Повышение достоверности телеизмерительной информации в ЭЭС на основе контрольных уравнений тема диссертации и автореферата по ВАК РФ 05.14.02, доктор технических наук Колосок, Ирина Николаевна

  • Колосок, Ирина Николаевна
  • доктор технических наукдоктор технических наук
  • 2004, Иркутск
  • Специальность ВАК РФ05.14.02
  • Количество страниц 324
Колосок, Ирина Николаевна. Повышение достоверности телеизмерительной информации в ЭЭС на основе контрольных уравнений: дис. доктор технических наук: 05.14.02 - Электростанции и электроэнергетические системы. Иркутск. 2004. 324 с.

Оглавление диссертации доктор технических наук Колосок, Ирина Николаевна

Введение

В.1. Современное состояние АСДУ ЭЭС и место задачи ОС в

В.2. Методические вопросы оценивания состояния современных

В.3. Общая характеристика работы

Глава 1. Современное состояние основных методических и научно-практических разработок в области ОС

1.1. Модели задачи ОС ЭЭС

1.2. Алгоритмы статического и динамического ОС

1.3. Учет ограничений в задаче ОС

1.4. Методы достоверизации ТИ и ТС при ОС ЭЭС

1.5. Применение методов искусственного интеллекта в задачах электроэнергетики при ОС ЭЭС

1.6. Выводы

Глава 2. Контрольные уравнения как аппарат для решении задачи ОС

2.1. Идея контрольных уравнений (КУ)

2.2. Выбор системы УУР при решении задачи ОС на основе КУ

2.3. Топологические методы получения КУ

2.4. Алгебраические методы получения КУ 108 2.5 Связь задачи формирования КУ с проблемой анализа наблюдаемости ЭЭС

2.6. Выводы

Глава 3. Использование контрольных уравнений для достоверизации телеинформации (ТИ и ТС) при ОС

3.1. Постановка задачи обнаружения плохих данных

3.2. Статистические подходы к проверке гипотез о наличии плохих данных

3.3. Априорная идентификация ошибочных ТИ на основе КУ

3.4. Достоверизация ТС на основе КУ

3.5. Идентификация метрологических характеристик измерений как способ обнаружения долговременных сбоев в ТИ

3.6. Выводы

Глава 4. Применение методов искусственного интеллекта для достоверизации телеинформации

4.1. Применение экспертных систем для решения задачи обнаружения плохих данных

4.2. Применение искусственных нейронных сетей (ИНС) для достоверизации ТИ

4.3. Применение генетических алгоритмов (ГА) при решении задачи ОС на основе КУ

4.4. Выводы

Глава 5. Свойство идентифицируемости плохих данных при решении задачи достоверизации измерений на основе КУ

5.1. Условия идентифицируемости плохих данных. Топологический и алгебраический аспекты проблемы

5.2. Топологический аспект идентифицируемости ПД методом

5.3. Топологическая идентифицируемость плохих данных на основе анализа матрицы коэффициентов КУ

5.4. Алгебраический аспект проблемы идентифицируемости плохих данных

5.5. Выводы

Глава 6. Оценивание состояние с использованием КУ

6.1. Третья форма задачи ОС. Двухступенчатый алгоритм ОС на основе КУ

6.2. Получение оценок измеряемых параметров режима

6.3. Выбор базисного состава измерений и расчет потокораспределения

6.4. Работа алгоритма ОС в условиях неполной наблюдаемости

6.5: Учет ограничений при решении задачи ОС на основе КУ

6.6. Апостериорный анализ плохих данных при ОС по КУ

6.7. Выводы

Глава 7. Реализация методов ОС по КУ в программновычислительном комплексе «Оценка»

7.1. Технологическая система S С ADA-EMS (ОИУ К) современного типа

7.2. Описание ПВК «Оценка»

7.3. Результаты расчетов

7.4. Перспективы развития ПВК

7.5. Выводы

Рекомендованный список диссертаций по специальности «Электростанции и электроэнергетические системы», 05.14.02 шифр ВАК

Введение диссертации (часть автореферата) на тему «Повышение достоверности телеизмерительной информации в ЭЭС на основе контрольных уравнений»

В. 1. Современное состояние АСДУ ЭЭС и место задачи ОС в ней

Автоматизированная система диспетчерского управления (АСДУ) ЕЭС России, обеспечивающая; решение; полного комплекса задач оперативно — диспетчерского управления производством, передачей и распределением электрической энергией, была сформирована к концу 70-х годов [В1]. Она имеет многоступенчатую иерархическую структуру, построенную по территориальному принципу: высший уровень - ЦДУ, охватывающий все территории, входящие в ЕЭС, 6 объединенных диспетчерских управлений (ОДУ), 66 центральных диспетчерских служб (ЦДС) энергосистем, около 120 диспетчерских пунктов предприятий электрических сетей. [В2].

Основной составляющей АСДУ на уровнях ЦДУ ЕЭС, ОДУ ОЭС и ЦДС ЭЭС являются оперативные информационно-управляющие комплексы (ОИУК) [ВЗ], с помощью которых диспетчерским персоналом ЦДУ, ОДУ и ЦДС осуществлялся контроль за текущим состоянием: управляемой ЭЭС — ее схемой и режимами, средствами управления, выполнялся ретроспективный анализ прошлых и оценка перспективных, режимов ^ и осуществлялось оперативное управление текущими' режимами ЭЭС.

Иерархическая система диспетчерского управления? в полной мере соответствовала требованиям электроэнергетики; как высокотехнологичной отрасли и обеспечивала надежность работы ЕЭЭС. Изменение экономических условий, связанное с разделением собственности и созданием Акционерных обществ (АО), а также переходом от централизованного планирования к децентрализованному потребовало изменения принципов и задач диспетчерского управления, но при сохранении его иерархической? структуры, хорошо зарекомендовавшей себя ранее [ВЗ].

Существовавшее до недавнего времени программное: обеспечение АСДУ подразделяется на три основные части [ВЗ-В5].

1. Комплекс программ системы SCADA (Supervisory Control And Data Acquisition) или оперативно-информационного комплекса (ОИК), обеспечивающий решение основных информационно-вычислительных задач для диспетчера: К ним относятся:

• < прием и первичная обработка телеинформации;

• ведение базы данных реального времени и формирование архивов;

• ввод и отображение информации (MMI) на графических рабочих станциях и мониторах ПК;

• ведение суточной диспетчерской ведомости;

• управление диспетчерским щитом и др.

2. Комплекс программ EMS (Energy Management System)-npmio)KeHim off-line, обеспечивающий решение задач планирования электрических и энергетических режимов в суточном и более продолжительных циклах, как правило, не использующих телеинформацию.

3. Комплекс программ EMS-приложений on-line, обеспечивающий функции анализа и планирования режимов на основе текущего расчетного режима ЭЭС. К ним относятся:

• моделирование и анализ режима, советчик диспетчеру по вводу режима в допустимую область;

• прогноз нагрузки: суточный и внутри суточный;

• оптимизация режима по активной мощности;

• • внутри суточная- коррекция режима; по активной мощности и напряжению;

• - оперативная оценка надежности режима и др.

Необходимой для решения многих из этих задач базой является сбалансированный режим для; текущей схемы электрической сети, полученный на основе телеинформации - телеизмерений (ТИ) переменных режима и телесигналов (TG) о состоянии коммутационного оборудования.

Из-за недостаточного оснащения ЭЭС средствами- телемеханики измеряется и передается в диспетчерские пункты лишь часть информации; необходимой для управления ЭЭС. Кроме того, полученная телеинформация также не всегда правильно' отражает конфигурацию схемы и значения переменных режима, поскольку содержит погрешности. Для расчета текущего режима ЭЭС по данным ТИ и ТС используются методы оценивания состояния, позволяющие отфильтровать погрешности в измерениях и рассчитать недостающую текущую информацию.

Первые работы по оцениванию состояния ЭЭС появились в конце 60-х-начале 70-х годов прошлого столетия практически одновременно в нашей стране [В6,В7] и за рубежом [В8-В11].

К концу 70-х годов программные разработки, реализующие методы-ОС для небольших схем, находились в эксплуатации в составе оперативно-информационных комплексов (ОИК), реализованных на мини-ЭВМ в ряде ЭЭС СССР: Результаты ОС использовались в основном для повышения достоверности телеизмерений и отображения.

В 80-е годы; были разработаны алгоритмы и ряд программ ОС, решение которых предполагалось выполнять на "связке" мини-ЭВМ^ осуществляющей прием телемеханики, и ЕС ЭВМ. Однако вследствие низкой производительности и надежности ЕС ЭВМ, а также недостаточной обеспеченности расчетных схем телеинформацией; добиться широкого практического использования этих программ не удалось.

Появление на российском рынке в начале 90-х годов мощных персональных компьютеров (ПК), объединенных в локальные вычислительные сети, позволило провести модернизацию технических средств АСДУ, в первую очередь их оперативно-информационных управляющих комплексов, и осуществить поэтапный переход от централизованных ОИУК АСДУ к децентрализованным структурам [ВЗ].

Учет экономических интересов отдельных АО привел к созданию Федерального оптового рынка электроэнергии и мощности (ФОРЭМ) и появлению новых задач, связанных с подготовкой перспективных балансов, обоснованием тарифов, организацией расчетов и взаиморасчетов на ФОРЭМ и др. Для контроля за перетоками энергии и мощности между субъектами ФОРЭМ в рамках АСДУ была создана система коммерческого учета электроэнергии (АСКУЭ), включающая в себя разработку и внедрение нового программного обеспечения и переработку имеющегося, в первую очередь это касается программ долгосрочного и краткосрочного планирования режимов, расчета и оптимизации диспетчерских графиков и оперативной коррекции режимов в темпе процесса [ВЗ, В4, В. 12].

Появление новых задач привело к увеличению объемов информации, передаваемой между различными уровнями иерархической - системы диспетчерского управления и потребовало развития телекоммуникационных средств для увеличения числа абонентов и объема информации в системах сбора и передачи данных, а также модернизации технических средств и программного обеспечения ОИУК.

Модернизация технических средств ОИУК позволила перейти к новой технологической системе S С ADA/EMS, позволяющей существенно увеличить объем принимаемой телеинформации и реализовать достаточно сложные алгоритмы ее обработки. Это дало возможность решать задачу ОС в режиме on-line, а ее результаты использовать не только для повышения достоверности телеинформации, но и в качестве информационной базы для решениям задач, входящих в подсистему EMS on-line.

Вместе с тем, хотя EMS-технологии и использовались в вертикально интегрированной системе управления ЭЭС, диспетчерский персонал часто не имел достаточных стимулов для решения задач,, требующих знания точной модели текущего режима, таких, например, как оптимизация режима по активной мощности. Это существенно затрудняло процесс внедрения результатов ОС в практику диспетчерского управления ЭЭС.

Ситуация заметно изменилась в условиях перехода к конкурентному рынку электроэнергии [В.13]. Во-первых, в новых условиях состояние ЭЭС менее предсказуемо, чем раньше. Это связано с открытым доступом к управлению передающими электрическими сетями по рыночным правилам. Во-вторых, к функциям EMS on-line добавляется ряд новых технологических задач, для решения которых необходимо знание точной модели текущего режима, таких как определение допустимой передаваемой мощности по линиям, управление перегрузками, статическая и динамическая устойчивость и др. В-третьих, знание текущего режима ЭЭС необходимо также для определения обоснованных цен на электроэнергию при ведении балансирующего рынка.

В настоящее время на базе ЦДУ ЕЭС России, ОДУ и крупных РДУ создается единая структура диспетчерского управления (системного оператора (СО)),, который должен приступить к управлению режимами: ЕЭС в 2004г. [В.14]. К этому времени на базе эксплуатируемых: в настоящее время в ЦДУ, ОДУ и ЦДС ЭЭС комплексов; SCADA/EMS должна быть создана инфраструктура автоматизированной» системы, системного оператора (АС СО), в составе которой важное место занимает комплекс задач информационно-технологического обеспечения;; для? управления оптовым: рынком:. В нем предусмотрена: система- обработки телеметрической; информации с автоматическим формированием математической; модели, адекватной? текущему состоянию ЭЭС. Предполагается, что на; основе полученной: модели будут выполняться расчеты всех технологических задач, необходимых для; эффективного управления; ЭЭС в рыночных условиях и выполнения расчетов по электроэнергии.

В.2. Методические вопросы оценивания состояния современных ЭЭС

Информация о текущем состоянии поступает в пункты; управления ЭЭС в виде телеизмерений (ТИ) переменных режима и телесигналов (ТС) о состоянии коммутационной аппаратуры. Телеизмеряемыми переменными, как правило,, являются: модули узловых: напряжений U], генерации активных Рп и реактивных Qn мощностей: в узлах, перетоки активных Ри, Р':. и реактивных Qy, QJt мощностей в начале и конце линий, реже - токи Itj, /у7 в линиях, некоторые интегральные* характеристики режима. Они образуют вектор измеряемых переменных у. Остальные переменные образуют вектор неизмеряемых переменных z.

Измерения содержат погрешности, обычно считается, что они носят случайный характер и распределены по нормальному закону с известной-дисперсией, характеризующей точность измерений.

Задача ОС состоит в нахождении таких расчетных значений (оценок) измеряемых переменных режима у, которые наиболее близки в смысле некоторого критерия» к измеренным; значениям; у и: удовлетворяют уравнениям электрических цепей, в которые входят как измеряемые у, так и неизмеряемые z переменные режима;. Эти уравнения? используются для расчета неизмеренных переменных z по оценкам измерений у .

В такай постановке задача ОС сводится к фильтрации случайных погрешностей измерений и дорасчету неизмеренных переменных режима, иногда ее называют задачей ОС в узком смысле.

В настоящее время разработано большое число методов ОС, различающихся выбором координат решения, критериями ОС, методами-поиска оптимума и решения нелинейных и линейных систем уравнений,, способом учета ограничений и др.

Как правило, все эти методы хорошо работают и дают надежные результаты,, если нет ошибок в конфигурации схемы и грубых ошибок в ТИ, а используемые: математические: модели адекватны: текущему состоянию схемы ЭЭС.

Так,, измерения* довольно часто помимо случайных погрешностей;: содержат грубые ошибки, причинами появления которых являются; погрешности измерительных приборов, существенно превышающие их номинальные характеристики, ошибки цифро-аналогового преобразования; измеряемых величин; помехи и сбои в каналах передачи данных и др. Грубые ошибки в ТИ, называемые часто по аналогии с английским термином bad data плохими" данными, могут вызвать существенное искажение результатов ОС вследствие влияния ошибочных измерений на переменные режима, связанные с ними физическими соотношениями. Поэтому одной из самых важных проблем при решении задачи ОС является проблема обнаружения ошибочных ТИ и подавления их влияния на результаты ОС [В.15]. При этом предпочтение в алгоритмах реального времени отдается априорным методам обнаружения- плохих данных,, позволяющим обнаружить их до решения задачи ОС.

Расчетная топологическая модель схемы ЭЭС для ОС формируется на основе данных о текущем состоянии коммутационного оборудования, которые могут поступать в пункты управления ЭЭС в виде ТС или формироваться вручную диспетчерским персоналом. Ошибки: в определении положений выключателей приводят к неправильному заданию состояний линий, трансформаторов и шиносоединительных выключателей (откл/вкл), а также числа включенных реакторов в линиях и узлах схемы сети. Топологические ошибки при формировании текущей: расчетной схемы сети оказывают такое же влияние на результаты ОС, как и многочисленные плохие данные, поэтому еще одной важной проблемой при решении: задачи ОС является: достоверизация • ТС и анализ топологических ошибок в расчетной модели ЭЭС.

Не менее важная роль при ОС отводится задаче расчета неизмеренных переменных z по оценкам измерений у . К неизмеренным переменные режима относятся как принципиально неизмеряемые в ЭЭС переменные, такие, например, как фазы узловых напряжений 8п так и переменные, не измеренные из-за отсутствия измерительного оборудования на объектах ЭЭС и недостаточной пропускной способности телеканалов.

Возможность рассчитать неизмеренные переменные z по имеющемуся в схеме набору измерений определяется в процессе анализа наблюдаемости схемы ЭЭС [В. 15, В. 16]. Поскольку в реальных условиях функционирования ЭЭС состав ТИ может изменяться из-за отказов в системе сбора данных, а также изменяется топология схемы, то анализ наблюдаемости схемы является важной и неотъемлемой частью проблемы ОС текущего состояния ЭЭС.

Если количество и размещение измерений в схеме недостаточно для f определения всех неизмеренных переменных, то такая схема является; частично ненаблюдаемой и содержит наряду с наблюдаемыми, районами ненаблюдаемые фрагменты. Надежные алгоритмы ОС должны давать правильное решение в наблюдаемых частях, схемы, согласованное в* граничных узлах с параметрами ненаблюдаемых подсистем.

Еще одной важной проблемой, влияющей на качество решения при; ОС, является соответствие параметров используемых моделей текущему состоянию ЭЭС. Так, например, дисперсии ТИ, считающиеся; известными: в используемых моделях измерений, задаются, как правило, приближенно, исходя из номинальных характеристик измерительного оборудования. В процессе функционирования ЭЭС и эксплуатации ССД эти характеристики могут изменяться, приводя к изменению дисперсий ТИ. Вместе с тем, значения дисперсий широко используются при решении задачи ОС: величины, обратные дисперсиям, используются в. качестве весовых коэффициентов при ОС по методу взвешенных наименьших квадратов; дисперсии измерений используются при определении пороговых значений невязок КУ при априорном анализе плохих данных, при задании точки перегиба целевой функции при ОС по неквадратичным критериям; широко используются при апостериорном анализе плохих данных для вычисления-взвешенных и нормализованных остатков оценивания и матриц чувствительности (см. раздел 6.6) и т.д.

Отсутствие ТС о положении анцапф; трансформаторов, регулируемых: под нагрузкой, приводит к необходимости идентифицировать текущие значения коэффициентов трансформации в процессе решения задачи ОС.

Проводимости ЛЭП, определяющие потери на корону, существенно зависят от характера погоды в момент снятия показаний5 ТИ, поэтому они также должна уточняться при проведении расчетов в зависимости от типа погоды.

Поэтому возникает необходимость в использовании принципов адаптации, позволяющих уточнить неточно заданные параметры моделей в процессе функционирования самих систем [В.17,В.18].

При расчете установившегося^ режима ЭЭС ряд его переменных должен: находиться в определенных пределах, которые определяются условиями работы оборудования и его конструкцией, уставками защиты и автоматики, опытом эксплуатации ЭЭС и другими факторами [В'. 19]. Полученные в результате ОС расчетные значения переменных должны удовлетворять этим ограничениям, задаваемым в виде равенств и неравенств. Особенностью в данном случае является то, что при решении задачи OG эти ограничения могут быть достаточно «широкими», поскольку в процессе функционирования ЭЭС некоторые ограничения могут нарушаться, и выход оценок за эти пределы будет фиксировать эти нарушения и являться сигналом для выработки и реализации управляющих воздействий для ввода режима в допустимую область. Такая, ситуация допустима в режиме off-line, например,, при обработке контрольных замеров или моделировании режимных ситуаций [BI15]. С другой стороны, нарушение ограничений при ОС может свидетельствовать об ошибках в топологии схемы,, грубых ошибках в ТИ, вызванных, в: частности, неправильной «привязкой» ТИ к схеме, ошибках в задании? параметров? моделей и т.д. При? оперативном- управлении, когда результаты ОС используются в качестве базового текущего режима; для решения различных задач, выход оценок за допустимые технологические; пределы приводит к необходимости решения задачи учета ограничений непосредственно при реализации каждой отдельной функции управления и может вызвать существенную задержку при принятии решения. Поэтому надежные алгоритмы ОС должны включать процедуру учета ограничений в форме равенств и неравенств, задаваемых как для измеренных, так и для неизмеренных переменных.

Помимо методических проблем, при решении комплекса задач ОС возникает ряд проблем вычислительного характера, обусловленных учетом специфики ЭЭС: это нелинейность режимов, большая размерность и неоднородность рассчитываемых схем - в настоящее время ОС выполняется для схем порядка нескольких тысяч узлов, содержащих ветви различного класса напряжений. По сравнению с задачей расчета УР эта проблема усугубляется еще: и спецификой задачи ОС: существенным; диапазоном изменения величин производных для измерений различных переменных и их дисперсий, зависимостью эффективности используемых численных методов от общей и локальной избыточности измерений, невозможностью строгой формализации некоторых;задач;и получения?для-них решения численными; методами. Важным г фактором при разработке: и реализации методов решения задачи; ОС является; требование: высокого быстродействия разработанных алгоритмов ипрограмм,.обеспечивающих получение решения в темпе ведения технологического процесса.

В первых работах по ОС, появившихся в конце: 60-х— начале 70-х годов прошлого столетия [B6-B.ll], задача ОС ЭЭС рассматривалась как задача расчета потокораспределения в условиях избыточности информации, содержащей погрешности, и базировалась на известном в статистике методе наименьших квадратов.

В задаче ОС использовалась узловая модель сети, в которой измеряемые переменные ЭЭС (модули напряжений и мощности) определялись через вектор состояния системы х, в качестве которых обычно выбирались модули и фазы напряжений: * = {U, £}. В этой модели топология сети принималась известной. В качестве модели измерений использовалась модель, учитывающая только небольшие случайные погрешности, распределенные по нормальному закону.

В нашей: стране основателем школы оценивания состояния ЭЭС является проф. Л.З. Гамм, создавший в 1972г. в СЭИ сначала группу, а затем и лабораторию, сотрудники которой целиком посвятили себя исследованиям в области ОС ЭЭС. В одной из первых работ проф. А.З. Гамма [В-7] задача. ОС рассматривалась как задача нелинейного программирования, что позволяло решать ее в; произвольномь базисе (векторе состояния), а не только через модули и фазы узловых напряжений,, а также учитывать допустимые пределы изменения; измеряемых переменных. В этих же работах были- предложены способы, расчета доверительных интервалов полученных оценок.

Очень скоро, как: только были получены: результаты расчетов достаточно сложных сетей [В^20,В21], возникла проблема плохих данных,, появление которых приводило к существенному искажению результатов* ОС. Поэтому в работе [В.22] задача обнаружения плохих данных уже была сформулирована как отдельная, серьезная проблема при: ОС ЭЭС, и были предложены: методы ее решения, получившие дальнейшее развитие в [В .23,В.24].

В работе [В.23] также впервые была сформулирована проблема появления ошибок в топологии схемы из-за; неправильного учета состояний выключателей.

В вышедшей в 1974 г. работе [В;25] А.З. Гамма, посвященной методическим: вопросам ОС, были сформулированы основные задачи, входящие в комплекс проблем ОС, и предложены пути их решения. В ней была дана статическая и динамическая постановка задачи ОС, доказаны статистические свойства оценок полученных методом взвешенных наименьших квадратов, сформулирована проблема: топологической? наблюдаемости при ОС ЭЭС, рассмотрены вопросы: идентификации моделей, используемых при ОС,, а также проблема обнаружения плохих данных.

Основные идеи, сформулированные в этой работе, получили, свое дальнейшее развитие в первой: в нашей стране: монографии? [В.15], посвященной методам ОС и вышедшей в 1976г. В этой монографии: помимо теоретических аспектов различных проблем оценивания состояния-были приведены результаты расчетов, выполненных с помощью программ, реализующих различные функции ОС.

После появления этой монографии, совпавшего по времени с началом работ по созданию АСДУ ЕЭС страны, проблема ОС заняла прочное и постоянное место среди передовых направлений исследований в области управления и функционирования ЭЭС. Она оказалась в центре внимания как научных сотрудников исследовательских и проектных институтов, научных центров и ВУЗов, так и сотрудников эксплуатационных организаций ЭЭС.

Большой вклад в развитие методов ОС, постановку и решение ее отдельных задач и внедрение результатов в практику управления ЭЭС в нашей стране внесли Д.А. Арзамасцев, Б.И. Аюев, Г.С. Бабаев, П.И. Бартоломей, В.А. Богданов, Л. А. Богатырев, В.В. Бушуев, В.А. Веников, В.В. Володин, А.З. Гамм, JI.H. Герасимов, И.И. Голуб, Ю.А. Гришин, О.Т. Гераскин, С.К. Гурский, Ф.Г. Гусейнов, В.В. Дорофеев, В.Г. Журавлев, JI.A. Крумм, A.M. Конторович, В.В. Курбацкий, Ю.Н. Кучеров, М.С. Лисеев, А.В. Липес, В.З. Манусов, К.Г. Митюшкин, А.А. Окин, В.Г. Орнов, Г.Н. Ополева, С.И. Паламарчук, ИШ. Плотников, В.Л. Прихно, С.Ф. Першиков, Н.Р. Рахманов, В.А. Семенов, С.А. Совалов, И.П. Стратан, А.А. Тараканов, В.М. Чебан, А.В. Челпанов, П.А. Черненко, Ю.Я. Чукреев, А.А. Унароков, Х.В. Фазылов, И.С. Шаханов, О.Н. Шепилов, Ю.В. Щербина, А.Г. Юровский, Т.С. Яковлева и др.

Среди зарубежных ученых необходимо отметить F.C. Schweppe, Е. Handschin, R. Larson , A. Debs , M.R. Irving , .F. Tinney, I. Kohlas, J.F. Dopazo, O. A. Klitin, S. Van Slyck, K. A. Clements, P.W. Davis, G.R: Krumpholz, A. Nemura, N. Arbachauskene, V. Kaminskas, K. Wilkosz, Z. Kremens, F. Wu, L. Holten, W.H.E. Liu, A. Monticelly, A.M.L. Silva, M.B. Coutto, D.M. Falcao, E. Kliokys, L. Mili и др.

Несмотря на то, что с момента появления первых публикаций по ОС прошло уже более 30 лет, эта проблема и поныне не потеряла своей актуальности и находится в центре внимания исследователей и практиков. Об этом свидетельствует большое число ежегодных публикаций теоретического и прикладного характера. В последние 10 лет активно развиваются исследования, в области применения методов искусственного' интеллекта (ИИ) в различных задачах электроэнергетики, в том числе и в: области ОС.

В [В.26,В;27], где приведены библиографии современных англоязычных работ в области ОС (к сожалению, аналогичные библиографии публикаций на русском языке практически: отсутствуют), задачи ОС классифицированы следующим образом

• общие аспекты ОС;

• алгоритмы статического ОС;

• динамические алгоритмы;

• анализ плохих данных;

• анализ топологических ошибок;

• анализ наблюдаемости;

• измерительные системы;

• иерархическое ОС;

• опыт применения ОС при управлении.

Список перечисленных выше методических вопросов и задач хотя и не является абсолютно полным, свидетельствует о сложности и многоплановости проблемы ОС, требующей комплексного рассмотрения и разработки общей методической базы, позволяющей на единой технологической основе решать, различные задачи, относящиеся к проблеме ОС ЭЭС.

В:3. Общая характеристика работы

Актуальность проблемы. Переход к новой: технологической: системе SCADA/EMS, связанный с увеличением объемов и темпов; обработки телеинформации в ЭЭС, а также широкий спектр задач, решаемых на базе ОС в рыночных условиях, предъявляет высокие требования к быстродействию и надежности используемых алгоритмов ОС и точности получаемого решения.

Несмотря на технические мероприятия, направленные на развитие систем сбора, данных, увеличение объёма ш повышение1 качества измерительной информации,, проблема неполноты телеметрической: информации и низкого ее качества вследствие появления- ошибочных данных по-прежнему сохраняет свою актуальность в большинстве энергосистем России. Искажение результатов ОС вследствие появления ошибочных ТИ, несоответствие текущей расчетной схемы и используемых математических моделей реальному состоянию ЭЭС могут привести к искажению результатов ОС, и, как следствие, к неправильным решениям задач подсистемы EMS-on line и ошибкам при управлении ЭЭС.

В связи с переходом к рыночным отношениям в электроэнергетике задача ОС приобретает еще большую актуальность, поскольку для; определения обоснованных цен на электроэнергию необходимо знание текущего режима ЭЭС.

Большой объем информации, необходимость быстрого принятия; решения требуют развития и совершенствования методов: ОС. В то же время следует отметить, что эффективность существующих численных методов ОС во многом: зависит от особенностей; каждой конкретной энергосистемы, в основном от количества и размещения ТИ: в схеме. В: ряде случаев низкая-избыточность ТИ не позволяет получить однозначное решение строгими математическими методами. Привлечение опыта специалистов - экспертов в таких ситуациях не всегда приемлемо при решении задачи ОС в реальном времени. Это привело к необходимости создания : вычислительных систем; объединяющих численные: методы и методы искусственного интеллекта, к которым относятся; искусственные нейронные сети (ИНС) и генетические алгоритмы (ГА).

Отсюда следует актуальность разработки комплексного подхода к оцениванию состояния ЭЭС, построенного на сочетания численных методов и методов искусственного интеллекта, позволяющего получить надежное решение, адекватно отражающее состояние ЭЭС на момент получения телеинформации в реальных условиях функционирования ЭЭС.

Цели работы. Современный комплекс ОС в реальном времени включает в себя решение следующих задач:

• проверка достоверности ТС о состоянии элементов схемы; формирование текущей топологической модели сети; анализ топологических ошибок в сформированной модели;

• анализ наблюдаемости полученной расчетной схемы с учетом реального состава ТИ на момент решения задачи ОС;

• априорная проверка достоверности ТИ; выявление ошибочных ТИ и подавление их влияния на результаты ОС;

• фильтрация случайных погрешностей измерений, т.е. расчет таких значений (оценок) измеряемых переменных у, которые были бы максимально близки к измеренным значениям; у и удовлетворяли бы уравнениям установившегося режима с учетом ограничений в форме равенств и неравенств на измеряемые переменные;

• дорасчет неизмеренных переменных режима как для полностью наблюдаемых, так и для частично ненаблюдаемых схем с учетом-ограничений в форме неравенств;

• идентификация параметров используемых при ОС моделей в процессе функционирования комплекса задач ОС в. реальном времени.

В качестве методической базы для решения перечисленных выше задач может быть, использован метод КОНТРОЛЬНЫХ УРАВНЕНИЙ (КУ), которые были предложены в [В. 15] для поиска плохих данных. В процессе дальнейших исследований область применения КУ расширялась, охватывая все новые и новые проблемы, возникающие по мере усложнения задачи ОС и повышения требований к качеству решения; и быстродействию используемых алгоритмов.

Целями работы является:

1) разработка методических основ оценивания состояния ЭЭС, построенных на использовании контрольных уравнений и сочетании численных методов и методов искусственного интеллекта, позволяющих на единой методической основе решать широкий круг задач, входящих в комплекс ОС в реальном времен;

2) реализация разработанных методических основ в виде методов, алгоритмов и программ для решения задачи ОС в реальных условиях функционирования ЭЭС.

Для этого поставлены и решены следующие основные задачи, определяющие научную новизну работы:

1) разработаны топологические и алгебраические методы формирования КУ для решения задачи ОС, позволяющие существенно снизить размерность решаемых при ОС задач и обеспечить высокое быстродействие;

2) разработаны методы априорной достоверизации телеинформации на основе КУ с использованием методов ИИ (ИНС и ГА), позволяющая обнаруживать топологические ошибки в текущей расчетной схеме и грубые ошибки в ТИ: в условиях: невысокой избыточности измерений;

3) разработана методика применения теории проверки статистических гипотез для достоверизации ТИ на основе КУ;

4) исследовано свойство идентифицируемости плохих данных (ПД) при ОС ЭЭС; сформулированы,топологические и алгебраические условия идентифицируемости ПД при ; использовании алгоритмов; достоверизации ТИ по КУ;

5) разработан двухступенчатый алгоритм ОС на основе КУ, позволяющий получить оценки измеряемых переменных и рассчитать неизмеренные переменные как для наблюдаемых схем, так и для схем, содержащих ненаблюдаемые районы;

6) разработана методика учета ограничений в форме равенств и неравенств при решении задачи ОС методом КУ;

7) предложена методика идентификации метрологических характеристик измерений на основе КУ, сочетающая, численные методы с применением ИНС;

8) предложены подходы к адаптации используемых при ОС моделей к реальным условиям функционирования ЭЭС на основе достоверизации ТИ по КУ;

9) разработана методика проведения имитационных расчетов, для исследования эффективности разработанных методов и алгоритмов.

Практическая ценность. Проведенные теоретические исследования по разработке методов ОС ЭЭС на основе КУ с использованием методов ИИ реализованы в виде алгоритмов и программ в ПВК «Оценка», предназначенном для:

• проведения; циклических расчетов текущего режима ЭЭС по текущим данным ТИ и ТС, накопления статистики по качеству ТИ и использования полученного режима для решения различных задач при оперативном управлении ЭЭС;

• проведения расчетов в интерактивном режиме по текущим данным и данным из архива ОИК с целью анализа полученного режима и проведения имитационных расчетов.

Разработанные методы и алгоритмы проверены при проведении расчетов для большого числа схем различных ЭЭС и тестовых схем в имитационных экспериментах и на реальных данных ТИ и ТС.

ПВК «Оценка» на протяжении ряда лет находился в опытно-промышленной эксплуатации в ИДУ ЕЭС России, где использовался для проведения циклических расчетов системообразующей сети РАО ЕЭС России с целью достоверизации ТИ и выявления неисправных элементов в ССД. Кроме того, ПВК «Оценка» использовался в ЦДУ ЕЭС Росии и ряде крупных ЭЭС в комплексе программ «Оперативная модель. ЕЭС» для проведения на базе полученного при ОС режима различных имитационных расчетов. В настоящее время аналогичное внедрение ведется в ряде крупных ЭЭС России.

Апробация работы. Основные положения диссертации и отдельные разделы докладывались на Всесоюзных семинарах по оцениванию состояния в электроэнергетике, Иркутск, 1978, 1981, 1984,1986г.г., Паланга, 1988г., Баку, 1990г.; симпозиуме «Системы энергетики -тенденции развития и методы управления», Иркутск, 1980г.; симпозиуме «Системы энергетики — управление развитием и функционированием», Иркутск, 1985г.; Всесоюзном семинаре, симпозиуме «Методы управления физико-техническими системами энергетики в новых условиях», Иркутск, 1995г.; Международной научной конференции по интенсификации электроснабжения. ГДР, Лейпциг, 1985г.; Международном симпозиуме «Системы электроэнергетики - эксплуатация и развитие», ПНР; Вроцлав, 1988г.; совместном научном совете ОФТПЭ АН СССР и ЦДУ ЕЭС СССР по вопросам развития АОДУ, Москва, 1990г.; X научной конференции «Моделирование ЭЭС», Каунас, 1991г.; II семинаре СЭИ - ЭПРИ:(Китай) по методам развития ЭЭС, Иркутск, 1992г.; трех региональных научно-технических конференциях «Повышение эффективности производства и использование энергии в условиях Сибири», Иркутск, 1996, 1998, 1999г.г.; четырех Всероссийских семинарах «Нейроинформатика и ее приложения», Красноярск, 1998, 1999, 2000, 2002г.г.; четырех международных конференциях «Новые информационные технологии в науке, образовании, телекоммуникации и бизнесе», Украина, Гурзуф, 1998, 1999,2000, 2001г.г.; Международной конференции «The international Conference of Electric Engineering», Корея, Кенжу, 1998г.; Международной конференции «PowerCon», 1998г., Китай, Пекин; двух Международных конференциях «Power Tech», Венгрия, Будапешт, 1999г. и Португалия, Порту, 2001г.; трех Всероссийских семинарах по надежности систем энергетики, в 1999, 2001, 2003г.; двух Международных семинарах «Либерализация и модернизация в энергетике: проблемы управления и функционирования», Иркутск, 2001, 2003г.; Международной конференции «ISAP 2001», Венгрия, Будапешт, 2001г.; четырех Всероссийских семинарах «Информационные технологии в энергетике», Иркутск, 2000, 2001, 2202, 2003г.; Всероссийской научно-технической конференции «Энергосистема: управление, качество, безопасность», Екатеринбург, 2001г.; V Всероссийской научно-технической конференции «Нейроинформатика-2003», Москва, 2003г.

Публикации. Непосредственно по материалам диссертации опубликовано около 70 работ, в том числе 4 монографии в соавторстве, одна из которых [В.28] полностью посвящена вопросам достоверизации телеизмерений в электроэнергетических системах.

Автор защищает:

• математические модели и методы для решения комплекса, задач оценивания состояния в реальном времени, построенные на использовании КУ;

• методы достоверизации телеинформации на; основе применения* ИНС и ГА, позволяющие в сочетании с численными методами повысить надежность и качество получаемого решения;

• • реализацию разработанных методов в виде алгоритмов и программ в

ПВК «Оценка», предназначенном для решения задачи ОС в реальном времени.

Структура изложения. Работа состоит из введения, 7 глав, заключения, двух приложений и списка используемой литературы.

Во введении дается краткая; характеристика современной структуры диспетчерского управления ЭЭС и роль задачи оценивания состояния в ней, выполняется краткий анализ методических проблем, требующих решения при формировании модели текущего режима ЭЭС методами ОС, обосновывается актуальность решения задачи ОС при управлении ЭЭС в= условиях перехода к рынку, приводятся цели работы т задачи исследований, определяется научная новизна, и практическая значимость выполненных исследований,, формулируются выносимые на защиту положения.

В первой главе выполнен обзор современного состояния основных методических и научно-практических разработок в области ОС ЭЭС в нашей стране и за рубежом. Дано описание моделей, используемых при решении задачи ОС. Приведены две формы решения задачи ОС, рассмотрены алгоритмы статического и динамического ОС, получившие наибольшее распространение при- решении задачи ОС в этих формах. Проанализированы методы учета ограничений, применяемые при ОС ЭЭС. Выполнен обзор методов достоверизации телеинформации (ТИ и ТС), используемых при статическом и динамическом ОС, а также обзор применения5 методов искусственного интеллекта, используемых при решении задачи ОС.

Во второй главе изложена основная идея метода контрольных уравнений для решения задачи ОС ЭЭС. Приведены топологические и алгебраические алгоритмы формирования КУ. Показано, что при правильном выборе системы: УУР системы контрольных уравнений, полученные топологическими и алгебраическими методами, эквивалентны. Показана тесная взаимосвязь задачи формирования КУ с проблемой анализа наблюдаемости ЭЭС.

В третьей главе дана постановка проблемы обнаружения плохих данных (ошибочных ТИ) при ОС ЭЭС. Проанализированы причины появления плохих данных в телеинформации и последствия их влияния на результаты ОС. Задача обнаружения плохих данных по КУ сформулирована как задача проверки статистических гипотез. Рассмотрены априорные алгоритмы обнаружения ошибочных измерений на основе КУ, построенные на исключении «подозрительных» измерений из системы КУ и формировании линейных комбинаций КУ, и алгоритмы достоверизации ТС на основе КУ. Предложены специальные упрощенные и быстродействующие алгоритмы обнаружения и подавления ошибочных ТИ при динамическом ОС. Приведены алгоритмы, позволяющие при циклической обработке ТИ определять статистические характеристики невязок КУ и использовать их для идентификации дисперсий измерений и выявления систематических ошибок.

В четвертой главе рассмотрены вопросы применения методов искусственного интеллекта (ИНС и ГА) для повышения эффективности алгоритмов достоверизации телеинформации и ОС на основе КУ. Разработаны нейросетевые методы достоверизации измерений, ошибки в которых не могут быть обнаружены численными методами (критические измерения и измерения, входящие в группы сомнительных данных). Предложены нейросетевые подходы, повышающие точность численных методов идентификации дисперсий ТИ. Предложена методика применения нейросетевых методов обработки телеизмерительной информации в реальном времени,, согласно которой процедуры формирования, обучения и тестирования ИНС выполняются вне реального времени. Исследована возможность применения генетических алгоритмов для решения задачи идентификации ошибок в ТИ и ОС на основе КУ. Показано, что ГА показывает при идентификации ошибок в телеизмерениях результаты, превосходящие результаты численных алгоритмов.

В пятой главе исследована проблема идентифицируемости плохих данных методом анализа невязок КУ. Сформулированы топологические и алгебраические аспекты этой проблемы. Предложена формализованная процедура для анализа топологической идентифицируемости плохих данных на основе матрицы коэффициентов линеаризованной системы КУ. Выполнен анализ факторов, определяющих алгебраические свойства идентифицируемости ошибочных измерений. Разработаны вычислительные приемы,.позволяющие снизить количество неправильных решений при достоверизации ТИ методом КУ .

В шестой главе дана постановка третьей формы задачи ОС, в которой КУ используются в качестве ограничений в форме равенств. Приведен двухступенчатый алгоритм ОС, включающий на первом этапе процедуру получения оценок входящих в КУ измеряемых переменных методом

Лагранжа, а на втором - выбор базисных измерений из переопределенной системы, в процессе которого выполняется алгебраическая проверка наблюдаемости схемы, и дорасчет по оценкам; базисных измерений неизмеренных переменных. Разработаны алгоритмы учета ограничений в форме неравенств на измеренные и неизмеренные переменные. Приводятся алгоритмы апостериорного анализа плохих данных по остаткам оценивания в методе КУ, которые в сочетании с апостериорным анализом позволяют увеличить эффективность обнаружения плохих данных и точность получаемых оценок.

В седьмой главе приводится описание программно-вычислительного комплекса «Оценка», в котором реализованы разработанные по результатам выполненных исследований алгоритмы: ОС на; основе КУ. Приводятся результаты расчетов реальных схем в циклическом и диалоговом режимах, подтверждающие эффективность методов достоверизации телеинформации и оценивания состояния на основе метода КУ и методов ИИ;

В заключении сформулированы основные результаты, полученные" в работе, и направления дальнейших исследований.

Написанию работы способствовали: благоприятные условия и творческая обстановка в лаборатории «Управления и функционирования электроэнергетическими системами». Автор выражает глубокую благодарность научному руководителю лаборатории проф. А.З. Гамму и заведующему лабораторией Ю.А. Гришину, с которыми автора связывает долгое и плодотворное сотрудничество в области исследования; и разработки методов ОС. Чрезвычайно полезно было сотрудничество с И. И. Голуб в вопросах топологических методов формирования контрольных уравнений и методов расчета не полностью наблюдаемых схем.

Автор благодарит всех сотрудников лаборатории за постоянное содействие и поддержку, особенно группу разработчиков ПВК «Оценка»: Ю.А. Гришина, A.M. Глазунову, Р.А. Заику, Е.С. Коркину, JI.B. Эма,. которые оказывали помощь в работе и доведении теоретических результатов до промышленного внедрения.

Автор признателен сотрудникам Центрального диспетчерского управления ЕЭС России: А. А. Окину, В. Г. Орнову, В. В. Овчинникову, Н. Н. Шелухину за помощь и поддержку при внедрении результатов исследований.

Большую помощь, оказали математические консультации проф. А.С. Апарцина и проф. В.И; Зоркальцева.

Много труда в оформление работы вложила Н. К. Попова, которой автор также выражает самую искреннюю благодарность^

Похожие диссертационные работы по специальности «Электростанции и электроэнергетические системы», 05.14.02 шифр ВАК

Заключение диссертации по теме «Электростанции и электроэнергетические системы», Колосок, Ирина Николаевна

Основные результаты, изложенные в данной работе, можно сформулировать следующим образом.

8.1 Для получения высокоэффективных и быстродействующих алгоритмов ОС ЭЭС, обеспечивающих их применение в темпе обработки телеинформации, разработан комплексный подход, базирующийся на единой методической основе, в качестве которой предложено использовать метод КУ. Разработанная методика по сравнению с традиционными подходами позволяет существенно понизить размерность решаемой задачи, проводить априорную достоверизацию ТИ, а также обеспечивает решение широкого круга задач, входящих в комплекс ОС в реальном времени. Неполнота и неопределенность информации, используемой в задаче ОС, а также невозможность строгой формализации всех этапов ее решения, приводят к необходимости дополнения используемых численных методов методами искусственного интеллекта; в качестве которых в работе предложены генетические алгоритмы (FA) и искусственные нейронные сети (ИНС).

8.2 Разработаны алгебраические и топологические методы получения КУ. Показано преимущество топологических методов при решении задачи ОС в первой форме. Эти методы отличаются простотой, быстродействием; позволяют сохранять нелинейность уравнений и при высокой избыточности измерений полностью избежать операций с матрицами, или существенно понизить их размерность.

8.3 Задача обнаружения ошибочных ТИ с помощью КУ сформулирована, как задача проверки статистических гипотез. Разработаны методы априорного обнаружения ошибочных ТИ по невязкам КУ, построенные на исключении «подозрительных» ТИ из системы КУ путем формирования линейных комбинаций КУ на основе модификации метода Гаусса. Исследована возможность применения разработанной методики достоверизации ТИ на основе анализа невязок КУ и JIK для одновременной достоверизации ТИ и ТС. Показано,. что данная методика в сочетании с методом согласования значений ТИ и ТС может применяться для решения поставленной задачи, но приводит к существенному усложнению логики алгоритмов и не всегда дает однозначное решение.

8.4 Показана возможность эффективного применения; метода достоверизации ТН на основе КУ в алгоритмах реального времени. Разработаны специальные упрощенные: и быстродействующие алгоритмы обнаружения и подавления ошибочных ТИ при динамическом ОС. Для повышения низкой избыточности измерений, существующей в большинстве ЭЭС при обработке реальных ТИ, предложено использовать прогнозируемые значения; ТИ, псевдоизмерения и регрессионные соотношениямя между измеряемыми параметрами.

8;5 Разработана методика применения ИНС для: решения- задачи достоверизации критических и сомнительных измерений при ОС ЭЭС. Показано, что ИНС могут успешно применяться; для; решения; этих задач. При; этом все процедуры, связанные с. обучением и тестированием ИНС, выполняются вне реального времени: При изменении топологии схемы, не требуется переобучать ИНС, поскольку они оперируют с данными измерений в отдельных элементах схемы. Быстрый отклик обученной сети и простота ее реализации на ПК позволяют использовать обученные ИНС для обработки ТИ в темпе поступления информации.

8.6 Исследована возможность, применения ГА для решения, различных задач при ОС ЭЭС. Новые подходы к достоверизации телеинформации (ТИ и ТС) на основе ГА менее чувствительны к ошибкам: при; оценке невязок: КУ и позволяют полнее использовать информацию, предоставляемую методом; контрольных уравнений. ГА не требуют разработки сложного программного обеспечения? и могут использоваться» в качестве эффективного исследовательского инструмента при решении; сложных исследовательских и прикладных задач.

8.7 Разработана; методика идентификации дисперсий ТИ и идентификации систематических ошибок при циклической обработке ТИ, построенная на сочетании численных методов с использованием ИНС. Применение ИНС повышает устойчивость численных алгоритмов,, дает возможность идентифицировать дисперсии измерений на ранних стадиях работы алгоритма оценивания состояния; позволяет с большей точностью определять дисперсии ТИ.

Полученные алгоритмы придают адаптивные свойства процедурам ОС и обеспечивают контроль за состоянием каналов передачи данных.

8.8 Сформулированы правила топологической идентифицируемости ПД на основе КУ. Предложена формализованная процедура, позволяющая на основе анализа структуры матрицы коэффициентов КУ определять возможность- топологической идентификации грубых ошибок, а в случае невозможности однозначного решения — группы сомнительных измерений. Выявлены и проанализированы причины, определяющие алгебраические свойства идентифицируемости ЦД по КУ. В качестве количественной оценки способности КУ идентифицировать. ПД предложено использовать коэффициент чувствительности, инвариантный к размерности измерений и их дисперсий; Разработаны вычислительные приемы, позволяющие снизить количество неправильных решений при достоверизации ТИ методом КУ. Показано, что метод КУ по сравнению с методами ОПД, используемыми) при ОС во второй' форме, обладает меньшей чувствительностью к точкам разбалансировки.

8.9 Разработан быстродействующий двухступенчатый алгоритм ОС на основе КУ, включающий на первом этапе процедуру получения сбалансированных значений- оценок измеренных параметров, входящих в КУ, а на втором - выделение базисных измерений и дорасчет по их оценкам неизмеренных параметров. Процедура: выбора базисного состава измерений позволяет проводить, дополнительный анализ алгебраической и б-наблюдаемости расчетной схемы, что в сочетании с априорным топологическим анализом наблюдаемости повышает надежность решения. Проанализированы подходы и предложены, алгоритмы, расчета не полностью наблюдаемых схем, позволяющие получить правильное решение в наблюдаемых фрагментах схемы и граничных узлах.

8.10Разработана методика учета ограничений; в форме: неравенств на измеренные и неизмеренные переменные при решении задачи ОС на основе КУ. Показано, что в методе КУ легко учитываются: ограничения: в форме равенств, задаваемые в виде уравнений и псевдоизмерений с. нулевой^ дисперсией,, но возникают трудности с учетом ограничений в форме неравенств на неизмеренные переменные.

8.11 Разработанные методы и алгоритмы реализованы в ПВК «Оценка», обеспечивающем решение всех задачи оценивания состояния < на единой технологической основе в темпе поступления телеизмерений (1 раз в 10 сек. на ЭВМ RS/6000). По сравнению с аналогичными зарубежными программами ПВК «Оценка» учитывает особенности российских энергосистем: слабую обеспеченность схемы телеизмерениями, использование псевдоизмерений в ненаблюдаемых фрагментах схемы, применение алгоритмов адаптации при изменении условий функционирования.

Направления дальнейших исследований определяются особенностями решения задачи ОС в рыночных условиях, сформулированными в [3.1]. Рассмотрим основные из них.

Задача краткосрочного прогнозирования нагрузки необычайно актуальна в современных условиях при управлении: ЭЭС. Точность краткосрочного прогноза нагрузок существенно влияет на экономичность загрузки генерирующего оборудования и, как следствие, на стоимость, электроэнергии. В последние годы для прогнозирования нагрузок используются модели, построенные на использовнии искусственных нейронных сетей [6.7,1.177]. ПИ узловых нагрузок используются для расчета не полностью наблюдаемых схем. В качестве дальнейшего развития исследований в этом: направлении предполагается разработка укрупненных нейросетевых моделей краткосрочного прогнозирования, чувствительных к изменению цен на электроэнергию.

Еще один путь решения проблемы обеспечения схем большой размерности телеизмерениями — это сборка больших массивов данных из отдельных сетевых компаний путем ретрансляции их на более высокий уровень [6.9]. В такие массивах заметно проявляется эффект временного рассогласования данных, который практически не заметен при расчете небольших схем. Из-за рассогласования г данных в граничных узлах подсистем могут возникнуть взаимодействующие, а часто и согласованные плохие данные, что заметно усложняет процедуру их обработки и может повлиять на сходимость оценивания состояния. Таким образом, задача обнаружения ошибочных измерений приобретает еще большую актуальность и требует развития новых методических подходов. Перспективным в этом направлении является применение высокоробастных методов ОС, построенных на переборе различных вариантов базисных измерений. В обзоре методов обнаружения ^ плохих данных было показано, что алгоритмы ОС с перебором базисов достаточно просто реализуются: при решении задачи ОС в третьей форме, т.е. с использованием КУ. В области применения методов ИИ при решении задачи достоверизации ТИ перспективным направлением: является* применение методов нечеткой логики, позволяющих получать, решение в условиях неопределенности исходной информации и использовать для этого экспертные знания.

При расчете схем большой размерности,, часто не наблюдаемых, расчетная схема может быть скомпанована из наблюдаемых фрагментов более низкого уровня [6.9]. Здесь речь идет о децентрализованном подходе к решению задачи ОС на основе декомпозиции расчетной схемы большой размерности на подсистемы [6.10,6.11]. Перспективным направлением при решении задачи ОС в такой постановке является применение технологий параллельных вычислений. Представляется полезным применение параллельных вычислений и при решении задачи ОС на основе методов искусственного интеллекта, в частности, генетических алгоритмов [4.8,4.9].

При расчетах ЭЭС в рыночных условиях используются так называемые финансово- технологические модели, в которые наряду с физическими переменными (мощностями, токами, напряжениями и т.д.) входят финансовые переменные - издержки, цены, отчисления, а также физические законы Кирхгофа и Ома дополнены балансовыми соотношениями и ограничениями - неравенствами для финансовых переменных [3.2]. В связи с этим перспективным направлением дальнейших исследований является развитие методики ОС с учетом ограничений, как на технологические, так и на финансовые переменные.

Для взаиморасчетов при продаже — покупке электроэнергии обычно выделяются сечения, по которым эти расчеты ведутся. Каждая сторона имеет свои регистрирующие приборы в этом сечении. Показания этих приборов контролируются «своей» системой оценивания состояния. Согласование систем оценивания состояния продавца и потребителя для интегральных регистрирующих приборов - новая, теоретически не разработанная пока задача.

Важным показателем текущего режима ЭЭС является наличие перегрузок в сети. Система сбора данных и процедура оценивания состояния должны давать возможность с упреждением определять приближение перегрузок на основе анализа результатов расчета текущего режима ЭЭС.

8. Заключение

В условиях перехода к рыночным отношениям в электроэнергетике существенно расширяется круг задач, для решения которых необходима расчетная модель текущего режима ЭЭС, получаемая на основе телеинформации с помощью методов ОС. Новые задачи, связанные с управлением ЭЭС в условиях конкуренции и рынка электроэнергии, повышают актуальность задачи ОС, а также требования к точности получаемого решения и быстродействию используемых алгоритмов:

Современные ЭЭС характеризуются большой размерностью (до нескольких тысяч узлов), существенной неоднородностью расчетных схем,, неравноточностью измерений, нелинейностью режимов, недостаточной обеспеченностью и низким качеством телеинформации, изменчивостью состояния и условий функционирования, что приводит к неадекватности априори заданных математических моделей реальному состоянию ЭЭС. Это вызывает проблемы математического, алгоритмического и вычислительного характера при решении задачи ОС, для преодоления которых необходима разработка новых и применение существующих высокоэффективных численных методов, учитывающих специфику и особенности решаемой задачи.

Список литературы диссертационного исследования доктор технических наук Колосок, Ирина Николаевна, 2004 год

1. В.1 Гончуков В.В., Гориштейн В.М., Крумм Л.А. Автоматизация управления энергообъединениями. М.: Энергия, - 1979. — 432с.

2. В.2 Лисицын Н.В., Морозов Ф.Я., Окин А.А., Семенов; В.А. Единая энергосистема России. М.: Изд-во МЭИ. - 1999. - 282с.

3. В.3 Автоматизация диспетчерского управления в электроэнергетике/ Под общей редакцией Руденко Ю.Н. и Семенова В:А. — Mi: Изд-во МЭИ, -2000; — 648с.

4. В.4 Дьяков А.Ф., Окин А.А., Семенов! В.А. Диспетчерское*управление: мощными энергообъединениями.- М.: Изд-во МЭИ; 1996.

5. В:5 Гришин Ю.А., Колосок И;Н;, Коркина Е.С., Эм Л.В., Орнов; В.Г, Шелухин Н.Н: Программно-вычислительный комплекс «Оценка» оценивания состояния; ЭЭС в реальном времени; Электричество. -1999.-№2., С. 8-16.

6. В.7 Гамм; А.З. Оценка текущего состояния электроэнергетической! системы как задача нелинейного программирования // Электричество. 19721 - № 9.- С.12-18.

7. В.8 O.J. Smith, A. Zarate, G.E. Mauersberger. State estimation of power systems // Proc. Second Asilomar Conf. on Circuits and Systems, October, 30, 1968.

8. B.9 F.C. Schweppe, J. Wildes. Power systems static-state estimation. Part I: Exact model. // IEEE Trans. Power Apparatus and Systems, 1970; — PAS-89, № 1.

9. B.10 F.C. Schweppe, D.B. Rom. Power system static-state estimation; Part II: Approximate model; II IEEE Trans. Power Apparatus and Systems. -1970.-PAS-89. №1.

10. B.ll F.C. Schweppe. Power system static-state; estimation. Part III: Implementation. // IEEE Trans. Power Apparatus and'Systems. 1970. -PAS - 89, №1.

11. В;13 Инновации в энергетических технологиях. Доклады юбилейной научно-практической конференции,. посвященной 50-летию ИПКгосслужбы. Т. 37 Под ред. OA. Терешко. Mi: ИПКгосслужбы, ВИПКэнерго, 2002. - 259с.

12. В.14 Единая энергетическая* система России* на рубеже веков. Современное состояние и перспективы развития / В.И. Решетов, В.А. Семенов, Н.В: Лисицын. М:: Изд-во НЦЭНАС, 2002.-224с.

13. В. 15 Гамм А.З. Статистические методы. оценивания; состояния электроэнергетических систем.-М:: Наука. 1976.-220с.

14. В.16 Гамм А.З., Голуб И.И. Наблюдаемость, электроэнергетических систем. -М.: Наука. 1990. - 220с.

15. В.17 Оценивание состояния в электроэнергетике. / А.З. Гамм, Л.Н. Герасимов, И.Н. Колосок и др. / Под ред. Ю.Н. Руденко- М.: Наука. 1983.-320 с.

16. В.18 Методы решения» задач реального времени; в электроэнергетике. / А.З. Гамм, Ю.Н:. Кучеров, С.И. Паламарчук и др. / Новосибирск: Наука. Сиб. Отделение. 1990. - 294 с.

17. В. 19 Крумм Л:А. Методы приведенного градиента при управлении электроэнергетическими системами. — Новосибирск. Наука. — 1977. — 368с.

18. В.20 R.E.Larson, W.F. Tinney, J. Peschon. State estimation in; power systems. Part I: Theoty and; feasibility. "IEEE Trans. Power Apparatus and Systems", - 1970. - PAS - 89, №3.

19. B.21 R.E. Larson, W.F. Tinney, L.P. Ilajdu, D.S. Piercy. State estimation in power systems. Part II: Implementation'and applications. — «IEEE Trans. Power Apparatus and Systems». 1970/ - PAS - 89, № 3.

20. B.22 H.E. Merril, F.C. Schweppe. Bad data suppression* in power system state estimation: "IEEE Trans. Power Apparatus and Systems", - 1971. - PAS -90, №6.

21. B.23 E: Handschin, I. Kohlas. On statistical data processing for power system operation: PSCC Proc., Grenoble,. Sept 11-16;.- 1972. Queen Mary College, Univ. London.

22. B.24 E. Handschin, F.C. Schweppe, I. Kohlas, A. Fiechter. Bad data analysis for power system state estimation. — Proc. IFAK/IFIP. Zurich, 1974.

23. B.25 Гамм.А .3. Методологические вопросы оценивания и идентификации в электроэнергетических системах. // Вопросы оценивания, и идентификации в энергетических системах.-Иркутск: СЭИ СО АН СССР. 1974.-С. 29-51.

24. В.26 В.М. do Coutto Filbo, A.M. Leite do Silva and D.M; Falcao. Bibliography on Power System State Estimation (1968-1989). // IEEE Trans, on Power Systems, vol. 10, Feb. 1990-P. 229-240.

25. B.27 A. Monticelly. Electric power system state estimation .// Proceedings of the IEEE, 88(2): 262-282, Februaiy, 2000:

26. В.28 Гамм; А.З., Колосок И.Н. Обнаружение грубых ошибок телеизмерений в электроэнергетических системах. Новосибирск: Наука; 2000. - 152 с.1. Литература к гл.1

27. Гамм А.З. Вероятностные: модели режимов электроэнергетических систем. Новосибирск: Наука, 1993. - 133 с.

28. Черненко П.А., Прихно: B.JI. Обработка: результатов замеров электроэнергетической; системы: с помощью ЭВМ; // Анализ нормальных и аварийных режимов электроэнергетических систем. Киев: Наукова думка. 1982. - С. 3-17.

29. Богданов В:А., Коджа М.И., Лисеев* М.С., Шульженко С.В: Программный комплекс МОДЕЛЬ для обработки контрольных замеров и суточных ведомостей в энергосистемах. // Электричество. -1980. -№ 8.-С. 1-7.

30. Шульженко С.В. Методика обработки контрольных замеров для управления режимами энергосистем: Автореф. дисс. канд. техн. наук. М.: МЭИ, 1983; - 16 с.

31. Конторович A.M., Тараканов А.А. Выдерживание точных измерений; при оценивании; состояния электрических систем. // Информационное обеспечение диспетчерского управления в электроэнергетике. Новосибирск: Наука: 1985. - С. 63-68.

32. Гамм А.З;, Колосок И.Н; Усовершенствованные алгоритмы оценивания^ состояния; электроэнергетических систем. // Электричество. 1987. - № 11. - С. 25-29.

33. Гамм А.З;, Гришин IO.А., Колосок И.Н. Методы решения задачи-оценивания состояния; электроэнергетической системы. // Вопросы оценивания и идентификации в энергетических системах. Иркутск:1974. -С. 149-163.

34. Митюшкин К.Г. Телемеханика в энергосистемах. Москва: Энергия,1975.-360с.

35. Da Silva A.M. Leite, do Coutto Filho M.B; de Queiroz J:F. State forecasting in electrical power systems. // IEEE Proc. С. Sept: 1983. -Vol. 130, №5.-P. 237-244.

36. Клекис Э.А., Немура А.А. Стабильный алгоритм оценивания состояния. ЭЭС. // Информационное обеспечение диспетчерского управления в электроэнергетик. Новосибирск: Наука. Сиб. Отд-е. -1985.-С. 69-74.

37. Динамическое оценивание состояния электроэнергетических систем с исключением плохих данных. / ВЦП. № Г-03258. - М., 31.03.81. -35 с. - Пер. статьи из журнала: Дэнки гаккай ромбунси. - 1979. - В99. - № 7. - С. 457-463.

38. Do Coutto Filho М.В., Glover J. D, da Silva A.M. Leite. Forecasting-added state estimation. // Ргос.11л PSCC. Avingon, France. - 1993; -Vol. 2. - P. 689-695.

39. Handschin E., Bongers C. Teoretical and practical consideration in the design of state estimation for electric power systems. // Proc. of the Int. Symp. «Computerised operation of power systems». Brazil, COPOS. -1975.-P: 104-136.

40. Гамм А.З. Байесов подход к оценке состояния электроэнергетической системы. // Изв. АН СССР. Энергетика и транспорт. 1974. - № 1. - С. 3-14.

41. Ли Р. Оптимальные оценки, определение характеристик и управление. М.: Наука, 1966. — 176 с.

42. Хьюбер Дж.П. Робастность в статистике. М.: Мир, 1984. - 304 с.

43. Rousseeuw P.J., Leroy A.M. Robust Regression and Outlier Detection.1. Jon Willey, 1987.

44. Mili L., Phaniraj V., Rousseuw P:J. Last median of squares estimation in Power Systems. // IEEE Transactions on Power Systems. May 1991. -Vol; 6,No. 2,-P. 511-523.

45. Аоки M. Введение в методы оптимизации. Mi: Наука, 1977. - 344 с.

46. Конторович A.M., Крюков * А.В. Определение предельных режимов; энергосистем методом непрерывного утяжеления // Тр.J11Ш, 1981. -№380.-С. 104-108.

47. Конторович A.M., Макаров Ю.В., Тараканов А.А. Методика оценивания? состояния ЭЭС, основанная на анализе контрольных уравнений. // Алгоритмы обработки данных в электроэнергетике. -Иркутск: СЭИ СО АН СССР, 1982. С. 89-95.

48. Бартоломей П.И. Решение уравнений установившегося режима электрической! системы методомs квадратичного программирования. // Применение математических методов и= вычислительной техники в энергосистемах. Свердловск: изд. УПИ^ 1982. С. 4-8.

49. Бартоломей П.И. Метод квадратичной аппроксимации в задаче оценивания состояния ЭЭС. // Информационное: обеспечениедиспетчерского управления в электроэнергетике. Новосибирск: Наука. Сиб. Отд-е, 1985. С. 60-63.

50. Першиков С.Ф., Юровский A.F. Оперативная оценка режима энергосистемы. // Статистическая обработка оперативной f информации в электроэнергетических системах. — Иркутск, СЭИ СО АН СССР, 1979. С. 236-239.

51. Чукреев Ю.Я., Хохлов; М.В., Алла Э.А. Оперативное управление режимами региональной энергосистемы с, использованием нейронных сетей. // Электричество. 2000. - № 4. - С. 2-10.

52. Masiello«R.D., Schweppe F.C. A tracking static state estimation. // IEEE Trans. Power Appar. And Syst. 1971.-Vol. 90, №3. - P. 1025-1033.

53. Хохлов M.B.4 Обработка ограничений при» оценивании состояния ЭЭС на базе нейронной сети Хопфилда-Лагранжа. // Тезисы докл. Межрегион, молод, науч. конф. «Северготех-2002». Ухта, 2002. - С. 142-143.

54. Краюшкин А.Д. Метод обобщенной целевой: функции* для статистической оценки состояния, больших ЭЭС. // Алгоритмы обработки; данных в электроэнергетике. Иркутск: СЭИ СО АН-СССР, 1982. - С.124-125.

55. Бартоломей П.И. Разработка ш применение эффективных методов , расчета и коррекции установившихся? режимов; больших электрических систем. Дисс. докт. техн. наук. — Свердловск, 1985. -405 с.

56. Идельчик В.И. Расчеты установившихся; режимов- электрических систем. М: Энергия, 1970. - 190 с.

57. Тарасов В.И. Повышение эффективности расчетов установившихся режимов электрических систем. Изв. СО АН СССР, 1988. - Вып. 2.

58. James A. Momoh, М.Е. El-Haway, Ramababu Adapa. A Review of Selected Optimal Power Flow. // IEEE Trans. Power Appar. And Syst. -1998. Vol. 14, № 1.- P. 96-103.

59. Holton L., Gjelsvik A., Wu F.F., Liu W.H. Comparison of differents methods for state estimation; // IEEE Trans. Power Appar. And Syst.-1998. Vol. 3, № 4. - P. 1798-1806.

60. Уилкинсон Дж. X. Алгебраическая проблема собственных значений. -М.: Наука, 1970.-654 с.

61. Брамеллер А., Аллан Р., Хэмэм Я. Слабо заполненные матрицы. М.: Энергия, 1979. - 191 с.

62. Себер Дж. Линейный регрессионный анализ. Mi: Мир, 1980. - 456 с.

63. Тьюарсон Р. Разреженные матрицы. М:: Мир, 1977. - 189 с.

64. Тыртышный В.Н. Объектное конструирование: системы моделей для оценки вариантов долгосрочного развития энергетики. Автореферат дисс. канд. техн. наук. Иркутск, 1999. - 23 с.

65. Першиков С.Ф., Юровский А.Г. Анализ применения метода Гаусса-Ньютона для оценивания состояния электроэнергетических систем. // Алгоритмы обработки данных в электроэнергетике. Иркутск: СЭИ СО АН СССР, 1982. - С. 83-89.

66. Паламарчук С.И. Разделенные методы для расчета установившихся режимов электроэнергетических систем. // Известия АН СССР. Энергетика и транспорт. 1990. - № 1. - С. 91-97.

67. Garsia A., Monticelli A., Abreu P. Fast decoupled state estimation and bad data processings // IEEE Trans. Power App. And Syst. September 1979; - Vol. PAS - 98. - P. 1645-1652.

68. Тихонов A.H. О регуляризации некорректно поставленных задач. -Докл. АН СССР. 1963.-Т. 153, № 1.

69. Aschmoneit F.C.,. Peterson N.M., Adrian Е.С. State estimation withtbequality constraints. // Proc. 12 PICA Conference. Toronto, May 1977. - P. 427-430.

70. Wu F.F., Liu W.-H. E., Lun S.-M. Observability analysis and bad data processing for state estimation with equality constraints. // 87 WM103-5, IEEE PES Winter Meeting, New Orleans, February 1987.

71. Гамм A.3., Герасимов, JI.H., Гришин Ю.А. Нелинейный алгоритм сканирования* для оценивания состояния ЭЭС. // Изв. АН СССР Энергетика и транспорт. 1976. - № 4. - С. 14-29.

72. Гришин Ю.А., Плотников И.Л. Комплекс программ оценивания состояния энергосистем на ЭВМ ЕС-1010. Экспресс-информация. Средства и системы управления в энергетике, 1981. - № 9. - С. 14-18.

73. Коверникова Л.И; Разработка алгоритмов и программного комплекса; для анализа высших гармоник в высоковольтных сетях электроэнергетических систем. Автореферат дисс. канд. техн. наук. Иркутск, 1995. - 16 с.

74. Huber P.J. Robust statistical! procedures. Philadelphia, Society for Industrial and Applid Mathematics. 1977.

75. Barrodale I., Roberts F.D;K. An improved algorithm for discrete Lt linear approximation. // SIAM J. Numer. Anal. 1973. - P. 839-848.

76. Irving M.R., Owen R.C. and Sterling MJ.H. Power System State Estimation Using Linear Programming. // Proceedings of the IEEE. — 1978.-Vol. 125.-P. 879-885.

77. Abur A. and Celik M.K. A. Fast Algorithm for the- Weighted: Least Absolute Value State Estimation. // IEEE Transactions on Power Systems. Vol. 6, No. 2. February 1991.-P. 1-8.

78. Celik M.K. and Abur A. A Robust WLAV State Estimator Using Transformations. // IEEE Transactions on Power Systems. February 1992.-Vol. 7, No. 1. - P.?

79. Bacon E.W., Clements K.A. and Davis P;W. Accelerated Interior Point Methods for Least Absolute Value State Estimation in Electric Power Networks. // In Athens Power Tech, Joint International Conference NTUA-IEEE/PES. September 1993: - P. 261-265.

80. Singh H: and Alvarado F.L. WLAV State Estimation Using Interior Point Methods. // IEEE Transactions on Power Systems. August 1994. - Vol. 9, No. 3, -P. 1478-1484.

81. Ramirez-Arredondo? M., Barocio E., Chacon O.L. The Affine-Scaling Dual Algorithm as an: Alternative to Solve the Power System State Estimation Problem. // IEEE Power Engineering Review. June 1999. - P. 50-521

82. Гамм A.3., Голуб И.И. Сенсоры и слабые места в. электроэнергетических системах. Иркутск: СЭИ СО РАН' 1996. 99 с.

83. Mili I., Cheniae N.S;, Vichare N.S;, Rousseeuw P.J. Robust Stfte Estimation Based on Projection Statistics. // Paper № 95WM216-2 PWRSj presented at the IEEE /PES 1995 Winter Meeting, NYC. January 29-February 2, 1995.

84. Чукреев Ю.Я1, Хохлов M.B;, Готман Н.Э. Применение искусственных нейронных сетей в задачах оперативного управления режимами ЭЭС. — Сыктывкар, 2000.' 24 е.

85. Гришин Ю.А. Оценивание состояния ЭЭС в реальном времени. // Методы оптимизации и исследования операций в энергетике Иркутск: СЭИ СО АН СССР, 1978. С. 14-20.

86. Гришин Ю.А. Исследование задачи оценивания состоянияэлектроэнергетических систем в реальном времени: Автореф. диссканд. техн. наук. Новосибирск.: СибНИИЭ, 1979. - 27 с.

87. Dopazo J.F., Klitin О. A., Stagg G. W., Van Slyck L. S. State calculation of power systems from line flow measurement Part I. // IEEE Trans. Power Apparatus and Systems. 1970. - PAS-89, No. 7.

88. Dopazo J.F., Klitin O. A., Stagg G. W., Van Slyck L. S. State calculation of power systems from line flow measurement Part II; // IEEE Trans. Power Apparatus and Systems. 1972. - PAS-91, No. 1.

89. Герасимов JI.H. Адаптивные модели и алгоритмы обработки телеизмерений в энергосистемах: Автореф. Дисс:. канд. техн. наук. -Иркутск, 1993. 16 с.

90. Бердников В.И., Бучинский А.Л., Гамм А.З., Герасимов Л.II., Константинов Б.В. Алгоритмы достоверизации измерений и оценивания состояния электроэнергетических систем. // Электричество. 1990. - № 8. - С. 12-20.

91. Черненко П.А., Чухно В.И. Динамическое оценивание состояния ЭЭС с применением метода главных компонент. // Информационное обеспечение диспетчерского управления в электроэнергетик. -Новосибирск: Наука. Сиб. Отд-е, 1985. С. 75-80.

92. Nishiya К., Hasegawa J. and Koike Т. Dynamic State Estimation Including Anomaly Detection and Identification for Power System. // IEE Proc. September 1982. - C. Vol. 129. - P: 192-198.

93. Durgaprasad G., Thakur S.S. Robust Dynamic State Estimation of Power Systems Based on M-Estimation and Realistic Modeling of System Dynamics. // IEEE Transactions on Power Systems. 1998. - Vol. 13, № 4.-P. 1331-1337.

94. Leite da Silva A.M., Do Coutto Filho M.B. and Diogo de Siqueira M.S. Hierarchical Dynamic State Estimation in Electric Power Systems. // Proc. IFAC Symp. on Planning and Operation of Electric Energy Systems. Rio de Janeiro. Juli 1985. - P. 71-77.

95. Falcao D.M., Cooke P.A. and Brameller A. Power System Tracking State Estimator and Bad Data Processing. // IEEE Trans, on PAS. Februar 1982. - Vol. PAS - 101. - P. 325-333.

96. Bose A. and Clements K.A. Real-time modeling of power networks. // IEEE Proc., Special Issue on Computers in Power System Operatins. -Dec. 1987. Vol.75, No 12. - P. 1607-1622.

97. Leite da Silva A.M., Do Coutto Filho M.B;, Cantera J.M.C. An Efficient Dynamic State Estimation Algorithm Including Bad Data Processing. // IEEE Trans. Power App. And Syst. 1987. - Vol. PWRS-2, № 4. - P. 1050-1058.

98. Kliokys E. Transformer tap position tracking using on-line data. // Proc. 10-th Power Systems Computation Conference: Graz, Austria, 1990. P. 1023-1030.

99. Handschin E., Kliokys E. Transformer tap position estimation and bad data detection using dynamic signal modeling. // IEEE Trans. Power App. And Syst. 1994.-Vol. 10, № 2. - P. 810-815.

100. Гамм A.3., Глазунова A.M;, Колосок И.Н., Овчинников B.B^ Методы оценки дисперсий: измерений в электроэнергетических системах. // Электричество. 1997.-№7. - С. 2-9.

101. Е. Kliokis Е., Feldman Н. A new method.for enforcing limits and equality constraints in Power System State Estimation. // Proc. of the EPSOM, 1998. Conference, Zurich, September 23-25, 1998. P. 23-29.

102. Моисеенко В.И., Первухин С.Н., Погорелов JI.M., Унгер А.П. Учет ограничений в задаче статического оценивания состояния. // Изв; АН СССР: Энергетика и транспорт. 1987. - № 6. - С. 129-132.

103. Clements К.А., Woodzel G.W., Buchner R.C. A new method for solving equality-constrained power system static-state estimation. // IEEE Trans. Power Appar. And Syst.- 1990; Vol. 5, № 4. - P. 1260-1266.

104. Nucera R;, Gilles M. A blocked sparse formulation» for the solution of equality-constrained state estimation. // IEEE Trans. Power Appar. And: Syst. 1991. - Vol. 5, №3. -P. 214-224.

105. Alvarado F., Tinney W. State estimation using augemented blocked matrices. // IEEE Trans. Power Appar. And Syst. 1990. - Vol. 5, № 3. -P. 911-921.

106. Зоркальцев В.И. Метод относительно внутренних точек. Сыктывкар: Коми филиал АН СССР, 1986.

107. Дикин И.И. Определение допустимых и оптимальных решений методом внутренних точек. Новосибирск: Наука. Сиб. Предприятие РАН, 1998.- 110 с.

108. Clements К.А., Davis P. W., Frey K.Di Treatment of inequality constrains in power systems state estimation. // IEEE Trans. Power Appar. And Syst. 1995. - Vol. 10, № 2. - P. 567-574.

109. Wright S J. Primal-dual interior- point methods. SIAM, 1996.

110. Kliokis E. Minimum correction method for enforcing limits and: equality constraints in state estimation based on orthogonal transformation. // IEEE Trans. Power Appar. And Syst. 2000. - Vol. 15, № A. - P. 1281-1286.

111. Чукреев Ю.Я., Полуботко В.А. Модели оперативного управления установивишимися режимами региональных электроэнергетических систем в реальном времени; — Сыктывкар, 1994. — 20 с. (Сер.

112. Препринтов «Новые научные методики» / Российская АН, Коми науч. Центр Уро; Вып. 45).

113. Яковлева T.G. Комплекс программ формирования сбалансированного режима на основе алгоритмов логической достоверизации и оценивания в условиях недостаточности телеизмерений. //Вестник ВНИИЭ 97. Москва: ЭНАС 1996.

114. Колосок И;Н., Ололева F.H., Эм Л.В. Комплекс ЗАМЕР для обработки контрольных замеров в электрической системе // Алгоритмы обработки данных в электроэнергетике. — Иркутск: СЭИ СО РАН' СССР, 1982.-С. 30-38.

115. Гамм А.З., Голуб И.И., Кессельман Д.Я. Наблюдаемость электроэнергетических систем // Электричество.-1975 .-№ 9. С.1-7.

116. Зыков А.А. Основы теории графов. М.: Наука, 1987.-384с.

117. Clements К.А., Wollenberg B.F. Observability in power system state estimation // IEEE PES> Summerr Meeting, San Francisco (Cal.), 1975. -Pap. A 75447-3.

118. Monticelli A., Wu F.F. Network observability: Theory // IEEE Trans. PAS.-1985.-№5. P.1042-1048.

119. Голуб И.И. Учет надежности при синтезе систем сбора данных в ЭЭС // Информационное обеспечение диспетчерского управления в электроэнергетике. Новосибирск: Наука, 1985. — С.169-175.1. Литература к гл. 3.

120. Пугачев B.C. Теория, случайных функций и ее применение к задачам автоматического управления. М.: Физматгиз, 1960. 883 с.

121. Митюшкин K.F. Телеконтроль и телеуправление в энергосистемах.-Москва. Энергоатомиздат, 1990. -287с.

122. Богданов В.А., Лисеев М.С., Шульженко С.В. Результаты эксплуатации комплекса программ оценивания состояния ЭЭС // Алгоритмы обработки данных в электроэнергетике. Иркутск: СЭИ, 1982.-С. 89-95

123. Ополева F.H. Роль обусловленности при анализе влияния ошибок исходных данных на результаты статического оценивания состояния // Информационное обеспечение диспетчерского управления: в электроэнергетике. Новосибирск, 1985. — С 24-31.

124. Колосок И.Н; Автореф. дисс. канд. техн. наук. Новосибирск: НЭТИ, 1986. - 16 с.

125. Джонсон Н., Лион Ф. Статистика и планирование эксперимента в науке и технике. Методы оьработки данных. М.: Мир, 1980. - 610с;

126. JI. Закс. Статистическое оценивание. Москва статистика, 1976.— 598с.

127. Dempster A. Upper and lower probabilities induced by a multivalud mapping. //Annals of Mathematical Statistica, 38- 1967. - P. 325-339.

128. Shafer G.A. Mathematical theory of evidence. // Prinecton University Press. 1976.- 296p.

129. Заика P.A. Применение генетических алгоритмов в задаче поиска плохих данных на основе контрольных уравнений // Системные исследования в энергетике. Труды молодых ученых ИСЭМ СО РАН, Вып.31. Иркутск: ИСЭМ СО РАН; 2001. С.57-64.

130. Стратан И.П., Неретин В.И., Спивак В.Л: Расчет и анализ режимов электроэнергетических систем. — Кишинев, «Штиница», 1990. — 101с.

131. Гришин Ю.А. Программа оценивания состояния ЭЭС в реальном времени на ЕС1010 // Статистическая обработка оперативной информации в электроэнергетических системах. — Иркутск: СЭИ СО АН СССР, 1979.-С. 201-214.

132. Tojoda J., Mo-Shing chen, Inowe Y. An application stete estimation to short-term load forecasting. Implemtntation // IEEE Trans. PAS. — 1970. -№7.-P. 1683-1686.

133. Гамм A.3., Гришин Ю.А., Володин В.В. Экспресс-анализ режимов ЭЭС на основе оценивания состояния. // Электричество. — 1985. № 6. -С. 2-10.

134. Володин В.В. Система экспресс-анализа режимов ЭЭС на основеоценивания состояния. // Автореферат диссканд. техн. наук.

135. Новосибирск: НЭТИ, 1986. 22 с.

136. Гамм А.З., Колосок И.Н. Идентификация характеристик ошибок измерений при оценивании состояния. // Электронное моделирование. 1986.-№3. -С. 45-50.1. Литература к гл.4

137. Документация по системе создания экспертных систем с базами данных и знаний и пример экспертной системы по диагностике автомобиля, www.mai-dep740.ru/soft/index.htm

138. Пугачев Д.А. Логико-лингвистические модели в системах управления. -М.: Энергоиздат, 1981.-232с.

139. Новорусский В.В. Конечноавтоматные системы управления (принципы построения и анализ поведения). Новосибирск: Наука, 1982.-269с.

140. Новорусский B.Bi Теоретические основы анализа и синтеза конечноавтоматных систем управления / АН СССР. Сиб. отд-е. Сиб. энерг. Ин-т. Иркутск, 1989. - 301с. - Деп. в ВНИИТИ 06.06.89; -№3747-В89.

141. Царегородцев B.F. Производство полуэмпирических знаний из таблиц данных с помощью обучаемых искусственных нейронных сетей// Методы нейроинформатики. Красноярск, 1998; -С. 176-193.

142. A.Schenek, A.Piras, A.Germond et.al. On-line monitoring of power transformer using self-organizing maps // Proceedings of the International Conference PSSS'99;-P.61-70.

143. E.Handschin, C.Rehtanz. Kohonen Neural Networks for vizualization and; analysis of voltage stability // Proceedings of the International Conference PSAC'97. P.

144. Заика P.А. Исследование эффективности применения генетических алгоритмов для; достоверизации*телеинформации в ПВК «Оценка» // Системные исследования в энергетике. Труды молодых ученых ИСЭМ СО РАН, Вып.32. Иркутск: ИСЭМ СО РАН, 2002. -С.31-37.

145. I.N. Kolosok, R.A.Zaika, С. Leder," A Solution for the Measurement Validation Problem Based on Test Equations and Genetic Algorithms",-Proceedings of the International; Conference MEPS'2002, Wroclaw, Poland, 11-13 September 2002, P.533-537.

146. Колосок И.Н., Заика P.А. Оценивание состояния ЭЭС с помощью генетических алгоритмов // Труды Всеросс. конф. «Математические и» информационные технологии в энергетике, экономике, экологии». — Иркутск: ИСЭМ СО РАН, 2003. - С.58-61.1. Литература к гл. 5

147. Хохлов М.А. Методы устойчивого оценивания состояния ЭЭС в оперативных задачах надежности //Методические вопросы исследования надежности больших систем энергетики. Вып. 73 Доклад в Туапсе

148. Korres G.N., Contaxis G.C. Identification and Updating of Minimally Dependent Sets of Measurements in State Estimation // IEEE Trans, on Power Systems, vol.6, No.3.-1991.- P.999-1005

149. I: Mili, N.S. Cheniae, N.S. Vichare, P:J; Rousseeuw. Robustiflcation of the Absolute Value Estimator by Means of Projection Statistics // IEEE Trans, on Power Systems, vol 11, No. 1.-1996.- P.216-225:

150. Писанецкий С. Теория разреженных матриц. — М.: Наука и техника. -1988.-255с.1. Литература к гл.6

151. Гамм А.З., Голуб И.И., Ополева Г.Н. Анализ наблюдаемых и плохо наблюдаемых ЭЭС по данным измерений // Электричество. 1984. -№6.-С.1-6.

152. Информационное обеспечение. Задачи реального времени в диспетчерском управлении. Каунас: ИФТПЭ АН ЛитССР- 1989 4.1. -240с.

153. Гончарюк. Н.В. Методика эквивалентирования; электрической сети // Электричество. 2000 г. №8.

154. Мельников Н.А. Матричный метод анализа электрических цепей. -Москва: Энергия, 1972. —232с.

155. Бэнн Д.В., Фармер Е.Д. Сравнительные модели прогнозирования электрической нагрузки / Пер. с англ. — Mi: Энергоатомиздат, 1987.

156. Antonio Piras. These "A Multiresponse structural connectionist model for short term electrical load forecasting".— Lausanne. EPFL, 1996. -174p.

157. Kab-Ju-Hwang, Myubg-Kook Yang, Sung-Woo Cho. Daily Load Forecasting Using the Self-Organizing Map. // Proc. The International Conference on Electrical Engineering, 1998.V.2. -P. 429-432.

158. Машалов E.B;, Неуймин В.Г., Шубин Н:Г., Программное обеспечение расчетной модели, www.energv.komisc.ru/seminar/zao5.htm

159. Гамм A3. Алгоритмы декомпозиции при решении задачи оценивания состояния электроэнергетических систем. // Электронное моделирование, 1983; №3, с.63-68.

160. Гамм А.З., Гришин Ю.А. Распределенная обработка информации в автоматизированных системах диспетчерского управления энергосистемами // Сб. трудов Пятого Международного семинара "Распределенная обработка информации". Новосибирск, 1995. — С. 243-247.

161. Зоркальцев; В.И., Колосок И.Н., Филатов А.Ю. Идентификация состояний электроэнергетических систем алгоритмами внутренних точек // Тезисы докладов, конференции «Математическое программирование и приложения». — Екатеринбург, 2003. С.

162. Колосок И.Н., Филатов А.Ю. Алгоритмы внутренних точек для решения задачи оценивания состояния с оптимизационным критерием Хьюбера // Тезисы докладов конференции «Проблемы оптимизации и экономические приложения». Омск, 2003.1. Литература к гл. 7

163. Литература к заключению и приложениям

164. К.А. Clements, P.W. Davis. Multiple Bad Data Detection and Identification!: A Geometric Approach // Proceedings 1985 PICA Conference, San Francisco. May 6-10, 1985. - P. 461-466.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.