电力系统状态估计算法

基于UKF与EKF算法的配电网状态估计

理论算法2021.10基于UKF与EKF算法的配电网状态估计张叶贵，徐登国，李大巧(六盘水师范学院,贵州六盘水，553000)摘要：针对主动配电网中分布式电源出力的间歇性与不确定性以及缺乏量测装置，为确电力系统的安全稳定运行，有效的配电网状态估计是其安全运行的有力保障；本文采用扩展卡尔曼滤波(Extended Kalman Filter,EKF)与无迹卡尔曼滤波(Unscented Kalman Filter,UKF)对配电网进行状态估计，并考虑分布式电源接入配电网的情况下对两种状态估计算法进行比较分析，采用IEEE13节点标准算例进行仿真，结果表明UKF算法的滤波性能要优于EKF算法。

关键词：主动配电网；状态估计；分布式电源State Estimation of Distribution Network Based on UKF and EKFZhang Yegui,Xu Dengguo,Li Daqiao(LiuPanShui Normal University,LiuPanShui Guizhou,553000)Abstract:In view of the intermittence and uncertainty of distributed generation output in active di stribution network and the lack of measuring devices,in order to ensure the safe and stable operation of power system,effective distribution network state estimation is a powerful guarantee for its safe operation.In this paper,unseented Kalman f订te【and Extended Kalman filter are used to estimate the state of distribution network.Considering the distribution network connected by distributed generat ion,the two state estimation algorithms are compared and analyzed・The Simulation resuIts show that the filtering performance of UKF algorithm is better than that of EKF algorithm.Keywords:Active Distribution network;State estimation;Distributed power supply0引言在我国的电力建设初期，由于资金较为匮乏，其电力系统的建设较为偏重对电力系统运行更为重要的输点网中，对配电网的重视程度还不够m。

电力系统状态估计概述

电力系统状态估计研究综述摘要：电力系统状态估计是当代电力系统能量管理系统(EMS)的重要组成部分。

本文介绍了电力系统状态估计的概念、数学模型，阐述了状态估计的必要性及其作用，系统介绍了状态估计的研究现状，最后对状态估计的研究方向进行了展望。

关键词：电力系统；状态估计；能量管理系统0引言状态估计是当代电力系统能量管理系统(EMS)的重要组成部分，尤其在电力市场环境中发挥更重要的作用。

它是将可用的冗余信息(直接量测值及其他信息) 转变为电力系统当前状态估计值的实时计算机程序和算法。

准确的状态估计结果是进行后续工作(如安全分析、调度员潮流和最优潮流等)必不可少的基础。

随着电力市场的发展，状态估计的作用更显重要⑴o状态估计的理论研究促进了工程应用，而状态估计软件的工程应用也推动了状态估计理论的研究和发展。

迄今为止，这两方面都取得了大量成果。

然而，状态估计领域仍有不少问题未得到妥善解决，随着电力系统规模的不断扩大，电力工业管理体制向市场化迈进，对状态估计有了新要求，各种新技术和新理论不断涌现，为解决状态估计的某些问题提供了可能。

本文就电力系统状态估计的研究现状和进一步的研究方向进行了综合阐述。

1电力系统状态估计的概念1.1电力系统状态估计的基本定义状态估计也被称为滤波，它是利用实时量测系统的冗余度来提高数据精度，自动排除随机干扰所引起的错误信息，估计或预报系统的运行状态(或轨迹)o 状态估计作为近代计算机实时数据处理的手段，首先应用于宇宙飞船、卫星、导弹、潜艇和飞机的追踪、导航和控制中。

它主要使用了六十年代初期由卡尔曼、布西等人提出的一种递推式数字滤波方法，该方法既节约内存，又大大降低了每次估计的计算量[2,4]o电力系统状态估计的研究也是由卡尔曼滤波开始。

但根据电力系统的特点，即状态估计主要处理对象是某一时间断面上的高维空间(网络)问题，而且对量测误差的统计知识又不够清楚，因此便于采用基于统计学的估计方法如最小方差估计、极大验后估计、极大似然估计等方法，目前很多电力系统实际采用的状态估计算法是最小二乘法。

华北电力大学电力系统分析2-05

③实部和虚部的迭代合用同一个实数信息矩阵（BTDB），既节约内存，又节约矩阵分解计算时间。
二、算法特点
④只能处理支路潮流测量量，而不能处理其他形式的测量量，如节点注入功率。在实际系统中，如果排除掉支路潮流以外的其他测量量后，系统可观测性被破坏，则本方法不能使用。而且，因不能充分利用全部测量量而降低了状态估计结果的可信度。
* *
* * U j y jj U j
*
2 j ) / Z ij U i
y ii
U j (U j U i ) / Z ij U 2 y jj j
*
*
一、数学模型
变压器支路：U i
i
S ij
K Z ij
j
S ji
Uj
1 1 yii 1 K KZ ij
变压器j侧：S ji U j (U j U i ) /( K Z ij ) U 2 (K 1) /( K Z ij ) j
U M ,ij U i U j
*
*
*
*
KZ ij
*
S M , ji U j ( K 1)
*
U

一、数学模型
统一表示成矩阵形式：
状态向量——节点复电压 U
目标函数变为
J (U ) [ S M S c (U )]T R 1 [ S M S c (U )]*
一、数学模型
线路支路：
Ui
i
S ij
Z ij
j
S ji
Uj
yii
y jj
* U j U Ui S ij yiiU i i Z ij

计及负荷静态特性的电力系统静态状态估计算法

关键词：电力系统；状态估计；负荷静态特性；加权最小二乘法中图分类号：ＴＭ７４３文献标志码：Ａ文章编号：１０００— １９８０（２０１４）０卜００８８— ｔｉｍａｔｉｏｎａｌｇｏｒｉｔｈｍｆｏｒｐｏｗｅｒｓｙｓｔｅｍｃｏｎｓｉｄｅｒｉｎｇｓｔａｔｉｃｃｈａｒａｃｔｅｒｉｓｔｉｃｓＯｆｌｏａｄ
Ｊａｎ．２０１４
ＤＯＩ：１０．３８７６／ｊ．ｉｓｓｎ．１０００— １９８０．２０１４．０１．０１６
计及负荷静态特性的电力系统静态状态估计算法
陆子刚，卫志农，孙国强，孙永辉，孙维真，王超
ｔｈｅｉｔｅｒａｔｉｏｎｃａｌｃｕｌａｔｉｏｎｕｓｉｎｇｔｈｅｗｅｉｇｈｔｅｄｌｅａｓｔｓｑｕａｒｅｓｍｅｔｈｏｄｏｒｆｓｔａｔｅｅｓｔｉｍａｔｉｏｎ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｏｆａ４一ｂｕｓｔｅｓｔｓｙｓｔｅｍ，ａｎＩＥＥＥ３９一ｂｕｓｔｅｓｔｓｙｓｔｅｍ，ａｎｄａｒｅｇｉｏｎａｌｎｅｔｗｏｒｋｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｉｍｐｒｏｖｅｓｔｈｅａｃｃｕｒａｃｙｏｆｓｔａｔｅｅｓｔｉｍａｔｉｏｎａｎｄｈａｓｈｉｇｈｐｒａｃｔｉｃａｂｉｌｉｔｙ．

状态估计在电力系统中的应用

状态估计在电力系统中的应用电子与电气工程的应用范围广泛，其中之一是在电力系统中应用状态估计技术。

状态估计是电力系统运行中的重要环节，通过对电力系统的各个状态参数进行估计和计算，可以实现对系统运行状态的实时监测和分析，为系统运行与调度提供准确的信息支持。

本文将介绍状态估计的概念、原理和在电力系统中的应用。

一、状态估计的概念和原理状态估计是指根据系统的输入输出数据，利用数学模型和观测数据，对系统的未知状态进行估计和计算的过程。

在电力系统中，状态估计主要包括对电压、电流、功率等状态参数的估计。

通过状态估计，可以获得电力系统各节点的电压幅值、相角、有功功率、无功功率等信息，为电力系统的运行和调度提供准确的数据基础。

状态估计的原理基于最小二乘法和卡尔曼滤波等数学方法。

最小二乘法是一种常见的数学优化方法，通过最小化观测数据与模型估计值之间的差异，得到最优的状态估计结果。

而卡尔曼滤波则是一种递归滤波算法，通过对系统的动态模型和观测数据进行融合，实现对系统状态的连续估计和更新。

二、状态估计在电力系统中的应用1. 实时监测和分析状态估计可以实时监测电力系统的运行状态，并对系统的异常情况进行分析和判断。

通过对电压、电流等状态参数的估计，可以及时发现电力系统中的潜在问题，如电压异常、电流过载等，为运行人员提供预警和决策支持。

2. 负荷预测和调度状态估计可以通过对系统负荷的估计，为电力系统的负荷预测和调度提供准确的数据支持。

通过对负荷的实时估计，可以更好地掌握系统的负荷状况，为负荷预测和调度提供准确的参考依据，提高电力系统的运行效率和可靠性。

3. 故障诊断和恢复状态估计可以通过对系统状态的估计和计算，实现对电力系统故障的诊断和恢复。

通过对电压、电流等状态参数的估计，可以判断系统中的故障类型和位置，并提供相应的故障恢复策略，保障电力系统的安全和稳定运行。

4. 新能源接入和管理随着新能源的不断发展和接入，电力系统的运行和管理面临着新的挑战。

电力系统谐波状态估计与谐波源定位方法研究

电力系统谐波状态估计与谐波源定位方法研究电力系统谐波状态估计与谐波源定位方法研究报告随着现代电力系统的不断发展，谐波的产生与传播问题已经成为电力系统新的研究方向。

在电力系统的运行中，谐波会产生很多负面的影响，包括降低电力系统的稳定性和可靠性，增加电网的潮流以及导致设备的失效。

因此，准确地识别谐波状态和有效地确定谐波源对于电力系统的顺利运行和管理至关重要。

本报告将介绍电力系统谐波状态估计与谐波源定位方法的相关研究进展与应用情况。

一、谐波状态估计方法谐波状态估计是指在电力系统的运行中，通过分析电流和电压信号，确定系统中谐波分量的幅值、频率以及相位等参数。

谐波状态估计方法通常依靠数字信号处理技术实现，包括傅里叶变换、小波分析、自适应滤波、卡尔曼滤波等。

此外，一些基于人工智能技术的方法，如神经网络、支持向量机等，也被应用于谐波状态估计。

目前，谐波状态估计存在着两个问题需要解决。

首先，由于信号采样时间的不确定性，估计结果容易出现偏差；其次，电力系统中谐波阻抗不确定会影响估计结果的精度。

为优化谐波状态估计的精度和效率，研究人员提出了一些新的算法和模型，包括基于小波滤波和变分贝叶斯算法的方法等。

二、谐波源定位方法谐波源定位是指通过分析电力系统的电压和电流信号，确定系统中谐波源的位置信息，以便进行相应的调整措施。

谐波源的定位可以通过迭代算法、图像处理、无线定位等技术实现。

目前，最常用的方法是基于迭代算法的谐波源定位方法。

迭代算法的基本思想是在电力系统中分别测量电压和电流，利用各个节点的电压和电流数据逐步解出每个节点的阻抗值，据此计算出各个节点的相对谐波功率。

通过对相对谐波功率的比较，可以确定谐波源的位置信息。

谐波源定位的主要难点在于电力系统非线性特性、噪声干扰和负载变化等影响因素的影响。

为了提高定位精度和鲁棒性，研究人员开发了一些新的算法和模型，如基于模糊聚类和小波分析的方法等。

三、应用情况谐波状态估计和谐波源定位技术已经广泛应用于电力系统的管理和维护中。

GRNN算法在电力系统状态估计中的应用

关键词：在线估计；广义回归神经网络；状态估计
中图分类号：Ｔ７４Ｍ４文献标识码：Ａ
‘
文章编号：０２—１６（０１Ｏ一００—０１０６３２１）ｌ０５３
ＳａｅｅｔｔｔｓｉｔｎｉｏｒｓｓｅｂｓｄｏｍａｉｎｐｗｅｙｔｍａｅｎＧＲＮＮｌｏｉｍｏａｇｒｔｈ
电力系统的安全、可靠和经济运行影响较大。
Ｖ１３ｏ１ｏ．３Ｎ．
ＨｉｎｊｎｌｃｉＰｗｒｅｌｇｉｇＥｅｔｃｏｅｏａｒ
பைடு நூலகம்
Ｆｂ２ｌｅ．０ｌ
ＧＲＮ算法在龟力系统状态估计中的应用Ｎ
邢晓哲骆，伟
（．１东北电力大学电气工程学院，吉林吉林１２１；．３０２２大连东软信息学院，辽宁大连１６２）１０３
ｗｏｋ，ｔｓｐｐｒｐｏｏｅｄｔｒｎｔｎｍｅｈｄｏｍｏｔｐｒｍｅｅｎｗｏｋｏｔｏｏｄｔｒｉｅｉｐｔｒｈｉａｅｒｐｓｓｅｅｍｉａｉｔｏｆｓｏｈａａｔｒａｄｏｒｓｕｔｍｅｈｄｔｅｅｎｎｕｍ
ｑａｔｙｏｅｒｎｉｌｔｎｒｓｌｖｒｉｓｔｅｃｎｅｉｎｅａｄａｃｒｃｉｈｍｅｔｔｅｒｑｉｍｅｔｆｒｒａｕｎｉｆｕｏ．Ｓｍｕａｉｅｕｔｅｉｅｈｏｖｎｅｃｎｃｕａｙｗｈｃｅｓｈｅｕｒｔｎｏｆｅｎｅｏｌｔｆｏ —ｌｅｅｔｔｎｉｏｎｉｓｉｉ．ｍｅｎｍａｏ

电力系统中的实时状态估计与监控

电力系统中的实时状态估计与监控第一章：引言电力系统是现代社会不可或缺的基础设施之一，也是经济发展和生活运行的重要支撑。

为了确保电力系统的安全稳定运行，实时状态估计与监控技术成为了不可或缺的工具。

本章将介绍电力系统实时状态估计与监控的重要性和研究背景，并对本文的结构进行简要介绍。

第二章：电力系统实时状态估计技术2.1 电力系统实时状态估计的定义和作用实时状态估计是指通过采集和处理电力系统的运行数据，利用数学模型和算法技术，对系统的运行状态进行估计和预测。

实时状态估计技术能够提供准确的系统状态信息，为运行调度、故障诊断和故障恢复等决策提供支持。

2.2 电力系统实时状态估计的基本原理电力系统实时状态估计的基本原理包括系统模型建立、状态观测和状态估计。

系统模型建立是指根据系统的物理特性和运行约束，构建电力系统的数学模型。

状态观测指通过测量电力系统中的各种参数和信号，获取系统的观测数据。

状态估计则是根据系统模型和观测数据，利用数学算法进行状态估计的过程。

2.3 电力系统实时状态估计的关键技术电力系统实时状态估计的关键技术包括卡尔曼滤波算法、扩展卡尔曼滤波算法、无迭代状态估计算法和基于概率密度函数的状态估计算法。

这些算法能够有效地处理电力系统中的不确定性和复杂性，提高状态估计的准确性和可靠性。

第三章：电力系统实时监控技术3.1 电力系统实时监控的定义和目标电力系统实时监控是指对电力系统运行状态进行实时监测、分析和评估的过程，旨在发现系统异常和故障，并采取相应措施进行调整和修复，以确保系统的安全稳定运行。

3.2 电力系统实时监控的基本原理电力系统实时监控的基本原理包括数据采集、数据传输与处理、状态诊断和安全评估。

数据采集是指获取电力系统中各种参数和信号的过程，包括传感器的安装和数据采集设备的配置。

数据传输与处理则是将采集到的数据传输至监控中心，并进行数据处理和分析。

状态诊断以及安全评估则是根据监控数据对系统运行状态进行分析和评估，并发现、诊断和预测系统可能存在的故障和风险。

一种新的分布式电力系统状态估计算法

ｅｕｌｙｃｎｔｉｔａｔｅｒｓｉｒｕｅｅｉｃｕｅｔｏｊｃｉｅｆｎｔｎｗｉａｒｎｅｍｕｔｌｒａｅｎＰＵ．ＯｔｅｑａｔｏｓａｎｓｆｒｔｋｓｂｔｄａｌｄｄｉｏｂｅｔｕｃｏｔＬｇａｇｌｐｉｓｄｏＭｓＳｉｒｅｎｗｏｄｔｉｒｎｎｖｉｈｉｅｂｈ
（．１江西省电力科学研究院，江西南昌３００；２河海大学电气工程学院，江苏南京２０８３０６．１９）０摘要：随着电力系统的发展，区域电网互联，形成了规模更大的系统。为了适应这一趋势，电力系统状态估计应采用分布式
算法。在配置少量ＰＵ的基础上，将分区后的边界等式约束条件通过拉格朗目乘子计入整体目标函数，将分布式状态估计的Ｍ
维普资讯
第３５卷第２０期２００７年１０月１６日
继电器
ＲＥＬＡＹ
ＶＯ１３５ＮＯ．．２００ｃ．１２ｏ７ｔ６．０计算法
李阳林，卫志农，万军彪
．
（．ａｇｉｌｃｒｃＰｗｅｓａｃｎｔｕｅＮａｃａｇ３００，ｉａ１ｉｎｘｅｔｏｒＪＥｉＲｅｅｒｈＩｓｉｔ，ｔｎｈｎ３０６Ｃｈｎ；
２Ｓｈｏｆｌｔｃｌｎｉｅｎ，ＨｏａＵｎｖｒｉ，Ｎａｊｇ２０９，ｈｎ）ｃｏｌＥｅｒａＥｇｎｒｇｏｃｉｅｉｈｉｉｅｓｙｔｎｉ１０８Ｃｉａｎ
问题转化为一个带等式约束的最优化问题，实现了电力系统状态估计的分布式计算。该算法不仅提高了状态估计的速度，而

电力系统分层快速分解法状态估计程序设计

ｌ
（７）
（）３选参考节点，对各节点电压进行初始化并进行第一层网络的迭代计算；（）算该层网络的量测信息偏差量和修正方程式的系数矩４计阵；（）５解修正方程式，求修正量：ｆ）６判断是否收敛，并进行电压修正：ｖｖ”＋ｖ）０）： △ 【、，口ｏ＝
１概述
随着电力系统的迅速发展，电力系统的结构和运行方式日趋复杂，电力系统调度中心的自动化水平也不断发展。现代化的调度系统要求能迅速、准确而全面地掌握电力系统的实际运行状态，预测和分析系统的运行趋势，从而保证电力系统运行的安全性和经济性。而状态估计则是利用实时量测系统的冗余度来提高数据精度，估计或预报系统的运行状态，提高整个数据系统的质量和可靠性。本文对电力系统进行了分层处理，采用基于加权最小二乘法的快速分解电力系统状态估计算法，建立了相应的数学模型，并编制了相应的程序。所编程序对一个八节点算例系统的计算表明，电力系对统分层处理的快速分解法不仅具有通常快速分解法简便快速、收敛性好的特点，而且较后者计算时间更少。２快速分解法状态估计的算法原理快速分解法在基本加权最小二乘法的基础上，通过以下两种简化手段得出快速分解法状态估计的迭代修正公式，降低了问题的阶次，减少了雅克比矩阵的重复计算，大大的加快了潮流的计算速度。（）１有功和无功的分解：在高压电网中，正常运行条件下有功Ｐ和电压Ｖ、无功Ｑ和电压相角０之间联系很弱，在雅克比矩阵中
舶肿＝ｍ加２
邶鼹ｍ