計及PMU的魯棒電力系統(tǒng)預測輔助狀態(tài)估計.pdf

1、電力系統(tǒng)狀態(tài)估計在現(xiàn)代能量管理系統(tǒng)(EMS)中扮演著至關重要的作用，是調度人員進行正確決策的基礎。但量測數據常因量測裝置內在誤差、傳輸噪聲等原因受到污染，干擾狀態(tài)估計結果，誤導調度人員。因此，提高狀態(tài)估計算法的魯棒性以及抑制不良數據的能力，對保證電力系統(tǒng)穩(wěn)定運行有重要意義。
　　隨著量測裝置技術的發(fā)展，同步相量量測裝置(PMU)在電力系統(tǒng)中推廣應用，為狀態(tài)估計提供高精度、高同步的量測。同時，PMU量測與SCADA量測來源不同，相互

2、獨立，從而互為備用，可以有效抑制SCADA量測中的不良數據，進一步提高算法的魯棒性。因此，本文主要是提出一種魯棒性更好的預測輔助狀態(tài)估計算法，并探究PMU量測對該算法估計精度和魯棒性的影響。本文主要內容如下:
　　1.簡單介紹了幾種應用在狀態(tài)估計中的算法，包括加權最小二乘法、卡爾曼濾波和擴展卡爾曼濾波。
　　2.基于SCADA量測，在擴展卡爾曼濾波(EKF)的基礎上改進，提出了廣義最大似然類型—擴展卡爾曼濾波算法(GM-EK

3、F)?；舅悸?首先，利用EKF的狀態(tài)方程與量測方程構建線性回歸框架。然后，利用投影統(tǒng)計算法(PS)辨識異常值并構建等價權函數。接著，評價函數選擇Huber函數，構建類似WLS形式的目標函數并利用IRLS求解。為驗證算法的有效性和魯棒性，將GM-EKF算法在IEEE標準測試系統(tǒng)中仿真，并與相關算法進行結果比較。
　　3.基于SCADA/PMU混合量測，探究PMU量測對于GM-EKF算法估計精度和魯棒性的影響?；舅悸?針對PMU量