CN110380409A - 考虑通信失败的主动配电网分布式鲁棒状态估计方法及*** - Google Patents
考虑通信失败的主动配电网分布式鲁棒状态估计方法及*** Download PDFInfo
- Publication number
- CN110380409A CN110380409A CN201910641763.7A CN201910641763A CN110380409A CN 110380409 A CN110380409 A CN 110380409A CN 201910641763 A CN201910641763 A CN 201910641763A CN 110380409 A CN110380409 A CN 110380409A
- Authority
- CN
- China
- Prior art keywords
- subregion
- communication
- distribution network
- state estimation
- estimation
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种考虑通信失败的主动配电网分布式鲁棒状态估计方法及***,包括:将配电网划分为Ns个子区域,建立分布式状态估计模型;由子区域内通信、子区域间通信以及子区域与控制中心的通信构成三层分布式通信架构;对各子区域采用改进加权最小二乘法实现各个子区域的当地状态估计;采用一致性算法协调相邻子区域之间重叠节点的状态量及其标准差的估计值,作为新增的虚拟量测及其误差用于当地状态估计的下一次迭代计算;判断分布式状态估计是否满足收敛条件,记录分布式状态估计结果。本发明提出了分布式鲁棒状态估计方法,相较于传统分布式状态估计方法,该方法有效提高了计算效率。
Description
技术领域
本发明涉及配电网状态估计技术领域,尤其涉及一种考虑通信失败的主动配电网分布式鲁棒状态估计方法及***。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
配电网状态估计是配电管理***的高级应用之一,是指根据配电网安装的量测设备获取的量测信息以及根据负荷预测或非遥测数据得到的伪量测数据,采用合适的滤波方法估计出完整精确可靠的配电网运行状态,为配电网进行实时有效的控制与管理提供精确状态信息,为配电管理***中其他高级应用提供精确的数据支撑。由于主动配电网有着***规模大、三相不平衡、对数据实时性和精确性要求高等特点,传统集中式状态估计在计算精度与计算时间上面临很大挑战,尤其是计算效率方面;而分布式状态估计可以将大规模***划分为多个小规模的子***,采用并行或串行的计算架构,可以有效缩小计算规模,提高计算效率,因此,分布式状态估计的发展成为必然。
可靠的通信***是主动配电网进行分布式状态估计的基础保障。通信***正常运行时,分布式状态估计可以获取完整精确的量测数据及协调交互信息,有利于分布式状态估计进行高效精确的计算。但是通信***偶尔也会出现通信失败的情况,会带来数据缺失或者不良数据等问题,这些问题会对分布式状态估计计算性能产生较大不良影响。因此,如何提高分布式状态估计算法针对通信失败问题的鲁棒性具有重要价值。
发明人发现,目前主动配电网的分布式状态估计方法主要存在以下问题:
(1)没有考虑子区域内部出现通信失败问题(以不良数据为代表)对分布式状态估计的影响;
(2)没有考虑分布式通信架构中子区域之间出现通信失败的问题对分布式状态估计的影响;
(3)分布式状态估计的计算效率不高。
发明内容
为了解决上述问题,本发明提出一种考虑通信失败的主动配电网分布式鲁棒状态估计方法及***,在提高计算效率的同时,可以有效削弱分布式通信架构中出现通信失败对分布式状态估计计算性能的负面影响。
在一些实施方式中,采用如下技术方案:
一种考虑通信失败的主动配电网分布式鲁棒状态估计方法,包括:
(1)将配电网划分为Ns个子区域,建立分布式状态估计模型;由子区域内通信、子区域间通信以及子区域与控制中心的通信构成三层分布式通信架构;
(2)对各子区域采用改进加权最小二乘法实现各个子区域的当地状态估计;
(3)采用一致性算法协调相邻子区域之间重叠节点的状态量及其标准差的估计值,作为新增的虚拟量测及其误差用于当地状态估计的下一次迭代计算;
(4)判断分布式状态估计是否满足收敛条件,若不满足,返回步骤(2);若满足,迭代结束,记录分布式状态估计结果。
在另一些实施方式中,采用如下技术方案:
一种考虑通信失败的主动配电网分布式鲁棒状态估计***,包括:
用于将配电网划分为Ns个子区域,建立分布式状态估计模型的装置;
用于构建三层分布式通信架构的装置;其中,三层分布式通信架构由子区域内通信、子区域间通信以及子区域与控制中心的通信构成;
用于对各子区域采用改进加权最小二乘法实现各个子区域的当地状态估计的装置;
用于采用一致性算法协调相邻子区域之间重叠节点的状态量及其标准差的估计值的装置;所得到的状态量及其标准差的估计值作为新增的虚拟量测及其误差用于当地状态估计的下一次迭代计算;
用于判断分布式状态估计是否满足收敛条件的装置;
用于记录分布式状态估计结果的装置。
在另一些实施方式中,采用如下技术方案:
一种终端设备,其包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行上述的考虑通信失败的主动配电网分布式鲁棒状态估计方法。
在另一些实施方式中,采用如下技术方案:
一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行上述的考虑通信失败的主动配电网分布式鲁棒状态估计方法。
与现有技术相比,本发明的有益效果是:
(1)本发明在分析通信失败问题对主动配电网分布式状态估计不良影响的基础上,提出了分布式鲁棒状态估计方法,相较于传统分布式状态估计方法,该方法有效提高了计算效率;
(2)本发明利用权重自适应改进加权最小二乘法进行当地状态估计,削弱了因子区域内部通信失败带来不良数据对状态估计的负面影响;
(3)本发明将一致性算法协调交互过程嵌入加权最小二乘法迭代过程中,可以较好的处理子区域之间存在通信失败的问题,提高了算法的鲁棒性。
附图说明
图1为实施例一中的分布式通信架构图;
图2为实施例一中的分布式鲁棒状态估计算法流程图;
图3为实施例一中的正常情况及通信失败情况下的通信拓扑;
图4为实施例一中的IEEE123节点配电网接线图及其分区情况;
图5为实施例一中的IEEE123节点配电网仿真时间图;
图6为实施例一中的IEEE123节点配电网仿真精度图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
在一个或多个实施方式中,公开了一种考虑通信失败的主动配电网分布式鲁棒状态估计方法,参照图2,包括以下步骤:
(1)给出分布式状态估计的通信架构,并分析分布式通信架构中通信失败对分布式状态估计的负面影响;
如图1所示,分布式通信架构分为三层,分别由子区域内通信、子区域间通信以及子区域与控制中心的通信组成,每层通信分别对应不同的通信任务和功能,配电网分布式状态估计的背景下,子区域内部通信主要用于收集终端采集的量测信息,上传至子区域控制中心,提供用于当地状态估计的量测数据;子区域之间的通信主要用于交换当地状态估计后的相关信息,用于1)判断配电网分布式状态估计是否收敛,2)信息交互,从而改善估计精度,改善配电网分布式状态估计的收敛特性;子区域与控制中心的通信主要作用在于将收敛后的估计结果上传至控制中心。
本实施例中,主要关注通信对分布式状态估计计算性能的影响,因此不考虑已收敛的估计结果上传至控制中心这部分的通信,只考虑子区域内部及子区域间的通信。在配电网分布式通信架构中,为保障通信的可靠性与有效性,主要采用IEC61850标准以及TCP协议。一般情况下,数据的传输间隔为20ms,可以满足配电网分布式状态估计计算过程中对信息传输的需求。
当通信***正常工作时,配电网分布式状态估计可以快速有效进行;然而,通信过程中偶尔出现的通信失败问题会对配电网分布式状态估计计算性能产生很大不良影响。分布式通信架构中存在的通信失败问题本文中主要一下两方面:
1)子区域内部通信失败造成的后果主要有数据丢失和不良数据。
2)子区域之间的通信失败会造成子区域之间的通信数据丢失或出现不良数据,这将对分布式状态估计中子区域之间的信息交互与协调产生不良影响。
(2)在已知量测配置及分区的前提下,完成配电网含重叠节点的子区域划分,建立分布式状态估计模型;
将配置PMU(电源管理单元)的节点作为重叠节点,实现了主动配电网分区、解耦。建立了分布式状态估计模型如下式所示:
s.t. g(x)=0
式中,下标i代表第i个子区域;Ji(xi)表示子区域i的目标函数;,zi为子区域i的量测量,hi(x)为量测函数;W'i为子区域i的量测权重矩阵,一个自适应的变量,与残差大小相关;等式约束为重叠节点在不同子区域的状态量估计值相等,如下式:
式中,分别代表了重叠节点在子区域i和子区域j的三相电压幅值、相角的估计值,i,j∈(1,Ns)。
(3)各子区域采用改进加权最小二乘法实现当地状态估计;
各个子区域并行实现基于改进加权最小二乘法的当地状态估计,子区域i的目标函数如下式
min Ji(xi)=(zi-hi(xi))TW'i(zi-hi(xi))
对于加权最小二乘法,量测权重的大小应取决于测量装置精密程度;而在配电网状态估计的仿真当中,一般假设量测数据符合正态分布,量测权重大小根据对应量测数据标准差平方的倒数计算得到,即其中σl为量测数据的标准差,通常取最大误差的1/3。而最大误差的给定一般根据量测类型取一定的百分比作为99.7%的误差覆盖范围,例如传统SCADA量测一般取实际数值的1%-3%、PMU量测一般选实际数值的0.5%-0.7%、伪量测一般选20%-50%为相应量测的最大误差。在加权最小二乘法中,残差定义为量测值与估计值之间的差,如下式所示:
rl=zl-hl(x)
式中,rl为量测l的残差。
当存在不良数据的情况下,其残差会非常大,因此在加权最小二乘法迭代过程中,可以根据残差大小判断该数据是否为不良数据,并根据残差的大小调整权重的大小,从而削弱不良数据对状态估计的不良影响,具体操作如下式:
式中,kl=rl/σl为量测l的标准化残差,ks为根据3σ原理设置的阈值用于判断该量测是否为不良数据。对于一个确定的量测,σl是确定的,因此kl与残差成正比。当某一量测数据的kl值大于设定值ks时,减小其对应的权重,量测数据损坏程度越大,权重越小,从而达到削弱其对状态估计负面影响的目的。
而后利用下式计算第k次迭代时的Δxi,得到本次迭代的状态量估计结果xi。
式中,H为雅各比矩阵。
(4)子区域之间进行信息交互,交互的数据采用一致性算法进行协调计算;
基于有限时间平均一致性协议的一致性算法用于协调相邻子区域之间重叠节点的状态量。实现配电网分区解耦后,子区域间的数据交换情况可以由通信网络进行描述,每个子区域对应一个通信节点,子区域间的通信交互关系可以通过图G=(D,E)来表示,其中集合D表示子区域对应的通信节点,集合E表示相邻子区域间的通信关系。子区域i的相邻子区域的集合表示为下式:
Mi={j∈D|(i,j)∈E}
式中,j表示第j个子区域。
图G对应的拉普拉斯矩阵可以由L=[lij]表示,基于通信拓扑的交互关系拉普拉斯矩阵中的元素可以定义为
式中,lij=-1表示子区域i与子区域j相邻,拉普拉斯矩阵对角线元素lii表示与子区域i相邻的所有子区域总数。
重叠节点数据在子区域i中的一致性计算公式如下:
式中,kc=1,2,…,KC,KC是拉普拉斯矩阵L的非零特征值个数;λkc是拉普拉斯矩阵L的第kc个非零特征值;根据有限时间平均一致性协议,当kc=KC时,交互数据的计算可得到平均一致性结果。
利用上式对子区域之间交互的数据进行处理,得到一致性的重叠节点状态量及其标准差的估计值,这些量作为新增的虚拟量测及其误差用于当地状态估计的再次计算。
图3中假设三个子区域的通信拓扑在区域2和3之间出现通信失败情况,则其通信拓扑对应的拉普拉斯矩阵为
式中,La表示正常情况下对应的拉普拉斯矩阵;Lb表示存在通信失败情况下的拉普拉斯矩阵。
在一致性算法中,利用式进行数据的一致性运算,采用La及其特征值计算与采用Lb及其特征值计算得到的结果相同,利用一致性算法协调计算嵌入加权最小二乘法迭代过程中,可以有效削弱相邻子区域间的通信失败对分布式状态估计的影响。
(5)判断分布式状态估计是否收敛,如果不收敛,转至步骤(2),若收敛则记录分布式状态估计结果。根据分布式状态估计结果获得配电网的运行状态,为配电网进行实时有效的控制与管理提供精确的状态信息。
由于相邻子区域间的协调交互嵌入在当地状态估计中,因此分布式鲁棒状态估计的收敛需要满足同时两个条件,1)当地状态估计收敛;2)相邻子区域间的整体收敛。如下式所示
Δxi<ε
Δxij<δ
式中,Δxi<ε用于表征当地状态估计的收敛,Δxij<δ用于表征相邻子区域间的收敛。
图4给出了IEEE123节点配电网的***结构图及其分区情况,用于仿真验证所提方法。
图5和图6为不同场景下传统分布式状态估计与本发明的分布式鲁棒状态估计的比较。其中场景设置时,子区域内部通信失败主要关注不良数据带来的影响,不良数据设置为实际量测的负值并以概率的形式给出。子区域之间的通信失败主要关注不良数据以及数据丢失带来的影响,由于相邻子区域间交互的信息相对较少,同样以概率的形式给出。如表1所示:
表1分布式鲁棒状态估计仿真场景设置
场景1不存在通信失败问题,作为对照场景;子区域之间通信失败主要关注数据丢失的影响,当不良数据出现时,若判断为不良数据则将该数据剔除,此时与数据丢失场景相同,因此只在场景2中考虑不良数据存在的情况。场景3、4、5分别对应了仅存在子区域间数据丢失的情况、仅考虑子区域内不良数据情况以及两种通信问题同时存在;场景6、7、8为与场景3、4、5对应的存在更加严重的通信失败问题的情况。
由图5与图6可以看出,在场景1中,传统分布式状态估计算法的计算精度优于分布式鲁棒状态估计算法,但是仿真用时较长。主要原因为,分布式鲁棒状态估计算法将子区域间的信息交互与协调嵌入至当地状态估计迭代过程中,当地状态估计的每次迭代都是最新交互的数据,收敛速度较快,且当地状态估计仅需一次迭代收敛即可输出估计结果,虽牺牲了部分计算精度,却大大提高了计算效率。在IEEE123节点配电网中,存在通信失败的情况下,分布式鲁棒状态估计算法仍然可以有效削弱其负面影响,验证了该算法的有效性与可扩展性。
实施例二
在一个或多个实施例中,公开了一种考虑通信失败的主动配电网分布式鲁棒状态估计***,包括:
用于将配电网划分为Ns个子区域,建立分布式状态估计模型的装置;
用于构建三层分布式通信架构的装置;其中,三层分布式通信架构由子区域内通信、子区域间通信以及子区域与控制中心的通信构成;
用于对各子区域采用改进加权最小二乘法实现各个子区域的当地状态估计的装置;
用于采用一致性算法协调相邻子区域之间重叠节点的状态量及其标准差的估计值的装置;所得到的状态量及其标准差的估计值作为新增的虚拟量测及其误差用于当地状态估计的下一次迭代计算;
用于判断分布式状态估计是否满足收敛条件的装置;
用于记录分布式状态估计结果的装置。
实施例三
在一个或多个实施方式中,公开了一种终端设备,包括服务器,所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现实施例一中的考虑通信失败的主动配电网分布式鲁棒状态估计方法。为了简洁,在此不再赘述。
应理解,本实施例中,处理器可以是中央处理单元CPU,处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC,现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如,存储器还可以存储设备类型的信息。
在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
实施例一中的考虑通信失败的主动配电网分布式鲁棒状态估计方法可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
本领域普通技术人员可以意识到,结合本实施例描述的各示例的单元即算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种考虑通信失败的主动配电网分布式鲁棒状态估计方法,其特征在于,包括:
(1)将配电网划分为Ns个子区域,建立分布式状态估计模型;由子区域内通信、子区域间通信以及子区域与控制中心的通信构成三层分布式通信架构;
(2)对各子区域采用改进加权最小二乘法实现各个子区域的当地状态估计;
(3)采用一致性算法协调相邻子区域之间重叠节点的状态量及其标准差的估计值,作为新增的虚拟量测及其误差用于当地状态估计的下一次迭代计算;
(4)判断分布式状态估计是否满足收敛条件,若不满足,返回步骤(2);若满足,迭代结束,记录分布式状态估计结果。
2.如权利要求1所述的一种考虑通信失败的主动配电网分布式鲁棒状态估计方法,其特征在于,将配置PMU的节点作为重叠节点,以重叠节点在不同子区域的状态量估计值相等作为约束条件,以各子区域的加权最小二乘目标函数最小为目标,建立分布式状态估计模型。
3.如权利要求1所述的一种考虑通信失败的主动配电网分布式鲁棒状态估计方法,其特征在于,建立的分布式状态估计模型具体为:
s.t.g(x)=0
其中,下标i代表第i个子区域;Ji(xi)表示子区域i的目标函数;zi为子区域i的量测量,hi(x)为子区域i的量测函数;Wi'为子区域i的量测权重矩阵,其中第l个对角元素为w'l,代表第l个量测的权重;g(x)=0为等式约束,其中包含重叠节点在不同子区域估计值相等约束和基本潮流方程约束。
4.如权利要求1所述的一种考虑通信失败的主动配电网分布式鲁棒状态估计方法,其特征在于,所述三层分布式通信架构中,子区域内部通信用于收集终端采集的量测信息,上传至子区域控制中心,提供用于当地状态估计的量测数据;子区域之间的通信用于交换当地状态估计后的相关信息,用于判断配电网分布式状态估计是否收敛,并通过信息交互改善配电网分布式状态估计精度;子区域与控制中心的通信用于将收敛后的估计结果上传至控制中心。
5.如权利要求1所述的一种考虑通信失败的主动配电网分布式鲁棒状态估计方法,其特征在于,对各子区域采用改进加权最小二乘法实现各个子区域的当地状态估计,具体为:
在加权最小二乘法中,将残差定义为量测值与估计值之间的差;
在加权最小二乘法迭代过程中,当残差大于或等于设定的阈值时,判断该量测值为不良数据,减小其对应的权重;且量测值损坏程度越大,其权重越小;
其中w'l,new为更新后的权重;
然后计算第k次迭代时的Δxi,得到本次迭代的状态量估计结果xi;
其中,Hi为雅各比矩阵,由量测函数对状态量求偏导得到。
6.如权利要求1所述的一种考虑通信失败的主动配电网分布式鲁棒状态估计方法,其特征在于,采用一致性算法协调相邻子区域之间交互的数据,这些数据包括相邻子区域之间重叠节点的状态量及其标准差的估计值,重叠节点的状态量的估计值及其标准差的估计值通过相邻子区域的当地状态估计得到;重叠节点数据在子区域i中的一致性计算公式如下:
其中,kc=1,2,…,KC,KC是拉普拉斯矩阵L的非零特征值个数;λkc是拉普拉斯矩阵L的第kc个非零特征值;当kc=KC时,交互数据的计算得到平均一致性结果;xi,kc、xi,kc-1分别为在一致性公式迭代过程中的状态量。
7.如权利要求6所述的一种考虑通信失败的主动配电网分布式鲁棒状态估计方法,其特征在于,子区域间的通信交互关系通过图G=(D,E)来表示,其中集合D表示子区域对应的通信节点,集合E表示相邻子区域之间的通信关系;子区域i的相邻子区域的集合表示为Mi={j∈D|(i,j)∈E};拉普拉斯矩阵L=[lij];
其中,lij=-1表示子区域i与子区域j相邻,对角线元素lii表示与子区域i相邻的所有子区域总数。
8.一种考虑通信失败的主动配电网分布式鲁棒状态估计***,其特征在于,包括:
用于将配电网划分为Ns个子区域,建立分布式状态估计模型的装置;
用于构建三层分布式通信架构的装置;其中,三层分布式通信架构由子区域内通信、子区域间通信以及子区域与控制中心的通信构成;
用于对各子区域采用改进加权最小二乘法实现各个子区域的当地状态估计的装置;
用于采用一致性算法协调相邻子区域之间重叠节点的状态量及其标准差的估计值的装置;所得到的状态量及其标准差的估计值作为新增的虚拟量测及其误差用于当地状态估计的下一次迭代计算;
用于判断分布式状态估计是否满足收敛条件的装置;
用于记录分布式状态估计结果的装置。
9.一种终端设备,其包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,其特征在于,所述指令适于由处理器加载并执行权利要求1-7任一项所述的考虑通信失败的主动配电网分布式鲁棒状态估计方法。
10.一种计算机可读存储介质,其中存储有多条指令,其特征在于,所述指令适于由终端设备的处理器加载并执行权利要求1-7任一项所述的考虑通信失败的主动配电网分布式鲁棒状态估计方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910641763.7A CN110380409B (zh) | 2019-07-16 | 2019-07-16 | 考虑通信失败的主动配电网分布式鲁棒状态估计方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910641763.7A CN110380409B (zh) | 2019-07-16 | 2019-07-16 | 考虑通信失败的主动配电网分布式鲁棒状态估计方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110380409A true CN110380409A (zh) | 2019-10-25 |
CN110380409B CN110380409B (zh) | 2020-11-13 |
Family
ID=68253533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910641763.7A Active CN110380409B (zh) | 2019-07-16 | 2019-07-16 | 考虑通信失败的主动配电网分布式鲁棒状态估计方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110380409B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110932294A (zh) * | 2019-11-21 | 2020-03-27 | 国网节能服务有限公司 | 一种配电网三相不平衡的分布式补偿方法 |
CN112803408A (zh) * | 2021-03-18 | 2021-05-14 | 山东大学 | 一种配电***及负荷侧协同状态估计方法及*** |
CN113177320A (zh) * | 2021-05-07 | 2021-07-27 | 中南大学 | 一种道路动态拥挤收费的分布式鲁棒仿真优化方法、***、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100094574A1 (en) * | 2008-10-10 | 2010-04-15 | Guangyu He | Method for state estimation based on the measured data of the data-acquisition system in power system |
CN102522824A (zh) * | 2011-12-26 | 2012-06-27 | 国电南瑞科技股份有限公司 | 一种基于集控站调度主站的分布式状态估计计算方法 |
CN102801162A (zh) * | 2012-08-23 | 2012-11-28 | 清华大学 | 一种两阶段线性加权最小二乘电力***状态估计方法 |
CN105184027A (zh) * | 2015-10-29 | 2015-12-23 | 山东大学 | 一种基于交互式多模型算法的电力负荷建模方法 |
CN105406471A (zh) * | 2015-12-23 | 2016-03-16 | 云南电力调度控制中心 | 电网不良数据辨识与估计方法 |
WO2016058248A1 (zh) * | 2014-10-15 | 2016-04-21 | 国家电网公司 | 一种基于双线性凸优化理论电力***双线性抗差估计方法 |
CN109494711A (zh) * | 2018-10-24 | 2019-03-19 | 华北电力大学 | 一种多区域并行的全分布式状态估计方法 |
-
2019
- 2019-07-16 CN CN201910641763.7A patent/CN110380409B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100094574A1 (en) * | 2008-10-10 | 2010-04-15 | Guangyu He | Method for state estimation based on the measured data of the data-acquisition system in power system |
CN102522824A (zh) * | 2011-12-26 | 2012-06-27 | 国电南瑞科技股份有限公司 | 一种基于集控站调度主站的分布式状态估计计算方法 |
CN102801162A (zh) * | 2012-08-23 | 2012-11-28 | 清华大学 | 一种两阶段线性加权最小二乘电力***状态估计方法 |
WO2016058248A1 (zh) * | 2014-10-15 | 2016-04-21 | 国家电网公司 | 一种基于双线性凸优化理论电力***双线性抗差估计方法 |
CN105184027A (zh) * | 2015-10-29 | 2015-12-23 | 山东大学 | 一种基于交互式多模型算法的电力负荷建模方法 |
CN105406471A (zh) * | 2015-12-23 | 2016-03-16 | 云南电力调度控制中心 | 电网不良数据辨识与估计方法 |
CN109494711A (zh) * | 2018-10-24 | 2019-03-19 | 华北电力大学 | 一种多区域并行的全分布式状态估计方法 |
Non-Patent Citations (2)
Title |
---|
YANG Q: "Communication Infrastructures for Distributed Control of Power Distribution Networks", 《IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS》 * |
YUAN P: "A Network Partition Approach for Distributed Three-phase State Estimation of Active Distribution Networks", 《 2018 IEEE POWER & ENERGY SOCIETY GENERAL MEETING》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110932294A (zh) * | 2019-11-21 | 2020-03-27 | 国网节能服务有限公司 | 一种配电网三相不平衡的分布式补偿方法 |
CN112803408A (zh) * | 2021-03-18 | 2021-05-14 | 山东大学 | 一种配电***及负荷侧协同状态估计方法及*** |
CN112803408B (zh) * | 2021-03-18 | 2023-02-28 | 山东大学 | 一种配电***及负荷侧协同状态估计方法及*** |
CN113177320A (zh) * | 2021-05-07 | 2021-07-27 | 中南大学 | 一种道路动态拥挤收费的分布式鲁棒仿真优化方法、***、设备及介质 |
CN113177320B (zh) * | 2021-05-07 | 2022-06-14 | 中南大学 | 道路动态拥挤收费的仿真优化方法、***、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110380409B (zh) | 2020-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110380409A (zh) | 考虑通信失败的主动配电网分布式鲁棒状态估计方法及*** | |
CN111693928B (zh) | 电能表计量误差计算方法、装置和计算机设备 | |
CN108594135A (zh) | 一种用于锂电池均衡充放电控制的soc估算方法 | |
WO2021098246A1 (zh) | 一种电能表寿命预测方法、装置及存储介质 | |
CN109492264A (zh) | 一种跨云数据中心的能效预测方法 | |
CN110299762A (zh) | 基于pmu准实时数据的主动配电网抗差估计方法 | |
CN113139288A (zh) | 基于gpu二次加速的配电网分布式抗差状态估计方法及装置 | |
CN106356840B (zh) | 基于同步相量量测的地区电力***状态估计方法及*** | |
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 | |
CN110298570B (zh) | 配电网***拓扑状态辨识方法、装置、存储介质及设备 | |
CN110492468B (zh) | 一种基于概率分布的虚假数据攻击辨识方法 | |
CN109494711B (zh) | 一种多区域并行的全分布式状态估计方法 | |
CN112803402B (zh) | 含不良数据预处理的辐射网前推回代抗差状态估计方法 | |
CN107204616B (zh) | 基于自适应稀疏伪谱法的电力***随机状态估计方法 | |
CN116029618B (zh) | 一种电力***动态安全分区评估方法及*** | |
CN112565180A (zh) | 基于移动目标防御的电网防御方法、***、设备及介质 | |
US10936657B2 (en) | Affinity determination using graphs | |
CN109638811B (zh) | 基于模型等值的配电网电压功率灵敏度鲁棒估计方法 | |
WO2023124893A1 (zh) | 基于神经网络的转矩估测方法、装置、设备及存储介质 | |
CN114511158B (zh) | 基于尾流偏转效应和2DJensen模型的风力机功率预测方法 | |
CN114091623A (zh) | 一种基于多二元表-ap聚类的暂态电压分区方法及装置 | |
CN106296461B (zh) | 基于粒子群优化算法及局部状态估计的电网参数辨识方法 | |
CN113325267A (zh) | 一种配电网故障诊断***、方法及计算机程序产品 | |
CN105930613A (zh) | 一种分布式发电***等值建模方法 | |
CN109245108B (zh) | 分布式状态估计方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |