【低压配电网】【对单相接地低压电网监测方案性能】在径向低压测试馈线上使用WLS状态估计器的性能,由于测量误差的随机性质,分析以蒙特卡洛方式进行(Matlab代码实现)

💥💥💞💞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。

💥1 概述

摘要:
低压配电网(LVDGs)正从传统的被动行为演变为高度主动的系统。它们的安全可靠运行将需要有效的控制方案,而这又需要可靠且准确的监测系统。大多数相关现有工作依赖于在中压配电网(MVDGs)上主要使用的三相加权最小二乘(WLS)状态估计方法。然而,由于中压和低压配电网之间的不同特性,这种方法可能不适用于监测低压配电网。本文研究了在径向低压测试馈线上使用WLS状态估计器的性能,由于测量误差的随机性质,分析以蒙特卡洛方式进行。研究表明,在监测LVDG时存在明显的误差,与负载条件和配电网的不对称运行有关。

为了实现可持续的未来,电力系统需要不断演进,利用环保资源来发电。在这一转变过程中,低压配电网(LVDGs)将经历广泛变化,以从传统的被动行为转变为主动网格[1]。这将允许支持分布式能源资源(DERs)的高渗透度,例如住宅光伏系统、储能系统、电动汽车及其充电站。与此同时,未来的LVDGs将需要提供网格支持功能(如频率和电压支持、谐波和负序列抑制、逆功率流的检测和禁止、拥塞和线路过载的限制),以保持安全可靠的运行。因此,需要利用新型控制方案中所有可利用的灵活性,以支持LVDGs的演变,并在DERs的高渗透水平下维持安全可靠的运行[2]。在这一方向上,准确可靠的监测系统对于开发任何控制和协调方案以确保网格的有效运行至关重要。

关于LVDGs中适当的监测方法的研究工作直到最近都非常有限。这一差距的主要原因不仅在于LVDGs的传统被动行为,还在于低压级别的测量设备和基础设施不足。后者导致LVDGs不可观测[3],因而限制了适当监测方案的能力。然而,随着智能电表的最近大规模部署[4]-​[5],出现了新的机遇。它们的主要投入是为了计费目的以及一般了解客户行为,但如果充分利用,它们同时可以实现对LVDGs的监测。为此,通过利用智能电表的能力,对LVDGs的监测开始引起研究的关注。在[6]中,作者讨论并展示了下一代智能电表的特点和功能,并呈现了一个由48个智能电表组成的实验性传感器网络。这些智能电表用于监测意大利北部光伏发电高渗透的LVDG。在[7]中采取了类似的方法,利用德国的智能电表以15分钟的报告频率对LVDG进行监测,采用WLS状态估计器(SE)。在[8]中,考虑了智能电表测量的可能时间偏差,并提出了一种新的分配测量权重的方法。该方法取决于自上次智能电表测量更新以来经过的时间,并用于WLS SE。在[9]中,考虑了智能电表更新间隔之间可能的负载变化。在[10]中,对采用节点电压或支路电流作为状态变量的三相WLS SE进行了性能比较,并通过矩形和极坐标形式表达状态变量进行了分析。该研究结果清楚地表明,无论状态变量是用哪种平面表示,其结果都是相同的。然而,当状态用矩形形式表示时,估计器的计算效率更高,而用极坐标形式表示时,计算效率较低。在[11]中提出了一种基于云的架构,将LVDG划分成区块,每个区块由智能电表观测并报告给一个集中器。尽管这种设置需要为每个区块配备一个集中器,但它允许通过利用集中器的计算能力,在每个区块中并行执行WLS SE。因此,系统状态的整体估计需要的计算时间显著降低。

📚2 运行结果

部分代码:

% This script calculates all relevant system parameters
f=50; % frequency
nr_p=3; % number of phases
Vb1=400; %Line to Line RMS
Vb=Vb1/sqrt(3);
Sb=6e3; %Three phase base power
Zb=Vb1^2/Sb;
Ib=Sb/(sqrt(3)*Vb1);
Yb=1/Zb;

%% Calculates the admittance matrix of each line type in the network
[Line_admitt, Line_Type]=Construct_Line_Admittance;
[num,txt,raw] =xlsread('Network_Topology.xlsx');
nr_b=max(num(:,2)); %number of nodes in the system,
Ybus=zeros(nr_b*nr_p,nr_b*nr_p);
num(:,3)=num(:,3);

for i=3:size(txt,1) %the second row of the network topology file will correspond to the transformer, connected to bus 1-2
%its admittance will be taken into account in seperate section, so the loop starts from the third row that consists of the information
%about the first line in the system

🎉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。

🌈4 Matlab代码、数据、文章

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/1165619.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

永磁同步电机PMSM六种DPWM调制技术-DPWM0 、DPWM1、DPWM2、DPWM3、DPWMMAX、DPWMMIN研究(Simulink仿真实现)

💥💥💞💞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&a…

ES6对象方法简写:更简洁的代码写法

ES6 中为对象字面量引入的「方法简写」语法,这是 ES6 简化对象写法的重要特性之一,能让对象方法的定义更简洁。方法简写的核心概念在 ES5 及更早版本中,定义对象方法需要明确写出 属性名: 函数 的形式;而 ES6 的方法简写则允许直接…

Z-Image-Turbo极速出图实战:6秒生成,成本低至1毛

Z-Image-Turbo极速出图实战:6秒生成,成本低至1毛 你是不是也经常为短视频封面发愁?每天要产出几十条内容,每一条都得配一张吸睛的封面图。以前靠手动设计,PS一顿操作猛如虎,结果一小时才出一张图&#xff…

TurboDiffusion为何快?SageSLA注意力机制深度解析

TurboDiffusion为何快?SageSLA注意力机制深度解析 1. 引言:视频生成加速的技术突破 近年来,文生视频(Text-to-Video, T2V)和图生视频(Image-to-Video, I2V)技术取得了显著进展。然而&#xff…

IndexTTS-2方言支持体验:云端快速测试,无需本地资源

IndexTTS-2方言支持体验:云端快速测试,无需本地资源 你是否正在参与一个方言保护项目,却苦于没有专业设备来测试AI语音合成效果?你是否希望快速验证某种方言的语音还原度,但又不想折腾复杂的本地部署和显卡配置&#…

ACE-Step模型优势剖析:3.5B参数如何平衡质量与速度

ACE-Step模型优势剖析:3.5B参数如何平衡质量与速度 1. 引言:音乐生成进入高效可控新时代 随着AIGC技术的快速发展,AI生成音乐正从“能出声”迈向“高质量、可控制、易使用”的新阶段。在这一趋势下,ACE-Step作为一款由ACE Studi…

NotaGen节日营销:快速生成品牌定制圣诞音乐的秘诀

NotaGen节日营销:快速生成品牌定制圣诞音乐的秘诀 你有没有遇到过这样的情况?年底将至,商场的节日氛围布置得热热闹闹,彩灯、雪人、麋鹿样样不落,可背景音乐却还是那几首翻来覆去的老歌——《Jingle Bells》《We Wish…

2026 年程序员接单全指南:平台这么多,别再选错了

这两年,行情慢慢冷静下来,岗位竞争也肉眼可见地卷了起来,身边不少程序员开始给自己留后路。有人想多赚点,给收入加个缓冲;有人想攒点真实项目,别简历一翻全是在职期间参与;也有人干脆把程序员接…

8GB内存电脑跑LoRA:云端GPU加持,性能提升10倍

8GB内存电脑跑LoRA:云端GPU加持,性能提升10倍 你是不是也有一台老旧笔记本,想尝试AI模型微调,却被“训练太慢”劝退?本地用LoRA训练一个epoch要8小时,风扇狂转、系统卡顿,结果还经常崩溃。别急…

Qwen3-Embedding-4B成本分摊:多团队使用计量部署教程

Qwen3-Embedding-4B成本分摊:多团队使用计量部署教程 1. 背景与挑战 随着大模型在企业内部的广泛应用,向量嵌入服务已成为搜索、推荐、知识管理等系统的核心基础设施。Qwen3-Embeding-4B作为通义千问系列中专为文本嵌入和排序任务设计的高性能模型&…

MiniMax 开源了一个新的 Coding Agent 评测集,叫 OctoCodingBench,用以去评测 Coding Agent 在完成任务的过程中,有没有遵守规矩?

OctoCodingBench:终于有人开始认真评测 Coding Agent “有没有守规矩”了 MiniMax 开源了一个新的 Coding Agent 评测集,叫 OctoCodingBench,用以去评测 Coding Agent 在完成任务的过程中,有没有遵守规矩? 我个人非常…

MiDaS开箱即用镜像:免去CUDA烦恼,5分钟部署

MiDaS开箱即用镜像:免去CUDA烦恼,5分钟部署 你是不是也遇到过这种情况:团队正在开发一款智能机器人,需要实现环境感知功能,比如判断前方障碍物有多远、地面是否平坦。这时候深度估计技术就派上用场了——而MiDaS正是目…

DeepSeek-OCR论文精读:用视觉压缩突破长文本处理瓶颈|基于DeepSeek-OCR-WEBUI实战

DeepSeek-OCR论文精读:用视觉压缩突破长文本处理瓶颈|基于DeepSeek-OCR-WEBUI实战 1. 写在前面:核心价值与技术定位 问题驱动:大语言模型(LLM)在处理超长文本时面临显存占用高、计算复杂度上升的瓶颈&…

MiDaS深度解析:1元体验SOTA模型,技术小白也能懂

MiDaS深度解析:1元体验SOTA模型,技术小白也能懂 你是不是也经常看到“SOTA模型”、“单目深度估计”这类术语就头大?论文一打开,满屏数学公式和专业名词,瞬间劝退。但其实,这些听起来高大上的AI技术&#…

基于改进粒子群算法的多无人机协同航迹规划(Matlab代码实现)

💥💥💞💞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&a…

4G 显存即可运行!免环境搭建的 AI 电商换装工具实操指南

在电商视觉内容制作场景中,服装展示素材的生成常面临诸多痛点:专业模特拍摄成本高、后期换款修图耗时久、传统工具操作门槛高且对硬件配置要求苛刻。而一款支持免环境搭建、仅需 4G 显存即可流畅运行的 AI 换装工具,为这类需求提供了高效解决…

强烈安利9个AI论文工具,本科生轻松搞定论文写作!

强烈安利9个AI论文工具,本科生轻松搞定论文写作! 论文写作的“救星”正在悄然改变你的学习方式 在当今这个信息爆炸的时代,本科生面对论文写作的压力日益增大。从选题到资料收集,再到撰写与修改,每一个环节都可能让人感…

UI-TARS-desktop案例解析:Qwen3-4B-Instruct在金融风控中的应用

UI-TARS-desktop案例解析:Qwen3-4B-Instruct在金融风控中的应用 1. UI-TARS-desktop简介 Agent TARS 是一个开源的多模态 AI Agent 框架,致力于通过融合视觉理解(Vision)、图形用户界面操作(GUI Agent)等…

Qwen-Image-Layered vs Photoshop:实测对比3种图层方案,2小时搞定选型

Qwen-Image-Layered vs Photoshop:实测对比3种图层方案,2小时搞定选型 你是不是也遇到过这样的情况:作为初创公司的产品经理,手头一堆营销海报、商品主图、社交媒体素材要出,设计师忙得焦头烂额,外包成本又…

程序员接单实用指南:平台选择、真实体验与避坑思路

欢迎来到我的博客,代码的世界里,每一行都是一个故事🎏:你只管努力,剩下的交给时间 🏠 :小破站 程序员接单实用指南:平台选择、真实体验与避坑思路程序员接单之前,需要先想…