CN111163376A - 面向分布式状态估计的配网同步量测及通信设备配置方法 - Google Patents

面向分布式状态估计的配网同步量测及通信设备配置方法 Download PDF

Info

Publication number
CN111163376A
CN111163376A CN201911296894.2A CN201911296894A CN111163376A CN 111163376 A CN111163376 A CN 111163376A CN 201911296894 A CN201911296894 A CN 201911296894A CN 111163376 A CN111163376 A CN 111163376A
Authority
CN
China
Prior art keywords
configuration
distribution network
measurement
power distribution
communication
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
Application number
CN201911296894.2A
Other languages
English (en)
Other versions
CN111163376B (zh
Inventor
于浩
刘喆林
王成山
赵志达
李鹏
宋关羽
孔祥玉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Shoufeng Smart Power Research Institute Co.,Ltd.
Original Assignee
Tianjin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN201911296894.2A priority Critical patent/CN111163376B/zh
Publication of CN111163376A publication Critical patent/CN111163376A/zh
Application granted granted Critical
Publication of CN111163376B publication Critical patent/CN111163376B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C19/00—Electric signal transmission systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
    • H04L41/0826—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability for reduction of network costs
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0893—Assignment of logical groups to network elements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q2209/00—Arrangements in telecontrol or telemetry systems
    • H04Q2209/30—Arrangements in telecontrol or telemetry systems using a wired architecture
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q2209/00—Arrangements in telecontrol or telemetry systems
    • H04Q2209/40—Arrangements in telecontrol or telemetry systems using a wireless architecture

Abstract

本发明的面向分布式状态估计的配网同步量测及通信设备配置方法，利用面向配电网分布式状态估计的同步相量量测配置分区方法，将网络分区问题转化为子区域中心节点选取问题，避免了复杂的子区域连通性约束带来的模型难以求解或求解时间过长等难题，在削减网络规模的同时保证子区域间节点数相差最少；然后通过面向分布式状态估计的配网同步量测及通信链路配置方法，得到配电网同步量测及有线通信配置方案，以快速可靠的有线通信方式作为主要通信方式，保证数据传输的实时性；最后建立基于无线传感器网络的配电网同步量测无线通信配置模型并通过遗传算法求解，得到无线传感器节点配置方案，在保证经济性的基础上进一步提高通信系统可靠性。

Description

面向分布式状态估计的配网同步量测及通信设备配置方法
技术领域
本发明涉及一种配网同步量测及通信设备的配置。特别是涉及一种面向分布式状态估计的配网同步量测及通信设备配置方法。
背景技术
随着配电系统规模的扩大，分布式电源大量接入以及用户侧的广泛参与，传统集中式状态估计的计算规模与通信负担大大增加，难以满足配电网实时分析控制需求，分布式状态估计逐渐成为解决问题的有效手段。分布式状态估计收敛的前提是子区域可观，而当前配电网由于数据监测点分布广泛，实时量测装置数量有限、覆盖率低且量测类型相对简单等原因，造成其整体可观性难以满足要求。此外，目前配电网中状态估计使用的量测大多来自数据采集与监视控制系统和高级量测体系，不仅数据本身存在精度低、同步性差、采集周期长和量测精度差异大的问题，而且量测与状态变量为非线性关系，需要通过加权最小二乘法等算法迭代求解，即使采用分布式状态估计，也难以保证系统状态求解的精确性与实时性。
同步相量量测装置的引入，使得配电网的运行监测水平大幅提高。相较于传统量测装置，同步相量量测装置不仅能够获取节点电压和支路电流的幅值量测信息，而且能够对电压和电流的相角，以及系统频率进行量测，提高了模型参数校验、状态估计、系统保护和运行控制等应用的计算速度与准确度，是智能配电网技术发展的重要一环。尤其是，在状态估计应用中，通过同步相量量测装置采集的电压与电流相量量测，与系统的状态变量为线性关系，可以采用线性状态估计等算法求解系统状态，大大减少了计算时间，并且同步相量量测装置的应用可以有效解决传统配电系统量测数据质量差、同步性低和采集周期长的问题，提高了状态估计的准确度，为配电系统的实时分析控制提供了保障。
目前配电网中配置同步相量量测装置的数量较少，难以满足各子区域的完全可观性要求，无法保证分布式状态估计的收敛性。而同步相量量测装置在拥有优越性能的同时，装置本身的成本也更高，因此有必要对配电网进行有针对性的配置，在满足分布式状态估计需求的前提下保证配置方案的经济性。此外，量测设备只能完成数据的采集，通信系统作为配电网信息传输的重要载体，是电网正常运行不可或缺的一部分。通信方式主要分为有线通信与无线通信两种：有线通信以光纤通信为主，传输频带宽，通信容量大，中继距离长，抗电磁干扰能力强，可靠性高，保密性好，适合作为主要的通信方式，但成本相对较高；无线通信覆盖范围广，配置方式灵活，成本低，但可靠性相对较低，传输速度相比光纤较慢，目前适合作为有线通信方式的后备，在有线通信故障情况下保证数据的正常传输，提高通信系统可靠性。
发明内容
本发明所要解决的技术问题是，提供一种面向分布式状态估计的配网同步量测及通信设备配置方法，旨在解决配电网同步相量量测装置配置的同时，建立由相量数据集中器和有线与无线通信设备组成的通信与储存系统，完成量测数据的传输和存储，为分布式状态估计提供实时可靠的数据支撑。
本发明所采用的技术方案是：一种面向分布式状态估计的配网同步量测及通信设备配置方法，包括如下步骤：
1)对于选定的配电系统，获取配电网络的拓扑连接关系，获取配电网络在地理上的横向长度e和纵向长度u，构造邻接矩阵A，设置无线传感器节点传输半径R；
2)针对分布式状态估计所采用的分布式计算架构，根据面向配电网分布式状态估计的同步相量量测配置分区方法，将所述的配电系统划分为若干个区域；
3)对于步骤2)中已完成分区的配电系统，通过面向分布式状态估计的配网同步量测及通信链路配置方法，得到配电网同步量测及有线通信配置方案；
4)根据步骤1)中配电网络在地理上的横向长度e和纵向长度u以及无线传感器节点传输半径R，计算正方形网格边长d，横向网格数n1和纵向网格数n2，完成配电网所在地理区域的网格划分，得到nt＝n1×n2个网格，按由左到右、由下到上的顺序将网格从1开始升序编号；
5)确定配电网中所有节点所在的网格，根据步骤3)中得到的配电网同步量测及有线通信配置方案，获取同步相量量测装置和相量数据集中器的配置节点，将获取的配置节点设为所在网格的中心，其他没有配置节点的网格以正方形几何中心为网格中心，计算网格距离矩阵L，网格距离矩阵L中的元素Lp，q表示网格p与网格q的网格中心间的距离；
6)设同步相量量测装置和相量数据集中器的配置节点处配置电池供电式无线传感器，空间中其他位置配置能量收集式无线传感器，建立基于无线传感器网络的配电网同步量测无线通信配置模型，包括：以无线通信配置成本最低为目标函数，考虑同步相量量测装置和相量数据集中器的配置约束，考虑无线通信网络可观性约束；
7)通过遗传算法求解步骤6)中所述的基于无线传感器网络的配电网同步量测无线通信配置模型，得到无线传感器节点配置方案；
8)根据步骤3)中得到的配电网同步量测及有线通信配置方案与步骤7)中得到的无线传感器节点配置方案，以有线通信为主要通信方式，无线通信为后备通信方式，输出配电网同步量测及通信设备整体配置方案。
本发明的面向分布式状态估计的配网同步量测及通信设备配置方法，首先利用面向配电网分布式状态估计的同步相量量测配置分区方法，将网络分区问题转化为子区域中心节点选取问题，有效避免了复杂的子区域连通性约束带来的模型难以求解或求解时间过长等难题，在削减网络规模的同时保证子区域间节点数相差最少，为后续量测与通信设备的配置提供方案支撑；然后通过面向分布式状态估计的配网同步量测及通信链路配置方法，得到配电网同步量测及有线通信配置方案，以快速可靠的有线通信方式作为主要通信方式，保证数据传输的实时性；最后建立基于无线传感器网络的配电网同步量测无线通信配置模型并通过遗传算法求解，得到无线传感器节点配置方案，以成本低且配置灵活的无线通信方式为后备通信方式，在保证经济性的基础上进一步提高通信系统可靠性。
附图说明
图1是本发明面向分布式状态估计的配网同步量测及通信设备配置方法的流程图；
图2是IEEE 33节点算例图；
图3是IEEE 33节点算例分区方案；
图4是IEEE 33节点算例同步量测及有线通信配置方案；
图5是IEEE 33节点算例子区域1同步量测以及有线与无线通信配置方案；
图6是IEEE 33节点算例子区域2同步量测以及有线与无线通信配置方案；
图7是IEEE 33节点算例子区域3同步量测以及有线与无线通信配置方案。
具体实施方式
下面结合实施例和附图对本发明的面向分布式状态估计的配网同步量测及通信设备配置方法，做出详细说明。
如图1所示，本发明的面向分布式状态估计的配网同步量测及通信设备配置方法，包括如下步骤：
1)对于选定的配电系统，获取配电网络的拓扑连接关系，获取配电网络在地理上的横向长度e和纵向长度u，构造邻接矩阵A，设置无线传感器节点传输半径R；
2)针对分布式状态估计所采用的分布式计算架构，根据面向配电网分布式状态估计的同步相量量测配置分区方法，将所述的配电系统划分为若干个区域；其中，
(1)所述的分布式状态估计所采用的分布式计算架构为：
配电网不存在集中的控制中心，各个子区域分别进行区内状态估计，每个子区域只与相邻子区域交互边界节点的状态信息。
(2)所述的面向配电网分布式状态估计的同步相量量测配置分区方法，是采用申请号为 2019104533370的发明专利申请中所公开的方法，包括如下步骤：
(2.1)对于选定的配电系统，设置子区域数M；其中，所述的子区域数M为：
Figure RE-GDA0002397765450000031
式中，N表示待分区配电系统总的节点数，
Figure RE-GDA0002397765450000032
表示数
Figure RE-GDA0002397765450000033
向下取整。
(2.2)建立面向配电网分布式状态估计的同步相量量测配置分区模型；其中，所述的面向配电网分布式状态估计的同步相量量测配置分区模型为：
以子区域间节点数相差最小为目标函数，数学表达式如下：
Figure RE-GDA0002397765450000034
式中，Nm表示子区域m所包含的节点数。
(2.3)通过遗传算法求解步骤(2.2)中所述的面向配电网分布式状态估计的同步相量量测配置分区模型；包括：
(2.3.1)设置遗传算法中个体的染色体长度等于子区域数M，染色体上基因的取值集合为配电系统所有节点构成的集合Ω，Ω＝{1，2，…，N}，N表示待分区配电系统总的节点数，随机生成初始种群，进化代数t＝1，设置交叉概率、遗传概率和最大进化代数tmax；
(2.3.2)通过群体中个体的染色体获得初始中心节点，利用中心扩展分区方法对配电网进行分区，进而计算个体的适应度；所述的中心扩展分区方法包括：
(2.3.2.1)设所有节点均未分区，随机获取M个节点作为初始中心节点，将初始中心节点标记为已分区节点；
(2.3.2.2)扩展次数s＝0，根据初始中心节点更新初始中心节点对应的子区域集合并构造分区矩阵Gs，扩展次数s＝s+1；其中，分区矩阵Gs为M×N维矩阵，对于
Figure RE-GDA0002397765450000041
Figure RE-GDA0002397765450000042
l与m分别表示节点编号与子区域编号，若节点l在子区域m中，则Gs的第m行第l列元素Gs，m，l＝1，否则Gs，m，l为0，子区域集合Πl中元素为节点l所属的子区域编号，若节点l在子区域m中，则m∈Πl；
(2.3.2.3)设第s次扩展后的待调整分区矩阵G's＝Gs-1A，A为邻接矩阵，将待调整分区矩阵G's中非零元素全部置1，设m＝1，n＝2，m与n均为子区域编号；
(2.3.2.4)若n＞M，则m＝m+1，n＝m+1，进入第(2.3.2.5)步，否则进入第(2.3.2.6)步；
(2.3.2.5)若m＝M，则进入第(2.3.2.8)步，否则进入第(2.3.2.6)步；
(2.3.2.6)获得子区域m与子区域n的重叠节点集合Ωm，n，若重叠节点集合Ωm，n为空集，则n＝n+1，进入第(2.3.2.4)步，否则进入第(2.3.2.7)步；
(2.3.2.7)若重叠节点集合Ωm，n中只有两个节点且这两个节点均为已分区节点，则分别将两个节点作为子区域m与子区域n的共有边界节点，比较最大区域节点数与最小区域节点数之差，以差最小为目标选择边界节点，若差相同则以扩展前子区域i中节点为边界，调整待调整分区矩阵G's，更新边界节点对应的子区域集合，n＝n+1，进入第(2.3.2.4)步；
(2.3.2.8)设所有已分区节点构成的集合为ΩAZ，对于
Figure RE-GDA0002397765450000043
若m∈Πl，则待调整分区矩阵G's的第m行第l个元素G's，m，l＝1，否则G's，m，l＝0；
(2.3.2.9)设所有未分区的重叠节点构成的集合为ΩNZ，对于
Figure RE-GDA0002397765450000044
若重叠子区域已有边界，则将节点l划分到节点数目最少的子区域中，若节点数最少的子区域有多个，则将节点l划分到编号最小的子区域中，调整待调整分区矩阵G's，更新节点l对应的子区域集合；
(2.3.2.10)设m＝1，n＝2，m与n均为子区域编号；
(2.3.2.11)若n＞M，则m＝m+1，n＝m+1，进入第(2.3.2.12)步，否则进入第(2.3.2.13)步；
(2.3.2.12)若m＝M，则进入第(2.3.2.15)，否则进入第(2.3.2.13)步；
(2.3.2.13)获得子区域m与子区域n的重叠节点集合Ωm，n，若重叠节点集合Ωm，n为空集，则n＝n+1，进入第(2.3.2.11)步，否则进入第(2.3.2.14)步；
(2.3.2.14)若重叠节点集合Ωm，n中只有一个节点，节点未分区且子区域m与子区域n 第一次重叠，则将所述节点作为子区域m与子区域n共有的边界节点，调整待调整分区矩阵 G's，更新边界节点对应的子区域集合，n＝n+1，进入第(2.3.2.11)步；
(2.3.2.15)设完成调整后的分区矩阵Gs＝G's，若Gs＝Gs-1，则进入第(2.3.2.16)步，否则将Gs中包含的节点标记为已分区节点，扩展次数s＝s+1，进入第(2.3.2.3)步；
(2.3.2.16)根据分区矩阵Gs输出分区结果；
(2.3.3)将选择算子作用于群体，保留适应度最高的个体；
(2.3.4)将交叉算子与变异算子作用于已选择群体，产生下一代，进化代数t＝t+1；
(2.3.5)若进化代数t＜tmax，则进入第(2.3.2)步，否则进入第(2.3.6)步；
(2.3.6)将适应度最高的个体作为最优解输出。
(2.4)输出得到的面向配电网分布式状态估计的同步相量量测配置分区方案。
3)对于步骤2)中已完成分区的配电系统，通过面向分布式状态估计的配网同步量测及通信链路配置方法，得到配电网同步量测及有线通信配置方案；其中所述的面向分布式状态估计的配网同步量测及通信链路配置方法，是采用申请号为2019104533099的发明专利申请中所公开的方法，包括如下步骤：
(1)获取同步相量量测装置、相量数据集中器以及通信链路的成本；其中，所述的通信链路的成本为：
Figure RE-GDA0002397765450000051
式中，CCL表示配电系统配置通信链路的总成本；k表示支路编号；ΛB表示配电系统所有支路构成的集合；Lk为决策变量，若支路k配置通信链路则Lk为1，否则Lk为0；CL与CB分别表示通信链路长度和带宽的单位成本；Sk表示支路k配置通信链路的长度；Bk表示支路k配置通信链路的带宽。
(2)根据配电网络的拓扑连接关系，构造节点间通信路径向量Er，c；其中，所述的节点间通信路径向量Er，c的第k个元素为：
Figure RE-GDA0002397765450000052
式中，Er，c，k表示节点间通信路径向量Er，c的第k个元素；r与c均表示节点编号；k表示支路编号。
(3)建立面向分布式状态估计的配电网同步量测及通信链路配置的0-1整数线性规划模型，包括：以配电系统同步相量量测装置、相量数据集中器和通信链路配置方案总成本最低为目标函数，考虑子区域网络可观性约束，同步相量量测装置的数据传送约束，相邻子区域重叠节点决策变量约束，相量数据集中器间的信息交互约束，通信链路的带宽约束，通信链路的配置约束；其中，所述的：
(3.1)以配电系统同步相量量测装置、相量数据集中器和通信链路配置方案总成本最低为目标函数，数学表达式为：
min(CPMU+CPDC+CCL
Figure RE-GDA0002397765450000053
Figure RE-GDA0002397765450000054
Figure RE-GDA0002397765450000055
式中，CPMU为同步相量量测装置成本；CPDC为相量数据集中器的成本；CCL为通信链路成本；CP1表示同步相量量测装置的单位成本；m表示子区域的编号；ΓZ表示配电系统分区完成后所有子区域构成的集合；i表示子区域m中节点的编号；Ωm表示由子区域m中所有节点构成的集合；xi为决策变量，若节点i配置同步相量量测装置则xi为1，否则xi为0；NOL表示因相邻区域节点重叠造成同步相量量测装置重复计算的数目；CP2表示相量数据集中器的单位成本；yi为决策变量，若节点i配置相量数据集中器则yi为1，否则yi为0；k表示支路编号；ΛB表示配电系统所有支路构成的集合；Lk为决策变量，若支路k配置通信链路则Lk为1，否则Lk为0；CL与CB分别表示通信链路长度与带宽的单位成本；Sk表示支路k配置通信链路的长度；Bk表示支路k配置通信链路的带宽；
(3.2)子区域网络可观性约束为：
Amxm≥1，m∈ΓZ
式中，Am表示子区域m的邻接矩阵；xm是由子区域m中同步相量量测配置的决策变量组成的列向量；1为元素均为1的Nm维列向量，Nm表示子区域m中节点的数目；
(3.3)同步相量量测装置的数据传送约束为：
Figure RE-GDA0002397765450000061
Figure RE-GDA0002397765450000062
Figure RE-GDA0002397765450000063
式中，第一个约束保证发送信息的节点安装有同步相量量测装置，i与j均为子区域m 中节点的编号，zi，j为数据发送决策变量，若节点i的同步相量量测装置与节点j的相量数据集中器通信则zi，j为1，否则zi，j为0；第二个约束保证接收量测信息的节点安装有相量数据集中器，zi为子区域m中与节点i相关的所有数据发送决策变量组成的行向量，ym为子区域m 中所有相量数据集中器配置的决策变量组成的列向量；第三个约束保证每个子区域有且仅有一个数据集中器；
(3.4)相邻子区域重叠节点决策变量约束为：
xi＝1，i∈Ωm∩Ωn，m∈ΓZ，n∈ΓZ
式中，m与n均为子区域编号；i为子区域m与子区域n重叠节点的编号；Ωm与Ωn分别表示子区域m与子区域n包含节点的集合；
(3.5)相量数据集中器间的信息交互约束为：
Figure RE-GDA0002397765450000064
Figure RE-GDA0002397765450000065
式中，第一个约束保证子区域m中与子区域n通信的节点配置相量数据集中器，i为子区域m中节点的编号，l为子区域n中节点的编号，wi，l为信息交互决策变量，若节点i的相量数据集中器与节点l的相量数据集中器通信，则wi，l为1，否则wi，l为0；第二个约束保证子区域n中与子区域m通信的节点配置相量数据集中器，wi为子区域m中与节点i相关的所有信息交互决策变量组成的行向量，yn为子区域n中相量数据集中器配置的决策变量组成的列向量；
(3.6)通信链路的带宽约束为：
Figure RE-GDA0002397765450000071
式中，i与j均为子区域m中的节点编号；gi表示节点i的度，即与节点i相关联的支路数；Ei，j表示节点i的设备与节点j的设备通信时是否经过各条支路，若经过支路k，则Ei，j的第k个元素Ei，j，k为1，否则Ei，j，k为0；集合ΨA中的每个元素均为两个相邻子区域编号构成的集合，即
Figure RE-GDA0002397765450000072
m与n均表示子区域编号；h为集合ΨA中元素；Ωh，1表示元素h中第一个子区域包含节点的集合；Ωh，2表示元素h中第二个子区域包含节点的集合；r 与c分别表示两个相邻子区域中节点的编号；f表示相量数据集中器通信时的数据压缩比例； P表示传输单位相量数据帧所需的带宽；B表示各条支路配置通信链路的带宽；
(3.7)通信链路的配置约束为：
FY≥B
Y≤B
0≤Y≤1
式中，F为大于B中任一元素的正数；Y表示各条支路是否配置通信链路，若支路k配置通信链路则Yk为1，否则Yk为0；0表示元素均为0的H维列向量，H表示配电系统总的支路数；1表示元素均为1的H维列向量。
(4)求解步骤(3)中的面向分布式状态估计的配电网同步量测及通信链路配置的0-1 整数线性规划模型，得到同步相量量测装置、相量数据集中器及通信链路的配置方案。
4)根据步骤1)中配电网络在地理上的横向长度e和纵向长度u以及无线传感器节点传输半径R，计算正方形网格边长d，横向网格数n1和纵向网格数n2，完成配电网所在地理区域的网格划分，得到nt＝n1×n2个网格，按由左到右、由下到上的顺序将网格从1开始升序编号；其中，
所述的正方形网格边长d，数学表达式为：
Figure RE-GDA0002397765450000073
所述的横向网格数n1，数学表达式为：
Figure RE-GDA0002397765450000074
其中，
Figure RE-GDA0002397765450000075
表示数
Figure RE-GDA0002397765450000076
向下取整；
所述的纵向网格数n2，数学表达式为：
Figure RE-GDA0002397765450000077
5)确定配电网中所有节点所在的网格，根据步骤3)中得到的配电网同步量测及有线通信配置方案，获取同步相量量测装置和相量数据集中器的配置节点，将获取的配置节点设为所在网格的中心，其他没有配置节点的网格以正方形几何中心为网格中心，计算网格距离矩阵L，网格距离矩阵L中的元素Lp，q表示网格p与网格q的网格中心间的距离；
6)设同步相量量测装置和相量数据集中器的配置节点处配置电池供电式无线传感器，空间中其他位置配置能量收集式无线传感器，建立基于无线传感器网络的配电网同步量测无线通信配置模型，包括：以无线通信配置成本最低为目标函数，考虑同步相量量测装置和相量数据集中器的配置约束，考虑无线通信网络可观性约束；其中，
(1)所述的以无线通信配置成本最低为目标函数的数学表达式为：
Figure RE-GDA0002397765450000081
其中，CEHSN与CBPSN分别表示能量收集式无线传感器节点与电池供电式无线传感器节点的单位价格；p表示网格编号；vp为无线传感器配置决策变量，若网格p的中心配置无线传感器则vp＝1，否则vp＝0；Π1表示同步相量量测装置和相量数据集中器配置节点所在网格组成的集合；|Π1|表示集合Π1中元素的数目；
(2)所述的同步相量量测装置和相量数据集中器的配置约束为：
vp＝1，p∈Π1
(3)所述的无线通信网络可观性约束为：
Oa，b＝1，a∈Π2，b∈Πa
其中，a表示同步相量量测装置的配置节点所在网格的编号；b表示网格a中同步相量量测装置对应相量数据集中器所在网格的编号；Π2表示由所有同步相量量测装置配置节点所在网格组成的集合；Πa表示由网格a中同步相量量测装置对应相量数据集中器所在网格组成的集合；Oa，b表示无线网络可观性矩阵O中第a行b列元素，对于某一配置方案，设无线邻接矩阵W为nt×nt维方阵，若va＝1，vb＝1且有R≥La，b，则Wa，b为1，否则Wa，b为0，无线网络可观性矩阵
Figure RE-GDA0002397765450000082
sign为符号函数，若矩阵中的元素为正则返回1，为负则返回-1，为0则返回0。
7)通过遗传算法求解步骤6)中所述的基于无线传感器网络的配电网同步量测无线通信配置模型，得到无线传感器节点配置方案；包括：
(1)设置遗传算法中个体的染色体长度等于网格数nt，染色体上基因的取值集合为{0，1}，设置初始种群数与最大进化代数tmax，随机生成满足无线通信网络可观性约束的初始种群，进化代数t＝1，设置交叉概率和遗传概率；
(2)以步骤6)中所述的目标函数为个体的适应度函数，计算种群中个体的适应度函数值，将选择算子作用于群体，保留适应度函数值最高的个体；
(3)将交叉算子与变异算子作用于已选择群体，产生下一代，若下一代不满足无线通信网络可观性约束，则返回为父代染色体，进化代数t＝t+1；
(4)若进化代数t＜tmax，则进入第(2)步，否则进入第(5)步；
(5)将适应度函数值最高的个体作为最优解输出，得到无线传感器节点的配置方案。
8)根据步骤3)中得到的配电网同步量测及有线通信配置方案与步骤7)中得到的无线传感器节点配置方案，以有线通信为主要通信方式，无线通信为后备通信方式，输出配电网同步量测及通信设备整体配置方案。
下面给出具体实例：
采用IEEE 33节点算例验证本发明提出的方法，算例拓扑连接关系如图2所示。子区域数
Figure RE-GDA0002397765450000091
设交叉概率＝0.3，遗传概率＝0.1，初始种群个体数为5000，最大进化代数tmax＝200，根据面向配电网分布式状态估计的同步相量量测配置分区方法将IEEE 33节点算例分区，分区结果如图3所示，具体分区方案如表1所示。
表1 IEEE 33节点算例分区方案
区域编号 中心节点编号 区域内节点编号 区域内节点数
1 1 1,2,3,4,5,19,20,21,22,23,24,25 12
2 29 5,6,7,26,27,28,29,30,31,32,33 11
3 12 7,8,9,10,11,12,13,14,15,16,17,18 12
设f＝0.56，P＝25kbps，IEEE 33节点算例线路长度如表2所示，配置过程中涉及到的单位成本为：CPMU＝4,000.0USD，CPDC＝8，000.0USD，CB＝120.0USD/kbps，CL＝ 1，500.0USD/km。根据面向分布式状态估计的配网同步量测及通信链路配置方法，得到的配电网同步量测及有线通信配置方案如图4所示，具体配置方案如表3所示。
表2 IEEE 33节点算例线路长度
支路编号 首端节点 末端节点 长度/km 支路编号 首端节点 末端节点 长度/km
1 1 2 0.0922 17 17 18 0.3720
2 2 3 0.4930 18 2 19 0.1640
3 3 4 0.3660 19 19 20 1.5042
4 4 5 0.3811 20 20 21 0.4095
5 5 6 0.8190 21 21 22 0.7089
6 6 7 0.1872 22 3 23 0.4512
7 7 8 0.7114 23 23 24 0.8980
8 8 9 1.0300 24 24 25 0.8960
9 9 10 1.0440 25 6 26 0.2030
10 10 11 0.1966 26 26 27 0.2842
11 11 12 0.3744 27 27 28 1.0590
12 12 13 1.4680 28 28 29 0.8042
13 13 14 0.5416 29 29 30 0.5075
14 14 15 0.5910 30 30 31 0.9744
15 15 16 0.7463 31 31 32 0.3105
16 16 17 1.2890 32 32 33 0.3410
表3 IEEE 33节点算例同步量测及有线通信具体配置信息
Figure RE-GDA0002397765450000092
设无线传感器节点传输半径R＝150m，CEHSN＝300.0USD，CBPSN＝120.0USD，网络中线路为水平或竖直布置。则网格划分参数为：
Figure RE-GDA0002397765450000093
Figure RE-GDA0002397765450000101
nt＝n1×n2＝1368。遗传算法中：个体染色体上的基因数为1368，设初始种群中个体的数量为5000，交叉概率＝0.7，变异概率＝0.5，最大进化代数tmax＝500。因配置较复杂，IEEE 33节点算例的优化配置结果以子区域的形式列出，如图5，图6与图7 所示。将网格以由左到右，由下到上的方式从1开始升序编号，则无线通信配置方案如表4 所示。
表4 IEEE 33节点算例无线通信配置方案
Figure RE-GDA0002397765450000102
由表4可以看出，除同步相量量测装置与相量数据集中器配置节点处需要部署无线传感器外，IEEE 33节点算例还需部署无线传感器节点81个，且子区域1与子区域2之间共用6 个无线传感器节点，子区域2和子区域3之间共用28个无线传感器节点。通过表3与表4的对比可以看出，无线通信配置的成本远低于有线配置成本。
通过上述算例可以说明，面向分布式状态估计的配网同步量测及通信设备配置方法可以有效实现配电网同步相量量测装置以及有线与无线通信设备的配置，验证了本发明的可行性。

Claims (4)

1.一种面向分布式状态估计的配网同步量测及通信设备配置方法，其特征在于，包括如下步骤：
1)对于选定的配电系统，获取配电网络的拓扑连接关系，获取配电网络在地理上的横向长度e和纵向长度u，构造邻接矩阵A，设置无线传感器节点传输半径R；
2)针对分布式状态估计所采用的分布式计算架构，根据面向配电网分布式状态估计的同步相量量测配置分区方法，将所述的配电系统划分为若干个区域；
3)对于步骤2)中已完成分区的配电系统，通过面向分布式状态估计的配网同步量测及通信链路配置方法，得到配电网同步量测及有线通信配置方案；
4)根据步骤1)中配电网络在地理上的横向长度e和纵向长度u以及无线传感器节点传输半径R，计算正方形网格边长d，横向网格数n1和纵向网格数n2，完成配电网所在地理区域的网格划分，得到nt＝n1×n2个网格，按由左到右、由下到上的顺序将网格从1开始升序编号；
5)确定配电网中所有节点所在的网格，根据步骤3)中得到的配电网同步量测及有线通信配置方案，获取同步相量量测装置和相量数据集中器的配置节点，将获取的配置节点设为所在网格的中心，其他没有配置节点的网格以正方形几何中心为网格中心，计算网格距离矩阵L，网格距离矩阵L中的元素Lp,q表示网格p与网格q的网格中心间的距离；
6)设同步相量量测装置和相量数据集中器的配置节点处配置电池供电式无线传感器，空间中其他位置配置能量收集式无线传感器，建立基于无线传感器网络的配电网同步量测无线通信配置模型，包括：以无线通信配置成本最低为目标函数，考虑同步相量量测装置和相量数据集中器的配置约束，考虑无线通信网络可观性约束；
7)通过遗传算法求解步骤6)中所述的基于无线传感器网络的配电网同步量测无线通信配置模型，得到无线传感器节点配置方案；
8)根据步骤3)中得到的配电网同步量测及有线通信配置方案与步骤7)中得到的无线传感器节点配置方案，以有线通信为主要通信方式，无线通信为后备通信方式，输出配电网同步量测及通信设备整体配置方案。
2.根据权利要求1所述的面向分布式状态估计的配网同步量测及通信设备配置方法，其特征在于，步骤4)中所述的：
正方形网格边长d，数学表达式为：
Figure FDA0002320816760000011
横向网格数n1，数学表达式为：
Figure FDA0002320816760000012
其中，
Figure FDA0002320816760000013
表示数
Figure FDA0002320816760000014
向下取整；
纵向网格数n2，数学表达式为：
Figure FDA0002320816760000021
3.根据权利要求1所述的面向分布式状态估计的配网同步量测及通信设备配置方法，其特征在于，步骤6)中所述的：
(1)以无线通信配置成本最低为目标函数的数学表达式为：
Figure FDA0002320816760000022
其中，CEHSN与CBPSN分别表示能量收集式无线传感器节点与电池供电式无线传感器节点的单位价格；p表示网格编号；vp为无线传感器配置决策变量，若网格p的中心配置无线传感器则vp＝1，否则vp＝0；Π1表示同步相量量测装置和相量数据集中器配置节点所在网格组成的集合；|Π1|表示集合Π1中元素的数目；
(2)同步相量量测装置和相量数据集中器的配置约束为：
vp＝1,p∈Π1
(3)无线通信网络可观性约束为：
Oa,b＝1,a∈Π2,b∈Πa
其中，a表示同步相量量测装置的配置节点所在网格的编号；b表示网格a中同步相量量测装置对应相量数据集中器所在网格的编号；Π2表示由所有同步相量量测装置配置节点所在网格组成的集合；Πa表示由网格a中同步相量量测装置对应相量数据集中器所在网格组成的集合；Oa,b表示无线网络可观性矩阵O中第a行b列元素，对于某一配置方案，设无线邻接矩阵W为nt×nt维方阵，若va＝1，vb＝1且有R≥La,b，则Wa,b为1，否则Wa,b为0，无线网络可观性矩阵
Figure FDA0002320816760000023
sign为符号函数，若矩阵中的元素为正则返回1，为负则返回-1，为0则返回0。
4.根据权利要求1所述的面向分布式状态估计的配网同步量测及通信设备配置方法，其特征在于，步骤7)中所述的通过遗传算法求解基于无线传感器网络的配电网同步量测无线通信配置模型，包括：
(1)设置遗传算法中个体的染色体长度等于网格数nt，染色体上基因的取值集合为{0,1}，设置初始种群数与最大进化代数tmax，随机生成满足无线通信网络可观性约束的初始种群，进化代数t＝1，设置交叉概率和遗传概率；
(2)以步骤6)中所述的目标函数为个体的适应度函数，计算种群中个体的适应度函数值，将选择算子作用于群体，保留适应度函数值最高的个体；
(3)将交叉算子与变异算子作用于已选择群体，产生下一代，若下一代不满足无线通信网络可观性约束，则返回为父代染色体，进化代数t＝t+1；
(4)若进化代数t<tmax，则进入第(2)步，否则进入第(5)步；
(5)将适应度函数值最高的个体作为最优解输出，得到无线传感器节点的配置方案。
CN201911296894.2A 2019-12-16 2019-12-16 面向分布式状态估计的配网同步量测及通信设备配置方法 Active CN111163376B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911296894.2A CN111163376B (zh) 2019-12-16 2019-12-16 面向分布式状态估计的配网同步量测及通信设备配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911296894.2A CN111163376B (zh) 2019-12-16 2019-12-16 面向分布式状态估计的配网同步量测及通信设备配置方法

Publications (2)

Publication Number Publication Date
CN111163376A true CN111163376A (zh) 2020-05-15
CN111163376B CN111163376B (zh) 2021-05-14

Family

ID=70557207

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911296894.2A Active CN111163376B (zh) 2019-12-16 2019-12-16 面向分布式状态估计的配网同步量测及通信设备配置方法

Country Status (1)

Country Link
CN (1) CN111163376B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116184873A (zh) * 2022-11-21 2023-05-30 广西师范大学 一种物联网环境大数据监控系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6801788B1 (en) * 1997-09-09 2004-10-05 Samsung Electronics Co., Ltd. Distributed architecture for a base station transceiver subsystem having a radio unit that is remotely programmable
CN101499659A (zh) * 2009-03-06 2009-08-05 清华大学 基于基尔霍夫电流定律的变电站分布式状态估计方法
US20120046889A1 (en) * 2010-07-23 2012-02-23 Hongbin Sun Method of substation-control center two-level distributed nonlinear state estimation for power system
CN106356840A (zh) * 2016-09-08 2017-01-25 国网浙江省电力公司杭州供电公司 基于同步相量量测的地区电力系统状态估计方法及系统
CN107563550A (zh) * 2017-08-23 2018-01-09 武汉大学 一种基于pmu的配电网实时分布式状态估计及pmu的优化配置方法
CN109586301A (zh) * 2018-09-27 2019-04-05 天津大学 基于同步相量量测等值的智能配电网就地电压控制方法
CN110138620A (zh) * 2019-05-28 2019-08-16 天津大学 面向分布式状态估计的配网同步量测及通信链路配置方法
CN110222966A (zh) * 2019-05-28 2019-09-10 天津大学 面向配电网分布式状态估计的同步相量量测配置分区方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6801788B1 (en) * 1997-09-09 2004-10-05 Samsung Electronics Co., Ltd. Distributed architecture for a base station transceiver subsystem having a radio unit that is remotely programmable
CN101499659A (zh) * 2009-03-06 2009-08-05 清华大学 基于基尔霍夫电流定律的变电站分布式状态估计方法
US20120046889A1 (en) * 2010-07-23 2012-02-23 Hongbin Sun Method of substation-control center two-level distributed nonlinear state estimation for power system
CN106356840A (zh) * 2016-09-08 2017-01-25 国网浙江省电力公司杭州供电公司 基于同步相量量测的地区电力系统状态估计方法及系统
CN107563550A (zh) * 2017-08-23 2018-01-09 武汉大学 一种基于pmu的配电网实时分布式状态估计及pmu的优化配置方法
CN109586301A (zh) * 2018-09-27 2019-04-05 天津大学 基于同步相量量测等值的智能配电网就地电压控制方法
CN110138620A (zh) * 2019-05-28 2019-08-16 天津大学 面向分布式状态估计的配网同步量测及通信链路配置方法
CN110222966A (zh) * 2019-05-28 2019-09-10 天津大学 面向配电网分布式状态估计的同步相量量测配置分区方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HOSSEIN GHASSEMPOUR AGHAMOLKI: "Phasor Measurement Unit Data-based States and Parameters Estimation in Power System", <UNIVERSITY OF SOUTH FLORIDA> *
张嘉: "基于PMU同步信息的含分布式电源配网的状态估计", 《中国优秀硕士论文电子期刊网》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116184873A (zh) * 2022-11-21 2023-05-30 广西师范大学 一种物联网环境大数据监控系统

Also Published As

Publication number Publication date
CN111163376B (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
CN105186525B (zh) 风电接入下无功电压控制分区方法
CN105656031B (zh) 基于高斯混合分布特征的含风电电力系统安全风险评估方法
CN110943453B (zh) 面向迁移学习的电力系统故障样本生成和模型构建方法
CN110138620B (zh) 面向分布式状态估计的配网同步量测及通信链路配置方法
CN102354981B (zh) 一种基于分布式计算的互联电网中子网电压稳定评估方法
CN107947192A (zh) 一种下垂控制型孤岛微电网的无功优化配置方法
CN109840260A (zh) 一种基于动态插补的大规模实时降雨自动观测站分级数据处理方法
CN109862532B (zh) 轨道交通状态监测多传感器节点布局优化方法及系统
CN107591807A (zh) 一种新能源接入下的输电网规划的优化方法
CN106684905A (zh) 一种考虑风电预测不确定性的风电场动态等值方法
CN111163376B (zh) 面向分布式状态估计的配网同步量测及通信设备配置方法
CN106504030A (zh) 基于混沌正弦映射的花朵授粉优化算法的支持向量机药品预测方法
Anoh et al. Distributed energy trading with communication constraints
CN107230976A (zh) 一种电力系统电气距离可视化方法和装置
CN109888773A (zh) 一种电力系统多区域分布式状态评估方法
CN109038605A (zh) 一种考虑电压响应特性的电网无功规划方法
CN110222966B (zh) 面向配电网分布式状态估计的同步相量量测配置分区方法
Wang et al. A distributed proximal primal–dual algorithm for energy management with transmission losses in smart grid
CN111586607A (zh) 基于改进灰狼算法的智能电表无线传感器网络布局方法
CN111199494A (zh) 提高电力系统整定计算速度的方法及装置
CN110867902B (zh) 基于发电预测的微电网分布式电源去中心优化运行方法
CN108711860A (zh) 一种基于并行计算的配电网变电站-线路联合规划方法
CN108537581A (zh) 基于gmdh选择性组合的能源消费量时间序列预测方法及装置
CN106408452A (zh) 含多分布式电源配电网的电动汽车充电站优化配置方法
CN109615142A (zh) 一种基于小波分析的风电场风速组合预测方法

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210831

Address after: No.69 Feitian Avenue, Airport Economic Development Zone, Jiangning District, Nanjing City, Jiangsu Province

Patentee after: Nanjing Shoufeng Smart Power Research Institute Co.,Ltd.

Address before: 300072 Tianjin City, Nankai District Wei Jin Road No. 92

Patentee before: Tianjin University