一種基于協(xié)同粒子群的配電網(wǎng)狀態(tài)估計(jì)方法
【專利摘要】本發(fā)明提供一種基于協(xié)同粒子群的配電網(wǎng)狀態(tài)估計(jì)方法，包括以下步驟：步驟l：載入配網(wǎng)系統(tǒng)及其量測(cè)配置；步驟2：初始化主種群M和協(xié)同種群集合C；步驟3：判斷是否滿足協(xié)同條件，若滿足執(zhí)行步驟4，否則執(zhí)行步驟6；步驟4：對(duì)主種群M中粒子進(jìn)行求解；步驟5：判斷是否滿足收斂條件，若滿足則狀態(tài)估計(jì)結(jié)束，否則轉(zhuǎn)步驟3；步驟6：對(duì)協(xié)同種群集合C進(jìn)行求解。本發(fā)明以節(jié)點(diǎn)電壓的實(shí)部和虛部為狀態(tài)變量，計(jì)算支路電流、支路首端復(fù)功率和節(jié)點(diǎn)注入復(fù)功率，運(yùn)用最小二乘方法計(jì)算目標(biāo)函數(shù)以衡量計(jì)算量和測(cè)量量之間的接近程度，基于粒子問的交互更新狀態(tài)變量，基于種群?jiǎn)柕膮f(xié)同提升算法尋優(yōu)能力；實(shí)驗(yàn)結(jié)果表明該方法具有良好的適應(yīng)性和收斂性。
【專利說明】一種基于協(xié)同粒子群的配電網(wǎng)狀態(tài)估計(jì)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種估計(jì)方法，具體涉及一種基于協(xié)同粒子群的配電網(wǎng)狀態(tài)估計(jì)方法。
【背景技術(shù)】
[0002]配電網(wǎng)狀態(tài)估計(jì)(Distribution State Estimation, DSE)是一種利用測(cè)量數(shù)據(jù)的相關(guān)性和冗余度，應(yīng)用計(jì)算機(jī)技術(shù)，采用數(shù)學(xué)處理的方法來對(duì)運(yùn)行參數(shù)進(jìn)行預(yù)測(cè)、擬合、糾錯(cuò)處理，以提高數(shù)據(jù)的可靠性與完整性，從而有效地獲得配電網(wǎng)實(shí)時(shí)狀態(tài)信息。DSE是配電網(wǎng)各種分析仿真高級(jí)應(yīng)用的數(shù)據(jù)基礎(chǔ)。
[0003]輸電網(wǎng)狀態(tài)估計(jì)有較為豐富的理論基礎(chǔ)，但配電網(wǎng)具有不同于輸電網(wǎng)的顯著特點(diǎn)。配電網(wǎng)實(shí)時(shí)量測(cè)配置少，數(shù)據(jù)冗余度不足；網(wǎng)絡(luò)負(fù)荷較重、偽量測(cè)精度較低、使用了大量的控制設(shè)備，使得算法收斂困難；因此需要對(duì)配電網(wǎng)狀態(tài)估計(jì)進(jìn)行深入研究。
[0004]配電網(wǎng)狀態(tài)估計(jì)的研究主要集中在估計(jì)精度和收斂性能領(lǐng)域。如基于等效功率變換提升數(shù)據(jù)吸納能力，運(yùn)用模糊匹配方法提升計(jì)算速度和魯棒性，基于測(cè)量不確定度方法提升處理不良數(shù)據(jù)的能力；它們從不同角度提高了配電網(wǎng)狀態(tài)估計(jì)性能，但未提及量測(cè)配置和收斂性能。在考慮量測(cè)配置的研究中，有的分析了導(dǎo)納矩陣與收斂性之間的關(guān)系，但沒有說明量測(cè)誤差對(duì)收斂性的影響；有的提出基于網(wǎng)絡(luò)分解的區(qū)域解耦配電網(wǎng)狀態(tài)估計(jì)算法，詳細(xì)分析了量測(cè)配置的特性，但實(shí)驗(yàn)對(duì)象比較簡(jiǎn)單；有的提出一種適用于支路電流幅值量測(cè)為主的配網(wǎng)狀態(tài)估計(jì)方法，對(duì)網(wǎng)絡(luò)可觀測(cè)性、算法性能進(jìn)行了探討，但沒有對(duì)支路電流或功率量測(cè)覆蓋度指標(biāo)進(jìn)行實(shí)驗(yàn)分析。由此可見，開展配電網(wǎng)狀態(tài)估計(jì)研究需要對(duì)大量偽量測(cè)環(huán)境下算法的收斂性和準(zhǔn)確性進(jìn)行深入研究。
[0005]粒子群優(yōu)化算法(Particle Swarm Optimization, PSO),以其突出的準(zhǔn)確性、可靠性、魯棒性、效率、多樣性和相關(guān)性，是實(shí)現(xiàn)配電網(wǎng)狀態(tài)估計(jì)比較好的求解方法。但配電網(wǎng)結(jié)構(gòu)復(fù)雜、設(shè)備多樣、數(shù)據(jù)量大，容易導(dǎo)致PSO陷入“維數(shù)災(zāi)”的困境。當(dāng)前的粒子群狀態(tài)估計(jì)算法，有的未能詳細(xì)說明狀態(tài)估計(jì)與粒子群優(yōu)化的混合算法模型，有的嚴(yán)格控制了狀態(tài)變量的維數(shù)且實(shí)驗(yàn)對(duì)象網(wǎng)絡(luò)規(guī)模較小，有的沒有提出提升PSO全局尋優(yōu)能力的辦法。因此，對(duì)于配電網(wǎng)狀態(tài)估計(jì)粒子群算法，仍需對(duì)其收斂性、尋優(yōu)能力進(jìn)行深入的研究。

【發(fā)明內(nèi)容】

[0006]為了克服上述現(xiàn)有技術(shù)的不足，本發(fā)明提供一種基于協(xié)同粒子群的配電網(wǎng)狀態(tài)估計(jì)方法，以節(jié)點(diǎn)電壓的實(shí)部和虛部為狀態(tài)變量，計(jì)算支路電流、支路首端復(fù)功率和節(jié)點(diǎn)注入復(fù)功率，運(yùn)用最小二乘方法計(jì)算目標(biāo)函數(shù)以衡量計(jì)算量和測(cè)量量之間的接近程度，基于粒子間的交互來更新狀態(tài)變量，基于種群間的協(xié)同提升算法尋優(yōu)能力；實(shí)驗(yàn)結(jié)果表明該方法法具有良好的精度、適應(yīng)性和收斂性。
[0007]為了實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明采取如下技術(shù)方案:
[0008]提供一種基于協(xié)同粒子群的配電網(wǎng)狀態(tài)估計(jì)方法，所述方法包括以下步驟:[0009]步驟1:載入配網(wǎng)系統(tǒng)及其量測(cè)配置；
[0010]步驟2:初始化主種群M和協(xié)同種群集合C ；
[0011]步驟3:判斷是否滿足協(xié)同條件，若滿足執(zhí)行步驟4，否則執(zhí)行步驟6 ;
[0012]步驟4:對(duì)主種群M中粒子進(jìn)行求解；
[0013]步驟5:判斷是否滿足收斂條件，若滿足則狀態(tài)估計(jì)結(jié)束，否則轉(zhuǎn)步驟3 ；
[0014]步驟6:對(duì)協(xié)同種群集合C進(jìn)行求解。
[0015]所述步驟I中，進(jìn)行拓?fù)浞治?，確定搜索方向，進(jìn)行節(jié)點(diǎn)編號(hào)，生成節(jié)點(diǎn)導(dǎo)納矩陣Y與節(jié)點(diǎn)-支路關(guān)聯(lián)矩陣A。
[0016]所述步驟2中，基于量測(cè)的節(jié)點(diǎn)注入復(fù)功率與平衡節(jié)點(diǎn)電壓進(jìn)行潮流分析算出節(jié)點(diǎn)電壓向量V，以之作為初始化參考值；初始化主種群M，包括粒子當(dāng)前位置、個(gè)體最優(yōu)位置和全局最優(yōu)位置，并計(jì)算其對(duì)應(yīng)適應(yīng)度，初始速度V (O) = O ；
[0017]適應(yīng)度函數(shù)F(X)表示為:
【權(quán)利要求】
1.一種基于協(xié)同粒子群的配電網(wǎng)狀態(tài)估計(jì)方法，其特征在于:所述方法包括以下步驟: 步驟1:載入配網(wǎng)系統(tǒng)及其量測(cè)配置； 步驟2:初始化主種群M和協(xié)同種群集合C ； 步驟3:判斷是否滿足協(xié)同條件，若滿足執(zhí)行步驟4，否則執(zhí)行步驟6 ; 步驟4:對(duì)主種群M中粒子進(jìn)行求解； 步驟5:判斷是否滿足收斂條件，若滿足則狀態(tài)估計(jì)結(jié)束，否則轉(zhuǎn)步驟3 ； 步驟6:對(duì)協(xié)同種群集合C進(jìn)行求解。
2.根據(jù)權(quán)利要求1所述的基于協(xié)同粒子群的配電網(wǎng)狀態(tài)估計(jì)方法，其特征在于:所述步驟I中，進(jìn)行拓?fù)浞治?，確定搜索方向，進(jìn)行節(jié)點(diǎn)編號(hào)，生成節(jié)點(diǎn)導(dǎo)納矩陣Y與節(jié)點(diǎn)-支路關(guān)聯(lián)矩陣A。
3.根據(jù)權(quán)利要求1所述的基于協(xié)同粒子群的配電網(wǎng)狀態(tài)估計(jì)方法，其特征在于:所述步驟2中，基于量測(cè)的節(jié)點(diǎn)注入復(fù)功率與平衡節(jié)點(diǎn)電壓進(jìn)行潮流分析算出節(jié)點(diǎn)電壓向量V，以之作為初始化參考值；初始化主種群M，包括粒子當(dāng)前位置、個(gè)體最優(yōu)位置和全局最優(yōu)位置，并計(jì)算其對(duì)應(yīng)適應(yīng)度，初始速度V (O) = O ； 適應(yīng)度函數(shù)F(X)表示為:
4.根據(jù)權(quán)利要求1所述的基于協(xié)同粒子群的配電網(wǎng)狀態(tài)估計(jì)方法，其特征在于:所述步驟3中,協(xié)同條件為:mod(it，ci) ==ci,其中it為當(dāng)前迭代次數(shù),ci為協(xié)同間隔次數(shù)，mod為求取余數(shù)函數(shù),符號(hào)==表示等于。
5.根據(jù)權(quán)利要求1所述的基于協(xié)同粒子群的配電網(wǎng)狀態(tài)估計(jì)方法，其特征在于:所述步驟4中，對(duì)主種群M進(jìn)行求解的過程包括更新粒子的個(gè)體最優(yōu)位置yi(t+l)和全局最優(yōu)位置f(1.l)、計(jì)算粒子t+Ι時(shí)刻的速度Vi (t+Ι)以及粒子t+Ι時(shí)刻的位置Xi (t+Ι)； I)粒子的個(gè)體最優(yōu)位置是第i個(gè)粒子從開始到現(xiàn)在達(dá)到過的最佳位置，t時(shí)刻粒子的個(gè)體最優(yōu)位置yi(t)表示為: Vi W = Iyii (O, (O,..% Vyitl. % Y(9) 其中，Yij (t)為第i個(gè)粒子t時(shí)刻在第j維度上的個(gè)體最優(yōu)位置； 于是t+Ι時(shí)刻粒子的個(gè)體最優(yōu)位置yi(t+l)由下式計(jì)算: 多i) = P)’ r F(0 + _F_)(IO)
1[X1 (/ + I), if F(xf(/ +1)) < Fiyi(O) 其中，Xi(t+1)為第i個(gè)粒子t+1時(shí)刻在搜索空間的位置，F(xiàn)(Xi(t+l))為第i個(gè)粒子t時(shí)刻在搜索空間的位置對(duì)應(yīng)的適應(yīng)度函數(shù)，F(xiàn)(Yi(t))為t時(shí)刻粒子的個(gè)體最優(yōu)位置對(duì)應(yīng)的適應(yīng)度函數(shù)，其取值為:
6.根據(jù)權(quán)利要求1所述的基于協(xié)同粒子群的配電網(wǎng)狀態(tài)估計(jì)方法，其特征在于:所述步驟5中，收斂條件為迭代次數(shù)超過最大次數(shù)限制，或目標(biāo)函數(shù)值小于給定的閾值，即: ii>j'i_limj|F(M.y)<fi'(17) 其中:it為當(dāng)前迭代次數(shù)，為迭代次數(shù)限制，ε為收斂標(biāo)準(zhǔn)，符號(hào)I I表示邏輯關(guān)系或，F(xiàn)(Mj)為主種群M中全局最優(yōu)位置對(duì)應(yīng)的適應(yīng)度值。
7.根據(jù)權(quán)利要求1所述的基于協(xié)同粒子群的配電網(wǎng)狀態(tài)估計(jì)方法，其特征在于:所述步驟6包括以下步驟: 步驟1:更新協(xié)同種群集合C ; 對(duì)種群C」，某個(gè)粒子i，CrX1 =M,,式中i~U(l，ns/2)且i e N，其中，C」.Xi為種群Cj中第i粒子在搜索空間的位置，為主種群M全局最優(yōu)位置中第j維度上的數(shù)值，ns為單個(gè)種群中粒子的數(shù)量，N為自然數(shù)； 步驟2:定義向量
8.根據(jù)權(quán)利要求3所述的基于協(xié)同粒子群的配電網(wǎng)狀態(tài)估計(jì)方法，其特征在于:配電網(wǎng)狀態(tài)估計(jì)以f(x)為最小為目標(biāo)函數(shù)，具體有:
【文檔編號(hào)】G06Q50/06GK104009472SQ201410262284
【公開日】2014年8月27日 申請(qǐng)日期:2014年6月12日 優(yōu)先權(quán)日:2014年6月12日
【發(fā)明者】何開元, 劉科研, 孟曉麗, 盛萬興 申請(qǐng)人:國(guó)家電網(wǎng)公司, 中國(guó)電力科學(xué)研究院