基于SDAE-ELM伪量测建模的高容错快速状态估计方法

• 作者: 夏明超 杨晓楠 王玉彬 陈奇芳 陈防渐 韩锋
• 来源期刊: 电力建设
• 学科: 工学
• 关键词: 高容错 快速 状态估计 堆叠去噪自编码器 极限学习机
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 智能电网
• 页码范围: 65-72
• 页数: 8页
• 分类号: TM73
• 字数: 5894字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7229.2019.11.009

摘要

目前在电力系统中无法保证相量量测单元完全覆盖的情况下,状态估计需要采用相量量测单元(phasor measurement unit,PMU)与数据采集与监控(supervisory control and data acquisition,SCADA)混合量测进行传统非线性状态估计,但是SCADA数据精度低,含有较多不良数据,同时混合数据需要迭代求解,会导致计算效率低且存在截断误差.针对该问题,文章提出了一种基于堆叠去噪自编码器(stack denoising autoencoder,SDAE)与极限学习机(extreme learning machine,ELM)伪量测建模的电力系统高容错快速状态估计方法.其将含有不良量测的SCADA量测数据作为SDAE-ELM伪量测模型的输入,节点电压实部与虚部作为输出,根据历史数据进行训练得到伪量测值与伪量测误差模型,训练完成后得到精度较高的伪量测;将伪量测与PMU量测一起进行快速的线性状态估计.仿真结果表明,所提方法在保证估计精度的基础上,提高了计算效率,验证了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏明超	北京交通大学电气工程学院	24	282	8.0	16.0
2	王玉彬	北京交通大学电气工程学院	2	0	0.0	0.0
3	陈奇芳	北京交通大学电气工程学院	6	31	3.0	5.0
4	陈防渐	北京交通大学电气工程学院	1	0	0.0	0.0