電力系統(tǒng)量測最優(yōu)配置及狀態(tài)估計算法研究.pdf

1、狀態(tài)估計作為電力系統(tǒng)潮流計算、短路電流計算和穩(wěn)定性分析的基礎，是對從現場獲取來的數據的第一次處理。隨著現代科技的發(fā)展，現場采集數據的設備種類越來越多，設備精度越來越高，同時，配電網相對于輸電網結構更加復雜，大量的分布式電源、環(huán)網甚至微網，出現在配電網中。因此，本文在新型量測設備PMU和傳統(tǒng)量測設備在含環(huán)配電網中的混合配置方案上進行了深入研究。
　　含環(huán)配電網中的量測裝置優(yōu)化配置，實際上就是用花費較少的量測系統(tǒng)來獲得較高精度的狀態(tài)估

2、計結果，同時必須保證系統(tǒng)的可觀性。本文以新興的和聲搜索算法為框架，以PMU和傳統(tǒng)量測裝置的成本較低和量測精度較高為目標，得到多目標pareto解集前沿，用獲取得到的量測進行狀態(tài)估計，以狀態(tài)估計的估計精度來衡量目標函數中的量測精度。文章在仿真過程中，采用的是IEEE33關閉聯(lián)絡開關來實現含環(huán)配電網，并在關閉9節(jié)點和15節(jié)點之間、8節(jié)點和21節(jié)點之間的聯(lián)絡開關的系統(tǒng)上進行了仿真實驗，得到了理想的配置方案。
　　狀態(tài)估計有著成熟的算法框

3、架，在靜態(tài)狀態(tài)估計中使用較多的是最小二乘狀態(tài)估計，但是由于量測量和狀態(tài)量之間是非線性關系，最小二乘狀態(tài)估計需要借助高斯牛頓反復迭代，計算成本較高。隨著神經網絡這種專門解決非線性問題的技術的出現，使用神經網絡訓練一個網絡用于計算狀態(tài)估計已經成為一種可能。本文就是利用稀疏自編碼器(SAE)和前饋(BP)神經網絡結合，同時使用粒子群算法(PSO)調整網絡參數，最終在IEEE14的基礎上訓練得到一個計算狀態(tài)估計的網絡，和傳統(tǒng)的最小二乘狀態(tài)估計相