基于相量量測(cè)單元的電力系統(tǒng)狀態(tài)估計(jì)性能改進(jìn)研究.pdf

1、電力系統(tǒng)狀態(tài)估計(jì)的理論研究已經(jīng)比較成熟，但以加權(quán)最小二乘法（Weighted Least Square，WLS）為主的狀態(tài)估計(jì)器在實(shí)際應(yīng)用中性能表現(xiàn)并不理想。對(duì)于特定狀態(tài)估計(jì)器，提高其狀態(tài)估計(jì)性能表現(xiàn)除了要排除遙測(cè)和遙信中的不良數(shù)據(jù)之外，主要依賴于（1）量測(cè)設(shè)備精度的提高及其優(yōu)化配置；（2）量測(cè)方程模型（主要指線路參數(shù)）的準(zhǔn)確程度的提高。本文即從以上兩個(gè)方面入手，進(jìn)行探討性研究。 第二章中對(duì)近三十年來(lái)電力系統(tǒng)狀態(tài)估計(jì)相關(guān)主要工作

2、進(jìn)行了詳盡的綜述和分析，并結(jié)合作者自身理解，給出了電力系統(tǒng)WLS狀態(tài)估計(jì)理論的關(guān)鍵要點(diǎn)和步驟，為此后各章節(jié)奠定基礎(chǔ)。 第三章、第四章著重討論P(yáng)MU優(yōu)化配置問(wèn)題。其中，第三章以SCADA/PMU量測(cè)混合配置為基本框架，針對(duì)PMU多目標(biāo)優(yōu)化配置問(wèn)題，以使系統(tǒng)滿足可觀測(cè)性、降低成本和提高狀態(tài)估計(jì)性能等為目標(biāo)，歸納出兩個(gè)常用的優(yōu)化問(wèn)題模型。針對(duì)模型Ⅰ，提出壓縮編碼方法，引入標(biāo)準(zhǔn)遺傳算法（SGA）予以求解；針對(duì)模型Ⅱ，提出先進(jìn)行目標(biāo)分類優(yōu)

3、化再依照Pareto規(guī)則優(yōu)化的思想，并提出分步變異遺傳算法（SMGA）。仿真算例表明，本文所提兩個(gè)通用目標(biāo)函數(shù)模型恰當(dāng)，算法穩(wěn)定可靠。 以第三章所提模型為基礎(chǔ)，第四章提出適用于工程應(yīng)用的估計(jì)準(zhǔn)確度加權(quán)估算公式；深入分析了第Ⅱ類OPP問(wèn)題二層規(guī)劃的本質(zhì)和分段目標(biāo)函數(shù)的多峰特性；在引入克隆算法（CLONALG）及其重組和高頻變異算子之后，根據(jù)免疫記憶原理，提出基于PMU數(shù)目記憶的加速算子，在抗體進(jìn)化過(guò)程中（而非成熟后）加以應(yīng)用，并根

4、據(jù)種群中抗體所含PMU的數(shù)目的接近程度，分段調(diào)整循環(huán)補(bǔ)充規(guī)模、重組概率和高頻變異概率?；贗EEE14/57節(jié)點(diǎn)潮流數(shù)據(jù)的兩個(gè)算例表明，該改進(jìn)CLONALG算法能快速穩(wěn)定地依次求出全局最優(yōu)解和次優(yōu)解組。 將SMGA算法與改進(jìn)CLONALG算法對(duì)比可知，兩算法各有所長(zhǎng)。SMGA能夠簡(jiǎn)單快速收斂到全局最優(yōu)解；改進(jìn)CLONALG則能以較快速度穩(wěn)定地達(dá)到全局最優(yōu)解和次優(yōu)解組，為設(shè)計(jì)提供多樣選擇。綜合而言，改進(jìn)CLONALG算法更優(yōu)。

5、 第五章、第六章著重討論了準(zhǔn)確估計(jì)線路參數(shù)的方法。第五章分析了電力系統(tǒng)狀態(tài)估計(jì)和參數(shù)估計(jì)的理論依據(jù)并指出傳統(tǒng)解法的不足，提出基于經(jīng)驗(yàn)知識(shí)的參數(shù)估計(jì)目標(biāo)函數(shù)修正項(xiàng)，推導(dǎo)了狀態(tài)估計(jì)和參數(shù)估計(jì)目標(biāo)函數(shù)極值點(diǎn)的關(guān)系，由此提出并證明了新的基于垂直投影的估計(jì)策略。針對(duì)目標(biāo)函數(shù)投影的局部單峰特性，提出分段適應(yīng)粒子群優(yōu)化（SPSO）算法。補(bǔ)充證明了以多次估計(jì)的均值作無(wú)偏估計(jì)的正確性。仿真算例表明：修正目標(biāo)函數(shù)和SPSO算法能快速準(zhǔn)確地估計(jì)線路參數(shù)，

6、且可提高估計(jì)準(zhǔn)確度和降低對(duì)量測(cè)系統(tǒng)參數(shù)可估計(jì)性的要求；取連續(xù)多次估計(jì)的均值，則可減小量測(cè)誤差導(dǎo)致的參數(shù)估計(jì)偏差。 第六章則基于全PMU量測(cè)系統(tǒng)，提出新的基于動(dòng)態(tài)濾波的電力系統(tǒng)線路參數(shù)估計(jì)完整策略：靜態(tài)線性狀態(tài)估計(jì)和誤差處理、虛擬量測(cè)（Pseudo Measurement）轉(zhuǎn)換、虛擬量測(cè)誤差轉(zhuǎn)換、系統(tǒng)動(dòng)態(tài)狀態(tài)向量降維處理、以變比自動(dòng)調(diào)整的變壓器為原型的隨機(jī)化線路參數(shù)運(yùn)動(dòng)模型以及基于KF的動(dòng)態(tài)濾波等。仿真算例分別模擬了線路中不包含/

7、包含變比可調(diào)變壓器的兩種情況，結(jié)果表明，線路參數(shù)估計(jì)濾波過(guò)程穩(wěn)定可靠，有效抑制了單輪參數(shù)的大估計(jì)誤差，顯著改善了估計(jì)準(zhǔn)確度。對(duì)比試驗(yàn)表明，該策略優(yōu)于多輪估計(jì)平均法。文中還就單個(gè)時(shí)間斷面上參數(shù)估計(jì)大誤差的成因、參數(shù)濾波估計(jì)與靜態(tài)狀態(tài)估計(jì)結(jié)合的必要性和動(dòng)態(tài)狀態(tài)向量降維處理的合理性等進(jìn)行了進(jìn)一步討論。 綜上所述，本文從改進(jìn)量測(cè)系統(tǒng)配置和提高線路參數(shù)估計(jì)準(zhǔn)確度兩個(gè)角度，分別探討了提高電力系統(tǒng)狀態(tài)估計(jì)性能的方法：提出SMGA和改進(jìn)CLON