智能配電網運行狀態(tài)估計技術

目錄
“智能電網技術與裝備叢書”序
前言
第1章 緒論 1
1.1 配電網及同步相量測量技術發(fā)展現(xiàn)狀 1
1.2 配電網狀態(tài)估計研究現(xiàn)狀 2
1.3 配電網運行狀態(tài)評估研究現(xiàn)狀 5
參考文獻 7
**篇 配電網量測環(huán)境分析與測量裝置優(yōu)化配置問題
第2章 配電網混合量測環(huán)境特性分析 11
2.1 考慮同步相量量測的配電網量測環(huán)境分析 11
2.1.1 同步相量量測數(shù)據(jù)特點 11
2.1.2 配電網量測環(huán)境特性 11
2.2 同步相量測量裝置功能及在配電網中的應用 12
2.2.1 同步相量測量裝置研究現(xiàn)狀 12
2.2.2 同步相量測量技術在配電網狀態(tài)估計中的應用 12
2.3 基于數(shù)據(jù)差異的混合量測數(shù)據(jù)融合 14
2.4 配電網狀態(tài)估計的可觀測性 15
2.5 本章小結 17
參考文獻 17
第3章 配電網同步相量測量裝置優(yōu)化配置 19
3.1 考慮節(jié)點電壓越限特性的配電網同步相量測量裝置優(yōu)化配置 19
3.1.1 配電網節(jié)點電壓越限概率評估 19
3.1.2 考慮節(jié)點電壓越限特性的配電網同步相量測量裝置多階段**配置 21
3.2 計及狀態(tài)估計精度的配電網同步相量測量裝置優(yōu)化配置 22
3.2.1 計及狀態(tài)估計精度的配電網同步相量測量裝置優(yōu)化配置模型 22
3.2.2 蝙蝠算法 23
3.2.3 差分進化算法 25
3.3 配電網同步相量測量裝置多目標優(yōu)化配置 27
3.3.1 多目標優(yōu)化原理與Pareto**解 28
3.3.2 配電網同步相量測量裝置多目標**配置模型 28
3.3.3 多目標二進制蝙蝠算法 29
3.3.4 多目標二進制差分進化算法 30
3.4 算例分析 33
3.4.1 算例系統(tǒng) 33
3.4.2 考慮電壓越限特性的測量裝置配置 34
3.4.3 計及狀態(tài)估計精度的測量裝置配置 36
3.4.4 基于多目標優(yōu)化的多目標優(yōu)化測量裝置配置 37
3.5 本章小結 40
參考文獻 40
第4章 配電網狀態(tài)估計的靈敏度分析 42
4.1 靈敏度分析計算方法 42
4.1.1 局部靈敏度分析 42
4.1.2 全局靈敏度分析 43
4.1.3 基于MCS的全局靈敏度指標計算方法 44
4.1.4 基于SPCE的全局靈敏度指標計算方法 45
4.2 配電網狀態(tài)估計的全局靈敏度分析及應用 48
4.2.1 配電網狀態(tài)估計的不確定性因素 48
4.2.2 基于SPCE的配電網狀態(tài)估計GSA 49
4.3 算例分析 51
4.3.1 算例系統(tǒng) 51
4.3.2 基于SPCE的GSA 53
4.3.3 系統(tǒng)運行狀態(tài)變化對全局靈敏度指標的影響 57
4.3.4 基于GSA的測量裝置配置方案 59
4.4 本章小結 60
參考文獻 61
第二篇 混合量測環(huán)境下配電網狀態(tài)估計方法
第5章 配電網靜態(tài)狀態(tài)估計 65
5.1 含同步相量量測的配電網三階段狀態(tài)估計建模 65
5.1.1 配電網三階段狀態(tài)估計模型 65
5.1.2 含同步相量量測的三階段狀態(tài)估計模型 67
5.1.3 交直流混合配電網三階段狀態(tài)估計模型 68
5.2 基于三階段模型的配電網靜態(tài)狀態(tài)估計方法 73
5.2.1 基于拉格朗日松弛法的靜態(tài)狀態(tài)估計 75
5.2.2 基于交替方向乘子法的靜態(tài)狀態(tài)估計 77
5.2.3 交直流混合配電網分布式狀態(tài)估計方法 79
5.3 算例分析 83
5.3.1 配電網狀態(tài)估計 83
5.3.2 交直流混合配電網狀態(tài)估計 84
5.4 本章小結 87
參考文獻 88
第6章 配電網動態(tài)狀態(tài)估計與加速策略 89
6.1 動態(tài)狀態(tài)估計介紹 89
6.2 動態(tài)狀態(tài)估計模型 89
6.2.1 狀態(tài)空間模型 90
6.2.2 配電網潮流計算方法 92
6.2.3 快速動態(tài)狀態(tài)估計架構 93
6.3 動態(tài)狀態(tài)估計計算的異構并行 94
6.3.1 異構并行技術概述 94
6.3.2 稀疏存儲技術 95
6.3.3 CUDA并行編程模型 96
6.4 異構并行加速方法 98
6.5 算例分析 99
6.6 本章小結 103
參考文獻 103
第7章 數(shù)據(jù)驅動的配電網狀態(tài)估計方法 105
7.1 離線學習和在線狀態(tài)估計的總體框架 105
7.2 基于改進生成對抗網絡的數(shù)據(jù)生成方法 106
7.2.1 生成對抗網絡基本原理 107
7.2.2 基于DCGAN的注入功率樣本生成 109
7.3 基于深度神經網絡的配電網狀態(tài)估計方法 110
7.3.1 神經網絡基本原理 110
7.3.2 DNN-MMSE狀態(tài)估計器 114
7.3.3 DNN離線訓練 115
7.4 算例分析 116
7.4.1 算例數(shù)據(jù) 116
7.4.2 基于DCGAN的注入功率樣本生成結果 117
7.4.3 基于深度學習的配電網狀態(tài)估計結果 121
7.5 本章小結 125
參考文獻 126
第三篇 配電網運行狀態(tài)評估方法
第8章 配電網運行狀態(tài)不確定性度量 129
8.1 配電網潮流計算模型 129
8.1.1 DG控制方式及建模 129
8.1.2 常規(guī)配電網的潮流計算 133
8.1.3 孤島微電網的潮流計算 134
8.2 配電網概率潮流計算 136
8.2.1 可再生能源及負荷概率模型 137
8.2.2 考慮源荷不確定性的配電網概率潮流計算 139
8.3 算例分析 140
8.3.1 孤島微電網潮流計算 140
8.3.2 孤島微電網概率潮流計算 145
8.3.3 孤島微電網潮流的全局靈敏度分析 154
8.4 本章小結 159
參考文獻 160
第9章 配電網結構脆弱性及供電能力評估 161
9.1 考慮變結構特性的配電網安全供電能力分析 161
9.1.1 配電網事故后果嚴重程度評估 162
9.1.2 配電系統(tǒng)網架結構強弱評估 164
9.1.3 配電系統(tǒng)供電能力評估 164
9.2 計及孤島支撐能力的配電網自愈能力分析 165
9.3 算例分析 167
9.3.1 配電網供電能力分析 167
9.3.2 配電網自愈能力分析 169
9.4 本章小結 173
參考文獻 173
第10章 基于同步相量測量的孤島檢測方法 174
10.1 基于深度學習與高階多分辨率奇異譜熵的孤島檢測方法 174
10.1.1 高階奇異譜分析 174
10.1.2 SAE算法 177
10.1.3 有監(jiān)督的微調過程 178
10.1.4 Softmax分類器 178
10.2 光伏并網與孤島仿真系統(tǒng) 180
10.2.1 仿真環(huán)境及參數(shù)設定 180
10.2.2 控制策略 180
10.3 算例分析 182
10.3.1 仿真波形分析 182
10.3.2 MSHOSSE計算結果分析 185
10.3.3 孤島檢測結果分析 186
10.3.4 檢測盲區(qū)分析 188
10.3.5 基于深度學習孤島檢測方法的可解釋性分析 188
10.4 本章小結 190
參考文獻 191