智能监测系统下的线性电网状态估计研究

来源 :电测与仪表 | 被引量 : 0次 | 上传用户:k5261715
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对传统电力监测系统状态估计(SE)的非线性导致的测量数据错误、不确定性和准确率低等问题。提出了一种改进的RTU线性状态估计模型。该模型在智能监测系统下的状态估计器内并入PMU和RTU测量,对其进行了算法改进,使整个SE问题呈线性,提升了电力监测系统状态估计准确性。实验中将传统的RTU和改进的RTU线性状态估计模型依次分配给系统总线4,对噪声变量和估计误差进行了概率状态估计。结果表明,改进的RTU线性状态估计模型整体性能优于传统的非线性模型,计算速度快、节约内存,提升了整个SE的准确性。该模型为未来大型电
其他文献
传统城市燃气工程设计阶段造价控制方法的成本进行控制过程收敛速度较慢,工程复杂,迭代次数较多容易陷入局部最优,因此设计一种基于模糊自适应BP算法的城市燃气工程设计阶段造价控制方法。首先选取工程造价预测指标进行提取,有助于各个指标项目成本的量化与统计,引入模糊自适应BP算法修改神经元之间的连接权重,对学习率与惯性因子的变化量进行模糊自适应的控制规则进行设置,最后构建造价控制模型。仿真实验结果表明,设计的基于模糊自适应BP算法的城市燃气工程设计阶段的造价控制方法可以有效地减少迭代次数,提高收敛速度。
针对目前分布式光伏发电系统发电量的影响因素较多,不易预测,与其他发电系统之间运行优化策略不完善等问题。文章参考国内外光伏行业大数据应用的典型经验,基于光伏发电数据和用户的负荷需求数据,提出了一种基于RBF神经网络的光伏发电量预测和负荷预测模型,通过对数据的归一化处理和对天气因素的量化和相似度处理,对未来一段时间内的光伏用电量和负荷进行预测;采用青岛市某光伏电站的实际数据进行学习和预测,取得较好效果,从而验证了模型的可行性。此外通过对负荷的预测和对发电量的预测数据,以经济性能最优为目标制定了运行优化策略,实