近期，我校自動(dòng)化工程學(xué)院青年教師渠博崗博士在新型電力系統(tǒng)智能感知方面的兩項(xiàng)研究工作在國(guó)際頂級(jí)期刊IEEE Transactions on Industrial Informatics和IEEE/CAA Journal of Automatica Sinica上發(fā)表，合作單位包括東華大學(xué)、倫敦布魯奈爾大學(xué)、東北石油大學(xué)等。該研究得到了國(guó)家自然科學(xué)基金面上項(xiàng)目和青年項(xiàng)目以及上海市白玉蘭人才計(jì)劃浦江項(xiàng)目的資助。
研究成果一“Adaptive decentralized state estimation for multi-machine power grids under measurement noises with unknown statistics” 發(fā)表在IEEE Transactions on Industrial Informatics上, 該期刊是計(jì)算機(jī)科學(xué)領(lǐng)域的頂級(jí)期刊（SCI一區(qū)Top, IF: 11.7）（DOI：10.1109/TII.2024.3485791）。
隨著可再生能源的滲透以及各類(lèi)隨機(jī)性負(fù)荷的接入，電網(wǎng)的運(yùn)行條件與場(chǎng)景日趨復(fù)雜，這也使得傳統(tǒng)的控制與優(yōu)化方案更為依賴(lài)對(duì)系統(tǒng)內(nèi)部狀態(tài)的準(zhǔn)確感知與了解。作為揭示系統(tǒng)內(nèi)部行為的重要手段，狀態(tài)估計(jì)理論與技術(shù)受到了極大的關(guān)注。然而現(xiàn)有電力系統(tǒng)狀態(tài)估計(jì)方法多假設(shè)測(cè)量噪聲為已知統(tǒng)計(jì)特性的高斯分布，而實(shí)驗(yàn)表明實(shí)際電力系統(tǒng)中噪聲可能服從非高斯分布且統(tǒng)計(jì)特性未知，這就使得已有的狀態(tài)估計(jì)算法無(wú)法繼續(xù)推廣和應(yīng)用。
針對(duì)上述問(wèn)題，本文提出一種自適應(yīng)動(dòng)態(tài)狀態(tài)估計(jì)算法，利用滑動(dòng)窗口數(shù)據(jù)和高斯混合模型等技術(shù)，有效解決了多機(jī)電力系統(tǒng)在未知統(tǒng)計(jì)測(cè)量噪聲下的狀態(tài)估計(jì)問(wèn)題。具體地，在同步發(fā)電機(jī)建模方面，采用模型解耦技術(shù)實(shí)現(xiàn)了發(fā)電機(jī)與整個(gè)電網(wǎng)的解耦，為算法的分布式部署奠定了基礎(chǔ)。在未知測(cè)量噪聲統(tǒng)計(jì)學(xué)特性的刻畫(huà)方面，利用滑動(dòng)窗口內(nèi)的連續(xù)測(cè)量值及核密度估計(jì)方法構(gòu)建了基礎(chǔ)高斯混合模型，隨后采用Wasserstein距離準(zhǔn)則驅(qū)動(dòng)的模糊聚類(lèi)算法進(jìn)一步減少了基礎(chǔ)高斯混合模型的元素?cái)?shù)量，有效降低了模型復(fù)雜度?；谏鲜瞿Ｐ停M(jìn)一步在容積卡爾曼濾波算法的框架下設(shè)計(jì)了狀態(tài)估計(jì)算法，實(shí)現(xiàn)了對(duì)噪聲統(tǒng)計(jì)特性的自適應(yīng)?；?/span>于IEEE 39節(jié)點(diǎn)系統(tǒng)的測(cè)試結(jié)果表明所提算法不僅能夠準(zhǔn)確揭示測(cè)量噪聲的統(tǒng)計(jì)學(xué)分布，同時(shí)也能夠準(zhǔn)確估計(jì)同步發(fā)電機(jī)的狀態(tài)。
研究成果二“Anomaly-resistant decentralized state estimation under minimum error entropy with fiducial points for wide-area power systems” 發(fā)表在IEEE/CAA Journal of Automatica Sinica上, 該期刊是自動(dòng)化領(lǐng)域的頂級(jí)期刊（SCI一區(qū)Top, IF: 15.3）（DOI：10.1109/JAS.2023.123795）。
為了更好感知復(fù)雜工況下電力系統(tǒng)的狀態(tài)，進(jìn)一步提高態(tài)勢(shì)感知、實(shí)時(shí)控制和安全評(píng)估能力，狀態(tài)估計(jì)算法越來(lái)越受到了工業(yè)界及學(xué)術(shù)界的關(guān)注。需要指出的是當(dāng)前的分布式狀態(tài)估計(jì)算法大多只是將測(cè)量數(shù)據(jù)進(jìn)行了區(qū)域劃分，并未從物理層面對(duì)系統(tǒng)進(jìn)行分布式建模。此外，現(xiàn)有的狀態(tài)估計(jì)算法大多在最小均方誤差的框架下開(kāi)展，無(wú)法應(yīng)對(duì)異常測(cè)量數(shù)據(jù)的影響。
針對(duì)上述挑戰(zhàn)，本文梳理了準(zhǔn)穩(wěn)態(tài)電力系統(tǒng)的機(jī)理及傳感測(cè)量模型，將原系統(tǒng)劃分為不重疊的局部系統(tǒng)并建立相應(yīng)數(shù)學(xué)與測(cè)量模型，針對(duì)局部系統(tǒng)互聯(lián)產(chǎn)生的邊緣測(cè)量也構(gòu)建了模型?；诖朔植际侥Ｐ停紤]異常信息，在無(wú)跡卡爾曼濾波框架下提出基于含基準(zhǔn)點(diǎn)的最小誤差熵準(zhǔn)則（MEEF）的抗異常分散式狀態(tài)估計(jì)方法，其融合了最小誤差熵和最大相關(guān)熵準(zhǔn)則，克服了最小誤差熵的平移性以確保誤差趨近于0。局部估計(jì)器設(shè)計(jì)分預(yù)測(cè)和更新部分，其中預(yù)測(cè)部分利用無(wú)跡變換生成Sigma 點(diǎn)，經(jīng)狀態(tài)轉(zhuǎn)移和測(cè)量函數(shù)計(jì)算預(yù)測(cè)狀態(tài)、協(xié)方差矩陣等。在更新部分，采用統(tǒng)計(jì)線(xiàn)性化構(gòu)建增廣模型，并基于MEEF準(zhǔn)則設(shè)計(jì)成本函數(shù)，通過(guò)固定點(diǎn)迭代求解得到局部估計(jì)并轉(zhuǎn)換為信息形式,之后利用邊界測(cè)量遞歸更新局部估計(jì)并保證收斂。基于IEEE 14節(jié)點(diǎn)系統(tǒng)的測(cè)試結(jié)果表明所提分布式算法精度與集中式較為接近，且所提方法對(duì)異常和不良數(shù)據(jù)抵抗性強(qiáng)、計(jì)算效率高。
自動(dòng)化工程學(xué)院 渠博崗 供稿
2025年2月17日