当前应用于状态估计的量测数据由广域测量系统(wide area measurement system,WAMS)和数据监控及采集系统(supervisory control and data acquisition,SCADA)采集,WAMS向量测量单元(phasor measurement unit,PMU)的优化配置问题成为研...当前应用于状态估计的量测数据由广域测量系统(wide area measurement system,WAMS)和数据监控及采集系统(supervisory control and data acquisition,SCADA)采集,WAMS向量测量单元(phasor measurement unit,PMU)的优化配置问题成为研究的重点。本文在分析WAMS/SCADA混合量测数据成分、时间断面、精度、刷新频率4个方面差异的基础上,实现了混合量测数据的有效兼容,提出了一种基于无迹卡尔曼滤波(unscented kalman filter,UKF)动态状态估计和离散粒子群优化(discrete particle swarm optimization,DPSO)算法的PMU优化配置方案。采用该方案下的混合量测数据进行UKF动态状态估计,很好地提高了状态估计精度。在IEEE39节点系统上模拟日负荷变化验证了该PMU配置方案的有效性。展开更多
文摘当前应用于状态估计的量测数据由广域测量系统(wide area measurement system,WAMS)和数据监控及采集系统(supervisory control and data acquisition,SCADA)采集,WAMS向量测量单元(phasor measurement unit,PMU)的优化配置问题成为研究的重点。本文在分析WAMS/SCADA混合量测数据成分、时间断面、精度、刷新频率4个方面差异的基础上,实现了混合量测数据的有效兼容,提出了一种基于无迹卡尔曼滤波(unscented kalman filter,UKF)动态状态估计和离散粒子群优化(discrete particle swarm optimization,DPSO)算法的PMU优化配置方案。采用该方案下的混合量测数据进行UKF动态状态估计,很好地提高了状态估计精度。在IEEE39节点系统上模拟日负荷变化验证了该PMU配置方案的有效性。
