CN108199375A - 基于同步相量量测的智能配电网拓扑辨识方法 - Google Patents
基于同步相量量测的智能配电网拓扑辨识方法 Download PDFInfo
- Publication number
- CN108199375A CN108199375A CN201810101449.5A CN201810101449A CN108199375A CN 108199375 A CN108199375 A CN 108199375A CN 201810101449 A CN201810101449 A CN 201810101449A CN 108199375 A CN108199375 A CN 108199375A
- Authority
- CN
- China
- Prior art keywords
- vector
- matrix
- iteration
- column
- sensing matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 76
- 238000009826 distribution Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims abstract description 108
- 239000013598 vector Substances 0.000 claims abstract description 98
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/22—Flexible AC transmission systems [FACTS] or power factor or reactive power compensating or correcting units
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种基于同步相量量测的智能配电网拓扑辨识方法,包括:1)获取配电网的节点数并编号,输入终止条件参数;2)获取同步相量量测装置的量测数据;3)构造传感矩阵,令潮流雅可比矩阵的行号m=1;4)计算电压相关系数向量;5)迭代求解最小二乘估计问题,直到满足终止条件;6)判断是否完成雅可比矩阵所有行的估计,是则进入步骤7),否则m=m+1,返回步骤4);7)构造拓扑辨识0、1整数规划模型;8)求解0、1整数规划模型,得到配电网网络拓扑。本发明实现了完全依赖量测信息精确辨识配电网络拓扑,避免了估计问题对线路参数的依赖,从而有效减少了由于线路参数不精确造成错误辨识结果的情况。
Description
技术领域
本发明涉及一种配电网拓扑辨识方法。特别是涉及一种基于同步相量量测的智能配电网拓扑辨识方法。
背景技术
随着分布式发电、需求响应、电动汽车、电力电子等技术的发展,电力工业在配电层面上面临重大变革,传统的配电网逐步发展为智能配电网。与传统的配电网相比,智能配电网在运行监视与控制、系统保护、能量管理等各方面都面临技术革新的挑战。为了提高新能源发电的消纳水平和抵御风险的能力、改善配电系统电能质量、提高能源利用效率,智能配电网的运行方式频繁变化。而由于系统故障和人工检修等原因,拓扑变化信息很难实时追踪与更新。因此,精确获得配电网的拓扑信息既是改进系统运行控制水平的关键,也是智能配电网背景下亟待解决的问题。
同步相量量测技术的发展与应用,大大提高了电力系统的运行监控水平。与传统的量测相比,同步相量量测装置不仅提高了电压幅值、有功功率、无功功率等量测量的量测精度,也可以实现高精度的测量电压相角、系统频率等量测量。从而,同步相量量测技术的应用在大幅提高系统可观性的同时,也广泛应用于电力系统的参数辨识、故障定位、状态估计和系统保护等各个方面。进一步,微型同步相量量测装置的开发和利用,在满足配电网对量测精度的需求的同时,大大降低了装置开发与制造的成本,从而在配电网有着广泛的应用前景。
传统的拓扑辨识方法,需要部分已知拓扑信息,通过已有的量测数据辨识出错误的拓扑连接关系,并进行修正。此类辨识方法,需要已知线路参数和可能的拓扑连接关系信息,以进行最优匹配,从而,该类辨识方法极容易受到线路参数不精确等问题的影响,造成辨识结果的较大偏差。通过同步相量量测装置多时间断面的量测数据,可以完全依赖量测信息实现潮流雅可比矩阵的估计。尤其是考虑雅可比矩阵的稀疏性,结合压缩感知技术,并对现有的稀疏恢复方法改进,可以实现以较少量测,恢复出稀疏的潮流雅可比矩阵。在雅可比矩阵中,各行的非零元素只出现在与其直接相关联的节点所对应的位置。因此,利用潮流雅可比矩阵的特点,结合同步相量量测的多时间断面数据,获取配电网的拓扑信息,实现完全依赖量测数据辨识拓扑连接关系,可以有效避免线路参数误差对辨识结果的影响,提高拓扑关系的辨识精度。
发明内容
本发明所要解决的技术问题是,提供一种利用潮流雅可比矩阵中蕴含的拓扑连接信息,通过同步相量量测数据,实现智能配电网的拓扑辨识的基于同步相量量测的智能配电网拓扑辨识方法。
本发明所采用的技术方案是:本发明所采用的技术方案是:一种基于同步相量量测的智能配电网拓扑辨识方法,包括如下步骤:
1)获取配电网的节点数K,将源节点编号设为0,其他节点依次编号设为1,…,i,…,N,输入网络最大度的保守估计值dmax,设定残差阈值ε及最大迭代次数M、历史量测数据需求组数C;
2)获取系统各节点安装的同步相量量测装置所采集的当前时刻有功功率、无功功率、电压幅值和电压相角的量测数据,以及各节点C个历史时刻的量测数据;
3)将每个节点C个历史时刻的量测数据分别与当前量测值做差,每个节点得到C个有功功率、无功功率、电压幅值和电压相角的变化量,利用节点1~节点N电压和幅值的变化量构造传感矩阵,初始化潮流雅可比矩阵的行号m=1;
4)初始化残差向量,计算电压相角的相关系数向量uθ和电压幅值的相关系数向量uU,初始化迭代次数n=1,初始化传感矩阵列号索引集合Λn为空集;
5)分别选取电压相角的相关系数向量uθ和电压幅值的相关系数向量uU中最大的z个数值,其中z=dmax+1,将z个数值对应的传感矩阵中的列号索引构成第n次迭代的中间集合Ωn;
6)采用第n次迭代的中间集合Ωn更新传感矩阵列号索引集合Λn,求最小二乘解,更新残差向量;
7)若更新后的残差向量的2范数R小于残差阈值ε,则进入步骤11);否则:如果迭代次数n=1,将迭代次数为n=n+1,分别选取电压相角的相关系数向量uθ和电压幅值的相关系数向量uU中最大的2z个值,将2z个值对应的传感矩阵中的索引构成第n次迭代的中间集合Ωn,返回步骤6);如果迭代次数n=2,则迭代次数n=n+1,进入步骤8);
8)采用传感矩阵和残差向量计算残差相关系数向量u,选取残差相关系数向量u中最大的2z列,将2z列对应的传感矩阵中的索引构成第n次迭代的中间集合Ωn,利用中间集合Ωn更新传感矩阵列号索引集合Λn,求最小二乘解,选取最小二乘解中绝对值最大的4z项,将4z 项对应的传感矩阵中的索引更新第n次迭代的中间集合Ωn,重新构造传感矩阵列号索引集合,再次更新残差向量;
9)若再次更新的残差向量的2范数R小于残差阈值ε,或者迭代次数超过设定的最大迭代次数M,则进入步骤10);否则n=n+1,返回步骤8);
10)输出最小二乘解结果,根据传感矩阵列号索引集合恢复出2N维向量作为雅可比矩阵第m行的估计结果,m=m+1;若m大于2N,停止迭代,输出雅可比矩阵估计结果,进入步骤11),否则,返回步骤4);
11)利用估计得到的雅可比矩阵,构造拓扑辨识0、1整数规划模型;
12)求解0、1整数规划模型,得到配电网网络的邻接矩阵,进而得到配电网网络拓扑。
步骤4)中所述的:
(1)初始化残差向量计算方式为:
若1≤m≤N:
r0=ΔPi
若N<m≤2N:
r0=ΔQi
式中,r0表示初始的残差向量,ΔPi=[ΔPi[1],…,ΔPi[C]]T表示节点i的C组有功功率变化量组成的列向量;式中,ΔQi=[ΔQi[1],…,ΔQi[C]]T表示节点i的C组无功功率变化量组成的列向量。
(2)电压相角的相关系数向量uθ的计算方法为:
若1≤m≤N:
uθ=abs(ATAq)
若N<m≤2N:
uθ=abs(ATAq-N)
式中,abs(·)表示取绝对值运算,A为传感矩阵,Aq和Aq-N分别表示传感矩阵A的第q 列和第q-N列;
(3)电压幅值的相关系数向量uU的计算方法为:
若1≤m≤N:
uU=abs(ATAq+N)
若N<m≤2N:
uU=abs(ATAq)。
步骤6)中,
(1)所述的更新传感矩阵列号索引集合表示为:
Λn=Λn-1∪Ωn
式中,Λn为第n次迭代的传感矩阵列号索引集合,当n=1时,Λn-1表示初始的传感矩阵列号索引集合,Ωn表示第n次迭代的中间集合;
(2)最小二乘解表示为:
式中,表示第n次迭代时的最小二乘解,r0为初始的残差向量,表示第n次迭代的传感矩阵列号索引集合Λn中元素对应的传感矩阵各列构成的矩阵;
(3)更新后的残差向量表示为:
式中,rn为第n次迭代的残差向量。
步骤11)中所述的拓扑辨识0、1整数规划模型包括,
(1)目标函数为:
式中,Ml表示向量M的第l个元素,向量M为由雅可比矩阵的前N行和N列所组成子阵的上三角所有非零元素构成的向量,al为0、1决策变量;
(2)约束条件为:
式中,|M|表示向量M中元素的个数,K为配电网的节点总数。
本发明的基于同步相量量测的智能配电网拓扑辨识方法,利用了同步相量量测的多时间断面的量测信息,首先实现了潮流雅可比矩阵的估计,进一步利用潮流雅可比矩阵中的拓扑连接关系信息,通过构造0、1整数规划问题,实现了完全依赖量测信息辨识配电网络拓扑。本发明的方法能够实现配电网网络拓扑的精确辨识,避免了估计问题对线路参数的依赖,从而有效减少了由于线路参数不精确造成错误辨识结果的情况。本发明在估计潮流雅可比矩阵时考虑了矩阵的稀疏性,利用雅可比矩阵的稀疏性,有效减少了拓扑辨识问题对量测数量的依赖性。
附图说明
图1是本发明基于同步相量量测的智能配电网拓扑辨识方法的流程图;
图2是IEEE33节点算例图。
具体实施方式
下面结合实施例和附图对本发明的基于同步相量量测的智能配电网拓扑辨识方法做出详细说明。
本发明的基于同步相量量测的智能配电网拓扑辨识方法,包括如下步骤:
1)获取配电网的节点数K,将源节点编号设为0,其他节点依次编号设为1,…,i,…,N,输入网络最大度的保守估计值dmax,设定残差阈值ε及最大迭代次数M、历史量测数据需求组数C;
2)获取系统各节点安装的同步相量量测装置所采集的当前时刻有功功率、无功功率、电压幅值和电压相角的量测数据,以及各节点C个历史时刻的量测数据;其中,
所述的C个历史量测数据生成方法如下:
(1)采用如下的方式生成节点i的第k个有功功率量测。
式中,Pi(k)表示节点i的第k个有功功率历史量测,Pi(0)表示当前节点i的有功功率量测,是服从均值为0正态分布的随机数,分别用来模拟不同量测时刻相对于当前时刻的功率变化和量测误差;
(2)采用下式生成节点i的第k个无功功率量测
式中,Qi(k)表示节点i的第k个无功功率量测,Qi(0)表示当前节点i的无功功率量测, 是服从均值为0正态分布的随机数;
(3)在得到节点i的第k个有功功率和无功功率量测后,通过潮流计算求得对应的电压相角θi(k)和幅值Vi(k)作为节点i的第k个电压相角和幅值量测值。
3)将每个节点C个历史时刻的量测数据分别与当前量测值做差,每个节点得到C个有功功率、无功功率、电压幅值和电压相角的变化量,利用节点1~节点N电压相角和电压幅值量测的变化量构造传感矩阵,初始化潮流雅可比矩阵的行号m=1;其中,
(1)所述的C个有功功率、无功功率、电压幅值和电压相角的变化量表示为:
ΔPi[k]=Pi(k)-Pi(0)、ΔQi[k]=Qi(k)-Qi(0)、ΔVi[k]=Vi(k)-Vi(0)和Δθi[k]=θi(k)- θi(0),k=1,2,…,C,Pi(0)、Qi(0)、θi(0)、Vi(0)分别表示节点i当前时刻的有功功率、无功功率、电压相角和电压幅值的量测值;Pi(k)、Qi(k)、θi(k)、Vi(k)分别表示节点i第k个的历史量测值;
(2)所述构造传感矩阵A如下:
式中,表示由电压相角和电压幅值量测变化向量构成的矩阵,Δθi=[Δθi[1],…,Δθi[C]]T表示节点i的C个电压相角量测变化量组成的列向量,ΔVi=[ΔVi[1],…,ΔVi[C]]T表示节点i 的C个电压幅值量测变化量组成的列向量;表示中的元素,Ap,q表示传感矩阵A中第p 行第q列的元素。
4)初始化残差向量,计算电压相角的相关系数向量uθ和电压幅值的相关系数向量uU;初始化迭代次数n=1,初始化传感矩阵列号索引集合Λn为空集;其中
(1)所述的初始化残差向量计算方式为:
若1≤m≤N:
r0=ΔPi
若N<m≤2N:
r0=ΔQi
式中,r0表示初始的残差向量,ΔPi=[ΔPi[1],…,ΔPi[C]]T表示节点i的C组有功功率变化量组成的列向量;式中,ΔQi=[ΔQi[1],…,ΔQi[C]]T表示节点i的C组无功功率变化量组成的列向量。
(2)电压相角的相关系数向量uθ的计算方法为:
若1≤m≤N:
uθ=abs(ATAq)
若N<m≤2N:
uθ=abs(ATAq-N)
式中,abs(·)表示取绝对值运算,A为传感矩阵,Aq和Aq-N分别表示传感矩阵A的第q 列和第q-N列;
(3)电压幅值的相关系数向量uU的计算方法为:
若1≤m≤N:
uU=abs(ATAq+N)
若N<m≤2N:
uU=abs(ATAq)。
5)分别选取电压相角的相关系数向量uθ和电压幅值的相关系数向量uU中最大的z个数值,其中z=dmax+1,将z个数值对应的传感矩阵中的列号索引构成第n次迭代的中间集合Ωn;
6)采用第n次迭代的中间集合Ωn更新传感矩阵列号索引集合Λn,求最小二乘解,更新残差向量;其中,
(1)所述的更新传感矩阵列号索引集合表示为:
Λn=Λn-1∪Ωn
式中,Λn为第n次迭代的传感矩阵列号索引集合,当n=1时,Λn-1表示初始的传感矩阵列号索引集合,Ωn表示第n次迭代的中间集合;
(2)最小二乘解表示为:
式中,表示第n次迭代时的最小二乘解,r0为初始的残差向量,表示第n次迭代的传感矩阵列号索引集合Λn中元素对应的传感矩阵各列构成的矩阵;
(3)更新后的残差向量表示为:
式中,rn为第n次迭代的残差向量。
7)若更新后的残差向量的2范数R小于残差阈值ε,则进入步骤11);否则:如果迭代次数n=1,将迭代次数为n=n+1,分别选取电压相角的相关系数向量uθ和电压幅值的相关系数向量uU中最大的2z个值,将2z个值对应的传感矩阵中的索引构成第n次迭代的中间集合Ωn,返回步骤6);如果迭代次数n=2,则迭代次数n=n+1,进入步骤8);
8)采用传感矩阵和残差向量计算残差相关系数向量u,选取残差相关系数向量u中最大的2z列,将2z列对应的传感矩阵中的索引构成第n次迭代的中间集合Ωn,更新传感矩阵列号索引集合Λn,求最小二乘解,选取最小二乘解中绝对值最大的4z项,将4z项对应的传感矩阵中的索引更新集合Ωn,重新构造传感矩阵列号索引集合,再次更新残差向量;其中,
(1)所述的残差相关系数向量u计算方式为:
u=abs(ATrn-1)
式中,u为相关系数向量,rn-1表示第n-1次迭代时的残差向量,当n=1时,rn-1表示初始残差向量,A为传感矩阵;
(2)所述的重新构造传感矩阵列号索引集合为:
Λn=Ωn
(3)所述的再次更新残差向量表示为:
式中,Λn为第n次迭代的列号索引集合,Ωn表示第n次迭代的中间集合,表示传感矩阵列号索引集合Λn中元素对应的传感矩阵各列构成的矩阵,rn为第n次迭代的残差向量,r0为初始的残差向量。
9)若再次更新的残差向量的2范数R小于残差阈值ε,或者迭代次数超过设定的最大迭代次数M,则进入步骤10);否则n=n+1,返回步骤8);
10)输出最小二乘解结果,根据传感矩阵列号索引集合恢复出2N维向量作为雅可比矩阵第m行的估计结果,m=m+1;若m大于2N,停止迭代,输出雅可比矩阵估计结果,进入步骤11),否则,返回步骤4);
所述的根据传感矩阵列号索引集合恢复出2N维向量作为雅可比矩阵第m行的估计结果表示为:
式中,表示第n次迭代时的最小二乘解,表示2N维恢复向量,表示的第g个元素,表示传感矩阵列号索引集合Λn中各元素所对应的向量的元素组成的向量,对于其他不在列号索引集合中的元素取值为0;矩阵第q列的2范数,
表示雅可比矩阵的第m行第q个元素的估计解,其中,g=q。
11)利用估计得到的雅可比矩阵,构造拓扑辨识0、1整数规划模型;其中,
所述的拓扑辨识0、1整数规划模型包括,
(1)目标函数为:
式中,Ml表示向量M的第l个元素,向量M为由雅可比矩阵的前N行和N列所组成子阵的上三角所有非零元素构成的向量,al为0、1决策变量;
(2)约束条件为:
式中,|M|表示向量M中元素的个数,K为配电网的节点总数。
12)求解0、1整数规划模型,得到配电网网络的邻接矩阵,进而得到配电网网络拓扑。
下面给出具体实例:
首先输入IEEE 33节点算例网络拓扑连接关系如图2所示,实线表示节点间通过分段开关相连接,虚线表示节点间通过联络开关相连接,其中节点0为平衡节点,其他节点1~32 为PQ节点,系统的基准容量为1MVA,基准电压为12.66kV,各个PQ节点的当前功率量测如表1所示。输入网络的最大度的估计值为4,模拟量测功率变化和误差随机数的标准差分别设为0.01和0.025%。
为验证本发明方法的先进性,采取如下两种场景进行分析:
场景1,将拓扑中的所有分段开关闭合,所有联络开关打开,设置量测组数为50、60、 70、80、90、100分别采用最小二乘方法、正交匹配追踪算法和本发明所提出算法估计雅可比矩阵,进而辨识拓扑,对每种量测组数进行20次仿真分析;
场景2,断开开关7-8、9-10、14-15、32-33、25-29,其他开关保持闭合状态,设置量测组数为50、60、70、80、90、100分别采用最小二乘方法、正交匹配追踪算法和本发明所提出算法估计雅可比矩阵,进而辨识拓扑,对每种量测组数进行20次仿真分析。
场景1估计结果如表2所示,场景2估计结果如表3所示。
执行优化计算的计算机硬件环境为Intel(R)Xeon(R)CPU E5-1620,主频为3.70GHz,内存为32GB;软件环境为Windows 7操作系统,采用MATLAB的MATPOWER工具包计算潮流,采用MATLAB中的intlinprog函数对0、1整数规划模型进行求解。
从表2中可以看出,当量测组数少于等于60组时利用最小二乘计算方法和正交匹配追踪算法估计雅可比矩阵不能实现拓扑辨识,而采用本发明的算法,在量测组数为50组时即可以以非常大的概率实现拓扑的辨识。通过表3和表2的对比可以看出,虽然拓扑连接关系发生变化,本发明所提出算法,仍然能够实现拓扑连接关系的精确辨识,因此本发明所提出的拓扑辨识方法能有有效反应拓扑的变化,实现拓扑的实时辨识。
表1 IEEE 33节点算例PQ节点当前功率量测值
表2 场景1的估计结果
表3 场景2的估计结果
Claims (4)
1.一种基于同步相量量测的智能配电网拓扑辨识方法,其特征在于,包括如下步骤:
1)获取配电网的节点数K,将源节点编号设为0,其他节点依次编号设为1,...,i,...,N,输入网络最大度的保守估计值dmax,设定残差阈值ε及最大迭代次数M、历史量测数据需求组数C;
2)获取系统各节点安装的同步相量量测装置所采集的当前时刻有功功率、无功功率、电压幅值和电压相角的量测数据,以及各节点C个历史时刻的量测数据;
3)将每个节点C个历史时刻的量测数据分别与当前量测值做差,每个节点得到C个有功功率、无功功率、电压幅值和电压相角的变化量,利用节点1~节点N电压和幅值的变化量构造传感矩阵,初始化潮流雅可比矩阵的行号m=1;
4)初始化残差向量,计算电压相角的相关系数向量uθ和电压幅值的相关系数向量uU,初始化迭代次数n=1,初始化传感矩阵列号索引集合Λn为空集;
5)分别选取电压相角的相关系数向量uθ和电压幅值的相关系数向量uU中最大的z个数值,其中z=dmax+1,将z个数值对应的传感矩阵中的列号索引构成第n次迭代的中间集合Ωn;
6)采用第n次迭代的中间集合Ωn更新传感矩阵列号索引集合Λn,求最小二乘解,更新残差向量;
7)若更新后的残差向量的2范数R小于残差阈值ε,则进入步骤11);否则:如果迭代次数n=1,将迭代次数为n=n+1,分别选取电压相角的相关系数向量uθ和电压幅值的相关系数向量uU中最大的2z个值,将2z个值对应的传感矩阵中的索引构成第n次迭代的中间集合Ωn,返回步骤6);如果迭代次数n=2,则迭代次数n=n+1,进入步骤8);
8)采用传感矩阵和残差向量计算残差相关系数向量u,选取残差相关系数向量u中最大的2z列,将2z列对应的传感矩阵中的索引构成第n次迭代的中间集合Ωn,利用中间集合Ωn更新传感矩阵列号索引集合Λn,求最小二乘解,选取最小二乘解中绝对值最大的4z项,将4z项对应的传感矩阵中的索引更新第n次迭代的中间集合Ωn,重新构造传感矩阵列号索引集合,再次更新残差向量;
9)若再次更新的残差向量的2范数R小于残差阈值ε,或者迭代次数超过设定的最大迭代次数M,则进入步骤10);否则n=n+1,返回步骤8);
10)输出最小二乘解结果,根据传感矩阵列号索引集合恢复出2N维向量作为雅可比矩阵第m行的估计结果,m=m+1;若m大于2N,停止迭代,输出雅可比矩阵估计结果,进入步骤11),否则,返回步骤4);
11)利用估计得到的雅可比矩阵,构造拓扑辨识0、1整数规划模型;
12)求解0、1整数规划模型,得到配电网网络的邻接矩阵,进而得到配电网网络拓扑。
2.根据权利要求1所述的基于同步相量量测的智能配电网拓扑辨识方法,其特征在于,步骤4)中所述的:
(1)初始化残差向量计算方式为:
若1≤m≤N:
r0=ΔPi
若N<m≤2N:
r0=ΔQi
式中,r0表示初始的残差向量,ΔPi=[ΔPi[1],…,ΔPi[C]T表示节点i的C组有功功率变化量组成的列向量;式中,ΔQi=[ΔQi[1],…,ΔQi[C]T表示节点i的C组无功功率变化量组成的列向量。
(2)电压相角的相关系数向量uθ的计算方法为:
若1≤m≤N:
uθ=abs(ATAq)
若N<m≤2N:
uθ=abs(ATAq-N)
式中,abs(·)表示取绝对值运算,A为传感矩阵,Aq和Aq-N分别表示传感矩阵A的第q列和第q-N列;
(3)电压幅值的相关系数向量uU的计算方法为:
若1≤m≤N:
uU=abs(ATAq+N)
若N<m≤2N:
uU=abs(ATAq)。
3.根据权利要求1所述的基于同步相量量测的智能配电网拓扑辨识方法,其特征在于,步骤6)中,
(1)所述的更新传感矩阵列号索引集合表示为:
Λn=Λn-1UΩn
式中,Λn为第n次迭代的传感矩阵列号索引集合,当n=1时,Λn-1表示初始的传感矩阵列号索引集合,Ωn表示第n次迭代的中间集合;
(2)最小二乘解表示为:
式中,表示第n次迭代时的最小二乘解,r0为初始的残差向量,表示第n次迭代的传感矩阵列号索引集合Λn中元素对应的传感矩阵各列构成的矩阵;
(3)更新后的残差向量表示为:
式中,rn为第n次迭代的残差向量。
4.根据权利要求1所述的基于同步相量量测的智能配电网拓扑辨识方法,其特征在于,步骤11)中所述的拓扑辨识0、1整数规划模型包括,
(1)目标函数为:
式中,Ml表示向量M的第l个元素,向量M为由雅可比矩阵的前N行和N列所组成子阵的上三角所有非零元素构成的向量,al为0、1决策变量;
(2)约束条件为:
式中,|M|表示向量M中元素的个数,K为配电网的节点总数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810101449.5A CN108199375B (zh) | 2018-01-31 | 2018-01-31 | 基于同步相量量测的智能配电网拓扑辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810101449.5A CN108199375B (zh) | 2018-01-31 | 2018-01-31 | 基于同步相量量测的智能配电网拓扑辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108199375A true CN108199375A (zh) | 2018-06-22 |
CN108199375B CN108199375B (zh) | 2021-01-22 |
Family
ID=62592228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810101449.5A Active CN108199375B (zh) | 2018-01-31 | 2018-01-31 | 基于同步相量量测的智能配电网拓扑辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108199375B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109102424A (zh) * | 2018-07-19 | 2018-12-28 | 天津大学 | 一种基于配电系统同步相量量测的网络拓扑简化方法 |
CN109581130A (zh) * | 2019-01-18 | 2019-04-05 | 国家电网有限公司 | 一种考虑电压调整措施影响的电压曲线相似度计算方法 |
CN110086168A (zh) * | 2019-05-21 | 2019-08-02 | 江苏方天电力技术有限公司 | 一种基于多源数据融合的配电网运行拓扑辨识方法 |
CN110289613A (zh) * | 2019-06-17 | 2019-09-27 | 湖南大学 | 基于灵敏度矩阵的配电网拓扑识别与线路参数辨识方法 |
CN110350516A (zh) * | 2019-06-21 | 2019-10-18 | 广东电网有限责任公司 | 一种高压配电网单环网拓扑自动识别方法 |
CN110687352A (zh) * | 2019-10-21 | 2020-01-14 | 国网上海市电力公司 | 一种基于pmu的配电网t型线路参数辨识方法及系统 |
CN111064180A (zh) * | 2019-10-23 | 2020-04-24 | 国网天津市电力公司电力科学研究院 | 基于ami潮流匹配的中压配电网拓扑检测与辨识方法 |
CN111505379A (zh) * | 2020-03-06 | 2020-08-07 | 天津大学 | 一种基于奇异值分解的配电网同步相量量测数据压缩方法 |
CN111551820A (zh) * | 2020-04-21 | 2020-08-18 | 天津大学 | 基于同步相量量测的配电网快速频率调节的系统辨识方法 |
CN111817289A (zh) * | 2020-06-08 | 2020-10-23 | 华南理工大学 | 低压配电台区物理拓扑识别方法、装置、系统、终端及介质 |
CN112039198A (zh) * | 2020-07-22 | 2020-12-04 | 清华大学 | 基于dane的电网拓扑结构关键特征提取方法和装置 |
CN112072659A (zh) * | 2020-09-17 | 2020-12-11 | 清华大学 | 一种对量测数据质量自适应的配电网拓扑与参数辨识方法 |
CN113221307A (zh) * | 2021-06-11 | 2021-08-06 | 南方电网科学研究院有限责任公司 | 基于压缩感知算法的配电网暂态运行拓扑识别方法及装置 |
CN116937540A (zh) * | 2023-06-13 | 2023-10-24 | 天津大学 | 一种基于无相位量测的多环中压配电网线路参数辨识方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102255308A (zh) * | 2011-07-15 | 2011-11-23 | 中国电力科学研究院 | 一种配电网正常状态辨识方法 |
CN107577870A (zh) * | 2017-09-04 | 2018-01-12 | 天津大学 | 基于同步相量量测的配电网电压功率灵敏度鲁棒估计方法 |
CN107634516A (zh) * | 2017-09-11 | 2018-01-26 | 三峡大学 | 一种基于灰色‑马尔可夫链的配网状态估计方法 |
-
2018
- 2018-01-31 CN CN201810101449.5A patent/CN108199375B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102255308A (zh) * | 2011-07-15 | 2011-11-23 | 中国电力科学研究院 | 一种配电网正常状态辨识方法 |
CN107577870A (zh) * | 2017-09-04 | 2018-01-12 | 天津大学 | 基于同步相量量测的配电网电压功率灵敏度鲁棒估计方法 |
CN107634516A (zh) * | 2017-09-11 | 2018-01-26 | 三峡大学 | 一种基于灰色‑马尔可夫链的配网状态估计方法 |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109102424A (zh) * | 2018-07-19 | 2018-12-28 | 天津大学 | 一种基于配电系统同步相量量测的网络拓扑简化方法 |
CN109102424B (zh) * | 2018-07-19 | 2021-09-28 | 天津大学 | 一种基于配电系统同步相量量测的网络拓扑简化方法 |
CN109581130A (zh) * | 2019-01-18 | 2019-04-05 | 国家电网有限公司 | 一种考虑电压调整措施影响的电压曲线相似度计算方法 |
CN110086168A (zh) * | 2019-05-21 | 2019-08-02 | 江苏方天电力技术有限公司 | 一种基于多源数据融合的配电网运行拓扑辨识方法 |
CN110289613B (zh) * | 2019-06-17 | 2022-12-02 | 湖南大学 | 基于灵敏度矩阵的配电网拓扑识别与线路参数辨识方法 |
CN110289613A (zh) * | 2019-06-17 | 2019-09-27 | 湖南大学 | 基于灵敏度矩阵的配电网拓扑识别与线路参数辨识方法 |
CN110350516A (zh) * | 2019-06-21 | 2019-10-18 | 广东电网有限责任公司 | 一种高压配电网单环网拓扑自动识别方法 |
CN110350516B (zh) * | 2019-06-21 | 2022-03-29 | 广东电网有限责任公司 | 一种高压配电网单环网拓扑自动识别方法 |
CN110687352A (zh) * | 2019-10-21 | 2020-01-14 | 国网上海市电力公司 | 一种基于pmu的配电网t型线路参数辨识方法及系统 |
CN110687352B (zh) * | 2019-10-21 | 2022-03-04 | 国网上海市电力公司 | 一种基于pmu的配电网t型线路参数辨识方法及系统 |
CN111064180A (zh) * | 2019-10-23 | 2020-04-24 | 国网天津市电力公司电力科学研究院 | 基于ami潮流匹配的中压配电网拓扑检测与辨识方法 |
CN111064180B (zh) * | 2019-10-23 | 2024-01-26 | 国网天津市电力公司电力科学研究院 | 基于ami潮流匹配的中压配电网拓扑检测与辨识方法 |
CN111505379B (zh) * | 2020-03-06 | 2021-07-16 | 天津大学 | 一种基于奇异值分解的配电网同步相量量测数据压缩方法 |
CN111505379A (zh) * | 2020-03-06 | 2020-08-07 | 天津大学 | 一种基于奇异值分解的配电网同步相量量测数据压缩方法 |
CN111551820A (zh) * | 2020-04-21 | 2020-08-18 | 天津大学 | 基于同步相量量测的配电网快速频率调节的系统辨识方法 |
CN111817289B (zh) * | 2020-06-08 | 2021-12-17 | 华南理工大学 | 低压配电台区物理拓扑识别方法、装置、系统、终端及介质 |
CN111817289A (zh) * | 2020-06-08 | 2020-10-23 | 华南理工大学 | 低压配电台区物理拓扑识别方法、装置、系统、终端及介质 |
CN112039198A (zh) * | 2020-07-22 | 2020-12-04 | 清华大学 | 基于dane的电网拓扑结构关键特征提取方法和装置 |
CN112072659B (zh) * | 2020-09-17 | 2022-03-01 | 清华大学 | 一种对量测数据质量自适应的配电网拓扑与参数辨识方法 |
CN112072659A (zh) * | 2020-09-17 | 2020-12-11 | 清华大学 | 一种对量测数据质量自适应的配电网拓扑与参数辨识方法 |
CN113221307A (zh) * | 2021-06-11 | 2021-08-06 | 南方电网科学研究院有限责任公司 | 基于压缩感知算法的配电网暂态运行拓扑识别方法及装置 |
CN116937540A (zh) * | 2023-06-13 | 2023-10-24 | 天津大学 | 一种基于无相位量测的多环中压配电网线路参数辨识方法 |
CN116937540B (zh) * | 2023-06-13 | 2024-08-02 | 天津大学 | 一种基于无相位量测的多环中压配电网线路参数辨识方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108199375B (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108199375B (zh) | 基于同步相量量测的智能配电网拓扑辨识方法 | |
CN107577870B (zh) | 基于同步相量量测的配电网电压功率灵敏度鲁棒估计方法 | |
CN107742885B (zh) | 基于正则匹配追踪的配电网电压功率灵敏度估计方法 | |
CN105633956B (zh) | 一种基于Spiking神经网络伪量测建模的配电网三相状态估计方法 | |
CN108462181B (zh) | 考虑稀疏性的智能配电网潮流雅可比矩阵鲁棒估计方法 | |
CN110543720B (zh) | 基于sdae-elm伪量测模型的状态估计方法 | |
CN108155648A (zh) | 基于自适应h无穷扩展卡尔曼滤波的状态估计方法 | |
CN107749627A (zh) | 基于改进匹配追踪的智能配电网潮流雅可比矩阵估计方法 | |
CN110086168A (zh) | 一种基于多源数据融合的配电网运行拓扑辨识方法 | |
CN108448585B (zh) | 一种基于数据驱动的电网潮流方程线性化求解方法 | |
CN103886193B (zh) | 一种电力系统模糊自适应抗差估计方法 | |
CN108054757A (zh) | 一种内嵌无功和电压的n-1闭环安全校核方法 | |
CN102280877B (zh) | 一种多量测断面的电力系统不良支路参数辨识方法 | |
CN106372440B (zh) | 一种并行计算的配电网自适应抗差状态估计方法及装置 | |
CN109638892B (zh) | 一种基于改进模糊聚类算法的光伏电站等值建模方法 | |
CN107104430A (zh) | 一种配电网双解耦状态估计方法 | |
CN112803402B (zh) | 含不良数据预处理的辐射网前推回代抗差状态估计方法 | |
CN114239796A (zh) | 一种基于扩展卡尔曼滤波的电力系统状态估计方法 | |
CN109255541B (zh) | 一种基于最小二乘和一乘之和的配电网抗差状态估计方法 | |
CN109638811B (zh) | 基于模型等值的配电网电压功率灵敏度鲁棒估计方法 | |
CN113553538B (zh) | 一种递推修正混合线性状态估计方法 | |
CN113850425B (zh) | 基于改进的广义极大似然估计的配电网状态估计方法 | |
CN108182529A (zh) | 一种微电网运行时的不确定因素辨识方法 | |
Hayes et al. | A comparison of MV distribution system state estimation methods using field data | |
CN106597304A (zh) | 一种带改进型噪声估计器的电池系统荷电状态估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |