论文摘要
随着电力系统的迅速发展,形成了跨区域、超高压输电网系统,网架结构和运行方式日趋复杂,电力系统状态估计的基础性作用日益突出,其准确性和实时性对电力系统安全、稳定和经济的运行意义重大。然而目前状态估计在拓扑变化(拓扑错误)和不良数据辨识方面还存在着一定的不足。新息图状态估计具有良好的实时性,本文对其在拓扑变化辨识、不良数据辨识及实用化方面进行了深入研究,旨在拓展新息图理论,提供快速有效的、可实用化的拓扑变化和不良数据辨识方法。本文深化了新息图建模,提出了基于断路器建模的新息图法,得到了利用节点-支路模型辨识节点拓扑变化和支路拓扑变化的方法。通过断路器支路将节点拓扑变化辨识转变为支路拓扑变化辨识,统一了新息图法辨识拓扑变化的模型基础。避免了利用详细物理模型辨识拓扑变化方法中的不足,且有计算量小、速度快,测量配置要求低、在测量不足的情况下仍可辨识等优点,能够辨识节点拓扑变化和支路拓扑变化邻近发生的情况。给出了新息差向量判据辨识不良数据的方法,以基于断路器建模的新息网络为基础,讨论了新息差向量辨识不良数据问题。由新息差向量给出新息图法中测量数据的相关性和不良数据的分类方式,指出新息图法中不良数据辨识的主导为连支上不良数据的辨识。分析了不同类型的不良数据存在时新息差向量的基本特征,综合运用这些特征,以辨识连支测量不良数据为主导的思路,研究了新息差向量辨识不良数据的规则,解决了新息差向量判据辨识不良数据过程中是否需要换树及如何换树的问题,为使用新息差向量准确排除测量系统中的不良数据提供了理论依据。研究了新息图法中回路新息相角和原理在辨识不良数据方面的应用问题,构建了与新息差向量判据完全独立的辨识不良数据的新判据,用其辨识新息图法中新息差向量判据不能辨识的可检测回路中不良数据和较难辨识的强相关不良数据。以新息差判据和回路新息相角和判据为基础,分析了新息图法中不良数据的可检测性和可辨识性问题,提高了新息图辨识不良数据的能力和效率。以上述的理论分析为基础,对新息图状态估计在大型电网中的应用进行讨论,首先分析了模型误差和测量误差对新息图法的影响,提出了新息图中生成树的优化规则,通过电力系统的物理约束和新息图法自身约束优化新息图的生成树,降低误差干扰;分析了新息图状态估计和静态状态估计的原理差异及各自的优缺点,提出了新息图法辨识不良数据、新息图法与拓扑分析相结合获取网络拓扑结构、传统状态估计算法估计系统运行状态的双渠道状态估计方法,尽可能的提高获取的网络拓扑结构的正确性和状态估计质量。最后针对大型电网管理采用的分区管理模式,研究了新息图状态估计分块算法,使各区域能够独立地实现新息图状态估计,可以快速的辨识本区域内的不良数据和拓扑变化,便于电网的安全运行和管理。采用实际电网对拓扑变化辨识、实用化等方法进行验证,结果表明了本文方法的可行性和有效性。本文得到国家自然科学基金项目(项目编号:50177006)的资助。
论文目录
相关论文文献
- [1].基于新息图法的电力系统不正常事件识别方法[J]. 四川电力技术 2011(06)
- [2].多新息理论改进优化粒子滤波研究[J]. 计算机仿真 2019(01)
- [3].改进新息图法在不良数据检测与辨识中的应用[J]. 电力系统及其自动化学报 2018(09)
- [4].多新息抗差——自适应卡尔曼滤波定位算法研究[J]. 传感器与微系统 2017(09)
- [5].系统辨识(6):多新息辨识理论与方法[J]. 南京信息工程大学学报(自然科学版) 2012(01)
- [6].基于新息图法的电力系统负荷突变辨识[J]. 电力系统自动化 2011(12)
- [7].新息图状态估计中多相关不良数据辨识[J]. 电力系统及其自动化学报 2008(04)
- [8].驾驶机器人车辆多新息动态转向力矩补偿[J]. 西安交通大学学报 2020(07)
- [9].新息模型的独立分量分析方法[J]. 计算机应用 2011(02)
- [10].基于广域测量系统的新息图辨识不良数据方法[J]. 电力系统自动化 2010(23)
- [11].利用等维新息模型进行人数预测[J]. 河北科技大学学报 2008(01)
- [12].体积积分新息滤波[J]. 西安理工大学学报 2015(01)
- [13].基于多新息理论的卡尔曼滤波改进算法[J]. 中北大学学报(自然科学版) 2015(02)
- [14].新息自适应混合卡尔曼滤波算法构建地表沉降预测模型[J]. 工程勘察 2020(04)
- [15].高速电主轴动力学模型参数多新息随机梯度辨识[J]. 组合机床与自动化加工技术 2020(10)
- [16].基于辅助模型的多新息广义增广随机梯度算法[J]. 控制与决策 2008(09)
- [17].方程误差系统的多新息辨识方法[J]. 南京信息工程大学学报(自然科学版) 2015(05)
- [18].等维新息模型在地表沉降监测中的应用[J]. 全球定位系统 2012(02)
- [19].一类有色噪声干扰系统的辅助模型多新息辨识方法[J]. 青岛大学学报(工程技术版) 2009(01)
- [20].自回归模型的多新息投影辨识方法[J]. 科学技术与工程 2009(14)
- [21].自回归模型的多新息随机梯度和多新息最小二乘辨识方法[J]. 科学技术与工程 2008(04)
- [22].用电量等维新息递补预测模型研究与应用[J]. 电气技术 2013(07)
- [23].非均匀采样系统多新息随机梯度辨识性能分析[J]. 控制与决策 2011(09)
- [24].基于近似最小一乘准则的多新息辨识算法[J]. 控制工程 2015(01)
- [25].基于观测数据删减及量化新息的无线传感器网络目标跟踪[J]. 控制与决策 2015(05)
- [26].基于等维新息灰色马尔可夫模型的河流水质预测[J]. 水土保持通报 2013(05)
- [27].面向过程的交流潮流模型新息图法状态估计[J]. 电力系统保护与控制 2008(14)
- [28].基于多新息理论的深度信念网络算法[J]. 计算机应用 2016(09)
- [29].耦合多新息随机梯度辨识方法性能分析[J]. 控制与决策 2015(08)
- [30].等维动态新息模型在交通事故预测中的应用[J]. 仪器仪表用户 2008(02)