PMU

微型相量测量单元(micro-phasor measurement unit, μPMU)为配电自动化的进一步升级提供了良好的量测基础，但现阶段电网中μPMU数量有限，难以满足传统配电网故障定位的需求。针对该问题，结合电网中μPMU与智能电表等量测设备，并基于虚拟节点的多重状态估计方法，提出了一种基于混合量测状态估计的故障定位方法。首先，通过等效变换将μPMU和智能电表的测量信息输入到故障状态估计器当中。然后，利用μPMU将网络划分为不同的区域。根据状态估计结果计算故障电流，缩小故障搜索区域以减少计算复杂度。为了识别区域内的故障位置，通过设置附加虚拟故障节点形成多种特定的故障拓扑结构并执行多重状态估计，计算出用于识别故障位置的加权测量残差指标，以确定故障位置。最后，在实时仿真系统(real-time digital simulation, RTDS)中进行仿真测试，结果表明所提方法在不同故障场景下均能准确有效地定位故障，且对量测误差具有较好的鲁棒性。

随着可再生能源和高压直流输电的快速发展，次超同步振荡事故频发，对现有电力系统振荡的在线监测提出了更高要求。为此，提出了一种基于同步相量数据幅频特征的次超同步振荡模式辨识方法。首先分析了次同步振荡和超同步振荡对同步相量测量装置(phasor measurement unit, PMU)数据的影响机制，结果表明，PMU数据的正负频谱与次超同步振荡的模态线性相关。其次利用多点PMU数据相干谱判别振荡与噪声，有效减少了噪声引起的误判断。然后对次超同步振荡下的PMU数据开展频谱分析，建立了4个幅频特征量，并将振荡数据的特征集合作为输入训练并优化极限梯度提升树(extreme gradient boosting, XGBoost)模型，建立幅频特征与振荡模式的映射关系。所提方法利用振荡环境下PMU数据的固有幅频特征以及XGBoost算法强大的泛化性与计算效率，实现了噪声环境下次超同步振荡模式的快速、准确辨识。最后，利用仿真数据和实测数据验证了所提方法的有效性和实用性。

随着越来越多的分布式新能源电源和新能源汽车接入配电网，配电网的安全可靠运行面临挑战。国网上海市电力公司联合13家单位开展基于微型同步相量测量的智能配电网运行关键技术研究和示范应用。

某省区WAMS（广域测量系统）中某智能变电站数字化PMU（相量测量单元）偶尔出现频率跳变现象。首先，调取频率跳变时刻的动态数据记录和录波文件，结合现场运行方式进行分析，得出两次频率跳变事件的原因。然后，通过调整智能终端模拟量阈值、改进SV（采样值）组网模式、划分交换机VLAN（虚拟局域网）、调整装置带宽阈值，解决了SV丢点造成的频率波动；同时对SV补点提升PMU装置SV异常容错能力，丢帧数小于3不会造成频率波动超限。接着，查找现场扰动源，分析扰动造成PMU频率波动的原因，提出基于触发录波文件的扰动快速识别方法。最后，通过实验验证了所提方法的有效性。

针对因配电网节点数目多但投资成本少造成的同步相量测量单元（phasor measurement unit，PMU）供需不平衡问题，建立了考虑PMU配置个数、状态估计误差的PMU多目标优化配置模型，优化问题的目标是最小化所需的PMU个数和最小化状态估计误差。并提出一种改进鲸鱼优化算法来求解模型。首先引入非支配排序和拥挤度计算来选择并排序Pareto非支配解，保证算法求解全局最优值的能力，其次引入Levy飞行策略对鲸鱼优化算法的螺旋更新位置进行变异扰动，使算法不易陷入局部最优。最后，采用优化配置模型对IEEE 33标准节点系统进行仿真计算。结果表明，与遗传算法和粒子群算法相比，采用改进鲸鱼优化算法求解PMU多目标优化配置模型具有更高的可行性和有效性。

该项目基于广域同步和云边协同技术开展配电网接地选线研究与应用，通过运用全域北斗对时技术、高频采样技术、大动态范围高精度测量技术、三相无线精确同步技术，进一步提升三相电流采样幅值精度并降低角度误差，提升单相接地故障信息提取精准度；通过 PMU 零压越限同步触发全域录波控制，解决了不同节点录波启动时刻不一致问题；通过故障信息云边协同精准研判技术，实现对全域故障特征的综合精准研判，并结合拓扑图准确判断故障区段。更好地提升了配电网故障精准选线、故障区域精确定位、故障区域快速隔离效果，进一步缩短故障排查时间、减小停电损失、提高供电可靠性和安全性。

电网实时运行可视化分析预警系统（以下简称系统）根据“以调度员思维模式为框架，以可视化界面为功能模块，以互动计算为系统核心”的思路，利用电网EMS实时数据、状态估计数据、PMU数据、水调自动化系统数据、保护信息及气象数据等各种信息，实现电网运行信息从静态、二维平面、孤立数据的展示方式向动态、三维立体、虚拟现实的展示方式转变，从电网充裕度、安全性、脆弱性和可控性等方面进行理论研究、算法实现及可视化表达，在可视化互动计算、低频振荡快速检测、电网运行整体态势指标可视化、水库及发电能力可视化计算、人工智能驱动的输电断面安全状态快速评估、深度学习驱动的电力系统暂态稳定预防控制决策，以及基于图数据库的人机交互等方面达到国内领先水平，具有完全自主知识产权，整体上属国内首创。系统实现了信息融合、智能告警、动态监视、海量数据阅读、超实时仿真和高性能计算、基于人工智能的电网安全稳定分析、虚拟现实，以及基于图数据库的人机交互等功能。系统设计合理，反映了电网理论计算和计算机技术的最新成果，主要技术性能指标均满足设计要求，实用化程度高，且贴近调度生产需求，为电网调度运行提供一个准确及时掌握电网实时运行态势的分析决策平台，提高了调度人员对电网运行的监控能力，实现传统电网调度模式向智能电网调度模式转换，有效提高了电网安全生产水平。

可观性依赖于完善的量测通信网络和数据分析手段，需要实时感知配电系统运行状态，准确预测未来发展趋势，进而有效降低运行不确定性。可观性的提升以量测终端的优化配置为起点，通过多源数据的集成利用，实现配网运行状态感知和调控参数估计，满足系统的运行调控需求。考虑网络拓扑变化、线路参数可获取性和零注入节点影响，统筹PMU、SCADA、 AMI等多源数据，实现以提高可观性为前提的优化量测配置。

相量测量单元（phasor measurement unit，PMU）是智能电网的重要组成部分，能精准同步采集电力数据。由于PMU使用全球定位系统（global positioning system，GPS）提供时间同步参考，容易遭受GPS欺骗攻击（GPS spoofing attack，GSA），影响正常的数据采集。现有GSA防御方法的修复精度较低且需要额外的硬件成本。为了解决上述问题，提出一种基于双向长短期记忆网络与自注意力机制生成对抗网络的GSA防护方法。首先，提出一种改进的带梯度惩罚的Wasserstein生成对抗网络（Wasserstein generative adversarial network with gradient penalty，WGAN-GP）模型，重新设计原有生成器和判别器的网络架构，并在生成器和判别器中分别引入双向长短期记忆网络以及自注意力机制，提升模型的生成性能和鉴别能力。其次，基于所提出的WGAN-GP模型，构建了一种GSA防御模型，其包含攻击检测网络和数据修复网络2个模块，分别用于检测智能电网GSA和修复受损的PMU测量数据。最后，在IEEE-39总线系统中模拟GSA攻击，并在相应的数据集验证方法的有效性。结果表明，与现有方法对比，所提方法在大部分性能指标上取得了领先的性能。

某省区WAMS（广域测量系统）中某智能变电站数字化PMU（相量测量单元）偶尔出现频率跳变现象。首先，调取频率跳变时刻的动态数据记录和录波文件，结合现场运行方式进行分析，得出两次频率跳变事件的原因。然后，通过调整智能终端模拟量阈值、改进SV（采样值）组网模式、划分交换机VLAN（虚拟局域网）、调整装置带宽阈值，解决了SV丢点造成的频率波动；同时对SV补点提升PMU装置SV异常容错能力，丢帧数小于3不会造成频率波动超限。接着，查找现场扰动源，分析扰动造成PMU频率波动的原因，提出基于触发录波文件的扰动快速识别方法。最后，通过实验验证了所提方法的有效性。