论文摘要
本文首先简要回顾了Phasor Measurement Unit (PMU)和状态估计法在电力系统中的发展应用现状,然后主要应用PMU单元采集的同步电压电流相量数据和基于二次曲线积分法构建的新型电力系统模型对电力系统的静态和动态混合状态估计算法进行了研究。首次将二次曲线积分法运用到电力系统各元件的微分模型的构建当中,并同时采用了一系列的降低原来系统的阶数和次数的方法,提出了一整套将电力系统各元件的的微分模型转化为二次代数模型的方法,并且建立了新的电力系统各元件的代数模型。因为二次曲线积分法具有3次代数精度,所以该模型克服了以往通过欧拉法建立的电力系统模型存在的精度不高,容易发生震荡的缺点,数值仿真实验显示,基于以上思路构建的模型有着很高的精度和抗震荡能力。对电力系统混合状态估计中的一些关键性问题,比如PMU测量数据的一次修正问题,构建状态估计中的伪测量方程问题,状态估计中的权重设置问题,采集数据的可观测性问题和坏数据检测和辨识问题进行了系统并且细致的研究,提出了新的可观测性算法和坏数据检测辨识算法,并且通过实验仿真算例验证了算法的有效性。研究了电力系统的混合静态状态估计算法,提出了电力系统分布式状态估计的概念,并且研究了该算法的可行性问题。构建了三种基于加权最小二乘法的电力系统混合静态状态估计器,并且编制了程序进行数值实验对三种估计器进行比较测试,实验结果表明在没有坏数据的情况下,三种估计器的工作性能相差不大,而在存在坏数据的情况下,B估计器的工作性能最为优良,可以检测和辨识坏数据,同时达到很高的估计精度。研究了电力系统的混合动态估计算法,提出了新的电力系统混合动态估计算法,并且编制程序实现了该算法下的混合动态估计器。通过实验仿真,验证了该混合动态估计器和以往提出的各种动态估计器相比,有着更高的估计精度,完全可以满足实时在线监测和研制新型继电保护装置的需要。
论文目录
相关论文文献
标签：二次曲线积分法论文; 电力系统论文; 状态估计论文; 可观测性论文; 坏数据检测和辨识论文;