DC状态估计算法
我们提出使用高斯置信传播(BP)算法的进行直流状态估计(SE)。 DC SE模型由具有实际系数和变量的线性函数系统描述。 DC模型是通过非线性模型的线性化获得的,它忽略了无功功率和传输损耗,仅考虑了有功功率。 因此,DC SE仅将母线电压角作为状态变量。
应用介绍
系统模型
我们提出使用高斯置信传播(BP)算法的进行直流状态估计(SE)。 DC SE模型由具有实际系数和变量的线性函数系统描述。 DC模型是通过非线性模型的线性化获得的,它忽略了无功功率和传输损耗,仅考虑了有功功率。 因此,DC SE仅将母线电压角作为状态变量。
测量模型可以描述为方程组:
其中x是状态变量向量,h(x)是测量函数向量,z s是测量值的向量,u是测量误差向量。 注意,移相变压器被忽略。
直流模型测量集仅涉及传统测量的有功功率流和有功功率注入,并且不失一般性,我们可以包括相量测量单元(PMU)的母线电压角。 直流状态估计是加权最小二乘问题的一种解决方案,它是通过求解线性方程组,通过非迭代过程获得的:
©版权声明:本文内容由互联网用户自发贡献,版权归原创作者所有,本站不拥有所有权,也不承担相关法律责任。如果您发现本站中有涉嫌抄袭的内容,欢迎发送邮件至: [email protected] 进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。
转载请注明出处: apollocode » DC状态估计算法
文件列表(部分)
名称 | 大小 | 修改日期 |
---|---|---|
a10_connect.m | 0.21 KB | 2019-02-10 |
a1_preprocessing.m | 0.38 KB | 2019-02-10 |
a2_pi_model.m | 0.59 KB | 2019-02-10 |
a3_ybus.m | 0.31 KB | 2019-02-10 |
a4_adjust.m | 0.35 KB | 2019-02-10 |
a5_local_factor.m | 0.24 KB | 2019-02-10 |
a6_indirect_factor.m | 0.38 KB | 2019-02-10 |
a7_converg.m | 0.19 KB | 2019-02-10 |
a8_expand_sum.m | 0.55 KB | 2019-02-10 |
a9_wls.m | 0.58 KB | 2019-02-10 |
b1_belief_propagation.m | 0.75 KB | 2019-02-10 |
b2_converg_fix.m | 0.15 KB | 2019-02-10 |
c1_postprocessing.m | 0.22 KB | 2019-02-10 |
c1_spectral_rad.m | 0.92 KB | 2019-02-10 |
c2_evaluation.m | 0.27 KB | 2019-02-10 |
dc_data1354_1757_234.mat | 109.94 KB | 2019-02-10 |
dc_ieee118_177_9.mat | 10.94 KB | 2019-02-10 |
dc_ieee14_15_5.mat | 1.68 KB | 2019-02-10 |
dc_ieee300_304_107.mat | 25.71 KB | 2019-02-10 |
dc_toy_3_3_0.mat | 0.55 KB | 2019-02-10 |
d1_disp.m | 0.19 KB | 2019-02-10 |
d2_estimation.m | 0.57 KB | 2019-02-10 |
d3_spectral.m | 0.24 KB | 2019-02-10 |
d4_evaluation.m | 0.26 KB | 2019-02-10 |
start.m | 0.37 KB | 2019-02-10 |
a_preprocessing | 0.00 KB | 2019-02-10 |
b_algorithm | 0.00 KB | 2019-02-10 |
c_postprocessing | 0.00 KB | 2019-02-10 |
d_display | 0.00 KB | 2019-02-10 |
data | 0.00 KB | 2019-02-10 |
发表评论 取消回复