CN104967121A - 一种大规模电力系统节点的潮流计算方法 - Google Patents

Abstract

本发明提供一种大规模电力系统节点的潮流计算方法，将传统的导纳矩阵和参数向量数据以键值对形式存储；每一个Mapper从K-V数据库中读出一个键值对<key,value>，作为输入；每个Mapper根据输入计算一个雅可比矩阵元素；将所有Mapper的输出结果进行排序，以备Reducer合并；Reducer合并所有Mapper输出的雅可比矩阵元素，形成矩阵和修正方程式；求解修正方程式并对电压相角进行修正；以修正结果进行下一轮迭代。本发明提出的潮流计算方法中的雅可比矩阵元素通过云计算平台，在多台计算机上并行计算，实现了多台物理计算机计算能力的迭加，提高了计算效率、云平台的容错性及计算结果的可靠性。

Description

一种大规模电力系统节点的潮流计算方法

技术领域

本发明涉及电力系统自动化分析技术领域，具体涉及一种大规模电力系统节点的潮流计算方法。

背景技术

所谓电力系统潮流，是指系统中所有运行参数的主体，包括各母线电压和相位，各发电机负荷的功率和电流，各变压器及线路的功率、电流及其损耗等。而潮流计算是在已知某些运行参数的情况下，计算出系统的全部运行参数，是电力系统运行和规划中最基本和最常用的计算。

近年来，电力系统的互联及其规模的不断扩大，系统节点数越来越多，潮流计算的规模也随之越来越大，传统的潮流计算方法也越来越力不从心。基于潮流计算算法本身层面的改进如PQ快速分解法、根据遗传算法优化的潮流计算等，对于效率的提升效果甚微，无法从根本上解决大电网互联的潮流计算问题，因此，需要从技术层面考虑算法的优化改进。基于并行化技术的潮流计算优化是目前一个热门研究方向。目前基于多线程技术、多核心技术和GPU方式的并行潮流计算的研究较为常见，但其计算方式还是基于一台主机，对于未来的更大规模的计算会愈发吃力。考虑适用于计算集群的潮流计算方式，可以实现计算资源的动态扩展，对于未来的大电网大数据的潮流计算更具优势。现存的一些MPI、OpenMP等集群计算技术需要考虑底层资源分配、通信协同和负载均衡等问题，实现较为复杂。而利用时下流行的云计算技术可以实现计算集群的虚拟化和封装，使算法无需考虑底层细节，只需依照MapReduce并行框架设计，即可实现物理计算集群上的并行计算。

对于潮流计算，目前较为常用的也是最基础的是牛顿-拉夫逊法，其他方法是在该法的基础上的优化改进。牛顿-拉夫逊法是一个迭代至收敛的过程，该方法最费时的阶段在造修正方程式和求解修正方程式的阶段。按照传统的计算方式，雅可比矩阵的构造需要各元素依次进行计算，雅可比矩阵的阶数为n+m-1，其中，n为系统中节点个数，m为系统中PQ节点个数，因此雅可比矩阵的构造需要计算次数为(n+m-1)²。当节点数增长时，其计算量呈指数型急剧增长，计算效率大大下降。

因此，如何设计一种适用于大规模电力系统节点的计算效率高且计算量小的潮流计算方法，是本领域亟待解决的问题。

发明内容

有鉴于此，本发明提供的一种大规模电力系统节点的潮流计算方法，该方法中的雅可比矩阵元素的生成可以通过Hadoop云计算平台，能够在多台计算机上并行计算，真正实现了多台物理计算机计算能力的迭加，从而大大提高了计算效率、云平台的容错性及潮流计算结果的可靠性，进而保证了电力系统的正常运行和高效规划。

本发明的目的是通过以下技术方案实现的：

一种大规模电力系统节点的潮流计算方法，所述方法在云计算平台的MapReduce框架中进行；所述方法包括如下步骤：

步骤1.将电力系统节点的原始数据以键值对的形式存储为导纳矩阵；并将迭代计数k设置为k＝0；

步骤2.根据电力系统节点的各给定初值计算各功率不平衡量，并判断各所述功率不平衡量是否小于其所对应的各容许值；

若是，则转向步骤7；若否，则进入步骤3；

步骤3.计算建立雅可比矩阵所需的各个元素；

步骤4.合并所述元素，得到雅可比矩阵及修正方程式；

步骤5.求解所述修正方程式，并根据所述修正方程式的解修正所述各给定初值；

步骤6.将所述迭代计数k设置为k＝k+1，返回步骤2根据修正后结果进行下一轮迭代；

步骤7.计算所述电力系统的各潮流值，并输出计算结果。

优选的，所述步骤1之前，包括：

a.采集电力系统节点的原始数据；其中，所述原始数据包括所述电力系统节点的有功功率、无功功率、电流和电压；

b.给定所述电力系统的各初值，所述初值包括电压初值U⁽⁰⁾和相角向量初值Q⁽⁰⁾。

优选的，所述步骤2包括：

2-1根据电压初值U⁽⁰⁾和相角向量初值Q⁽⁰⁾计算有功不平衡量ΔP^(k)和无功不平衡量ΔQ^(k)；

2-2.根据判断各ΔP^(k)和ΔQ^(k)是否小于其所对应的各容许值；

若是，则转向步骤7；若否，则进入步骤3；

其中，i代表系统中的节点编号，ε代表设定的有功或无功不平衡量的容许值；为系统中第i个节点的有功不平衡量；为系统中第i个节点的无功不平衡量。

优选的，所述步骤3包括：

3-1.调用Map函数，使得其中的每一个Mapper均从所述导纳矩阵的库中读取一个键值对；

3-2.在map函数中计算建立雅可比矩阵所需的各个元素的值；

3-3.将全部所述Mapper的输出结果进行排序。

优选的，所述步骤4包括：

4-1.调用reduce函数；

4-2.在reduce函数中合并全部所述元素，得到雅可比矩阵及修正方程式。

优选的，所述步骤5中的修正所述各给定初值，包括：将所述给定相角初值θ和给定电压初值U修正为修正后的相角θ^(k+1)和修正后的电压U^(k+1)。

优选的，所述步骤7中的各潮流值包括所述电力系统中各母线电压和相位、各发电机负荷的功率和电流、各变压器及线路的功率、电流及其损耗、PV节点、平衡节点的注入功率。

从上述的技术方案可以看出，本发明提供了一种大规模电力系统节点的潮流计算方法，将传统的导纳矩阵和参数向量数据以键值对形式存储；每一个Mapper从K-V数据库中读出一个键值对<key,value>，作为输入；每个Mapper根据输入计算一个雅可比矩阵元素；将所有Mapper的输出结果进行排序，以备Reducer合并；Reducer合并所有Mapper输出的雅可比矩阵元素，形成矩阵和修正方程式；求解修正方程式并对电压相角进行修正；以修正结果进行下一轮迭代。该方法中的雅可比矩阵元素的生成可以通过Hadoop云计算平台，能够在多台计算机上并行计算，真正实现了多台物理计算机计算能力的迭加，从而大大提高了计算效率、云平台的容错性及潮流计算结果的可靠性，进而保证了电力系统的正常运行和高效规划。

与最接近的现有技术比，本发明提供的技术方案具有以下优异效果：

1、本发明所提供的技术方案中，将传统的导纳矩阵和参数向量数据以键值对形式存储；每一个Mapper从K-V数据库中读出一个键值对<key,value>，作为输入；每个Mapper根据输入计算一个雅可比矩阵元素；使得该方法中的雅可比矩阵元素的生成可以通过Hadoop云计算平台，能够在多台计算机上并行计算，真正实现了多台物理计算机计算能力的迭加，从而大大提高了计算效率、云平台的容错性及潮流计算结果的可靠性，进而保证了电力系统的正常运行和高效规划。

2、本发明所提供的技术方案，将所有Mapper的输出结果进行排序，以备Reducer合并；Reducer合并所有Mapper输出的雅可比矩阵元素，形成矩阵和修正方程式；实现了多台物理计算机计算能力的迭加；提高了潮流计算结果的可靠性。

3、本发明所提供的技术方案，求解修正方程式并对电压相角进行修正；以修正结果进行下一轮迭代；从而大大提高了计算效率、云平台的容错性及潮流计算结果的可靠性，进而保证了电力系统的正常运行和高效规划。

4、本发明所提供的技术方案，应用Hadoop云计算平台下的MapReduce编程机制，使计算任务并行地在若干台计算机上执行，计算能力相当于多台计算机计算能力的总和，相应的效率会大大提升

5、本发明提供的技术方案，应用广泛，具有显著的社会效益和经济效益。

附图说明

图1是本发明的一种大规模电力系统节点的潮流计算方法的流程示意图；

图2是本发明的潮流计算方法的步骤2的流程示意图；

图3是本发明的潮流计算方法的步骤3的流程示意图；

图4是本发明的潮流计算方法的步骤4的流程示意图；

图5是本发明的潮流计算方法的应用例的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明提供一种大规模电力系统节点的潮流计算方法，该方法将潮流计算中雅可比矩阵的构造过程并行化，将导纳矩阵和雅可比矩阵均以键值对形式存储，便于并行存取。每次迭代过程分为Map阶段和Reduce阶段，在Map阶段计算雅可比矩阵中各元素，形成修正方程式；Reduce阶段求解修正方程式，进行修正，以备下次迭代；

包括如下步骤：

步骤1.在云计算平台的MapReduce框架(MapReduce是一种编程模型，用于大规模数据集(大于1TB)的并行运算。概念"Map(映射)"和"Reduce(归约)"，和它们的主要思想，都是从函数式编程语言里借来的，还有从矢量编程语言里借来的特性。它极大地方便了编程人员在不会分布式并行编程的情况下，将自己的程序运行在分布式系统上。当前的软件实现是指定一个Map(映射)函数，用来把一组键值对映射成一组新的键值对，指定并发的Reduce(归约)函数，用来保证所有映射的键值对中的每一个共享相同的键组。)中，将电力系统节点的原始数据以键值对的形式存储为导纳矩阵；并将迭代计数k设置为k＝0；

步骤2.根据电力系统节点的各给定初值计算各功率不平衡量，并判断各功率不平衡量是否小于其所对应的各容许值；

若是，则转向步骤7；若否，则进入步骤3；

步骤3.进入MapReduce框架中的Map阶段，从而计算出建立雅可比矩阵所需的各个元素；

步骤4.进入MapReduce框架中的Reduce阶段，合并元素，得到雅可比矩阵及修正方程式；

步骤5.求解修正方程式，并根据修正方程式的解修正各给定初值；

步骤6.将迭代计数k设置为k＝k+1，返回步骤2根据修正后结果进行下一轮迭代；

步骤7.计算电力系统的各潮流值，并输出计算结果。

其中，步骤1之前，包括：

a.采集电力系统节点的原始数据；其中，原始数据包括电力系统节点的有功功率、无功功率、电流和电压；

b.给定电力系统的各初值，初值包括电压初值U⁽⁰⁾和相角向量初值Q⁽⁰⁾。

如图2所示，步骤2，包括：

2-1根据电压初值U⁽⁰⁾和相角向量初值Q⁽⁰⁾计算有功不平衡量ΔP^(k)和无功不平衡量ΔQ^(k)；

2-2.根据判断各有功不平衡量ΔP^(k)和无功不平衡量ΔQ^(k)是否小于其所对应的各容许值；

若是，则转向步骤7；若否，则进入步骤3；

其中，i代表系统中的节点编号，ε代表设定的有功或无功不平衡量的容许值；为系统中第i个节点的有功不平衡量；为系统中第i个节点的无功不平衡量。

如图3所示，步骤3，包括：

3-1.进入MapReduce框架中的Map阶段，使得Map中的每一个Mapper均从导纳矩阵的库中读取一个键值对；

3-2.在map()方法中计算建立雅可比矩阵所需的各个元素的值；

3-3.将全部Mapper的输出结果进行排序。

如图4所示，步骤4，包括：

4-1.进入MapReduce框架中的Reducer阶段，调用reduce()方法；

4-2.在reduce()方法中合并全部元素，得到雅可比矩阵及修正方程式。

其中，步骤5中的修正所述各给定初值，包括：将所述给定相角初值θ和给定电压初值U修正为修正后的相角θ^(k+1)和修正后的电压U^(k+1)。

步骤7中的各潮流值包括电力系统中各母线电压和相位、各发电机负荷的功率和电流、各变压器及线路的功率、电流及其损耗、PV节点、平衡节点的注入功率。

如图5所示，本发明提供一种大规模电力系统节点的潮流计算方法的应用例，该应用例中的潮流计算方法包括如下步骤：

步骤(1)：本发明方法开始执行，需要将节点电压向量、导纳矩阵和相角矩阵等输入变量以键值对的方式存储，方便MapReduce并行框架进行分片读取矩阵。

其中，节点电压的存储方式为<i,Ui>，即key为节点编号，value为节点电压值。导纳矩阵和相角矩阵的存储方式为<(i,j),Gij/Bij/θij>，即key为编号组，value为导纳或相角值。综上，可以设置输入K-V数据格式如表1所示：

表1 并行潮流计算初始数据的K-V数据格式

步骤(2)：根据上述给定初值计算各功率不平衡量ΔP^(k)和ΔQ^(k)。

步骤(3)：依据判断功率不平衡量是否小于容许值，若是，则转向步骤10，否则进行下一步。

步骤(4)：每一个Mapper读入某一个key(i，j)及对应的value(Ui，Uj，Gij，Bij，θij)作为map()方法的输入变量。

map()方法对传入的key和value进行解析，得出所需参数，参数解析具体实现如下：

步骤(5)：每一个Mapper的map()方法根据下述公式1至4计算出某一个雅可比矩阵的一个元素。map()方法的输出结构仍然为键值对形式，key＝(i,j)，value＝Jij，其中Jij为计算出的雅可比元素值。

$H_{ij}=\frac{\&part;{\mathrm{\&Delta;P}}_i}{\&part;{\mathrm{\&theta;}}_j}=\left\{\begin{array}{cc}-U_i{U}_j(G_{ij}{\mathrm{sin\&theta;}}_{ij}-B_{ij}{\mathrm{cos\&theta;}}_{ij})& i\&NotEqual;j\\ U_i^2{B}_{ii}+Q_i& i=j\end{array}\right.$         公式1；

$N_{ij}=\frac{U_j\&part;{\mathrm{\&Delta;P}}_i}{\&part;U_j}=\left\{\begin{array}{cc}-U_i{U}_j(G_{ij}{\mathrm{cos\&theta;}}_{ij}+B_{ij}{\mathrm{sin\&theta;}}_{ij})& i\&NotEqual;j\\ -U_i^2{G}_{ii}-P_i& i=j\end{array}\right.$         公式2；

$M_{ij}=\frac{\&part;{\mathrm{\&Delta;Q}}_i}{\&part;{\mathrm{\&theta;}}_j}=\left\{\begin{array}{cc}{U}_i{U}_j(G_{ij}{\mathrm{cos\&theta;}}_{ij}+B_{ij}{\mathrm{sin\&theta;}}_{ij})& i\&NotEqual;j\\ U_i^2{G}_{ii}-P_i& i=j\end{array}\right.$           公式3；

$L_{ij}=\frac{U_j\&part;{\mathrm{\&Delta;Q}}_i}{\&part;U_j}=\left\{\begin{array}{cc}-U_i{U}_j(G_{ij}{\mathrm{sin\&theta;}}_{ij}-B_{ij}{\mathrm{sin\&theta;}}_{ij})& i\&NotEqual;j\\ U_i^2{B}_{ii}-Q_i& i=j\end{array}\right.$            公式4；

式中，其中，Hij，Nij，Mij，Lij均代表雅可比矩阵的一个元素，是这个矩阵是分块矩阵，分别代表不同块的元素；P——有功功率；Q——无功功率；Θ——相角；U——电压；G——电导；B——电纳；i,j——代表系统中任意两个节点编号；

计算雅可比元素的具体实现为：

步骤6：将所有Mapper的map()方法输出结果进行排序，以备Reducer合并操作。这个排序是在一个称为shuffle的内存缓冲区中进行的。对map()方法输出结果按键值根据设置好的compare()方法进行初步排序。这样做的好处是，传送给reduce的是已经排好序的数据，使map()方法输出更紧凑，减少传给reducer的数据量。

将compare()方法的设置为，使排序按照i，j依次升序排序。即，优先按i升序排序，相同的i，按照j升序排序。使用conf.setOutputKeyComparatorClass()将此排序方式进行注册。

排序阶段的compare()方法具体实现如下：

步骤7：Reducer调用reduce()方法合并所有Mapper计算出的雅可比元素，形成雅可比矩阵并形成修正方程式。reduce()方法的输入为shuffle处理后的结果<i,j；Jij>，我们直接组合所有的雅可比矩阵元素,就是所求的雅可比矩阵。

步骤8：求解修正方程式，并对相角θ和电压U进行修正得θ^(k+1)和U^(k+1)。

步骤9：置k＝k+1，返回步骤2根据修正后结果进行下一轮迭代。

步骤10：计算PV节点、平衡节点的注入功率，各元件两端功率、电流、损耗等，输出计算结果。

以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，而这些未脱离本发明精神和范围的任何修改或者等同替换，其均在申请待批的本发明的权利要求保护范围之内。

Claims (7)

1.一种大规模电力系统节点的潮流计算方法，其特征在于，所述方法在云计算平台的MapReduce框架中进行；所述方法包括如下步骤：

步骤1.将电力系统节点的原始数据以键值对的形式存储为导纳矩阵；并将迭代计数k设置为k＝0；

步骤2.根据电力系统节点的各给定初值计算各功率不平衡量，并判断各所述功率不平衡量是否小于其所对应的各容许值；

若是，则转向步骤7；若否，则进入步骤3；

步骤3.计算建立雅可比矩阵所需的各个元素；

步骤4.合并所述元素，得到雅可比矩阵及修正方程式；

步骤5.求解所述修正方程式，并根据所述修正方程式的解修正所述各给定初值；

步骤6.将所述迭代计数k设置为k＝k+1，返回步骤2根据修正后结果进行下一轮迭代；

步骤7.计算所述电力系统的各潮流值，并输出计算结果。

2.如权利要求1所述的方法，其特征在于，所述步骤1之前，包括：

a.采集电力系统节点的原始数据；其中，所述原始数据包括所述电力系统节点的有功功率、无功功率、电流和电压；

b.给定所述电力系统的各初值，所述初值包括电压初值U⁽⁰⁾和相角向量初值Q⁽⁰⁾。

3.如权利要求2所述的方法，其特征在于，所述步骤2包括：

2-1根据电压初值U⁽⁰⁾和相角向量初值Q⁽⁰⁾计算有功不平衡量ΔP^(k)和无功不平衡量ΔQ^(k)；

2-2.根据判断各ΔP^(k)和ΔQ^(k)是否小于其所对应的各容许值；

若是，则转向步骤7；若否，则进入步骤3；

其中，i代表系统中的节点编号，ε代表设定的有功或无功不平衡量的容许值；为系统中第i个节点的有功不平衡量；为系统中第i个节点的无功不平衡量。

4.如权利要求1所述的方法，其特征在于，所述步骤3包括：

3-1.调用Map函数，使得其中的每一个Mapper均从所述导纳矩阵的库中读取一个键值对；

3-2.在map函数中计算建立雅可比矩阵所需的各个元素的值；

3-3.将全部所述Mapper的输出结果进行排序。

5.如权利要求1所述的方法，其特征在于，所述步骤4包括：

4-1.调用reduce函数；

4-2.在reduce函数中合并全部所述元素，得到雅可比矩阵及修正方程式。

6.如权利要求1所述的方法，其特征在于，所述步骤5中的修正所述各给定初值，包括：将所述给定相角初值θ和给定电压初值U修正为修正后的相角θ^(k+1)和修正后的电压U^(k+1)。

7.如权利要求1所述的方法，其特征在于，所述步骤7中的各潮流值包括所述电力系统中各母线电压和相位、各发电机负荷的功率和电流、各变压器及线路的功率、电流及其损耗、PV节点、平衡节点的注入功率。