感器信息综合估计交通状态的需要,把证据理论与联邦滤波器框架相结合,提出了一种联邦证据融合方法,并成功应用于城市交通路网的实时交通状态估计.实例分析表明,利用联邦滤波器的融合结构,把时域信息和传感器的可靠性信息融入融合系统,不但可以克服证据理论不能正确处理冲突证据的缺点,而且能够增强证据融合系统的实时性和鲁棒性.     

基于变压器参数修正的变电站状态估计

常规变电站状态估计中电压或无功的误差普遍比较大,其中一个原因是模型的参数不准确．通过变压器参数引入状态量或同时引入状态量及量测量的方法,来建立变电站状态估计的模型,并对这2种模型及权值变化对状态估计精度的影响进行分析,得到如下结论：如仅将参数作为状态量而不加约束,可以使实际量测量的估计精度大幅提高,但导致参数估计值误差过大;只有将参数同时作为状态量和量测量,并对权值进行适当调整,才能兼顾实际量测量和参数的估计精度,得到更有实用价值的状态估计结果．     

用加权迭代改善法解病态方程组的研究

本文从理论上证明了加权迭代改善法得到的近似解序列收敛到方程组的真解,给出了该算法的计算机实现过程,并以Hilbert病态方程组为例,验证了该算法求解的有效性。     

一种基于灰色白化权函数的灰数灰度

依据对现有几种灰数灰度的定义分析总结,提出了一种新的基于灰色白化权函数的灰度.该灰度能较好地直观反映影响灰数灰度各个侧面:灰数区间长度越接近灰数大小,灰度越大;白化权函数与X轴所围成的图形面积越大,灰度就越大.     

子波域一种新的多尺度多传感器状态估计

研究了多尺度状态参数估计问题.利用状态信号的多尺度特性,引入小波变换,建立了一个新的多尺度多传感器滤波算法.将函数全变差和局部变差概念引入到小波变换,提出了小波缩减因子的概念.通过小波缩减因子的引入,细尺度上的高频信号也得到了有效处理.仿真结果表明,该算法充分利用信号的多尺度特性,基于尺度级的信息融合大大提高了状态估计的精度.