.png){kind=icon}
返回
Fast and Robust Temperature-Dependent Three-Phase State Estimation Using Hierarchical Constrained Optimization
.png){kind=icon}
OA
AI
DOI：10.1109/OAJPE.2025.3594666.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种鲁棒且计算高效的基于三相电力系统状态估计算法，该方法将母线电压相量和线路导线温度作为状态变量应用于大型电力网络。所提出的方法利用了常规同步相量测量值以及基于输电线路天气数据推导的热平衡方程。状态估计被表述为一个受约束的非线性优化问题。引入了一种分层约束优化策略，该策略将整个电力系统分解为顶层的主子网络和下层的不相连多子网络。只有主子网络与下层子网络共享边界母线。从主子网络获得的估计边界母线电压相量状态作为求解剩余子网络的附加等式约束。下层子网络中无需设置局部平衡母线。这种分离方式允许对下层子网络进行并行处理，从而提高整体计算效率。所提出的估计器在一个修改后的IEEE 118母线系统上进行实现和评估，该系统被调整为不平衡三相网络。结果表明，该方法在计算效率和估计精度方面均有显著提升。
Keyword:
State estimation
conductor temperature
hierarchical optimization
three-phase transmission networks
期刊
I
IF:
3.2
论文数:
405
被引数:
826
机构
引用论文
分享收藏分享收藏Physics-informed graphical neural network for power system state estimation用于电力系统状态估计的物理通知图形神经网络.png)
APPLIED ENERGY
OAAI
APPLIED ENERGYIF11
OAAI分享收藏分享收藏
查看更多内容