💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳️座右铭：行百里者，半于九十。
📋📋📋本文目录如下：🎁🎁🎁
目录
比较WLS与Newton-Raphson方法结合PMU的状态估计
⛳️赠与读者
👨💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学，什么是电的时候，不要觉得这些问题搞笑。哲学是科学之母，哲学就是追究终极问题，寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能让人胸中升起一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它居然给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。
或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎
💥1 概述
电力系统状态估计是电力系统运行和监控中的一个重要环节，其目标是通过收集系统中各种测量数据，如电流、电压等，来估计系统中各个节点的电压幅值和相角。这些估计值对于系统的运行、控制和保护都至关重要。
在电力系统状态估计中，常用的方法包括加权最小二乘法（WLS）和相量测量单元（PMU）。WLS方法是一种基于测量残差的迭代算法，通过最小化实际测量值与模型估计值之间的残差平方和来估计状态变量。而PMU是一种高精度、高速度的电力系统测量设备，可以提供实时的电压相位和幅值数据，用于辅助状态估计。
与传统的Newton-Raphson方法相比，WLS和PMU方法具有以下优点：
1. 更高的精度：WLS和PMU方法可以利用更多的实时测量数据进行状态估计，从而提高估计结果的精度。
2. 更快的收敛速度：相较于传统的迭代方法，WLS和PMU方法通常具有更快的收敛速度，特别是在大型复杂系统中。
3. 更强的鲁棒性：WLS和PMU方法能够更好地处理测量误差和系统不确定性，从而提高状态估计的鲁棒性。
4. 实时性：PMU提供的数据是实时的，能够及时反映系统状态的变化，有助于实时监控和控制系统运行。
研究比较WLS和PMU方法与Newton-Raphson方法的主要目的是评估它们在不同条件下的性能差异，包括精度、收敛速度、鲁棒性等方面的比较。这样的研究可以为电力系统状态估计的实际应用提供指导，帮助选择合适的方法并优化系统运行效率。
电力系统状态估计与PMU（相量测量单元）一起使用WLS和PMU来估计系统的电压幅值和角度。本文还将这些值与使用Newton-Raphson方法获得的状态进行比较。
在电力系统中，状态估计是一个关键过程，用于根据有限的、可能带有噪声的测量数据来估计系统的完整状态，包括电压幅值和角度（相位）。相量测量单元（PMU）提供了高精度的电压和电流相量的实时测量，这些测量数据对于提高状态估计的准确性和实时性至关重要。
电力系统状态估计方法
-
加权最小二乘法（WLS）：
WLS是一种常用的状态估计方法，它通过最小化测量值与估计值之间的加权平方差来估计系统状态。在电力系统中，WLS通常用于处理传统的SCADA（监控和数据采集）系统提供的测量数据，如功率流、电压幅值等。WLS的权重通常基于测量数据的精度和可靠性。 -
Newton-Raphson方法：
Newton-Raphson方法是一种迭代技术，用于求解非线性方程组。在电力系统状态估计中，它通常用于求解由系统方程（如潮流方程）和测量方程组成的非线性方程组。Newton-Raphson方法具有较快的收敛速度和较高的精度，但计算复杂度较高，且对初值的选择较为敏感。
PMU在状态估计中的应用
PMU提供了高精度的电压和电流相量测量，这些测量数据可以直接用于状态估计，提高估计的准确性和实时性。与传统的SCADA测量数据相比，PMU数据具有更高的采样率和更低的噪声水平。
比较WLS与Newton-Raphson方法结合PMU的状态估计
- 精度：
- 使用PMU数据时，由于测量精度高，无论是WLS还是Newton-Raphson方法都能获得较高的状态估计精度。然而，Newton-Raphson方法由于其迭代求解的特性，通常能在更少的迭代次数内达到更高的精度。
- 计算复杂度：
- WLS方法相对简单，计算复杂度较低，适用于实时性要求较高的场合。
- Newton-Raphson方法计算复杂度较高，但可以通过优化算法和并行计算来加速求解过程。
- 收敛性：
- WLS方法通常具有较好的全局收敛性，但可能受到测量数据噪声和异常值的影响。
- Newton-Raphson方法对初值的选择较为敏感，可能陷入局部最优解或发散。然而，在结合PMU数据的情况下，由于测量精度高，初值的选择对收敛性的影响相对较小。
- 实时性：
- PMU数据的高采样率使得基于PMU的状态估计具有更高的实时性。WLS方法由于其较低的计算复杂度，通常能更快地完成状态估计。
- Newton-Raphson方法虽然计算复杂度较高，但可以通过优化算法和硬件加速来缩短计算时间，以满足实时性要求。
结论
在电力系统状态估计中，结合PMU数据使用WLS和Newton-Raphson方法各有优缺点。WLS方法简单、实时性好，适用于对实时性要求较高的场合；而Newton-Raphson方法精度高、收敛快，适用于对精度要求较高的场合。在实际应用中，可以根据具体需求和系统条件选择合适的方法或结合使用两种方法以获得更好的状态估计效果。
该代码将使用PMU（相量测量单元）与不使用PMU进行状态估计进行比较。
结论是使用PMU，您可以接近零误差进行状态估计。
📚2 运行结果
2.1 IEEE14节点
2.2 IEEE30节点
部分代码：
zdatap = zdataps(num); % Get Phasor Measurement data..
type = zdatap(:,2); % Type of measurement, Vi - 1, Pi - 2, Qi - 3, Pij - 4, Qij - 5, Iij - 6..
magn = zdatap(:,3); % Measuement values..
ang = zdatap(:,4); % Angles..
fbus = zdatap(:,5); % From bus..
tbus = zdatap(:,6); % To bus..
Rim = zdatap(:,7); % Measurement Error..
Ria = zdatap(:,8);
Y = ybusppg(num);
bpq = bbusppg(num);
G = real(Y);
B = imag(Y);
nbus = length(Y);
vi = find(type == 1); % Index of measurements..
ii = find(type == 2);
nvi = length(vi); % Number of Voltage measurements..
nii = length(ii); % Number of Real Power Injection measurements..
V = E2(:,1); Del = E2(:,2); del = (pi/180)*Del; % Output from WLS..
Esr = V.*cos(del);
Esi = V.*sin(del);
Vpr = magn(1:nvi).*cos(ang(1:nvi));
Vpi = magn(1:nvi).*sin(ang(1:nvi));
Ipr = magn(nvi+1:end).*cos(ang(nvi+1:end));
Ipi = magn(nvi+1:end).*sin(ang(nvi+1:end));
M = [Esr; Esi; Vpr; Vpi; Ipr; Ipi]; % Measurement Vector..
% Forming new Jacobian Matrix
J11 = eye(nbus,nbus);
J12 = zeros(nbus,nbus);
🎉3 参考文献
文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。
[1] Dowi S A E I .PMU测量单元对电力系统动态状态估计影响研究[D].华北电力大学,2015.DOI:10.7666/d.Y2879583.
[2]薛辉,贾清泉,王宁,等.基于PMU量测数据和SCADA数据融合的电力系统状态估计方法[J].电网技术, 2008, 32(14):6.DOI:JournalArticle/5aed6b7fc095d710d40c2daa.
[3]孙国强.基于相量测量的电力系统状态估计研究[D].河海大学,2005.DOI:10.7666/d.y693434.
868
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
