电-热综合能源系统双线性抗差状态估计

"本文主要介绍了一种面向电-热综合能源系统的双线性抗差状态估计方法，旨在提高状态估计的准确性和效率。该方法针对电-热综合能源系统（IEHS），通过引入辅助变量建立线性加权最小绝对值（WLAV）模型，并通过一次非线性变换和二次规划模型的求解来获取状态变量的估计值。这种方法的优势在于它能有效识别强相关性的多不良数据，并且避免了非线性迭代，从而提高了计算效率。在实际的IEHS测试系统上，该方法的有效性得到了验证。" 文章中提到的热电联供系统（CHP）是综合能源系统（IES）的重要组成部分，能够同时产生电能和热量，具有较高的能源利用效率。随着对能源效率和环保要求的提高，研究电-热综合能源系统的状态估计方法显得尤为重要。传统的状态估计方法可能在处理强相关性不良数据时效果不佳，而本文提出的双线性抗差状态估计方法解决了这一问题。 状态估计在能源系统监控和优化中起到关键作用，它能提供系统运行的实时、精确信息，有助于决策者做出更好的能源管理决策。文献回顾表明，已有研究关注于热网能量传输模型以及IEHS内的各种耦合关系，但针对强相关性不良数据的处理仍然是一个挑战。因此，本文的方法为电-热综合能源系统的状态估计提供了一种新的有效工具。 在实现方法的过程中，首先通过线性加权最小绝对值模型来近似非线性的量测方程，这种方法可以更有效地处理异常数据。然后，通过一次非线性变换，将WLAV模型转化为二次规划问题，这不仅简化了计算过程，还确保了估计过程的稳定性。二次规划是一种广泛应用的优化方法，它在解决约束条件下求解目标函数最小化的问题时有很好的性能。 实验部分，作者在搭建的IEHS测试系统上应用了提出的双线性抗差状态估计方法，结果证实了该方法在处理强相关性不良数据时的优越性能和高计算效率。这为实际电-热综合能源系统的运行管理和故障诊断提供了强有力的技术支持。 这篇论文为电-热综合能源系统的状态估计提供了一个创新的解决方案，特别是在面对大量异常数据时，该方法表现出较高的辨识能力和计算效率。这一研究对于推动综合能源系统的智能化和高效化运行具有重要的理论价值和实践意义。