CN106296461B - 基于粒子群优化算法及局部状态估计的电网参数辨识方法 - Google Patents

Abstract

本发明属于电网基础参数辨识估计领域，尤其涉及一种基于粒子群优化算法及局部状态估计的电网参数辨识方法。所述方法基于不同的参数出现误差时都会导致状态估计目标函数值增大这一特点，利用粒子群优化算法对可疑参数的调整量进行寻优，最终确定对应评估指标最小的可疑参数调整量，实现对可疑参数的调整。本发明用于调整电网运行过程中出现的可疑参数，为执行各种EMS应用模块功能提供可靠原始数据，在利用现代优化算法修正实际电网中由于电网模型存在偏差或误差所产生的可疑元件参数，保证电网运行基本参数的精确度，同时提高电力调度控制中心EMS各种高级分析与应用的实用化水平以及电力调度控制的准确性、可靠性及精益性。

Description

基于粒子群优化算法及局部状态估计的电网参数辨识方法

技术领域

本发明属于电网基础参数辨识估计领域，尤其涉及一种基于粒子群优化算法及局部状态估计的电网参数辨识方法。

背景技术

目前，电力系统发展的趋势之一是电网互联，客观上要求电网相关各控制中心(系统)建立全网统一的在线计算模型。实际运行中，调度中心自动化、运行方式及继电保护等多个专业职能部门，因业务需要各自建立了独立的模型参数库并且分开进行维护，出现了“一个电网，多套参数”的局面，导致不同职能部门参数的一致性与准确性较差。另外由于现在电网规模大、扩建速度快，电网公司所掌握的参数很多是设计参数或估算参数，再加上线路改建、运行环境变化、对变压器的分接头位置与补偿电容器容量掌握不准确等因素，使得电网参数的精确度无法保证。而且即使有实测数据，随着时间的推移，电网的阻抗参数也会发生变化。电网参数错误会严重降低状态估计在局部区域的计算精度，进而影响基于状态估计的各种高级应用系统的工作效能。这些大的参数误差最终导致EMS电网分析结果精度较低，结果不可信，大大影响EMS的实用化，甚至对调度员产生误导，影响到电网的安全运行。

如果电力系统网络参数发生变化，引起导纳矩阵发生相应的变化，因而必然会影响状态估计的结果，进而导致状态估计的目标函数值发生变化。实验证明，不同的参数出现误差时都会导致状态估计目标函数值在一定程度上增大。因此，可以根据这一基本特点利用优化算法对错误参数进行优化调整。由于电网参数是连续性变量，考虑到粒子群优化算法解决连续性优化变量问题具有较好的效果，因此可以考虑利用粒子群优化算法对错误参数进行优化，得到参数的估计值，进而提高状态估计的计算精度。

有学者利用残差灵敏度分析法对错误参数进行检测估计，参数估计精度容易受到残差淹没和残差污染现象的影响；还有将参数突变和状态突变统一纳入到动态状态估计框架下考虑，利用强跟踪滤波器理论具有的独特的强跟踪能力，提出基于信息融合理论的系统状态和参数联合估计方案。但由于该方法将待估参数直接作为状态量增广进行估计，因而降低了原有的量测冗余度。另外还有的研究将牛顿下山法引入到单参数估计中，不仅加快了收敛速度，而且能够解决参数初值过于偏离准确值所引起的发散问题。但是该方法只能解决单一可疑参数估计问题，对于多相关可疑参数问题无法解决。

发明内容

为了解决上述问题，本发明提出了一种基于粒子群优化算法和局部状态估计的电网参数估计方法，其特征在于，所述方法包括

步骤1、确定可疑参数局部分区；

步骤2、可疑参数局部分区状态估计；

步骤3、确定可疑参数调整效果评价指标；

步骤4、利用PSO算法对可疑参数的调整量进行寻优，最终确定对应评估指标最小的那组可疑参数调整量，实现对可疑参数的最终调整。

对于普通线路而言，可疑参数为线路电阻、电抗、接地导纳；对于理想变压器支路而言，可疑参数为变压器电抗、变压器变比。

所述步骤1的具体过程为

步骤A1、基于所确定的可疑支路L_i及网络拓扑结构，i＝1,2,…,n，n为可疑支路的数目，通过网络拓扑分析，利用宽度优先搜索方法搜索与可疑支路直接相连的所有支路，形成支路初始局部分区U_i；

步骤A2、对于单可疑支路而言，无需对其初始局部分区U_i作特殊处理；对于多相关可疑支路，遍历每条可疑支路的的初始局部分区，如果初始局部分区中有某几条支路也是可疑支路，需要从初始局部分区中剔除这些可疑支路，从而形成最终局部分区Ti。

所述步骤2的具体过程为

基于最终局部分区Ti，获取包含可疑参数最终局部分区Ti中网络参数、各支路功率量测、节点注入功率量测及节点电压量测，对该局部分区进行状态估计，以减小电网各部分之间状态估计残差的影响，提高该局部区域状态估计的精确度。

所述步骤3的具体过程为

利用与可疑参数直接强相关的各测点量测，包括节点电压量测、节点功率量测及支路功率量测，通过网络拓扑分析，提取与可疑参数所在支路相连的支路量测，将这些量测残差的加权平方和最小作为评价指标，应用该评价指标反映参数调整前后的实际效果进而获得可疑参数的最优调整值。

所述步骤4的具体过程为

步骤B1、根据可疑支路的类型，确定PSO算法中粒子的编码形式；对于普通支路而言，粒子直接编码为R,X,B；对于理想变压器支路而言，粒子直接编码为K,X′；其中R为线路电阻、X为线路电抗、B为线路接地导纳，X′为变压器电抗、K为变压器变比；

步骤B2、基于当前可疑参数值计算得到评价指标最小值即目标函数值J₀；

步骤B3、以当前可疑参数值作为种群粒子每一维参数的初始值，更新粒子每一维参数的速度和新的位置；

步骤B4：利用PSO算法对可疑参数的参数值进行更新以后，返回步骤2，利用更新后的支路参数重新进行局部分区状态估计，计算对应目标函数值J₁；

步骤B5：若J₁<J₀，令迭代次数gen＝gen+1，并更新各可疑参数值，重新执行子步骤B2～B5；反之保留更新前参数值；

步骤B6：若迭代次数gen达到最大迭代次数或者迭代过程中目标函数值连续N代保持不变，则停止迭代，此时对应参数值即为可疑参数的最终调整结果，其中N>10。

有益效果

本发明基于当前状态估计基本算法程序，实现对实际大电网中某一局部区域进行状态估计，进一步提高状态估计的估计精度；基于粒子群优化算法，分别调用优化算法模块及状态估计模块，对电网中出现单可疑支路、多不相关可疑支路、多相关可疑支路的情况进行参数调整，保证了EMS系统基础运行数据的精确性。

附图说明

图1基于粒子群优化算法对可疑支路参数进行调整算法流程图；

图2单可疑支路103局部分区示意图；

图3多相关可疑支路30局部分区图。

具体实施方式

下面结合图表，对具体实施例作详细说明。图1为基于粒子群优化算法对可疑支路参数进行调整算法流程图。

为了验证本方法的有效性，以IEEE118节点系统为例进行算例分析，人为设置支路参数错误值；量测值的设置方法为，在IEEE118系统潮流计算结果基础上叠加量测误差获得；分别对单可疑支路及多相关可疑支路实例进行说明。

实施例1：单可疑支路

设置支路103(首节点为66，末节点为67)的支路参数R、X、B为错误值(标幺值)，将R由0.0224改为0.0884，X由0.1015改为0.2025，B由0.02682改为0.08682。

步骤1：可疑参数局部分区的确定

从物理拓扑模型上考虑，利用宽度优先搜索方法搜索与支路103直接相连的支路，U₁₀₃＝{98、99、100、101、102}，如图2所示；

步骤2：可疑参数局部分区状态估计

获取支路98、99、100、101、102、103的支路量测及节点66、67的节点注入功率量测及电压量测，满足状态估计的可观测及可估计要求，对该分区进行状态估计计算；

步骤3：可疑参数调整效果评价指标的确定

由于支路98、99、100、101、102与可疑支路103直接相连，因而这些支路的支路量测与可疑参数具有较强的相关性。可疑参数调整效果评价指标即有如下形式：

其中：z为实际支路功率量测值，ω为量测权重，h(v,θ)为支路潮流的计算值，k为具体的测量值个数。

公式(1)中h(v,θ)的计算公式取决于量测类型以及支路类型；以普通线路首端量测为例，其计算公式如下：

其中：i，j为支路两端节点；g，b，y_c分别为该支路电导、电纳及对地导纳，支路两节点电压相角差θ_ij＝θ_i–θ_j；P_ij为该线路普通线路由i侧流向j侧的有功功率值；v_i为线路首端节点i的电压值；v_j为线路末端节点j的电压值；

步骤4：利用PSO算法实现可疑参数的调整

在确定可疑参数调整效果评价指标以后，PSO算法的目标函数形式如下：

该问题中每个粒子编码形式为(R,X,B)，基于以下公式更新各个粒子的每一维参数值，实现对可疑参数调整量的不断寻优：

v[i]＝ω*v[i]+c1*rand()*(pbest-present[i])+c2*rand()*(gbest-present[i]) (5)

present[i]＝present[i]+v[i] (6)

ω为惯性权重，v[i]是粒子第i维参数的速度,present[i]是当前粒子第i维参数的位置。pbest和gbest分别为当前粒子个体最优值及全局最优值；rand()是介于(0,1)之间的随机数，c1,c2是学习因子，一般取c1＝c2＝1.8。

惯性权重ω决定了粒子先前飞行速度对当前飞行速度的影响程度；合适的惯性权重可以提高算法性能，提高寻优能力，减少迭代次数。本发明中惯性权重的ω取值形式如下：

上式中，d为控制因子，取d＝0.7；i为当前代数；gen为最大迭代次数，取gen＝100。在进化前期，ω值较大，算法的全局搜索能力较高；而到了后期，ω值逐渐减小，利于加快搜索速度。

利用PSO算法对可疑参数R、X、B进行一次调整以后返回步骤2，基于调整后的参数对局部分区重新进行状态估计，利用公式(1)计算目标函数值。经过多次迭代更新以后，对应目标函数值最小的参数值即为支路103的参数调整值。调整结果如表1所示。

表1单可疑支路参数调整结果

实施例2：多相关可疑支路

人为设置支路30(首节点为23，末节点为24)的支路参数R、X、B为错误值(标幺值)，将R由0.0135改为0.0835，X由0.0492改为0.1492，B由0.0498改为0.0898；

设置支路31(首节点为23，末节点为25)的支路参数R、X、B为错误值(标幺值)，将R由0.0156改为0.0956，X由0.08改为0.18，B由0.0864改为0.1864；

设置支路32(首节点为25，末节点为26)的支路参数K、X为错误值(标幺值)，将K由0.960改为0.920，X由0.0382改为0.1382。

下面以支路30为例，对参数调整方法进行说明：

步骤1：可疑参数局部分区的确定

步骤A1：从物理拓扑模型上考虑，利用宽度优先搜索方法搜索与支路30直接相连的支路，初始局部分区U₃₀＝{29、31、41、109、111}；

步骤A2：遍历U₃₀，由于支路31也是可疑支路，因而应当在U₃₀中去掉支路31，使局部分区内只有一条可疑支路，则最终局部分区T₃₀＝{29、41、109、111}，如图3虚线框内区域所示。

步骤2：可疑参数局部分区状态估计

获取支路29、30、41、109、111的支路功率量测及节点23、24的节点注入功率量测及电压量测，检验该局部分区的可观测性，对该分区进行状态估计计算。

步骤3：可疑参数调整效果评价指标的确定

由于支路29、41、109、111与可疑支路30直接相连，因而这些支路的支路量测与可疑参数具有较强的相关性。以这些支路的量测残差加权平方和最小作评价指标，具体的评价指标及计算方法同单可疑支路，在此不再赘述。

步骤4：利用PSO算法实现可疑参数的调整

PSO算法的优化函数形式与单可疑支路相同，即为步骤3中的评价指标。该问题中每个粒子编码为(R,X,B)，基于公式(5)～(6)更新各个粒子的每一维参数值，实现对可疑参数的调整量不断寻优，最终确定满足评价指标的可疑参数调整量，实现对可疑参数的调整。调整结果如表2所示。

表2多相关可疑支路参数调整结果

支路31、32的参数调整方法同支路30，这里不再赘述。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (3)

1.基于粒子群优化算法和局部状态估计的电网参数估计方法，其特征在于，所述方法包括

步骤1、确定可疑参数局部分区；

步骤2、可疑参数局部分区状态估计；

步骤3、确定可疑参数调整效果评价指标；

步骤4、利用PSO算法对可疑参数的调整量进行寻优，最终确定对应评估指标最小的那组可疑参数调整量，实现对可疑参数的最终调整；

对于普通线路而言，可疑参数为线路电阻、电抗、接地导纳；对于理想变压器支路而言，可疑参数为变压器电抗、变压器变比；

所述步骤3的具体过程为

利用与可疑参数直接强相关的各测点量测，包括节点电压量测、节点功率量测及支路功率量测，通过网络拓扑分析，提取与可疑参数所在支路相连的支路量测，将这些量测残差的加权平方和最小作为评价指标，应用该评价指标反映参数调整前后的实际效果进而获得可疑参数的最优调整值；

可疑参数调整效果评价指标的形式为：

其中：z为实际支路功率量测值，R^-1为量测权重，h(v,θ)为支路潮流的计算值，k为具体的测量值个数；

公式(1)中h(v,θ)的计算公式取决于量测类型以及支路类型；以普通线路首端量测为例，其计算公式如下：

其中：i，j为支路两端节点；g，b，y_c分别为该支路电导、电纳及对地导纳，支路两节点电压相角差θ_ij＝θ_i–θ_j；P_ij为该线路普通线路由i侧流向j侧的有功功率值；v_i为线路首端节点i的电压值；v_j为线路末端节点j的电压值；

所述步骤4的具体过程为

步骤B1、根据可疑支路的类型，确定PSO算法中粒子的编码形式；对于普通支路而言，粒子直接编码为R,X,B；对于理想变压器支路而言，粒子直接编码为K,X′；其中R为线路电阻、X为线路电抗、B为线路接地导纳，X′为变压器电抗、K为变压器变比；

步骤B2、基于当前可疑参数值计算得到评价指标最小值即目标函数值J₀；

目标函数为：

该问题中每个粒子编码形式为(R,X,B)，基于以下公式更新各个粒子的每一维参数值，实现对可疑参数调整量的不断寻优：

v[i]＝ω*v[i]+c1*rand()*(pbest-present[i])+c2*rand()*(gbest-present[i]) (5)

present[i]＝present[i]+v[i] (6)

ω为惯性权重，v[i]是粒子第i维参数的速度,present[i]是当前粒子第i维参数的位置；pbest和gbest分别为当前粒子个体最优值及全局最优值；rand()是介于(0,1)之间的随机数，c1,c2是学习因子，且c1＝c2＝1.8；

步骤B3、以当前可疑参数值作为种群粒子每一维参数的初始值，更新粒子每一维参数的速度和新的位置；

步骤B4：利用PSO算法对可疑参数的参数值进行更新以后，返回步骤2，利用更新后的支路参数重新进行局部分区状态估计，计算对应目标函数值J₁；

步骤B5：若J₁<J₀，令迭代次数gen＝gen+1，并更新各可疑参数值，重新执行子步骤B2～B5；反之保留更新前参数值；

步骤B6：若迭代次数gen达到最大迭代次数或者迭代过程中目标函数值连续N代保持不变，则停止迭代，此时对应参数值即为可疑参数的最终调整结果，其中N>10。

2.根据权利要求1所述的基于粒子群优化算法和局部状态估计的电网参数估计方法，其特征在于，所述步骤1的具体过程为

步骤A1、基于所确定的可疑支路L_i及网络拓扑结构，i＝1,2,…,n，n为可疑支路的数目，通过网络拓扑分析，利用宽度优先搜索方法搜索与可疑支路直接相连的所有支路，形成支路初始局部分区U_i；

步骤A2、对于单可疑支路而言，无需对其初始局部分区U_i作特殊处理；对于多相关可疑支路，遍历每条可疑支路的的初始局部分区，如果初始局部分区中有某几条支路也是可疑支路，需要从初始局部分区中剔除这些可疑支路，从而形成最终局部分区Ti。

3.根据权利要求1所述的基于粒子群优化算法和局部状态估计的电网参数估计方法，其特征在于，所述步骤2的具体过程为

基于最终局部分区Ti，获取包含可疑参数最终局部分区Ti中网络参数、各支路功率量测、节点注入功率量测及节点电压量测，对该局部分区进行状态估计，以减小电网各部分之间状态估计残差的影响，提高该局部区域状态估计的精确度。

Images