张云岗[1]2001年在《叁相状态估计中不良数据检测与辨识的研究》文中进行了进一步梳理本文着重分析了配电网状态估计中的不良数据检测与辨识的问题。 本文的主要内容如下：首先，介绍了配电系统自动化（DSA）及其发展以及配电网状态估计的作用。并对配电网状态估计的研究现状和常用不良数据的检测与辨识方法进行了描述。 其次，对叁相系统的量测设置，分解雅可比叁相状态估计算法和伪量测权值的选取进行了阐述。 在此基础上，文章先对不良数据的检测与辨识问题进行了阐述，介绍了常用的一些算法。并提出了两种可行的叁相状态估计中不良数据辨识的基本算法。首先采用模糊聚类分析中的迭代自组织数据分析技术（Iterative Self-Organizing Data Analysis Technique A），提出了改进ISODATA不良数据辨识法；其次，提出了递推不良数据辨识法。前者算法结构简单，便于编程实现，且计算速度快，主要适用于规模较小的系统；后者算法结构较前者复杂，程序实现困难，但由于采用了稀疏矩阵技术，并用递推法修正因子表，所以可以应用于规模较大的系统。 本文用MATLAB构成了仿真系统，用C语言编制基本状态估计计算程序。仿真结果表明这两种算法是高效、可靠的。 最后，得到了配电网络不良数据检测与辨识的若干结论。
段磊[2]2015年在《叁相四线制配电网抗差状态估计与不良数据辨识方法研究》文中进行了进一步梳理随着我国智能电网的发展和用户对电能质量要求的提高,电力企业对配电网运行状态的实时监测和在线分析与决策控制水平提出了更高的要求。配电网状态估计是配电管理系统的重要组成部分,也是其他高级应用软件的数据基础,对于保障配电网的安全经济运行具有重要意义。状态估计方法在输电网中得到了深入研究和广泛应用,但配电网(特别是低压配网)状态估计的研究较少,其主要困难在于配电网络结构的差异和实时量测的缺乏。近年来,智能电表开始大量安装并应用于低压配网,为低压配网状态估计创造了有利条件。如何综合考虑配电网的结构特点和量测量类型及特征,提高状态估计性能和结果精度成为配网叁相状态估计的研究重点。不良数据检测与辨识是电力系统状态估计的重要内容,对提高状态估计的可靠性和实时数据的质量具有重要作用。为此,本文对叁相四线制配网的状态估计与不良数据辨识方法进行了深入研究,主要研究内容如下:①提出一种基于智能电表量测的叁相四线制配网抗差估计方法。本文充分利用智能电表的叁相实时量测信息,以叁相四线制配网节点注入电流方程为基础,建立了叁相四线制配网指数加权最小二乘抗差估计模型。该模型中将零注入功率方程同时作为量测方程和等式约束,目标函数中采用标准化残差的指数型权函数,以抑制不良数据影响;而且该模型未对配电系统中性点电位和电源端点叁相电压作任何假设。通过对IEEE-13节点修正系统进行算例分析,仿真结果表明,所提方法具有良好的收敛性和抗差性,状态估计结果的精度高。②提出一种抗差估计与均值聚类算法相结合的不良数据辨识方法。本文综合利用指数加权最小二乘抗差估计和k均值聚类方法在不良数据处理方面的优势,首先采用指数加权最小二乘估计来获取系统所有量测的最佳估计值,并计算得到相对量测估计误差的特征数据集;然后应用k均值聚类算法实现不良量测数据的分组聚类辨识,其中还利用最大最小距离法和间隙统计算法分别确定初始聚类中心和最优聚类个数,有效提高了聚类稳定性和不良数据辨识效果;最后对IEEE-13节点修正系统和重庆江津实际台区电网进行了仿真分析,算例结果表明本文方法的辨识准确性高,实用性强,具有良好的工程应用前景。
卫志农[3]2004年在《配电系统运行状态分析研究》文中认为随着电力市场的逐步形成，电力用户对电力供应的要求越来越高，为了向用户提供供电可靠、质量优异、价格合理的电能，实现配电自动化是最重要的手段。为了充分发挥配电自动化系统的作用，提高配电系统运行的安全性和经济性，并能够进行正确的分析与决策，首先必须正确全面地掌握配电系统的运行状态，并向其它应用软件提供可靠而全面的实时运行方式。本文提出了配电系统运行状态分析的概念，并运用现代数学分析方法和人工智能理论，重点对配电系统运行状态分析进行研究。 本文的主要研究工作如下： 1．在研究现有配电系统状态估计的基础上，根据配电系统的特点，提出了基于相坐标系的配电网叁相不对称快速解耦状态估计算法。该算法是在等效量测变换的基础上，引入输电网叁相不对称潮流计算中的解耦—补偿电流模型，利用状态估计迭代方程的特性，可以实现叁相不对称状态估计方程在相坐标下完全解耦，加入旋转变换，可进一步实现法方程的实、虚部严格解耦。该算法既保留了等效电流变换法的优点，同时又改进了其不足，具有良好的应用前景。 2．不良数据检测与辨识是配电系统运行状态分析的主要功能之一。本文针对配电系统中量测数据的不确定性，运用现代模糊数学理论，提出了一种新的辨识不良数据的传递闭包方法。它采用标准残差r_N和相邻采样时刻量测值之差△Z作为两个特征值进行模糊聚类分析，用标定公式计算出量测值属于不良数据的相似系数，进而用平方法得到模糊等价矩阵，再根据λ截矩阵准确辨识出不良数据。算例证明，该方法有效可行。 3．在研究现有配电网络故障定位算法的基础上，本文提出了两种配电网故障定位的算法：配电网故障定位的改进统一矩阵算法和配电网故障定位的高级遗传算法。配电网故障定位的统一矩阵算法，针对传统统一矩阵算法的不足，提出采用有向图描述配电网络，从而避免了矩阵相乘和规格化，大大改进了现有算法。高级遗传算法通过构造新的评价函数，建立了一种新的更适合于配电网的数学模型，不仅可以避免误判，准确定位，而且具有更强的容错性能。摘要 4.在研究现有各种配电网络重构算法的基础上，本文提出了基于动态粒子群优化算法的配电网动态重构。它以配电网络电压稳定为目标函数，采用可以动态跟踪环境变化的改进粒子群算法对现有典型的辐射状网络进行动态实时重构，并提出了一种新的编码形式，按照系统的拓扑结构划分粒子种类，从而利用改进粒子群算法的社区特性避免过早收敛。经过与遗传算法进行比较，结果表明该方法步骤简单，操作方便，适合于对计算时间要求更高的工程应用。关键词:配电系统、运行状态分析、状态估计、不良数据检测与辨识、故障区间定位、动态重构、模糊理论、动态粒子群优化算法
翟登辉[4]2009年在《基于数据挖掘技术的电力网络状态估计研究》文中进行了进一步梳理电力系统状态估计是利用量测系统的冗余度来提高数据精度,自动排除随机干扰所引起的错误信息,来估计和预报系统的真实运行状态。估计结果的准确性是对电力系统状态估计的基本要求。不良数据检测和辨识是电力系统状态估计的重要功能之一,它对状态估计结果的准确性起着重要作用。对输电网来说,由于量测装置多,实测量多,有冗余度,因此传统的不良数据检测和辨识主要集中在输电网,但是传统方法存在残差污染和残差淹没。因此,如何准确的对输电网状态估计中不良数据进行检测和辨识是不可回避的一个研究课题。对配电网而言,由于分布广,节点数目众多,量测装置匮乏,实测量少,需要产生伪量测来补充负荷数据进行配电网状态估计,由于以往采用的将配电变压器容量等方法来补充的伪量测与实测数据准确度差别较大,导致配电网状态估计结果不准确甚至不收敛,因此,必须寻找一种新方法来补充与实测数据比较接近的伪量测数据。本文围绕上述问题,以提高状态估计结果的准确性为目的,以某一节点负荷数据为研究对象,运用数据挖掘中k-means聚类算法并结合有效指数准则,提取出日负荷特征曲线,分别对输电网状态估计中的不良数据检测和辨识、配电网状态估计中的伪量测补充进行了研究。用MATLAB编制算法程序并进行仿真分析,结果表明,此方法效果良好。
陈波[5]2010年在《电力系统不良数据辨识的研究》文中认为近半个世纪以来,以数字化为特征的计算机和通信技术逐渐在电力系统中得到了普及应用,使得电力系统调度控制的面貌发生了深刻的变革。在高度自动化的电力系统中,电气量和其它各种数据的准确采集与传输是电力系统继电保护和调度决策的基础。本文在电力系统的不良测量数据的识别方面展开研究,取得的主要成果如下:提出了电压无功自动控制装置(VQC)中基于BP神经网络的不良数据识别方法。该方法利用变电站内高压侧和低压侧的有功、无功和电压之间的耦合关系,用正常运行的有功、无功和电压数据训练神经网络,然后利用经过训练的神经网络区分正常数据和不良数据。在神经网络的映射下,正常和包含有少量不良数据产生的会接近真实的测量数据,当有不良的测量数据时,通过比较就可以识别出不良的测量数据。仿真中首先根据变电站中VQC的运行控制特点建立了单台变压器不良数据辨识模型;其次针对该模型建立了基于改进BP神经网络的不良数据辨识估计器,并编制了相应的仿真程序,采用离线训练,实时在线辨识的方法辨识不良数据;最后通过对广东某变电站实际数据仿真计算,验证了该估计器的有效性、准确性,提高了变电站VQC运行的可靠性。提出了自动电压控制系统(AVC)中基于支持向量机(SVM)的不良数据识别方法。该方法利用发电机机端母线电压、发电机出口无功、升压变和高厂变的有功和无功、升压变高压侧母线电压之间的相关性,用正常运行的有功、无功和电压数据训练建立支持向量机;然后利用经过训练支持向量机区分正常数据和不良数据。在支持向量机的映射下,正常和包含有少量不良数据的输入产生的输出会接近真实的测量数据,当有不良的测量数据时,通过比较就可以识别出不良测量数据。仿真中首先根据电力系统中AVC的运行控制特点建立了单台发电机不良数据辨识模型;其次针对该模型建立了基于支持向量机的不良数据辨识估计器,采用离线训练,实时在线辨识的方法辨识不良数据;最后通过对广东某发电厂实际数据仿真计算,验证了该估计器的准确性、快速性和鲁棒性,提高了地区电网AVC运行的可靠性。提出了利用基于遗传算法优化的径向基函数神经网络识别变电站自动化系统中的虚假故障测量数据。测试表明,该方法分类误差的均方差小于正交最小二乘径向基函数神经网络,但由于该方法采用的是最小化均方差目标,它的分类能力有限。进一步采用以最小化最大误差为目标的有限长最小二乘支持向量机,能够高实时地准确识别虚假故障测量数据,具有一定的实用性。由于变电站自动化系统中,断路器所在支路必定有互感器,提出了在变电站内利用电流测量数据的变化规律校验遥信量的规则,并利用变电站录波数据证明了该方法的可行性。
李国源[6]2015年在《配电网状态估计及其应用》文中提出高级配电运行(Advanced Distribution Operation,ADO)是智能电网的重要组成部分。ADO要求电网具备实时的监视分析、网络重构等功能,这些功能的实现都需要利用状态估计技术来提供基础数据支持。高级量测体系(Advanced Metering Infrastructure,AMI)是智能电网的重要基础设施。通过AMI的核心设备智能电表,电力公司可以获得配电网终端用户历史的或准实时的多种量测信息。将AMI所采集的数据合理的应用到配电网状态估计中能够更准确、全面的估计出系统当前运行状态,从而为其它高级应用提供更可靠的数据支持。本文针对配电网中叁相线路不对称,负荷不平衡的特点,详细描述了电网中各类元件的叁相模型,以节点电压实部和虚部为状态变量分别对节点负荷功率量测、节点电压幅值量测、支路电流幅值量测和支路功率量测的雅克比矩阵进行了推导,利用OpenDSS与VBA的接口功能实现了配电网叁相状态估计。在配电网叁相详细数学模型的基础上,研究了叁相负荷不对称程度的大小对状态估计精度的影响。实现了配电网基于正规化残差的不良数据辨识方法,并通过算例验证明其有效性。本文综合利用SACDA量测和AMI智能电表量测等多种量测信息,在中低压配电网状态估计中,分别对量测量时延处理和窃电分析两方面的应用提出了相应的方法并通过算例证明有效性。
赵俊博, 张葛祥, 黄彦全[7]2014年在《含新能源电力系统状态估计研究现状和展望》文中研究说明随着新能源的并网,需要考虑新类型电源的特性对电力系统状态估计器进行进一步研究。综述了系统拓扑结构处理、系统可观测性方法;对新能源并网模型进行了详细分类和概述;按照新能源并网方式对含新能源电力系统状态估计方法进行分类和详细分析;在对传统不良数据检测和辨识研究现状进行总结的基础上,分析了新能源并网后不良数据检测与辨识所面临的困难,同时给出了可能的解决方法。最后对新能源并网建模、含新能源电力系统状态估计算法、含新能源不良数据检测与辨识中值得研究的方向进行了展望。
孔祥慧[8]2015年在《基于机器学习的变电站数据检测技术研究》文中认为变电站自动化系统中,电气量与其他各种数据的准确性直接关乎变电站自动化设备的正确工作,同时对变电站不良数据进行检测可以了解电力系统设备的运行情况。机器学习方法相对于传统方法进行不良数据检测更加智能,能够减少不良数据的误检和漏检。主要研究工作如下:(1)对机器学习理论进行阐述,简要介绍机器学习策略,重点对统计学习中的支持向量机进行推导分析。(2)通过调度自动化系统和变电站自动化系统分析不良数据的来源。详细阐述传统不良数据检测方法中的残差检测法,并指出其不足,根据回归支持向量机方法建立量测数据估计器,通过比较量测数据与估计数据之差进行不良数据检测,机器学习方法相对于传统方法更智能。(3)以自动化信息检测系统这一项目为依托,开发一套变电站设备状态检测软件,该软件首先进行不良数据检测,在此基础上进行叁相电流、电压不平衡性检测和开关状态与监控机状态不一致检测。该软件具有一定的可靠性,相对于变电站电气设备的人工检测,软件检测更加安全经济。
徐玮（韦华）[9]2008年在《配电网状态估计实用方法研究》文中进行了进一步梳理状态估计是利用电网自动化系统中实时量测系统的冗余度来提高数据精度，自动排除随机干扰引起的错误信息，估计或预报系统的运行状态。电力系统的测量信息如果误差不大，测量系统的配置适当，则用一般的状态估计算法就可以得到满意的实时数据库，但如果调度中心收到的远动测量数据具有异常大的误差，则常规的状态估计算法无法奏效。电力系统中测量系统的标准误差σ大约为正常测量范围的0.5%-2%，因此当误差大于±3σ的测量值就可称为不良数据(或称为坏数据)。实际系统中一般把大于±（6-7）σ以上的数据作为不良数据。在电力系统中，当出现不良数据时，需要通过检测与辨识的方法来处理，才能满足状态估计计算对测量数据的要求。本课题针对配电网多数据源的现状，基于电力系统综合数据平台IDP（Integrated Data Platform），结合历史数据和遥信数据，利用质量标签和决策树理论对量测数据进行综合评价，研究一种实用配电网状态估计方法。算法利用6个影响因子对配电网状态估计问题进行逻辑判断，借鉴决策树的理论框架建立数据质量评估体系，为后续的高级应用提供相容的状态信息。对基本加权最小二乘法目标函数中的权重向量作了改进，提出了基于质量标签权函数的最小二乘估计计算方法。该算法对量测量采用质量标签赋值作为权重的方法，从而较大程度上抑制了量测量中的不良数据对估计结果的不良影响。研究表明该算法有效克服了传统配电网状态估计将误差平摊的弊端；各规律互为补充，互为制约，减少了不良数据误判概率。基于质量标签的权重函数改进了传统加权最小二乘法。通过对上海某中心供电区域的算例进行验证，结果证明该方法的可行性和优越性。
梁栋[10]2017年在《配电系统状态估计研究》文中进行了进一步梳理分布式电源和电动汽车的大量接入使得配电系统不确定因素增加而导致运行状态复杂多变。为确保系统的安全稳定运行,需要对配电系统全局实时状态准确感知,而状态估计是感知系统状态的最有效手段之一。本文主要围绕配电系统状态估计开展了研究,主要研究成果如下:1)在基于支路电流的配电系统叁相状态估计极坐标模型的基础上,提出了一种有功/无功解耦的配电系统叁相可观测性分析和关键数据辨识方法,并给出了有功/无功解耦和非迭代的严格理论证明,所提方法可一次性快速辨识出不可观测支路和关键量测数据,从而大幅提高了计算速度,同时,由于采用的量测雅可比矩阵元素均为非负整数,因而方法具有良好的数值稳定性。2)构建了配电系统叁相量测优化配置模型,提出了叁相不良数据的区域修正辨识方法。首先从网络可观测性和状态估计精度两方面建立了量测优化配置解析模型,以保证任一量测缺失时网络可观测,且状态估计误差总方差最小,其次提出了不良数据辨识的区域修正辨识方法,以关键量测作为边界进行区域划分,在辨识出不良数据后仅修正不良数据所在区域和所在相别的变量,避免了全网各类变量更新及高维矩阵运算,在保证估计精度的前提下,较大幅度提高了计算速度。3)提出了面向配电系统供电可靠性提升的配电自动化终端优化配置方法。以设备购置、运维费用及用户停电损失总费用最小为目标、以供电可靠性指标作为约束建立了配电自动化终端优化配置的整数规划模型,在保证系统具有较高供电可靠性前提下具有较好的投资回报率。模型考虑了架空、电缆两种配电线路的不同特点,并将经济性、可靠性指标显式表达出来,从而可采用成熟的优化软件快速求解。4)提出了叁相不平衡配电系统的两阶段可信状态估计方法,首先根据低精度的节点负荷伪量测进行不确定性潮流计算,并采用基于仿射算术的叁相前推回代潮流计算得到所有节点电压的初始区间,然后以高精度的实时量测作为更严格的约束对初始区间进行进一步压缩,并采用凹凸性包络技术构造原问题的线性松弛问题,通过求解一系列线性规划问题得到保证包含系统真实状态的最小区间。
参考文献：
[1]. 叁相状态估计中不良数据检测与辨识的研究[D]. 张云岗. 河海大学. 2001
[2]. 叁相四线制配电网抗差状态估计与不良数据辨识方法研究[D]. 段磊. 重庆大学. 2015
[3]. 配电系统运行状态分析研究[D]. 卫志农. 河海大学. 2004
[4]. 基于数据挖掘技术的电力网络状态估计研究[D]. 翟登辉. 沈阳理工大学. 2009
[5]. 电力系统不良数据辨识的研究[D]. 陈波. 华南理工大学. 2010
[6]. 配电网状态估计及其应用[D]. 李国源. 天津大学. 2015
[7]. 含新能源电力系统状态估计研究现状和展望[J]. 赵俊博, 张葛祥, 黄彦全. 电力自动化设备. 2014
[8]. 基于机器学习的变电站数据检测技术研究[D]. 孔祥慧. 华北电力大学. 2015
[9]. 配电网状态估计实用方法研究[D]. 徐玮（韦华）. 上海交通大学. 2008
[10]. 配电系统状态估计研究[D]. 梁栋. 天津大学. 2017
标签：电力工业论文; 自动化技术论文; 变电站综合自动化系统论文; 电力系统及其自动化论文; 系统辨识论文; 仿真软件论文; 三相不平衡论文; 三相电压论文; 网络模型论文; 三相电源论文; 电力论文; 算法论文;