应用优化算法和状态估计的理论线损计算研究

论文摘要

理论线损率是电力系统运行中的一项重要经济指标,也是衡量供电企业管理水平的一项重要标志。而实际量测量可能会存在不良数据,影响理论线损计算的准确性。状态估计为理论线损计算提供可靠的数据库,是保证量测量准确性和完整性的重要手段,使理论线损计算的结果更真实。本文针对理论线损计算的实际需求,应用优化算法结合状态估计对剔除不良数据、理论线损计算中节点类型选择的方法进行研究,从而提高计算精度和保证理论线损计算结果的可靠性。首先,研究影响理论线损计算精度的PQ、PV节点组合的问题。在电网量测系统中,母线电压和注入无功功率一般都可以同时获得,但计算时仅取其一,本文通过状态估计剔除不良数据,然后结合粒子群算法（PSO）选取高精度数据,最终得到PQ、PV节点类型的最优组合,另外还对粒子群算法做了适当改进。其次,研究了剔除原始数据中坏数据的方法。提出虚拟路径的概念,将蚁群优化算法（ACO）和灵敏度分析法结合,从整体数据中筛选出一部分优秀量测,再对剩余数据进行增加一维的不良数据辨识,最终得到坏数据集合,实验表明本文方法在辨识不良数据方面有较好的效果。最后,研究了平衡节点、PQ、PV节点类型整体进行选择的方法。利用ACO和证据理论来实现对平衡节点的选择,并且选择出部分优秀量测后对剩余量测进行不良数据检测与辨识,再用上述PSO方法得到所有节点的最佳类型。最终实现理论线损的精确计算。本文以IEEE-14或IEEE-39节点系统为例,通过Java和Matlab软件进行仿真验证,得到的结果表明本文所提算法具有较好的效果。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题的研究意义
• 1.2 电力系统状态估计概述
• 1.2.1 电力系统状态估计的定义及功能
• 1.2.2 电力系统状态估计的国内外研究动态
• 1.3 现代优化算法概述
• 1.4 本文的主要工作
• 第2章 基于状态估计的理论线损计算概述
• 2.1 电网稳态计算的影响因素
• 2.1.1 电网等效模型
• 2.1.2 运行数据
• 2.1.3 网络参数
• 2.1.4 网络拓扑结构
• 2.2 状态估计常用的算法
• 2.2.1 基本加权最小二乘法
• 2.2.2 P-Q 快速分解法
• 2.3 不良数据检测与辨识方法
• 2.3.1 残差方程
• 2.3.2 常用不良数据检测方法
• 2.3.3 常用不良数据辨识方法
• 2.3.4 增加一维量测的不良数据检测与辨识方法
• 2.4 利用状态估计进行理论线损计算的流程
• 2.5 本章小结
• 第3章 基于状态估计与HPSO 的理论线损计算
• 3.1 粒子群算法及其改进
• 3.1.1 粒子群算法简介
• 3.1.2 混合改进粒子群算法
• 3.1.3 混合粒子群优化整体流程图
• 3.2 含HPSO 的理论线损计算整体流程
• 3.3 算例仿真与结果分析
• 3.4 本章小结
• 第4章 基于蚁群算法和灵敏度分析的不良数据检测与辨识
• 4.1 电力系统状态估计中的灵敏度分析
• 4.2 蚁群算法的基本模型及实现
• 4.3 蚁群算法在不良数据检测与辨识中的应用
• 4.3.1 随机生成树的蚁群搜索策略
• 4.3.2 蚁群算法在筛选数据中的应用
• 4.4 算法流程及仿真算例
• 4.4.1 参数选取
• 4.4.2 算法整体流程
• 4.4.3 仿真数据及结果分析
• 4.5 本章小结
• 第5章 应用优化组合和状态估计的线损计算
• 5.1 利用改进蚁群算法的数据预处理
• 5.2 证据理论的应用
• 5.3 算例仿真
• 5.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间承担的科研任务与主要成果
• 致谢
• 作者简介