褚晨杰， 吕干云， 贾德香， 吴晨媛， 李军

(1.南京工程学院 电力工程学院，江苏 南京 211167；2.国网能源研究院有限公司，北京 102209；3.国网常州供电公司，江苏 常州 213000)

0 引 言

电压暂降作为电能质量的主要指标之一，它给电力系统和用户的敏感供用电设备造成了一系列严重的问题[1]，包括照明设备、交流接触器、调速电机及多种工业设备的运行异常[2]。

近年来，电压暂降状态估计(voltage sag state estimation, VSSE)的概念被一些学者提出。文献[3]较早提出一种针对辐射型电网的电压暂降状态估计方法，采用最小二乘法搜索故障点所在路径，从而估计非监测节点电压暂降幅值，但该方法在环网中并不适用。文献[4]提出了一种基于实测的统计分析法，根据中高压变电站的暂降特性估计系统的暂降频次，但存在监测设备成本较高、统计结果易受环境和人为因素影响等问题。文献[5-6]等则采用量子粒子群和仿电磁学算法实现了电压暂降频次状态估计，并引入历史故障数据有效提升了估计精度。

本文通过电压暂降频次来刻画和估计电网中的暂降信息。通过可观测区域(monitor reach area,MRA)法配置监测仪安装位置，使用解析式法和故障点法确定故障区间和观测矩阵。然后将历史故障数据和现有监控数据结合，构建VSSE模型。最后将Tent映射具有遍历均匀性、迭代速度快的优点和莱维飞行方式相结合引入粒子群算法，提出一种改进混沌粒子群(chaotic particle swarm optimization, CPSO)算法，增强了全局寻优性能。通过在IEEE 30节点系统中测试，验证了本文算法的准确性和有效性。……