CN105490269B - 基于wams量测的多区域电力***状态估计方法及*** - Google Patents
基于wams量测的多区域电力***状态估计方法及*** Download PDFInfo
- Publication number
- CN105490269B CN105490269B CN201511028254.5A CN201511028254A CN105490269B CN 105490269 B CN105490269 B CN 105490269B CN 201511028254 A CN201511028254 A CN 201511028254A CN 105490269 B CN105490269 B CN 105490269B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- state estimation
- wams
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000005259 measurement Methods 0.000 claims abstract description 58
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 238000012217 deletion Methods 0.000 claims abstract description 15
- 230000037430 deletion Effects 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 40
- 238000004891 communication Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000005283 ground state Effects 0.000 claims 2
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于WAMS量测的多区域电力***状态估计方法及***，方法包括：建立多区域状态估计模型，并获得多区域状态估计模型的最优解求解公式；各子区域根据本地上传的WAMS量测和多区域状态估计模型估计本地状态，得到本地状态估计值；各子区域执行分布式一致性协议，并根据执行的结果对本地状态估计值进行修正；判断本地上传的WAMS量测是否有量测缺失，若是，则迭代执行WAMS量测缺失情况下的迭代修正算法，直到修正后的本地状态估计值收敛至剔除缺失量测后的集中式估计值，反之，则直接将各子区域修正后的本地状态估计值进行输出。本发明具有收敛速度快、适用性广且准确的优点，可广泛应用于电力***分析控制领域。
Description
技术领域
本发明涉及电力***分析控制领域，尤其是一种基于WAMS量测的多区域电力***状态估计方法及***。
背景技术
电力***是覆盖辽阔地域的大互联***，精确估计其运行状态，为其它高级应用软件提供实时可靠的***状态信息，一直是电力工业界长久不衰的研究课题。随着基于相量量测单元(Phasor Measurement Unit,PMU)的广域量测***(Wide-area MonitorSystem,WAMS)在技术上的成熟与推广应用，利用WAMS量测技术已可实现电力***的线性状态估计。但电力***状态量的维数很高，量测的数据量过于庞大，会导致集中处理变得非常烦杂。
为克服大规模***集中式状态估计难的问题，目前大多数研究会采用基于星型通信拓扑的分层式状态估计算法，即需要一个协调中心与区域电网间进行通，信以协调整合各区域局部估计值。随着电力***自动化水平的提高，上述星型通信拓扑也会随之被取代，逐渐发展成一种更一般化的通信拓扑结构——网状或链状结构。目前，基于网状或链状通信拓扑的分布式状态估计方法已有部分研究，但大部分算法存在收敛速度慢、算法参数不易确定或对通信拓扑有特定要求等缺点，且都没有考虑到WAMS存在量测数据缺失的情况，容易导致状态估计值存在较大的偏差，不够准确。
发明内容
为解决上述技术问题，本发明的目的在于：提供一种收敛速度快、适用性广且准确的，基于WAMS量测的多区域电力***状态估计方法。
本发明的另一目的在于：提供一种收敛速度快、适用性广且准确的，基于WAMS量测的多区域电力***状态估计***。
本发明解决其技术问题所采取的技术方案是：
基于WAMS量测的多区域电力***状态估计方法，其特征在于：包括以下步骤：
S1、建立多区域状态估计模型，并获得多区域状态估计模型的最优解求解公式；
S2、各子区域根据本地上传的WAMS量测和多区域状态估计模型估计本地状态，得到本地状态估计值；
S3、各子区域执行分布式一致性协议，并根据执行的结果对本地状态估计值进行修正，所述分布式一致性协议以各子区域的电网调度中心作为智能体，各个智能体之间通过链状或网状通信拓扑联通；
S4、判断本地上传的WAMS量测是否有量测缺失，若是，则迭代执行WAMS量测缺失情况下的迭代修正算法，直到修正后的本地状态估计值收敛至剔除缺失量测后的集中式估计值，反之，则直接将各子区域修正后的本地状态估计值进行输出。
进一步，所述步骤S1，其包括：
建立多区域状态估计模型，所述多区域状态估计模型的表达式为：
其中，J为多区域状态估计模型的目标函数，N为多区域的总数，zi为区域i的WAMS量测，Ai为区域i的量测方程矩阵，xi为区域i的状态矢量，Wi为区域i的权重矩阵；x＝[x1,...,xN]为n维全***状态矢量，B为4b×n阶矩阵，b为联络线支路数，B＝[B1,...,BN]，满足
依次通过第一方程组、第二方程组和第三方程组求出多区域状态估计模型的最优解，所述第一方程组的表达式为：所述第二方程组的表达式为：
所述第三方程组的表达式为：其中，为区域i未经修正的本地状态估计值，λ为拉格朗日乘子，为区域i的最优状态估计值，di为区域i的估计协调增量。
进一步，所述步骤S2包括：
S21、各子区域获取当前时刻本地上传的WAMS量测；
S22、各子区域根据获取的WAMS量测以及多区域状态估计模型采用分布式最小二乘估计算法估计本地状态，得到本地状态估计值。
进一步，所述步骤S22包括：
S221、进行初始化，为各区域i置一致性协议初始值为然后各区域i执行有限时间平均一致性协议得到
S222、各区域i根据和第一方程组独立计算和并将的值赋予ai,0；
S223、各区域i根据赋值后的新ai,0执行有限时间平均一致性协议，得到
S224、各区域i根据和第二方程组独立计算拉格朗日乘子λ，然后由λ和第三方程组计算本地状态估计值
进一步，所述步骤S3包括：
各子区域执行分布式一致性协议，得到各子区域的估计协调增量；
各子区域根据得到的估计协调增量对本地状态估计值进行修正。
进一步，所述步骤S4包括：
S41、各子区域i根据本地上传的WAMS量测中对角线矩阵Si对角元素的值来判断本地上传的WAMS量测是否有量测缺失，若对角线矩阵Si对角元素的值为0，则判定本地上传的WAMS量测有量测缺失，此时执行步骤S42；若对角线矩阵Si对角元素的值为1，则判定本地上传的WAMS量测无量测缺失，此时直接跳至步骤S43；
S42、迭代执行WAMS量测缺失情况下的迭代修正算法，直到修正后的本地状态估计值收敛至剔除缺失量测后的集中式估计值，然后执行步骤S43；
S43、将各子区域修正后的本地状态估计值进行输出。
进一步，所述步骤S42包括：
S421、给定收敛阈值eend，并为各区域i置状态估计值初值以及时刻初值t＝0；
S422、各区域i根据时刻t的状态估计值独立计算和并将的值赋予ai,0；
S423、各区域i根据赋值后的新ai,0执行有限时间平均一致性协议，得到
S424、各区域i根据和第二方程组独立计算时刻t的拉格朗日乘子λt，并计算各区域i在时刻t+1的状态估计值计算公式为：
S425、各区域i计算然后置ei,0＝ei，执行最大一致性协议，所述最大一致性协议的表达式为：
其中，Ωi表示与区域i相邻的区域编号集合，dG为简单无向图G(ν,ε)的直径，v为图G(ν,ε)的顶点集合，ε为图G(ν,ε)的边集合；
S426、根据最大一致性协议的执行结果判断是否成立，若是，则结束迭代，将时刻t的状态估计值作为各子区域修正后的本地状态估计值进行输出，反之，则令t自加1然后返回步骤S422。
本发明解决其技术问题所采取的另一技术方案是：
基于WAMS量测的多区域电力***状态估计***，包括以下模块：
多区域状态估计模型构建模块，用于建立多区域状态估计模型，并获得多区域状态估计模型的最优解求解公式；
本地状态估计模块，用于各子区域根据本地上传的WAMS量测和多区域状态估计模型估计本地状态，得到本地状态估计值；
分布式一致性协议执行模块，用于各子区域执行分布式一致性协议，并根据执行的结果对本地状态估计值进行修正，所述分布式一致性协议以各子区域的电网调度中心作为智能体，各个智能体之间通过链状或网状通信拓扑联通；
判断模块，用于判断本地上传的WAMS量测是否有量测缺失，若是，则迭代执行WAMS量测缺失情况下的迭代修正算法，直到修正后的本地状态估计值收敛至剔除缺失量测后的集中式估计值，反之，则直接将各子区域修正后的本地状态估计值进行输出；
所述多区域状态估计模型构建模块的输出端依次通过本地状态估计模块和分布式一致性协议执行模块进而与判断模块的输入端连接。
进一步，所述多区域状态估计模型构建模块包括：
建立单元，用于建立多区域状态估计模型，所述多区域状态估计模型的表达式为：
其中，J为多区域状态估计模型的目标函数，N为多区域的总数，zi为区域i的WAMS量测，Ai为区域i的量测方程矩阵，xi为区域i的状态矢量，Wi为区域i的权重矩阵；x＝[x1,...,xN]为n维全***状态矢量，B为4b×n阶矩阵，b为联络线支路数，B＝[B1,...,BN]，满足
最优解求解单元，用于依次通过第一方程组、第二方程组和第三方程组求出多区域状态估计模型的最优解，所述第一方程组的表达式为：所述第二方程组的表达式为：所述第三方程组的表达式为：其中，为区域i未经修正的本地状态估计值，λ为拉格朗日乘子，为区域i的最优状态估计值，di为区域i的估计协调增量；
所述建立单元的输出端通过最优解求解单元进而与本地状态估计模块的输入端连接。
进一步，所述判断模块包括：
判断单元，用于各子区域i根据本地上传的WAMS量测中对角线矩阵Si对角元素的值来判断本地上传的WAMS量测是否有量测缺失，若对角线矩阵Si对角元素的值为0，则判定本地上传的WAMS量测有量测缺失，此时执行迭代修正单元；若对角线矩阵Si对角元素的值为1，则判定本地上传的WAMS量测无量测缺失，此时直接跳至输出单元；
迭代修正单元，用于迭代执行WAMS量测缺失情况下的迭代修正算法，直到修正后的本地状态估计值收敛至剔除缺失量测后的集中式估计值，然后执行输出单元；
输出单元，用于将各子区域修正后的本地状态估计值进行输出；
所述分布式一致性协议执行模块的输出端与判断单元的输入端连接，所述判断单元的输出端分别与迭代修正单元的输入端和输出单元的输入端连接，所述迭代修正单元的输出端还与输出单元的输入端连接。
本发明的方法的有益效果是：各子区域先根据本地上传的WAMS量测估计其辖区内***状态，然后执行一次分布式一致性协议来求解修正本地状态估计值，并判断地上传的WAMS量测是否有量测缺失，若当前时刻WAMS有部分量测缺失，则通过WAMS量测缺失情况下的迭代修正算法来进行修正；引入了分布式一致性协议，在WAMS量测无缺失的情况下，能快速收敛至集中式估计值，收敛速度快，且算法参数易确定，对通信拓扑无任何特定要求，适用性广；在出现WAMS量测缺失时，无需改变原有的信息矩阵结构，只需执行若干次迭代修正算法，就能使各子区域本地估计值收敛至剔除缺失量测后的集中式估计值，更加准确。
本发明的***的有益效果是：各子区域先根据本地上传的WAMS量测估计其辖区内***状态，然后执行一次分布式一致性协议来求解修正本地状态估计值，并判断地上传的WAMS量测是否有量测缺失，若当前时刻WAMS有部分量测缺失，则通过WAMS量测缺失情况下的迭代修正算法来进行修正；引入了分布式一致性协议，在WAMS量测无缺失的情况下，能快速收敛至集中式估计值，收敛速度快，且算法参数易确定，对通信拓扑无任何特定要求，适用性广；在出现WAMS量测缺失时，无需改变原有的信息矩阵结构，只需执行若干次迭代修正算法，就能使各子区域本地估计值收敛至剔除缺失量测后的集中式估计值，更加准确。
附图说明
图1为本发明基于WAMS量测的多区域电力***状态估计方法的整体流程图；
图2为本发明基于WAMS量测的多区域电力***状态估计***的整体框图；
图3为二分区互联电力***的结构示意图；
图4为实施例一互联电力***的状态估计方法流程图；
图5为IEEE 118节点标准测试***的7分区示意图；
图6为本发明图5***对应的通信拓扑。
具体实施方式
参照图1，基于WAMS量测的多区域电力***状态估计方法，其特征在于：包括以下步骤：
S1、建立多区域状态估计模型，并获得多区域状态估计模型的最优解求解公式；
S2、各子区域根据本地上传的WAMS量测和多区域状态估计模型估计本地状态，得到本地状态估计值；
S3、各子区域执行分布式一致性协议，并根据执行的结果对本地状态估计值进行修正，所述分布式一致性协议以各子区域的电网调度中心作为智能体，各个智能体之间通过链状或网状通信拓扑联通；
S4、判断本地上传的WAMS量测是否有量测缺失，若是，则迭代执行WAMS量测缺失情况下的迭代修正算法，直到修正后的本地状态估计值收敛至剔除缺失量测后的集中式估计值，反之，则直接将各子区域修正后的本地状态估计值进行输出。
进一步作为优选的实施方式，所述步骤S1，其包括：
建立多区域状态估计模型，所述多区域状态估计模型的表达式为：
其中，J为多区域状态估计模型的目标函数，N为多区域的总数，zi为区域i的WAMS量测，Ai为区域i的量测方程矩阵，xi为区域i的状态矢量，Wi为区域i的权重矩阵；x＝[x1,...,xN]为n维全***状态矢量，B为4b×n阶矩阵，b为联络线支路数，B＝[B1,...,BN]，满足
依次通过第一方程组、第二方程组和第三方程组求出多区域状态估计模型的最优解，所述第一方程组的表达式为：所述第二方程组的表达式为：
所述第三方程组的表达式为：其中，为区域i未经修正的本地状态估计值，λ为拉格朗日乘子，为区域i的最优状态估计值，di为区域i的估计协调增量。
进一步作为优选的实施方式，所述步骤S2包括：
S21、各子区域获取当前时刻本地上传的WAMS量测；
S22、各子区域根据获取的WAMS量测以及多区域状态估计模型采用分布式最小二乘估计算法估计本地状态，得到本地状态估计值。
进一步作为优选的实施方式，所述步骤S22包括：
S221、进行初始化，为各区域i置一致性协议初始值为然后各区域i执行有限时间平均一致性协议得到
S222、各区域i根据和第一方程组独立计算和并将的值赋予ai,0；
S223、各区域i根据赋值后的新ai,0执行有限时间平均一致性协议，得到
S224、各区域i根据和第二方程组独立计算拉格朗日乘子λ，然后由λ和第三方程组计算本地状态估计值
进一步作为优选的实施方式，所述步骤S3包括：
各子区域执行分布式一致性协议，得到各子区域的估计协调增量；
各子区域根据得到的估计协调增量对本地状态估计值进行修正。
进一步作为优选的实施方式，所述步骤S4包括：
S41、各子区域i根据本地上传的WAMS量测中对角线矩阵Si对角元素的值来判断本地上传的WAMS量测是否有量测缺失，若对角线矩阵Si对角元素的值为0，则判定本地上传的WAMS量测有量测缺失，此时执行步骤S42；若对角线矩阵Si对角元素的值为1，则判定本地上传的WAMS量测无量测缺失，此时直接跳至步骤S43；
S42、迭代执行WAMS量测缺失情况下的迭代修正算法，直到修正后的本地状态估计值收敛至剔除缺失量测后的集中式估计值，然后执行步骤S43；
S43、将各子区域修正后的本地状态估计值进行输出。
进一步作为优选的实施方式，所述步骤S42包括：
S421、给定收敛阈值eend，并为各区域i置状态估计值初值以及时刻初值t＝0；
S422、各区域i根据时刻t的状态估计值独立计算和并将的值赋予ai,0；
S423、各区域i根据赋值后的新ai,0执行有限时间平均一致性协议，得到
S424、各区域i根据和第二方程组独立计算时刻t的拉格朗日乘子λt，并计算各区域i在时刻t+1的状态估计值计算公式为：
S425、各区域i计算然后置ei,0＝ei，执行最大一致性协议，所述最大一致性协议的表达式为：
其中，Ωi表示与区域i相邻的区域编号集合，dG为简单无向图G(ν,ε)的直径，v为图G(ν,ε)的顶点集合，ε为图G(ν,ε)的边集合；
S426、根据最大一致性协议的执行结果判断是否成立，若是，则结束迭代，将时刻t的状态估计值作为各子区域修正后的本地状态估计值进行输出，反之，则令t自加1然后返回步骤S422。
参照图2，基于WAMS量测的多区域电力***状态估计***，包括以下模块：
多区域状态估计模型构建模块，用于建立多区域状态估计模型，并获得多区域状态估计模型的最优解求解公式；
本地状态估计模块，用于各子区域根据本地上传的WAMS量测和多区域状态估计模型估计本地状态，得到本地状态估计值；
分布式一致性协议执行模块，用于各子区域执行分布式一致性协议，并根据执行的结果对本地状态估计值进行修正，所述分布式一致性协议以各子区域的电网调度中心作为智能体，各个智能体之间通过链状或网状通信拓扑联通；
判断模块，用于判断本地上传的WAMS量测是否有量测缺失，若是，则迭代执行WAMS量测缺失情况下的迭代修正算法，直到修正后的本地状态估计值收敛至剔除缺失量测后的集中式估计值，反之，则直接将各子区域修正后的本地状态估计值进行输出；
所述多区域状态估计模型构建模块的输出端依次通过本地状态估计模块和分布式一致性协议执行模块进而与判断模块的输入端连接。
参照图2，进一步作为优选的实施方式，所述多区域状态估计模型构建模块包括：
建立单元，用于建立多区域状态估计模型，所述多区域状态估计模型的表达式为：
其中，J为多区域状态估计模型的目标函数，N为多区域的总数，zi为区域i的WAMS量测，Ai为区域i的量测方程矩阵，xi为区域i的状态矢量，Wi为区域i的权重矩阵；x＝[x1,...,xN]为n维全***状态矢量，B为4b×n阶矩阵，b为联络线支路数，B＝[B1,...,BN]，满足
最优解求解单元，用于依次通过第一方程组、第二方程组和第三方程组求出多区域状态估计模型的最优解，所述第一方程组的表达式为：所述第二方程组的表达式为：所述第三方程组的表达式为：其中，为区域i未经修正的本地状态估计值，λ为拉格朗日乘子，为区域i的最优状态估计值，di为区域i的估计协调增量；
所述建立单元的输出端通过最优解求解单元进而与本地状态估计模块的输入端连接。
参照图2，进一步作为优选的实施方式，所述判断模块包括：
判断单元，用于各子区域i根据本地上传的WAMS量测中对角线矩阵Si对角元素的值来判断本地上传的WAMS量测是否有量测缺失，若对角线矩阵Si对角元素的值为0，则判定本地上传的WAMS量测有量测缺失，此时执行迭代修正单元；若对角线矩阵Si对角元素的值为1，则判定本地上传的WAMS量测无量测缺失，此时直接跳至输出单元；
迭代修正单元，用于迭代执行WAMS量测缺失情况下的迭代修正算法，直到修正后的本地状态估计值收敛至剔除缺失量测后的集中式估计值，然后执行输出单元；
输出单元，用于将各子区域修正后的本地状态估计值进行输出；
所述分布式一致性协议执行模块的输出端与判断单元的输入端连接，所述判断单元的输出端分别与迭代修正单元的输入端和输出单元的输入端连接，所述迭代修正单元的输出端还与输出单元的输入端连接。
下面结合说明书附图和具体实施例对本发明作进一步详细说明。
实施例一
本实施例对本发明所涉及的相关理论及本发明的具体实现过程进行详细介绍。
针对传统WAMS具有庞大数据量、存在量测数据缺失的问题和新型通信拓扑(链状或网状)的发展，本发明提出了一种针对WAMS量测缺失的多区域电力***状态估计方法，如图4所示，无需协调中心，能适应任意通信拓扑；在WAMS正常情况(WAMS量测无缺失)下，能快速收敛至集中式估计值；在WAMS出现部分PMU量测缺失时，无需改变原有信息矩阵结构，只需执行若干次分布式一致性协议能使各子区域本地估计值收敛至剔除缺失量测后的集中式估计值。
(一)多区域电力***状态估计模型及相关定义
如图3所示的二分区互联电力***，区域i的状态量矢量定义为：
a)区域i内部状态xi,int：区域i内不与其它区域相连接的节点状态量；
b)区域i内部边界状态xi,bint：区域i内与其它区域相连接的节点状态量；
c)区域i外部边界状态xi,bext：其它区域内与区域i相连接的节点状态量。
类似地，可定义出区域j的状态量矢量。
本发明建立的多区域电力***状态估计模型为：
其中，zi为区域i的量测；Wi为区域i的权重矩阵；B为4b×n阶矩阵，B每行中有两个非零元素为1或-1，分别对应两个相邻区域的边界状态量；b为联络线支路数。令B＝[B1,...,BN]，则有：
引入拉格朗日乘子λ，上述多区域电力***状态估计模型的最优求解过程可通过以下三个方程组来实现：
其中，为区域i的最优状态估计值，di为区域i的估计协调增量。
由以上三个方程组可知，λ需要各区域联合求解。
故最优求解过程的第二方程组可等效改写为：
各区域i仅已知Bi，即仅已知矩阵B中关于区域i边界状态的部分列向量，而区域i的初始状态设为：
分布式一致性协议可采用现有的有限时间平均一致性协议来实现。各区域执行分布式一致性协议后可得到一致平均值和然后再通过分布式加权最小二乘估计算法即可得到本地状态估计值，因为为常数矩阵，初始化只需一次。
(二)分布式加权最小二乘估计算法
本发明的分布式加权最小二乘估计算法的具体过程为：
(1)进行初始化，为各区域i置一致性协议初始值为然后各区域i执行有限时间平均一致性协议得到
(2)各区域i根据和(一)的第一方程组独立计算和并将的值赋予ai,0；
(3)各区域i根据赋值后的新ai,0执行有限时间平均一致性协议，得到
(4)各区域i根据和(一)的第二方程组独立计算拉格朗日乘子λ，然后由λ和(一)的第三方程组计算本地状态估计值
(三)WAMS量测缺失情况下的迭代修正算法
定理设缺失量测剔除后的***能保持可观性，给定初值：
由迭代可收敛至：
其中，S为对角线矩阵，对应异常量测(即有量测缺失)的对角元素为0，对应正常量测(即无量测缺失)的对角元素为1；zm、Am和Rm分别为不包含异常量测的量测向量、量测方程矩阵和量测协方差矩阵。
根据定理，在(二)的算法步骤中引入对角线矩阵Si，则(二)中最优求解过程的第一方程组第一式子修正为：
并置Tapi为区域i的WAMS量测缺失标志，当区域i有WAMS量测缺失时，Tapi＝1；否则，Tapi＝0。执行完(二)的算法后，各区域i检查Tapi是否为0，如不为0，则继续执行以下的迭代修正算法：
(1)给定收敛阈值eend，并为各区域i置状态估计值初值以及时刻初值t＝0；
(2)各区域i根据时刻t的状态估计值独立计算和并将的值赋予ai,0；
(3)各区域i根据赋值后的新ai,0执行有限时间平均一致性协议，得到
(4)各区域i根据和(一)的第二方程组独立计算时刻t的拉格朗日乘子λt，并计算各区域i在时刻t+1的状态估计值计算公式为：
(5)各区域i计算然后置ei,0＝ei，执行最大一致性协议，所述最大一致性协议的表达式为：
其中，Ωi表示与区域i相邻的区域编号集合，dG为简单无向图G(ν,ε)的直径，v为图G(ν,ε)的顶点集合，ε为图G(ν,ε)的边集合；
(6)根据最大一致性协议的执行结果判断是否成立，若是，则结束迭代，将时刻t的状态估计值作为各子区域修正后的本地状态估计值进行输出，反之，则令t自加1然后返回步骤(2)。
与现有技术相比，本实施例具有以下优点：
(1)根据互联电网已有的分区方式，将子区域电网调度中心与分布式一致性协议中的智能体概念相联系，并通过链状或网状通信拓扑联通，以实现无协调中心的多区域状态估计，效率更高。
(2)在估计时刻，各子区域间通过与相邻区域交换边界信息，得到估计结果得到全局协调，保证各子区域本地估计值与集中式估计相同，更加科学。
(3)建立各子区域电网间状态估计模型的耦合关系，然后基于该关系合理引入分布式一致性协议来实现全局协调求解，更加全面。
(4)扩展推导出WAMS量测存在部分缺失情况下的修正算法，对WAMS量测缺失具有较强的适应性，更加全面和准确。
实施例二
1)以图5所示7分区的IEEE 118节点标准测试***为例，所有节点均配置PMU，相应节点电压相量和与该节点相联的支路电流相量是可量测的。节点电压实部与虚部量测值为潮流真值叠加标准差σ＝0.008的高斯白噪声，支路电流实部与虚部量测值为潮流真值叠加标准差σ＝0.0005的高斯白噪声，权重矩阵W取为图6为对应图5***的通信拓扑。
根据先验知识与实际测试，经过有限时间平均一致性迭代，各区域节点电压相量的实虚部均收敛至集中式估计值。
假设各区域均出现一个电压相量实部的量测缺失,即全***共有7个量测缺失，并将收敛阈值eend设为0.0001。若采用本发明的迭代修正算法进行测试，则收敛时所需的迭代步数tc＝3。表1为其它缺失数据情况下采用本发明的迭代修正算法的收敛结果。从表1我们可以看到，tc随着***缺失量测总数的增多而增大，但增幅并不明显。一般地，WAMS可靠性较高，一次采样中的缺失量测数相对较少，故采用本发明的算法能通过较少的迭代步数迭代至收敛。
表1WAMS量测缺失情况下采用迭代修正算法的收敛结果
| 电压缺失量测总数 | 电流缺失量测总数 | 缺失量测总数 | tc |
| 19 | 0 | 19 | 5 |
| 0 | 35 | 35 | 9 |
| 27 | 28 | 65 | 11 |
| 35 | 70 | 105 | 12 |
| 70 | 105 | 175 | 12 |
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (8)
1.基于WAMS量测的多区域电力***状态估计方法，其特征在于：包括以下步骤：
S1、建立多区域状态估计模型，并获得多区域状态估计模型的最优解求解公式；
S2、各子区域根据本地上传的WAMS量测和多区域状态估计模型估计本地状态，得到本地状态估计值；
S3、各子区域执行分布式一致性协议，并根据执行的结果对本地状态估计值进行修正，所述分布式一致性协议以各子区域的电网调度中心作为智能体，各个智能体之间通过链状或网状通信拓扑联通；
S4、判断本地上传的WAMS量测是否有量测缺失，若是，则迭代执行WAMS量测缺失情况下的迭代修正算法，直到修正后的本地状态估计值收敛至剔除缺失量测后的集中式估计值，反之，则直接将各子区域修正后的本地状态估计值进行输出；
所述步骤S1，其包括：
建立多区域状态估计模型，所述多区域状态估计模型的表达式为：
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mi> </mi>
<mi>J</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>A</mi>
<mi>i</mi>
</msub>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mi>T</mi>
</msup>
<msub>
<mi>W</mi>
<mi>i</mi>
</msub>
<mo>&lsqb;</mo>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>A</mi>
<mi>i</mi>
</msub>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mi>t</mi>
<mo>.</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>B</mi>
<mi>x</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
其中，J为多区域状态估计模型的目标函数，N为多区域的总数，zi为区域i的WAMS量测，Ai为区域i的量测方程矩阵，xi为区域i的状态矢量，Wi为区域i的权重矩阵；x＝[x1,...,xN]为n维全***状态矢量，B为4b×n阶矩阵，b为联络线支路数，B＝[B1,...,BN]，满足
依次通过第一方程组、第二方程组和第三方程组求出多区域状态估计模型的最优解，所述第一方程组的表达式为：所述第二方程组的表达式为：
所述第三方程组的表达式为：其中，为区域i未经修正的本地状态估计值，λ为拉格朗日乘子，为区域i的最优状态估计值，di为区域i的估计协调增量。
2.根据权利要求1所述的基于WAMS量测的多区域电力***状态估计方法，其特征在于：所述步骤S2包括：
S21、各子区域获取当前时刻本地上传的WAMS量测；
S22、各子区域根据获取的WAMS量测以及多区域状态估计模型采用分布式最小二乘估计算法估计本地状态，得到本地状态估计值。
3.根据权利要求2所述的基于WAMS量测的多区域电力***状态估计方法，其特征在于：所述步骤S22包括：
S221、进行初始化，为各区域i置一致性协议初始值为然后各区域i执行有限时间平均一致性协议得到
S222、各区域i根据和第一方程组独立计算和并将的值赋予ai,0；
S223、各区域i根据赋值后的新ai,0执行有限时间平均一致性协议，得到
S224、各区域i根据和第二方程组独立计算拉格朗日乘子λ，然后由λ和第三方程组计算本地状态估计值
4.根据权利要求1所述的基于WAMS量测的多区域电力***状态估计方法，其特征在于：所述步骤S3包括：
各子区域执行分布式一致性协议，得到各子区域的估计协调增量；
各子区域根据得到的估计协调增量对本地状态估计值进行修正。
5.根据权利要求3所述的基于WAMS量测的多区域电力***状态估计方法，其特征在于：所述步骤S4包括：
S41、各子区域i根据本地上传的WAMS量测中对角线矩阵Si对角元素的值来判断本地上传的WAMS量测是否有量测缺失，若对角线矩阵Si对角元素的值为0，则判定本地上传的WAMS量测有量测缺失，此时执行步骤S42；若对角线矩阵Si对角元素的值为1，则判定本地上传的WAMS量测无量测缺失，此时直接跳至步骤S43；
S42、迭代执行WAMS量测缺失情况下的迭代修正算法，直到修正后的本地状态估计值收敛至剔除缺失量测后的集中式估计值，然后执行步骤S43；
S43、将各子区域修正后的本地状态估计值进行输出。
6.根据权利要求5所述的基于WAMS量测的多区域电力***状态估计方法，其特征在于：所述步骤S42包括：
S421、给定收敛阈值eend，并为各区域i置状态估计值初值以及时刻初值t＝0；
S422、各区域i根据时刻t的状态估计值独立计算和并将的值赋予ai,0；
S423、各区域i根据赋值后的新ai,0执行有限时间平均一致性协议，得到
S424、各区域i根据和第二方程组独立计算时刻t的拉格朗日乘子λt，并计算各区域i在时刻t+1的状态估计值计算公式为：
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>=</mo>
<msubsup>
<mi>G</mi>
<mi>i</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msubsup>
<mi>B</mi>
<mi>i</mi>
<mi>T</mi>
</msubsup>
<msub>
<mi>&lambda;</mi>
<mi>t</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mn>0</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>x</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
S425、各区域i计算然后置ei,0＝ei，执行最大一致性协议，所述最大一致性协议的表达式为：
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>e</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>l</mi>
</mrow>
</msub>
<mo>=</mo>
<munder>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<msub>
<mi>&Omega;</mi>
<mi>i</mi>
</msub>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<msub>
<mi>e</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>l</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>e</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>l</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>d</mi>
<mi>G</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
其中，Ωi表示与区域i相邻的区域编号集合，dG为简单无向图G(ν,ε)的直径，v为图G(ν,ε)的顶点集合，ε为图G(ν,ε)的边集合；
S426、根据最大一致性协议的执行结果判断是否成立，若是，则结束迭代，将时刻t的状态估计值作为各子区域修正后的本地状态估计值进行输出，反之，则令t自加1然后返回步骤S422。
7.基于WAMS量测的多区域电力***状态估计***，其特征在于：包括以下模块：
多区域状态估计模型构建模块，用于建立多区域状态估计模型，并获得多区域状态估计模型的最优解求解公式；
本地状态估计模块，用于各子区域根据本地上传的WAMS量测和多区域状态估计模型估计本地状态，得到本地状态估计值；
分布式一致性协议执行模块，用于各子区域执行分布式一致性协议，并根据执行的结果对本地状态估计值进行修正，所述分布式一致性协议以各子区域的电网调度中心作为智能体，各个智能体之间通过链状或网状通信拓扑联通；
判断模块，用于判断本地上传的WAMS量测是否有量测缺失，若是，则迭代执行WAMS量测缺失情况下的迭代修正算法，直到修正后的本地状态估计值收敛至剔除缺失量测后的集中式估计值，反之，则直接将各子区域修正后的本地状态估计值进行输出；
所述多区域状态估计模型构建模块的输出端依次通过本地状态估计模块和分布式一致性协议执行模块进而与判断模块的输入端连接；
所述多区域状态估计模型构建模块包括：
建立单元，用于建立多区域状态估计模型，所述多区域状态估计模型的表达式为：
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mi> </mi>
<mi>J</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>A</mi>
<mi>i</mi>
</msub>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mi>T</mi>
</msup>
<msub>
<mi>W</mi>
<mi>i</mi>
</msub>
<mo>&lsqb;</mo>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>A</mi>
<mi>i</mi>
</msub>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mi>t</mi>
<mo>.</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>B</mi>
<mi>x</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
其中，J为多区域状态估计模型的目标函数，N为多区域的总数，zi为区域i的WAMS量测，Ai为区域i的量测方程矩阵，xi为区域i的状态矢量，Wi为区域i的权重矩阵；x＝[x1,...,xN]为n维全***状态矢量，B为4b×n阶矩阵，b为联络线支路数，B＝[B1,...,BN]，满足
最优解求解单元，用于依次通过第一方程组、第二方程组和第三方程组求出多区域状态估计模型的最优解，所述第一方程组的表达式为：所述第二方程组的表达式为：所述第三方程组的表达式为：其中，为区域i未经修正的本地状态估计值，λ为拉格朗日乘子，为区域i的最优状态估计值，di为区域i的估计协调增量；
所述建立单元的输出端通过最优解求解单元进而与本地状态估计模块的输入端连接。
8.根据权利要求7所述的多区域电力***状态估计***，其特征在于：所述判断模块包括：
判断单元，用于各子区域i根据本地上传的WAMS量测中对角线矩阵Si对角元素的值来判断本地上传的WAMS量测是否有量测缺失，若对角线矩阵Si对角元素的值为0，则判定本地上传的WAMS量测有量测缺失，此时执行迭代修正单元；若对角线矩阵Si对角元素的值为1，则判定本地上传的WAMS量测无量测缺失，此时直接跳至输出单元；
迭代修正单元，用于迭代执行WAMS量测缺失情况下的迭代修正算法，直到修正后的本地状态估计值收敛至剔除缺失量测后的集中式估计值，然后执行输出单元；
输出单元，用于将各子区域修正后的本地状态估计值进行输出；
所述分布式一致性协议执行模块的输出端与判断单元的输入端连接，所述判断单元的输出端分别与迭代修正单元的输入端和输出单元的输入端连接，所述迭代修正单元的输出端还与输出单元的输入端连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201511028254.5A CN105490269B (zh) | 2015-12-30 | 2015-12-30 | 基于wams量测的多区域电力***状态估计方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201511028254.5A CN105490269B (zh) | 2015-12-30 | 2015-12-30 | 基于wams量测的多区域电力***状态估计方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105490269A CN105490269A (zh) | 2016-04-13 |
| CN105490269B true CN105490269B (zh) | 2018-04-10 |
Family
ID=55677087
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201511028254.5A Active CN105490269B (zh) | 2015-12-30 | 2015-12-30 | 基于wams量测的多区域电力***状态估计方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105490269B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106780142B (zh) * | 2016-12-14 | 2020-09-11 | 国网北京市电力公司 | 配电网信息的确定方法及装置 |
| CN109494711B (zh) * | 2018-10-24 | 2022-09-20 | 华北电力大学 | 一种多区域并行的全分布式状态估计方法 |
| CN109462234B (zh) * | 2018-11-27 | 2022-05-24 | 国家电网有限公司 | 联络线扩展区域状态估计方法及装置 |
| CN109245108B (zh) * | 2018-11-27 | 2022-03-22 | 国家电网有限公司 | 分布式状态估计方法及*** |
| CN110148946B (zh) * | 2019-05-24 | 2022-03-25 | 浙江大学 | 一种基于辅助因子两步求解的孤岛微电网潮流计算方法 |
| CN112217197B (zh) * | 2020-09-01 | 2022-04-12 | 广西大学 | 一种双层分布式的多区域配电网经济调度的优化方法 |
| CN116565976B (zh) * | 2023-05-12 | 2023-10-31 | 国网黑龙江省电力有限公司佳木斯供电公司 | 基于pmu与多智能体***的主动配电网状态估计方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140306534A1 (en) * | 2013-04-15 | 2014-10-16 | Nec Laboratories America, Inc. | Pmu based distributed generation control for microgrid during islanding process |
| CN103248043B (zh) * | 2013-04-28 | 2015-01-28 | 西南交通大学 | 一种基于同步相角测量装置的电力***多区域分布式状态估计方法 |
-
2015
- 2015-12-30 CN CN201511028254.5A patent/CN105490269B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN105490269A (zh) | 2016-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105490269B (zh) | 基于wams量测的多区域电力***状态估计方法及*** | |
| CN108173263B (zh) | 一种基于ami量测信息的配电网拓扑错误辨识算法 | |
| Hong et al. | A multi-regional structural path analysis of the energy supply chain in China's construction industry | |
| Džafić et al. | Real time estimation of loads in radial and unsymmetrical three-phase distribution networks | |
| WO2019134254A1 (zh) | 一种运用分布式神经网络的实时经济调度计算方法 | |
| CN105790279B (zh) | 基于谱聚类的无功电压分区方法 | |
| Qing et al. | Decentralized unscented Kalman filter based on a consensus algorithm for multi-area dynamic state estimation in power systems | |
| CN103353923B (zh) | 基于空间特征分析的自适应空间插值方法及其*** | |
| CN103872681A (zh) | 一种基于主配网一体化的在线实时合环方法 | |
| CN108183475A (zh) | 一种低压配电网拓扑重构方法及装置 | |
| CN111625991A (zh) | 一种低压配电网拓扑校验方法 | |
| CN106599562B (zh) | 基于概率加权fdc法的河流生态需水量计算方法 | |
| CN106026086B (zh) | 一种电网中运行状态的动态估计方法 | |
| CN110289613A (zh) | 基于灵敏度矩阵的配电网拓扑识别与线路参数辨识方法 | |
| CN106875060A (zh) | 一种基于全局自动优化算法的洪水实时校正方法 | |
| CN108564205A (zh) | 一种基于实测数据的负荷模型及参数辨识优化方法 | |
| CN108448568A (zh) | 基于多种时间周期测量数据的配电网混合状态估计方法 | |
| CN103886220B (zh) | 基于bp网络和基尼系数定权重的用水数据离散化方法 | |
| CN107133721A (zh) | 基于灰色理论的配电网量测不良数据关联因素分析方法 | |
| CN108376983A (zh) | 一种基于边界融合的电网状态估计***及方法 | |
| CN109039720A (zh) | 一种针对二值传感器网络的参数估计方法 | |
| CN107909194A (zh) | ***级测试性设计多目标优化方法 | |
| CN106384298B (zh) | 一种基于两阶段插补模型的智能用电缺失数据修正方法 | |
| CN101615213A (zh) | 基于扩展不确定度的电力***状态估计结果评价方法 | |
| CN106372440B (zh) | 一种并行计算的配电网自适应抗差状态估计方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |