Повышение достоверности телеизмерительной информации в ЭЭС на основе контрольных уравнений

Повышение достоверности телеизмерительной информации в ЭЭС на основе контрольных уравнений

Автор: Колосок, Ирина Николаевна

Шифр специальности: 05.14.02

Научная степень: Докторская

Год защиты: 2004

Место защиты: Иркутск

Количество страниц: 323 с. ил.

Артикул: 2636655

Автор: Колосок, Ирина Николаевна

Стоимость: 250 руб.

Повышение достоверности телеизмерительной информации в ЭЭС на основе контрольных уравнений  Повышение достоверности телеизмерительной информации в ЭЭС на основе контрольных уравнений 

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 решения
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 8 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
дли достовсризации тслсинформанин
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 потокораспределсния
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 но КУ в программно
вычислительном комплексе Оценка
7.1. Технологическая система ОИУК
современного типа
7.2. Описание ПВК Оценка
7.3. Результаты расчетов
7.4. Перспективы развития ПВК
7.5. Выводы
8. Заключение
9. Литература
Приложение 1. Модели узлов и ветвей при ОС ЭЭС
Приложение 2. Описание тестовых схем
Введение


Каждый характеризуется своей трудоемкостью вычисления остальных переменных режима, не вошедших в вектор состояния. Так, при заданных модулях и фазах напряжений узлов легко без решения систем уравнений по явным выражениям П1. П1. П1. П1. П1. При таком составе вектора состояния автоматически соблюдаются уравнения второго закона Кирхгофа. Если определение всех переменных режима при векторе состояния, состоящем из компонентов напряжений узлов, просто, то обратная задача определение вектора состояния по известным значениям других переменных режима измерениях требует решения системы нелинейных уравнений. Такая задача решается выбором базисного состава измерений В. Можно показать, что задание вектора состояния набором модулей и фаз напряжений не единственный способ обойтись без. Ь3 в узле 3 по формулам 17. Найдя 3 и Ь3 и зная Р и 3. Р2 и 2, из баланса в узле 2 определить. Как видим, ни разу не потребовалось решать систему уравнений. В данном примере не все соотношения между переменными режима использованы, выбраны только те,, что позволяют вычислить одну неизвестную переменную режима на основе уже известных. Именно второй фактор дает некоторую свободу выбора для уменьшения трудоемкости при расчете установившегося режима и решении задачи ОС. Поступающие в диспетчерские пункты управления ЭЭС ТИ, содержат погрешности, обусловленные следующими причинами 1. Обычно при решении задачи ОС принимается, что ошибки измерений не зависят от значений измеряемых параметров и аддитивны, т. УуЧ, . Обоснованием для использования нормального распределения является центральная предельная теорема, согласно которой случайнаявеличина в данном случае погрешность телеизмерения, полученная суммированием большого числа случайных ошибок, вызванных погрешностями измерительной аппаратуры и помехами по всему тракту передачи данных, имеет распределение, близкое к нормальному. Как показано в В. МВНК это еще один аргумент в пользу МВНК. На основании известных дисперсий погрешностей определяются веса измерений в методе ВНК. Л, со ,Л. В действительности в измерениях наряду со случайными погрешностями 1. Измерения, содержащие грубые ошибки, часто называют выбросами, плохими данными, неверными измерениями. Проблемы обнаружения плохих данных и систематических ошибок будут рассмотрены в главе 3. ЪУ. У,, 1. Определенные по 1. ТИ различными методами В. Несмотря на то, что задачей ОС, целью которой является фильтрация погрешностей измерений, занимаются уже более лет, свойства реальных ошибок измерений исследованы совершенно недостаточно. С другой стороны, опыт использования разработанных методов ОС позволяет надеяться, что можно внесением адаптивных и робастных свойств в методы обработки улучшить качество получаемых оценок параметров режима, несмотря на отсутствие достаточно полной информации о распределениях ошибок. Данная, работа посвящена созданию и исследованию моделей обработки измерений, существенно инвариантных к свойствам их ошибок моделей на основе КУ. Использование КУ позволяет в определенной мере преодолеть трудности, связанные с отсутствием информации о вероятностных характеристиках ошибок измерений и идентифицировать соответствующие параметры распределений в процессе циклическойобработки данных. В настоящее время МВНК самый распространенный метод решения задачи ОС. Он используется при решении задачи ОС как в первой, так и во второй форме, а также в методе контрольных уравнений, в статической и динамической постановке. Поскольку оценки, получаемые по критериям 1. Статистические свойства оценок, полученных по МВНК, широко используются при решении различных задач при ОС ЭЭС. Они базируются на линейном анализе 1. В . Рассмотрим сейчас те из них, которые будут использованы в данной работе. Для детекции плохих данных при ОС по МВНК чаще всего используется значение целевой функции рхв точке оптимума. В 1. МО, равным V, и дисперсией 2у. При появленииошибочных измерений закон распределения цх становится иным. На этом построена процедура обнаружения факта присутствия или детекции плохих данных в измерениях, используемых для вычисления оценок X, получившая название хтеста.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.227, запросов: 237