| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 电力系统状态估计的研究现状 | 第11-14页 |
| 1.2.1 静态状态估计 | 第11-13页 |
| 1.2.2 动态状态估计 | 第13-14页 |
| 1.3 本文研究内容 | 第14-16页 |
| 第2章 电力系统状态估计中的混合量测 | 第16-26页 |
| 2.1 SCADA系统量测特性 | 第16-18页 |
| 2.1.1 SCADA系统 | 第16页 |
| 2.1.2 电力系统SCADA系统量测采集 | 第16-17页 |
| 2.1.3 SCADA量测时延 | 第17-18页 |
| 2.2 WAMS系统量测特性 | 第18-19页 |
| 2.2.1 WAMS系统 | 第18页 |
| 2.2.2 PMU同步相量量测 | 第18-19页 |
| 2.3 SCADA与PMU量测精度差异 | 第19-20页 |
| 2.3.1 PMU与SCADA量测数据差异比较 | 第19-20页 |
| 2.3.2 PMU量测相角量测精度 | 第20页 |
| 2.4 SCADA量测与PMU量测数据匹配 | 第20-21页 |
| 2.4.1 相角匹配 | 第20-21页 |
| 2.4.2 时间匹配 | 第21页 |
| 2.5 WAMS系统PMU量测可观性 | 第21-22页 |
| 2.5.1 电力系统可观性 | 第21-22页 |
| 2.5.2 电网可观测分析 | 第22页 |
| 2.6 WAMS系统PMU量测优化配置 | 第22-25页 |
| 2.6.1 基于二进制整数规划的PMU量测优化配置 | 第22-24页 |
| 2.6.2 算例分析 | 第24-25页 |
| 2.7 本章小结 | 第25-26页 |
| 第3章 电力系统动态状态估计的算法基础 | 第26-40页 |
| 3.1 经典状态估计算法 | 第26-29页 |
| 3.1.1 加权最小二乘法 | 第26-27页 |
| 3.1.2 扩展Kalman滤波算法 | 第27-29页 |
| 3.2 粒子滤波算法 | 第29-33页 |
| 3.2.1 粒子滤波算法原理 | 第29-31页 |
| 3.2.2 重采样操作 | 第31-32页 |
| 3.2.3 粒子滤波算法步骤 | 第32-33页 |
| 3.3 滤波算法的比较 | 第33-36页 |
| 3.3.1 滤波问题 | 第33-34页 |
| 3.3.2 Kalman滤波的特点 | 第34页 |
| 3.3.3 粒子滤波的特点 | 第34-36页 |
| 3.4 电力系统动态模型 | 第36-37页 |
| 3.5 电网元件模型描述 | 第37-38页 |
| 3.5.1 电力线路等值电路 | 第37页 |
| 3.5.2 变压器参数及等值电路 | 第37-38页 |
| 3.5.3 电力系统等值电路计算 | 第38页 |
| 3.6 本章小节 | 第38-40页 |
| 第4章 粒子滤波状态估计 | 第40-57页 |
| 4.1 初始化 | 第40页 |
| 4.2 粒子状态预测 | 第40-42页 |
| 4.3 混合量测更新 | 第42-45页 |
| 4.3.1 P-Q分解状态估计 | 第42-45页 |
| 4.3.2 PMU量测变换 | 第45页 |
| 4.4 权重更新设计 | 第45-47页 |
| 4.5 状态估计 | 第47页 |
| 4.6 重采样操作 | 第47-48页 |
| 4.7 算法流程 | 第48-49页 |
| 4.8 算例分析 | 第49-56页 |
| 4.8.1 IEEE-14算例分析 | 第50-53页 |
| 4.8.2 IEEE-30算例分析 | 第53-56页 |
| 4.9 本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63-69页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第69-70页 |
| 致谢 | 第70页 |