Data-Driven Flow and Injection Estimation in PMU-Unobservable Transmission Systems
本文提出利用深度神经网络和线性约束，实现PMU稀疏观测下电力系统潮流与注入的快速准确估计。
2022-12-08 cs.SY eess.SY
Least Squares Estimation-Based Synchronous Generator Parameter Estimation Using PMU Data
University of South Florida（南佛罗里达大学）
本文研究了基于最小二乘估计的动态发电机模型参数识别，利用发电机终端母线获取的PMU数据估计机电动态参数，如惯性常数和一次频率控制迟滞。通过ARX模型将发电机模型转换为线性估计问题，采用零阶保持和Tustin方法进行参数转换，并通过数值结果验证了方法的有效性。
2015-03-17 cs.SY eess.SY
PMU Placement Optimization for Smart Grid Obvervability and State Estimation
University of Technology Sydney（悉尼科技大学）；King Fahd University of Petroleum and Minerals（法赫德国王石油与矿产大学）；Queen’s University Belfast（贝尔法斯特女王大学）；Princeton University（普林斯顿大学）
本文研究了在不同可观测程度下PMU布局对电网状态估计的影响，提出在可观测性约束下优化PMU布局以减少均方误差或最大化测量输出与电网状态间的互信息。
2018-06-07 cs.SY eess.SY
Topology-Aware Graph Neural Network-based State Estimation for PMU-Unobservable Power Systems
本文提出一种拓扑感知的定制化图神经网络状态估计方法CGNN-SE，结合图卷积与多头图注意力应对拓扑变化和数据丢失，并在多种扰动及大规模系统中优于传统优化和学习型方法。
2025-06-04 cs.SY eess.SY
Transmission Lines Positive Sequence Parameters Estimation and Instrument Transformers Calibration Based on PMU Measurement Error Model
相量测量装置的测量数据在当今电力系统的稳态和动态分析中得到了广泛的应用。这些应用程序运行在公用事业的能源管理系统的性能很大程度上取决于一个准确的正序电力系统模型。然而，由于Transformers带来的变比误差和相量测量单元带来的通信误差，直接利用相量测量单元测量值计算输电线路参数，建立精确的模型是不切实际的。因此，本文提出了一种方法来估计整个系统的实际输电线路参数，并在同一时间，校准相应的Transformers。针对上述误差，提出了适用于换位和非换位输电线路的PMU正序测量误差模型。在此误差模型的基础上，设计了一种基于最小二乘估计的单线参数估计方法。该方法只需要一组参考测量值，并且精度可以随着引入的基于边的宽度优先搜索算法获得的拓扑一起传播到整个网络。IEEE 118节点系统和Texas 2000节点系统的算例验证了该方法的有效性。还讨论了在现实中部署的潜力。
2019-11-04 cs.SY eess.SY
System-wide Instrument Transformer Calibration and Line Parameter Estimation Using PMU Data
本文提出基于PMU数据的统计框架，同时解决互感器校准与线路参数估计问题，通过放置收入级计量表避免对完美互感器的依赖，并在IEEE 118节点系统及实际数据上验证了高精度与鲁棒性。
2025-03-27 cs.SY eess.SY
Attack Identification and Correction for PMU GPS Spoofing in Unbalanced Distribution Systems
由于民用全球定位系统（GPS）信号的脆弱性，相量测量单元（PMU）的准确性可能会受到GPS欺骗攻击（GSA）的极大影响，GPS欺骗攻击会将相移引入到真实的相角测量中。针对配电系统中多个PMU位置的同时GSA问题，提出了一种新的辨识和校正算法。首先对状态估计残差对单个GSA相角进行了灵敏度分析。提出了一种利用探测技术的识别算法来确定欺骗PMU的位置和GSA相移的范围。基于识别结果，这些GSA相移通过估计算法来确定，该估计算法最小化测量和系统状态之间的失配。进一步，通过对受攻击的PMU数据进行修正，恢复系统状态。在IEEE 34节点和123节点不平衡配电系统中的仿真验证了该方法的有效性和准确性。
2020-02-25 cs.SY eess.SY
A Constrained Formulation for Simultaneous Line Parameter Estimation and Instrument Transformer Calibration
Arizona State University（亚利桑那州立大学）；University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校）
本文提出一种结合电力系统领域知识的约束框架，用于同时估计线路参数和互感器校准，通过模拟和真实PMU数据验证了方法的有效性。
2026-04-21 cs.SY eess.SY
Linear State Estimation and Bad Data Detection for Power Systems with RTU and PMU Measurements
本文提出了一种新的线性算法，用于电力系统的状态估计，包括坏数据检测，这是由常规和同步相量测量监测。这两种类型的数据被同时处理，并在直角坐标系中估计状态。所提出的估计是基于线性加权最小二乘法。为了使线性测量函数的推导，网络的电压和电流的矩形形式和伪测量被用来代表传统的测量建模。此外，最大归一化残差检验用于检测坏数据。为了验证所提出的算法的准确性和鲁棒性，解决了几个不同大小的测试用例，并给出了结果和讨论。
2020-01-29 cs.SY eess.SY
Smart Grid State Estimation with PMUs Time Synchronization Errors
我们考虑的问题，基于PMU的状态估计结合信息来自无处不在的电力需求时间序列和只有有限数量的PMU。相反，在最近的文献中，同步相量设备通常被假定为与协调世界时（UTC）完全同步，我们明确考虑存在的时间同步误差的测量，由于不同的非理想的原因，如不完善的卫星定位和内部时钟不准确。我们提出了一个递归卡尔曼算法，它允许明确的离线计算的预期性能和实时补偿可能的频率失配之间的不同PMU。基于IEEE C37.118.1标准的PMU，我们测试所提出的解决方案，并将其与替代方法的IEEE 123节点标准配电馈线的合成数据和位于洛桑联邦理工学院校园内的一个小型中压配电馈线的实际数据进行比较。
2019-11-26 cs.SY eess.SY math.OC
Uncertainty Error Modeling for Non-Linear State Estimation With Unsynchronized SCADA and $μ$PMU Measurements
针对 SCADA 与 $μ$PMU 量测非同步及动态负荷不确定性问题，提出通过更新量测方差构建时变权重的非线性 DSSE 框架，并在 MATPOWER 33 节点系统中验证。
2022-12-20 cs.SY eess.SY
Precision Enhancement of Distribution System State Estimation via Tri-Objective Micro Phasor Measurement Unit Deployment
本文提出一种三目标μ-PMU布置方法，最小化通道数、状态估计不确定性和参数容差敏感性，采用定制NSGA-II求解，实验表明超阈值通道增益微小，可省略30-40%母线。
2023-08-31 cs.SY eess.SY
Situational Awareness with PMUs and SCADA
State University of New York at Buffalo（纽约州立大学布法罗分校）
本文提出一种融合PMU和SCADA测量的新型状态估计方法，提升电网态势感知能力。
2017-06-09 cs.SY eess.SY
An Electrical Structure-Based Approach to PMU Placement in the Electric Power Grid
People’s Education Society University（人民教育社会大学）；Lehigh University（利哈伊大学）
本文基于电网中各节点之间电气连通性的强特征，提出一种新的PMU部署方法，通过优化二进制整数规划实现网络可观测性，提升了状态估计和故障检测的性能。
2015-05-17 cs.SY eess.SY
Optimal PMU Placement for Kalman Filtering of DAE Power System Models
本文针对DAE电力系统动态状态估计，提出通过最小化卡尔曼滤波稳态协方差并将问题转化为混合整数半定规划的最优PMU布点方法，实验表明其性能优于贪心算法。
2025-02-05 cs.SY eess.SY
A robust extended Kalman filter for power system dynamic state estimation using PMU measurements
本文提出了一种鲁棒扩展卡尔曼滤波器，用于估计多机电力系统同步发电机的转子角和转速。使用批处理模式回归形式，过滤器处理预测的状态向量和PMU测量值，以跟踪系统动态比标准的扩展卡尔曼滤波器更快。我们提出的滤波器是基于一个强大的GM估计，边界的影响，垂直离群值和坏的杠杆点，这是通过投影统计。由于使用了Huber代价函数，在过程和观测噪声的高斯分布假设下实现了良好的统计效率，该代价函数通过迭代重加权最小二乘算法最小化。通过GM-估计器的总影响函数的协方差矩阵导出状态估计误差向量的渐近协方差矩阵。在IEEE 39节点测试系统上进行的仿真表明，该鲁棒扩展卡尔曼滤波器在高斯过程和观测噪声下具有良好的跟踪能力，即使在杠杆作用下也能抑制观测野值。只有在电力系统模型的线性近似有效的情况下，才能获得这些良好的性能。
2021-04-05 cs.SY eess.SY
Comparison of Bounds for Optimal PMU Placement for State Estimation in Distribution Grids
配电网中测量的缺乏对其监测提出了严峻的挑战：由于可能没有足够的传感器来实现数值可观测性，因此通常使用负载预测（伪测量），并且因此不能保证准确的状态估计。然而，估计需要控制配电网的分布式发电量的增加。因此，我们考虑的问题，以提高状态估计精度在大规模，3相耦合，不平衡的配电网的传感器的最佳位置。这是一个组合优化问题，其最优解对于大型网络是不切实际的。我们探索不同的度量的最优实验设计的背景下，如凸性和模块化的属性，提出并比较几个严格的下限和上限的最优解的性能。此外，我们展示了如何使用这些界限来选择接近最优的解决方案。我们测试的IEEE基准测试馈线，123总线和8500节点馈线，该方法的有效性。
2019-08-07 cs.SY eess.SY
Generator Parameter Estimation by Q-Learning Based on PMU Measurements
提出了一种基于Q学习的同步发电机参数估计新方法。事件回放用于在不同参数下生成模型输出，用于在Q学习中训练代理。我们假设模型中某些参数的确切值在Q学习中不为智能体所知。然后，最优的历史依赖的政策的勘探开发权衡计划。在给定先验知识的情况下，参数向量可以被视为具有特定奖励的状态，该奖励是与测量值相比的拟合误差的函数。智能体采取行动（增加或减少参数），估计的参数将移动到一个新的状态。基于奖励函数，最优动作策略将参数集移动到具有最高奖励的状态。如果有多个事件可用，则将顺序使用它们，以便可以利用更新的$\mathbfcal{Q}$值来提高计算效率。通过对同步发电机动态模型参数的估计，验证了该方法的有效性。
2020-12-01 cs.SY eess.SY
A Shallow Recurrent Decoder for Dynamic State Estimation with a Limited Number of PMUs in Power Systems
提出一种浅层循环解码器（SHRED）架构，利用稀疏PMU测量实现电力系统全状态重构，不依赖精确物理模型且对PMU位置不敏感，在IEEE 39节点系统上验证了其优于传统方法。
2026-07-02 cs.SY eess.SY
Dynamic state and parameter estimation in multi-machine power systems - Experimental demonstration using real-world PMU-measurements
动态状态和参数估计（DSE）对于可靠地监测和操作未来电力电子主导的电力系统起着关键作用。虽然DSE是一个非常活跃的研究领域，所提出的算法在现实世界的系统中的实验应用仍然很少。这激发了本文，在本文中，我们证明了DSE算法的有效性，以前提出的部分作者与真实世界的数据收集的相量测量单元（PMU）在变电站靠近发电厂内的超高压电网的德国。为此，首先，我们得出一个合适的映射的真实世界的PMU测量记录在一个变电站接近发电厂的发电厂的同步发电机（SG）的终端总线。该映射考虑了高压（HV）输电线路、分接变换Transformer和发电厂的辅助系统。接下来，我们介绍了几个实际动机的扩展估计算法，显着提高其实际性能与现实世界的测量。最后，我们成功地验证了该算法的自动实验，以及交叉验证。
2022-03-28 cs.SY eess.SY math.OC
Real-time LCC-HVDC Maximum Emergency Power Capacity Estimation Based on Local PMU Measurements
高压直流输电（LCC-HVDC）线路换相换流器的可调容量（简称LCC-HVDC最大应急功率容量，简称HVDC-MC）是决定系统对大扰动响应的重要因素。然而，这是一个具有挑战性的任务，以获得一个准确的HVDC-MC由于系统模型的不确定性以及意外事件。为了解决这个问题，本文提出了估计HVDC-MC使用戴维南等效（TE）的系统看到在HVDC终端总线的连接与电力系统，其参数估计通过处理正序电压和电流的本地同步相量测量。研究了大扰动下TE电位变化对阻抗估计的影响，提出了一种自适应的电流测量筛选方法以减小TE阻抗估计的误差。采用总体最小二乘估计方法，进一步考虑了相量测量的不确定性。HVDC控制特性的限制，电压依赖的电流顺序限制，换流器容量，和HVDC-MC估计上的交流电压也被考虑。仿真结果表明，该方法能准确跟踪大扰动后TE参数的动态变化，并能实时跟踪HVDC-MC。
2020-06-20 cs.SY eess.SY
Graph Neural Networks on Factor Graphs for Robust, Fast, and Scalable Linear State Estimation with PMUs
The Institute for Artificial Intelligence Research（塞尔维亚人工智能研究与发展研究所）；Faculty of Electrical Engineering（电子工程学院）；Faculty of Technical Sciences（技术科学学院）
本文提出基于因子图的图神经网络用于PMU的鲁棒、快速且可扩展的线性状态估计，通过高效模型提升电力系统状态估计的准确性与鲁棒性。
2023-04-28 cs.LG cs.SY eess.SY
Moving-Horizon State Estimation for Power Networks and Synchronous Generators
电力网络和发电机状态估计通常作为单独的问题来处理。我们提出了一个动态的计划，同时估计的网络和发电机的状态。该估计公式化为一个优化问题上的一个移动的地平线上的过去的观察。该框架是静态状态估计的推广，它可以处理不完整的模型知识，并不需要PMU的静态网络可观性。数值结果表明，与静态状态估计相比，该方法提高了估计精度。此外，准确的估计发电机的内部状态没有PMU在其终端上可以实现。最后，我们强调了所提出的估计检测和识别坏数据的能力。
2022-07-25 cs.SY eess.SY
FLiER: Practical Topology Update Detection Using Sparse PMUs
FLiER通过稀疏PMUs数据检测电力网络拓扑变化，采用局部线性化和新滤波方法提高效率，实验验证于IEEE 57/118节点及波兰冬季峰值网络。
2016-07-22 cs.SY eess.SY
Calculate Center-of-Inertia Frequency and System RoCoF Using PMU Data
电力系统频率对系统的整体稳定性很重要。然而，由于系统惯性的分布性质和在一个同步系统中不同发电机转子电速度的小不一致性，不存在系统频率的单个测量点。提出了一种利用多点PMU数据更准确地计算系统惯性中心频率和频率变化率的新方法。进一步使用COI频率和RoCoF值来帮助快速估计频率事件的不平衡MW量。在美国东部互联系统中的实际测量结果验证了该方法的有效性。
2021-04-22 cs.SY eess.SY
Model-Free MLE Estimation for Online Rotor Angle Stability Assessment with PMU Data
Shandong University（山东大学）；Argonne National Laboratory（阿贡国家实验室）；Institute of Electric Power System, China Electric Power Research Institute（中国电力科学研究院电力系统研究所）
本文提出一种基于递推最小二乘法的无模型最大李雅普诺夫指数估计方法，用于实时评估转子角度稳定性，通过合理选择Theiler窗口和MLE初始时间步长，有效区分不同稳定性条件下的特征曲线。
2017-02-13 cs.SY eess.SY
The Effect of Phasor Measurement Units on the Accuracy of the Network Estimated Variables
Power and Water University of Technology（电力与水务科技大学）
本文研究了将PMU数据与传统测量相结合的方法及仅使用PMU数据的线性状态估计方法，通过IEEE 14和30测试系统验证了PMU对变量精度的影响。
2017-03-19 cs.SY eess.SY math.OC
SDP-based State Estimation of Multi-phase Active Distribution Networks using micro-PMUs
NEC Laboratories America, Inc.（NEC美国实验室）
本文提出基于SDP的状态估计方法，解决多相活性配电网中的可观测性问题，通过生成额外测量数据和网络分离算法，提高噪声鲁棒性，并在单相和多相测试系统中验证算法有效性。
2015-04-14 cs.SY eess.SY
Efficient convex optimization for optimal PMU placement in large distribution grids
Delft University of Technology（代尔夫特理工大学）；Austrian Institute of Technology（奥地利技术研究所）
本文研究了如何通过高效凸优化算法提高大规模三相耦合不平衡配电网络的状态估计精度，提出了一种计算高效的算法来计算最优解的下界，并在IEEE 8500节点标准测试馈线上验证了该方法的有效性。
2019-07-23 cs.SY eess.SY
An Adaptive MMC Synchronous Stability Control Method Based on Local PMU measurements
减小电流是模块化多电平换流器（MMC）交流侧短路故障时保证同步稳定的常用方法。然而，交流系统故障定位的不确定性导致故障期间最大允许稳定操作电流的显著差异。提出了一种基于本地相量测量单元（PMU）测量的自适应MMC故障电流控制方法。基于估计的戴维南等效（TE）参数的系统，电流可以直接计算，以确保最大输出功率的MMC在故障期间。这种控制方法不依赖于离线仿真，并自适应各种故障条件。首先通过电压阈值和参数约束来选择有效的测量值，这使得我们能够处理由于系统侧的变化而引起的误差。所提出的TE估计方法可以快速跟踪系统阻抗的变化，而不依赖于初始值，并可以处理大扰动后的TE电位变化。仿真结果表明，故障后TE估计能够准确跟踪TE参数，MMC故障时的电流控制指令能够保证MMC的最大输出功率。
2020-06-19 cs.SY eess.SY
Online PMU-Based Method for Estimating Dynamic Load Parameters in Ambient Conditions
本文提出了一种新的纯测量为基础的方法，估计动态负荷参数在近实时随机负荷波动时存在。通过利用回归定理的Ornstein-Uhlenbeck过程，所提出的方法可以提供高度准确的估计，而不需要任何信息的电力系统模型。此外，利用递归，在线算法开发的动态负载参数估计在近实时。IEEE 39节点系统的仿真研究表明，无模型方法的准确性，其对测量噪声的鲁棒性，以及其令人满意的性能，在跟踪负载参数的实时变化。
2020-02-19 cs.SY eess.SY
Transmission line parameter identification using PMU measurements
Arizona State University（亚利桑那州立大学）；Salt River Project（盐河项目）
本文提出一种基于线性估计理论的新方法，用于更可靠地识别输电线路参数，包括正序、负序和零序参数及不同序之间的互阻抗，适用于各种输电线路情况。
2017-06-15 cs.SY eess.SY
A Practical Approach Towards Inertia Estimation Using Ambient Synchrophasor Data
本文提出一种利用环境PMU数据和摆动方程分区形式估计电力系统惯量的实用方法，通过考虑参数测量不确定性并利用运行知识确定机械功率恒定区间，实现了对惯量等常数的精确估计。
2025-08-11 cs.SY eess.SY
A Bi-Level Stochastic Game Model for PMU Placement in Power Grid with Cybersecurity Risks
本文针对存在数据完整性攻击风险的电网PMU布点问题，提出一种双层随机非合作博弈模型，在IEEE-9节点系统中实现降低9%部署成本的同时保持网络可观测性。
2023-04-15 cs.CR cs.SY eess.SY
Machine Learning Assisted Inertia Estimation using Ambient Measurements
随着基于转换器的可再生资源的日益普及，不同类型的动态已被引入到电力系统。由于现代电力系统的复杂性和高阶性，使得基于数学模型的惯性估计方法变得更加困难。提出了两种基于长递归卷积神经网络（LRCN）和图卷积神经网络（GCN）的机器学习辅助惯性估计方法。信息特征提取通过相量测量单元（PMU）收集的环境测量。空间结构的高维特征和图形信息，然后结合，以提高精度的惯性估计。在IEEE 24节点系统上进行了案例研究。所提出的基于LRCN和GCN的惯性估计模型的精度分别达到97.34%和98.15%。此外，所提出的零代注入总线的最优PMU布局（ZGIB-PLAN）已被证明是能够最大限度地提高系统的可观测性，从而提高了所有提出的惯性估计模型的性能。
2022-12-21 cs.SY eess.SY
Graph-based Faulted Line Identification Using Micro-PMU Data in Distribution Systems
针对分布式电源（DG）的普及和微相量测量单元（μ PMU）的快速发展，提出了一种基于图的配电网故障选线新算法。该方法的核心是应用先进的配电系统状态估计（DSSE）技术结合μPMU数据的故障定位。提出了一种分布式DSSE算法，有效地限制了相邻μ PMU间馈线故障源的搜索范围。在此基础上，进一步采用分层结构进行DSSE，确定故障源的位置。此外，所提出的方法捕获DG对配电系统运行的影响，并保持强大的高电平噪声测量。数值仿真验证了所提出的方法的准确性和效率在各种故障场景下，涵盖多种故障类型和故障阻抗。
2020-02-25 cs.SY eess.SY
Vectorized Gaussian Belief Propagation for Near Real-Time Fully-Distributed PMU-Based State Estimation
Faculty of Electrical Engineering, University of Sarajevo（萨拉热窝大学电气工程学院）；Institute for Automation of Complex Power Systems, E.ON Energy Research Center, RWTH Aachen University（亚琛工业大学E.ON能源研究中心复杂电力系统自动化研究所）；Fraunhofer FIT（弗劳恩霍夫FIT研究所）；Faculty of Technical Sciences, University of Novi Sad（诺维萨德大学技术科学学院）
本文提出了一种向量化的高斯信念传播框架，用于基于相量测量单元的状态估计，以实现准确、可扩展、分布式和近实时的状态估计，提高电力系统的监控和控制效率。
2026-04-13 cs.IT cs.SY eess.SY
State Estimation in Electric Power Systems Leveraging Graph Neural Networks
The Institute for Artificial Intelligence Research and Development of Serbia（塞尔维亚人工智能研发研究所）
状态估计（SE）算法的目标是基于电力系统中的可用测量集合来估计作为状态变量的复杂母线电压。由于相量测量单元（PMU）越来越多地用于输电系统中，因此需要一种能够利用PMU的高采样率的快速SE求解器。本文提出了训练一个图神经网络（GNN）学习的估计给定的PMU电压和电流测量作为输入，在评估阶段获得快速和准确的预测的意图。GNN使用合成数据集进行训练，这些数据集是通过随机采样电力系统中的测量数据集并使用带有PMU求解器的线性SE获得的解决方案对其进行标记而创建的。所呈现的结果显示了GNN预测在各种测试场景中的准确性，并解决了预测对缺失输入数据的敏感性。
2022-04-12 cs.IT cs.LG cs.SY
Targeted False Data Injection Attacks Against AC State Estimation Without Network Parameters
状态估计是用于将冗余仪表测量和其它信息转换成电力系统的状态的估计的数据处理算法。状态估计严重依赖仪表测量，已被证明易受网络攻击。提出了一种新的针对AC状态估计的有针对性的虚假数据注入攻击模型。利用在环境条件下的固有负载动态和Ornstein-Uhlenbeck过程的重要属性，我们从入侵者的角度来看，设计了一种算法，纯粹从PMU数据中提取电力网络参数，进一步用于构建FDIA矢量。FDIA模型不需要网络参数，仅依赖于有限的相量测量单元（PMU）数据，可以针对特定的状态，并发起大偏差攻击。提出的FDIA模型的充分条件也被开发。在IEEE 39节点系统中对各种攻击向量和攻击区域进行了研究，结果表明，所提出的FDIA方法可以成功绕过不良数据检测，以很高的概率发起有针对性的大偏差攻击。
2021-08-26 cs.SY eess.SY
Vulnerability Analysis of Smart Grids to GPS Spoofing
The Univ. of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）
本文研究智能电网中GPS欺骗攻击对PMU的影响，提出优化问题识别最脆弱的PMU，并开发贪心算法和高效交替最小化算法进行状态估计和攻击重建。
2018-04-25 cs.CR cs.SY eess.SP
Deep Generative Model-Aided Power System Dynamic State Estimation and Reconstruction with Unknown Control Inputs or Data Distributions
本文提出利用AIGC深度生成模型辅助电力系统DSE，通过编码器-解码器、鲁棒编码器、潜在扩散模型和轻量适配器应对未知输入、异常测量与通信问题。
2025-01-06 cs.SY eess.SY
Data-driven Estimation of the Power Flow Jacobian Matrix in High Dimensional Space
本文研究了在高维空间中利用数据驱动方法估计功率流雅可比矩阵，通过理论分析和模型计算获得基准值，并详细探讨了基于最小二乘误差和神经网络偏差估计的算法，分析了其理论、方程、推导、代码、优缺点及应用场景。
2019-02-17 cs.SY eess.SY
Revisiting the Optimal PMU Placement Problem in Multi-Machine Power Networks
本文针对现有研究忽略代数潮流方程、可再生能源及不确定性的不足，基于非线性微分代数表示和移动视界估计重新构建可观测性最优PMU配置问题，并将其转化为可求解的整数规划，通过标准电网仿真验证了方法的有效性。
2024-10-21 cs.SY eess.SY math.OC
Risk Mitigation for Dynamic State Estimation Against Cyber Attacks and Unknown Inputs
the University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）；Argonne National Laboratory（阿贡国家实验室）；Purdue University（普渡大学）
本文提出基于动态状态估计的风险缓解策略，用于消除电网中未知输入和潜在网络攻击带来的威胁。通过动态状态估计器同时估计系统状态和未知输入，结合攻击检测算法，利用优化框架确定最受影响的PMU测量，并通过案例研究验证方法有效性。
2016-05-19 cs.CR cs.SY eess.SY
Observers for Differential Algebraic Equation Models of Power Networks: Jointly Estimating Dynamic and Algebraic States
相量测量单元（{PMU}）已经成为现代电力系统中用于实现实时、广域监测和控制的工具。因此，许多研究已经调查了有效的和鲁棒的动态状态估计（DSE）方法，以准确地计算发电机组的动态状态。然而，他们中的大多数人放弃了电力网络的动态代数性质，只考虑其非线性动态表示。针对目前基于电力网络微分代数方程（DAE）的DSE方法的不足，提出了一种新的基于微分代数方程的DSE框架，用于同时估计多机电力网络的动态和代数状态。具体而言，我们利用围绕工作点的电力网络的DAE动态，并将其与能够捕获总线电压和线路电流的基于PMU的测量模型相结合。建议的$\mathcal{H}_{\infty}$观测器，它只需要检测性和脉冲可观测性的条件，满足各种电力网络，被设计为处理各种噪声，未知输入，和输入传感器故障。对IEEE $9$总线和$39$总线系统进行了大量的数值模拟，结果表明了所提出的方法用于DSE目的的有效性。
2022-05-04 cs.SY eess.SY
Two-level Robust State Estimation for Multi-Area Power Systems Under Bounded Uncertainties
针对量测和网络参数存在不确定性的大规模电力系统，提出了一种两级鲁棒状态估计方法。电力网络中的有界数据不确定性（BDU）是一种结构化的不确定性，在实际系统中不可避免地会出现这种不确定性。在所提出的方法中，相应的网络首先分解成更小的子系统（区域），然后提出了一个两级算法的状态估计。在该算法中，在第一级，每个区域使用加权最小二乘（WLS）技术来估计自己的状态的基础上的鲁棒混合估计利用相量测量单元（PMU），在第二级，中央协调器处理所有的结果从子区域，并给出了整个系统的鲁棒估计。IEEE 30节点测试系统的仿真结果验证了所提出的多区域鲁棒估计器的准确性和性能。
2022-12-13 cs.SY eess.SY
State Observation of Power Systems Equipped with Phasor Measurement Units: The Case of Fourth Order Flux-Decay Model
如何有效地利用相量测量单元（PMU）来提高电力系统的安全性和可靠性是一个重要的研究课题。要解决的核心问题是如何使用这些新的测量来重建系统的状态。本文首次提出了用四阶磁通衰减模型描述的含PMU的多机电力系统状态估计问题的全局收敛解。这项工作是一个显着的扩展，我们以前的结果，这个问题是解决了更简单的三阶模型，它是可能的，以恢复代数部分的未知状态。不幸的是，这个属性在更精确的四阶模型中丢失了，这使得状态观测任务显着复杂化。观测器的设计依赖于作者提出的两个最新发展，一个基于参数估计的方法来解决状态估计的问题，并使用动态回归扩展和混合（DREM）技术来估计这些参数。DREM的使用使我们能够克服缺乏持续激励的问题，这阻碍了标准参数估计设计的应用。仿真结果说明了后者的事实，并显示改进的性能相对于一个局部稳定的基于梯度下降的观察员所提出的观察员。
2020-04-15 cs.SY eess.SY math.OC
Long-Term Recurrent Convolutional Network-based Inertia Estimation using Ambient Measurements
传统的同步电机逐渐被基于变流器的可再生资源所取代。因此，同步转动惯量作为一个重要的时变量，对现代电力系统的稳定性有着重要的影响。随着可再生能源的日益集成，传统电力系统的动态特性发生了变化，因此，利用数学模型估计系统惯性变得更加困难。在本文中，我们提出了一种新的学习辅助惯性估计模型的基础上，长期递归卷积网络（LRCN），使用系统的频率和相电压测量。所提出的方法使用非侵入式探测信号扰动系统和收集环境测量与相量测量单元（PMU）训练建议LRCN模型。在IEEE 24节点系统上进行了案例研究。在信噪比为60dB的条件下，基于LRCN的惯性估计模型的估计精度为97.56%，均方误差为0.0552。此外，在45dB的低信噪比下，所提出的学习辅助惯性估计模型仍然能够达到93.07%的高精度。
2021-12-02 cs.SY eess.SY
A WLAV-based Robust Hybrid State Estimation using Circuit-theoretic Approach
为了保证电网的安全可靠运行，交流状态估计（ACSE）必须在保证收敛性的同时，对坏数据具有一定的弹性。本文提出了一种基于电路理论加权最小绝对值（WLAV）的混合ACSE，以满足这些需求，克服现有ACSE方法的一些局限性。混合是指包含RTU和PMU测量数据，并且LAV目标函数的使用能够自动拒绝不良数据，同时从稀疏残差向量中提供可疑测量的清晰识别。利用电路理论方法中测量模型的线性构造，提出的混合SE被表示为保证收敛的LP问题。为了解决效率问题，我们进一步开发了针对特定问题的快速收敛算法。为了验证所提出的方法的有效性，我们运行ACSE的大型情况下，并与基于WLS的算法的结果进行比较。我们进一步证明了我们的解决方案方法的优势，通过比较运行时间和收敛性能的标准商业LP求解器。
2021-02-28 cs.SY eess.SY
Measurement-Based Line-Impedance Estimation in the Absence of Phasor Measurement Units
本文针对无相量测量单元的低压配电网，提出基于雅可比矩阵解析推导的线路阻抗估计方法，并通过实验比较其在最小二乘框架下的估计性能与收敛速度。
2025-05-07 cs.SY eess.SY
Synchrophasors and Synchrowaveforms for the Distribution Grid: The SoCal 28-Bus Dataset
California Institute of Technology（加州理工学院）
本文提供一个真实配电网的同步相量和波形测量数据集，包含多种发电资源、负载及拓扑变化，支持状态估计、系统辨识等应用，同时提供同步波形用于分析谐波和稳定性。
2026-05-07 cs.SY eess.SY
Dynamic Estimation of Power System Inertia Distribution Using Synchrophasor Measurements
间歇性可再生能源在现代电力系统中的集成增长非常快。用零到低可变可再生能源替换同步发电机大大降低了系统惯性。在大型系统中，惯性分布可能变化很大，低惯性区域更容易受到频偏的影响，从而带来甩负荷和发电跳闸的风险。因此，有必要对系统的惯性及其分布进行实时评估和量化。提出了一种基于同步相量测量单元（PMU）的动态系统惯量估计方法。建议的惯性估计方法是使用电气距离和聚类算法，它考虑了测量相对于馈入负载的位置和振荡的影响。在估计过程中还确定了惯性中心（COI）区域和低惯性区域。采用DSATools的核心模块-暂态安全分析工具（TSAT）对IEEE 24节点系统进行了不同负荷配置的数值仿真，验证了该方法的有效性。
2020-06-20 cs.SY eess.SP eess.SY
Lie Algebraic Unscented Kalman Filter for Pose Estimation
Norwegian University of Science and Technology (NTNU)（挪威科技大学（NTNU））
提出了一种基于矩阵李群的无迹卡尔曼滤波器，其中状态的时间传播在李代数上表示。这是用对数的运动微分方程完成的，其中使用右雅可比矩阵的逆。sigma点可以表示为向量形式的矩阵，sigma点的时间传播以及均值和协方差的计算可以在李代数上完成。所得公式在很大程度上基于矢量形式的矩阵，因此更接近于$\mathbb{R}^n$中系统的UKF。这给出了一个优雅的和结构良好的配方，提供了额外的洞察力的问题，这是计算效率。所提出的方法是特别制定和研究的矩阵李群$SE(3)$。对右雅可比矩阵和左雅可比矩阵进行了讨论，并导出了$SE(3)$上右雅可比矩阵的逆矩阵的一种新的封闭形式解，该解给出了一种包含较少矩阵运算的紧凑表示.所提出的方法在仿真中进行了验证。
2020-04-30 cs.RO cs.SY eess.SY
Jacobian Exploratory Dual-Phase Reinforcement Learning for Dynamic Endoluminal Navigation of Deformable Continuum Robots
The Department of Electronic Engineering, The Chinese University of Hong Kong（电子工程系，香港中文大学）
针对可变形连续体机器人腔内导航的规划难题，提出融合雅可比估计与策略执行的双阶段强化学习框架JEDP-RL，通过局部探索估计雅可比并增强状态表示，在收敛速度、导航效率与泛化性上均显著优于PPO基线。
2025-08-30 cs.AI cs.RO cs.SY
