CN111626463B - 一种基于Hadoop架构的电力系统短路电流并行协调方法 - Google Patents

一种基于Hadoop架构的电力系统短路电流并行协调方法 Download PDF

Info

Publication number
CN111626463B
CN111626463B CN202010240432.5A CN202010240432A CN111626463B CN 111626463 B CN111626463 B CN 111626463B CN 202010240432 A CN202010240432 A CN 202010240432A CN 111626463 B CN111626463 B CN 111626463B
Authority
CN
China
Prior art keywords
network
node
sub
short
coordination
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.)
Active
Application number
CN202010240432.5A
Other languages
English (en)
Other versions
CN111626463A (zh
Inventor
葛鹏江
华浩丞
田星
何川
胡志冰
刘天琪
任大江
张琪
郭宁
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.)
Sichuan University
Economic and Technological Research Institute of State Grid Ningxia Electric Power Co Ltd
Original Assignee
Sichuan University
Economic and Technological Research Institute of State Grid Ningxia Electric Power Co Ltd
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 Sichuan University, Economic and Technological Research Institute of State Grid Ningxia Electric Power Co Ltd filed Critical Sichuan University
Priority to CN202010240432.5A priority Critical patent/CN111626463B/zh
Publication of CN111626463A publication Critical patent/CN111626463A/zh
Application granted granted Critical
Publication of CN111626463B publication Critical patent/CN111626463B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本发明公开了一种基于Hadoop架构的电力系统短路电流并行协调方法，包括以下步骤：S1.采用节点撕裂分割转换的网络分块优化方法获取最优的电力网络分割格局；S2.根据S1中所获取的最优的分割格局，将电力网络分成一个以上的子网络和联系各子网络之间耦合关系的协调网络，在节点分裂形式下对电力系统分块降维；S3.结合Hadoop集群下的MapReduce框架实现短路电流并行协调；本发明实现了快速计算故障电流，解决了现有技术中关于快速计算故障电流所面对的诸多问题，为大规模电力系统快速、准确的潮流计算、仿真计算与安全分析提供了一种可行的新途径。

Description

一种基于Hadoop架构的电力系统短路电流并行协调方法
技术领域
本发明涉及电气信息技术领域，更具体的说是涉及一种基于Hadoop架构的电力系统短路电流并行协调方法。
背景技术
随着电能需求量的不断增加，电力系统装机容量急剧上升，大机组比重增加，且大机组一般升后直接接入高压电网，加上电网中大量使用自耦变压器，从而造成电网短路电流水平过高，致使部分变电站的短路电流超过断路器的开断能力。因此，有必要进行电网短路电流的实时计算与监测，以便实时校核断路器遮断容量，保证电网的安全运行。
由于传统的适用于电网运行方式调整的短路电流计算方法耗时太长，无法满足电网快速分析决策的需求，目前短路电流快速计算方法有以下两种：1、适用于拓扑调整的短路电流快速计算方法，该方法快速计算的前提，在于仅能分析电网发电机停运、线路开断和线路出串运行三种方式下短路电流；2、在统一补偿法的基础上，采用电流补偿替代由于拓扑结构改变而进行导纳矩阵的修改和计算部分。该方法在提高求解短路电流速度的同时，也会因将原系统等值到故障端口而导致计算操作的复杂性。值得注意，拓扑调整方法所对应的短路电流抑制措施，在制定后往往伴随着各种短路电流校验，方可确定限制短路电流的最佳方案。
因此，研究出一种快速准确的基于Hadoop架构的电力系统短路电流并行协调方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种基于Hadoop架构的电力系统短路电流并行协调方法，能够对大规模电力系统短路电流进行快速计算。
为了实现上述目的，本发明采用如下技术方案：
一种基于Hadoop架构的电力系统短路电流并行协调方法，包括以下步骤：
S1.采用节点撕裂分割转换的网络分块优化方法获取最优的电力网络分割格局；
S2.根据S1中所获取的最优的分割格局，将电力网络分成一个以上的子网络和联系各子网络之间耦合关系的协调网络，在节点分裂形式下对电力系统分块降维；
S3.结合Hadoop集群下的MapReduce框架实现短路电流并行协调；
S3具体包括以下步骤：
S31：确定各子网络编号和各子网络内部包含节点编号，并将所述子网络编号和所述节点编号上传至所述HDFS文件系统中；
S32：读取HDFS文件系统中的节点参数、线路参数和网络分割信息；设置短路节点及故障类型；
S33：分别计算形成短路分量网络的节点导纳矩阵；其中，所述短路分量网络包括：系统正序网络、系统负序网络和系统零序网络；
S33：依据短路节点，形成与短路分量网络对应各节点的单位注入电流I矩阵；
S34：参照子网络编号和节点参数，将短路分量网络的节点导纳矩阵转化为各子网络本身及其与协调网络关联的节点导纳矩阵；对所述单位注入电流I矩阵进行转换，形成电流子矩阵；
S35：上传具体参数信息至HDFS文件系统中；
S36：启动MapReduce作业：将作业运行分为Mapper与Reduce两个阶段；
Mapper阶段读取所述HDFS文件系统中与当前子网络关联的相关参数，求解当前节点相对于所述短路节点的自阻抗或互阻抗元素；
Reduce阶段实现整个电力网络中各节点相对于所述短路节点的自阻抗或互阻抗元素的汇总与更新；
S37：依据故障类型，计算故障电流。
优选的，S35中所述的具体参数信息包括：第i个子网络的自导纳Yii、第i个子网络与协调网络t间的互导纳Yit、协调网络t与第i个子网络之间的互导纳Yti、第1个子网络的节点注入电流I1、和协调网络t内节点的节点电流It。
优选的，S1的具体内容包括：
S11.计算所述电力网络中所有线路的边界数，逐步移除边界数最大的线路，得到薄弱线路集合；
S12.将薄弱线路所对应的两端节点转换为撕裂节点，确定撕裂节点集合和分割格局集合；
S13.依据分割目标条件函数J择取电力网络最优分割格局；
需要说明的是：
S12中，将薄弱线路所对应两端节点转换为分裂节点时，确定转换方法的原则包括：
1)优先迁移邻域连接度大的节点；
2)优先迁移将不增加以孤岛形式存在节点的撕裂节点；
3)若两端节点邻域连接度相同，且均不增加孤岛节点，随机选取节点作为撕裂节点；
4)锁定此前已作为撕裂节点的节点，且后续新增撕裂节点若被锁定在撕裂节点集合中，则转至下一薄弱线路的撕裂节点的择取；
5)每获取一个撕裂节点时，需采用深度优先搜索算法判断当前网络分割格局，存储当前各子网络和协调网络所包含节点编号和线路信息。
优选的，在S11中，逐步移除边界数最大的边，直至电力网络所有节点均退化为一个独立节点社团，得到薄弱线路集合。
优选的，所述目标条件函数J为：
Figure GDA0003773058480000041
式中：符号“|”表征条件前提，符号“|”右边为前提条件，左边对应最终目标条件函数值；Vconet为所述协调网络所包含的撕裂节点数目；Vnet_i、Vnet_j分别为分割后第i个和第j个子网络内部所包含的节点数目。
优选的，S2的具体内容包括：
根据S1中所获取的最优的分割格局，将所述电力网络划分成一个以上的子网络p及联系子网络之间耦合关系的协调网络t，并将各短路分量网络的节点导纳矩阵按照子网络p和协调网络t的顺序，形成块对角形式的节点导纳矩阵，获得子网络p和协调网络t的耦合关系：
YppUp＝Ip-YpTUtp＝1,2,...,w(2)
式中：Up、Ut分别为第p个子网络和协调网络t内部所包含节点的节点电压；Ip为第p个子网络的节点注入电流；
消去子网络p，仅保留由所述撕裂节点集合所组成的协调网络t部分的线性方程组，从而独立分别求解节点电压Ut与Up。
优选的，所述块对角形式的节点导纳矩阵为：
Figure GDA0003773058480000051
上式中：Y11、Y22、…、Yww、Ytt对角元素表示网络的自导纳，Y1t、…、Ywt非对角元素表示子网络与相应协调网络间的互导纳；
由所述撕裂节点集合所组成的协调网络t部分的线性方程组为：
Figure GDA0003773058480000052
上式中
Figure GDA0003773058480000053
变量的定义为：
Figure GDA0003773058480000054
式中，
Figure GDA0003773058480000055
为消除所有子网络后所得到的节点导纳矩阵；
Figure GDA0003773058480000056
为将消除子网络中各节点的注入电流移置到协调网络t所对应撕裂节点的电流矩阵；It为协调网络t内节点的节点电流。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于Hadoop架构的电力系统短路电流并行协调方法，根据目标条件获取最优的分割格局，利用节点分裂法思想并结合复杂网络方程组研究电网分块降维形式下短路电流并行计算的一般过程，通过Hadoop集群下的MapReduce框架实现该短路电流并行协调方法，实现了快速计算故障电流，解决了现有技术中关于快速计算故障电流所面对的诸多问题，为大规模电力系统快速、准确的潮流计算、仿真计算与安全分析提供了一种可行的新途径。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1节点导纳矩阵分解协调计算任务分配框图；
图2为实验室Hadoop集群平台拓扑图；
图3为最优分区格局；
图4为IEEE30节点系统的短路电流结果图。
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。基于本发明中的实施例，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。
本发明实施例公开了一种基于Hadoop架构的电力系统短路并行协调新方法，具体步骤如下：
S1.采用节点撕裂分割转换的网络分块优化方法获取最优的电力网络分割格局；
S11：计算所述电力网络中所有线路的边界数，逐步移除边界数最大的线路，得到薄弱线路集合；
网络内社团间的所有最短路径然经过互联的边，这些边的边介数较高其薄弱程度也较高。故计算所有线路的边界数逐步移除边界数最大的边，直至电力网络所有节点均退化为一个独立节点社团就得到接关系薄弱的线路集合。
S12：将薄弱线路所对应的两端节点转换为撕裂节点，确定撕裂节点集合和分割格局集合；
不同的转换方法所形成的协调网络和子网络所包含的节点成员各不相同，考虑一下五个原则合理确定转换方法：
1)优先迁移邻域连接度大的节点；
2)优先迁移将不增加以孤岛形式存在节点的撕裂节点；
3)若两端节点邻域连接度相同，且均不增加孤岛节点，随机选取节点作为撕裂节点；
4)锁定此前已作为撕裂节点的节点，且后续新增撕裂节点若被锁定在撕裂节点集合中，则转至下一薄弱线路的撕裂节点的择取；
5)每获取一个撕裂节点时，需采用深度优先搜索算法判断当前网络分割格局，存储当前各子网络和协调网络所包含节点编号和线路信息。
在撕裂时设定依据网络规模而定的阈值。
S13：依据分割目标条件函数J择取电力网络最优分割格局；
分割优化目标是使各子网络内部并行计算量大致平衡且在达到网络客观划分的前提下，协调网络所包含的撕裂节点尽量少。定义如式(1)所示的分割目标条件函数J。
Figure GDA0003773058480000071
式中：符号“|”表征条件前提，该符号右边为前提条件，左边对应最终目标条件函数值。Vconet为协调网络所包含的撕裂节点数目；Vnet_i、Vnet_j分别为分割后第i个和第j个子网络内部所包含的节点数目。
S2：在节点分裂形式下对电力系统分块降维
S21：基于节点导纳矩阵计算短路电流
先用如式(3)的节点导纳矩阵计算与短路点f有关的节点阻抗矩阵的第f列元素：Z1f，Z2f，……，Znf，然后依据故障类型计算短路电流。给出采用节点导纳矩阵所表示的网络节点方程的一般形式，即Y＝Yij，如式(2)所示：
Figure GDA0003773058480000081
式中：
Figure GDA0003773058480000082
为网络节点i的电流；Yij为节点i与节点j间的导纳；
Figure GDA0003773058480000083
为网络节点i的电压；
用式(2)求解式(3)方程：
Figure GDA0003773058480000084
式中：Yff为各短路分量网络下，短路点f节点的自导纳，Yff＝1/Zff。其中，Zff为短路点f的自阻抗。
根据短路时故障边界条件、各短路分量网络短路点f节点自阻抗和序网络方程组求取短路点正序、负序和零序电流。再依据正序等效定则求取短路电流的正序分量，结合附加电抗和比例系数，计算短路节点f的短路电流If。
S22：基于节点分裂法对电网分块降维
将电力网络划分成若干个子网络及其联系子网络之间耦合关系的协调网络，并将各短路分量网络的节点导纳矩阵按照子网络1、2、3、……，w和协调网络t的顺序，形成块对角形式的节点导纳矩阵，其一般形式如式(4)：
块对角形式的节点导纳矩阵为：
Figure GDA0003773058480000091
上式中：Y11、Y22、…、Yww、Ytt对角元素表示网络的自导纳，Y1t、…、Ywt非对角元素表示子网络与相应协调网络间的互导纳；
由式(3)推得式(5)所示子网络p和协调网络的耦合关系，根据式(5)可分别独立计算各子网络所包含节点的节点电压：
YppUp＝Ip-YpTUtp＝1,2,...,w (5)
式中：Up、Ut分别为第p个子网络和协调网络t内部所包含节点的节点电压；Ip为第p个子网络的节点注入电流，故若协调网络所包含节点的电压均已知时，将很易求取各子网络的待求变量。
针对式(4)消去子网络1、2、3、……，w，仅保留由撕裂节点集合所组成的协调网络t部分的线性方程组如式(6)所示：
Figure GDA0003773058480000092
上式中
Figure GDA0003773058480000093
变量的定义为：
Figure GDA0003773058480000094
式中，
Figure GDA0003773058480000101
为消除所有子网络后所得到的节点导纳矩阵，
Figure GDA0003773058480000102
为将消除各子网络中各节点的注入电流移置到协调网络t所对应撕裂节点的电流矩阵；It为协调网络t内节点的节点电流。结合式(6)、(7)直接求解协调网络分裂节点集合的节点电压变量。
S3：基于MapReduce框架对电力系统短路电流进行并行协调，参照图1中分解协调计算任务分配框图，具体步骤如下：
S31：确定各子网络编号zID和内部包含节点编号nodeOrder，并将其上传至分布式文件系统中(Hadoopdistributedfilesystems,HDFS)。
S32：读取HDFS文件系统中的节点参数nodeInf、线路参数lineInf和网络分割信息；设置短路节点f点及故障类型faultType。
S33：结合lineInf和nodeInf，分别计算形成系统正序、负序和零序网络的节点导纳矩阵yAdmittanceMatrix_1、yAdmittanceMatrix_2和yAdmittanceMatrix_0。
S34：依据短路节点f，形成与短路网络对应各节点的单位注入电流I矩阵。
S35：参照zID和nodeInf，将各短路分量网络的yAdmittanceMatrix_1、yAdmittanceMatrix_2和yAdmittanceMatrix_0转化形成为各子网络本身及其与协调网络t关联的节点导纳矩阵；对I矩阵进行转换，形成I1、I2，…，Iw和It。
S36：上传参数信息至HDFS文件系统中，其中包括：第i个子网络的自导纳Yii、第i个子网络与协调网络t间的互导纳Yit、协调网络t与第i个子网络之间的互导纳Yti、第1个子网络的节点注入电流I1、和协调网络t内节点的节点电流It等。
S37：启动MapReduce作业。将作业运行分为Mapper与Reduce两个阶段。其一，依据zID读取HDFS中与当前网络关联的相关参数，求解节点相对于短路节点f的自阻抗或互阻抗元素；其二，Reduce阶段。依据键值对<key,value>中的key值，实现全网各节点相对于f节点的自阻抗或互阻抗元素的汇总与更新。
S38：依据faultType，计算计算短路节点f的正序、负序与零序分量电流，即I1、I2与I0；进一步依据正序等效原则，计算故障电流If。
实施例：
在实验室Hadoop集群平台的基础上，为了验证所提节点迁移网络分块方法的有效性与MapReduce-SC法结果的准确性分别进行了算例1与算例2。又考虑Hadoop集群系统在启动潮流MapReduce作业后，在轻量数据集的处理时占据作业计算时间比例相对较大对实验结果的影响，将结合多进程方式实现MapReduce-SC方法的并行模式，记作(multi-processingparallelcoordination algorithm,MP_SC)，进一步验证所提方法相对于传统方法时间效率高，进行算例3。
算例1：以IEEE30节点系统作为测试算例，采用GN分裂算法获取该网络的薄弱线路集；
算例2：以节点导纳矩阵直接求解短路电流方法的计算结果作为参照与MapReduce-SC法的计算结果对比；
算例3：分别采用传统方法、MapReduce_SC法和MP_SC法对系统进行短路电流计算。
实验平台为Hadoop集群，主要是由3台配置相同的PC机组成。其中，一台PC机作为主节点，其他的PC机作为数据节点。主节点通过Namenode进程负责文件系统名字空间的管理及维护，而数据节点通过Datanode进程管理存储的分块数据。使用Hadoop集群时，可运用MapReduce框架将待处理的数据集进行整合，并将整合后数据分块存储至数据节点中，分块信息元数据由主节点统一管理；客户端首先连接主节点，进而利用数据节点资源进行分布式运算；最终利用HDFS，将运算结果存储在数据节点中。实验室所建立Hadoop集群平台拓扑结构如图2所示。
在算例1中，采用GN分裂算法获取该网络的薄弱线路集合，如表1所示的对分割有效结果有影响的前12条薄弱线路的边介数。设定阈值为0.1，将系统逐步转换成子网络集合和协调网络两部分。根据分割目标函数，确定如图2最优分割格局。在图3中，子网络1、2、3、4和5，分别涵盖节点成员为{8、25、26、27、28、29、30}、{12、13、14、15、16、17、18、19、20、23}、{9、11}、{21、22}和{1、2、3、5、7}，协调网络涵盖节点为{4、6、10、24}。其J最大，为0.25。
表1：IEEE30节点系统部分线路边介数
Figure GDA0003773058480000121
算例2中，假设各支路正序阻抗与负序阻抗相等，零序阻抗是正序阻抗的2倍，并且与支路6-9、6-10、4-12和28-27对应的变压器T1、T2、T3和T4的正序、负序和零序阻抗均分别相等，具体为0.208、0.556、0.256和0.396(单位：p.u.)；且假设各个发电机对地电抗均为0.2，不计负荷，各个节点短路前电压均为标幺值1.0，研究节点16发生各种短路故障时的短路电流(以A相位参考相)。
在系统中，节点16短路时，传统方法和所提MapReduce-SC法的短路电流结果对比如表2所示。其中，表2的I1、I2、I0和If分别对应该短路点的正序、负序与零序电流分量和故障电流(单位：p.u.)。为便于直接观察该系统各节点的短路电流，也绘制MapReduce-SC方法所得该系统的短路电流分布图，如图4所示。
表2：不同方法短路电流结果对比
Figure GDA0003773058480000131
在算例3中，采用三种方法进行短路电流计算，MP_SC法的求解时间为0.5923s，优于传统方法的0.6153s，这表明对短路电流计算进行并行求解，时间效率相对较高。此外，结合Hadoop集群实现对短路电流并行计算的MapReduce_SC法由于集群系统初始化、对分布式文件系统的I/O读写等时间开支等计算量相对较大，但是随着电网规模的增大或所解决问题的维度增大，时间开支所占整个短路MapReduce作业的时间比重将逐步降低，此时结合集群进行求解问题的计算效率将得以体现。因此，将MapReduce_SC法应用于大规模电力网络的短路电流计算时，其总的求解时间具有一定的优势。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (5)

1.一种基于Hadoop架构的电力系统短路电流并行协调方法，其特征在于，包括以下步骤：
S1.采用节点撕裂分割转换的网络分块优化方法获取最优的电力网络分割格局；S1的具体内容包括：
S11.计算所述电力网络中所有线路的边界数，逐步移除边界数最大的线路，得到薄弱线路集合；
S12.将薄弱线路所对应的两端节点转换为撕裂节点，确定撕裂节点集合和分割格局集合；
S13.依据分割目标条件函数J择取电力网络最优分割格局；
S2.根据S1中所获取的最优的分割格局，将电力网络分成一个以上的子网络和联系各子网络之间耦合关系的协调网络，在节点分裂形式下对电力系统分块降维；S2的具体内容包括：
根据S1中所获取的最优的分割格局，将所述电力网络划分成一个以上的子网络p及联系子网络之间耦合关系的协调网络t，并将各短路分量网络的节点导纳矩阵按照子网络p和协调网络t的顺序，形成块对角形式的节点导纳矩阵，获得子网络p和协调网络t的耦合关系：
YPPUP＝IP-YPtUt p＝1,2，……w (2)
式中：Up、Ut分别为第p个子网络和协调网络t内部所包含节点的节点电压；Ip为第p个子网络的节点注入电流；
消去子网络p，仅保留由所述撕裂节点集合所组成的协调网络t部分的线性方程组，从而独立分别求解节点电压Ut与Up；
S3.结合Hadoop集群下的MapReduce框架实现短路电流并行协调；
S3具体包括以下步骤：
S31：确定各子网络编号和各子网络内部包含节点编号，并将所述子网络编号和所述节点编号上传至所述HDFS文件系统中；
S32：读取HDFS文件系统中的节点参数、线路参数和网络分割信息；设置短路节点及故障类型；
S33：分别计算形成短路分量网络的节点导纳矩阵；其中，所述短路分量网络包括：系统正序网络、系统负序网络和系统零序网络；
S34：依据短路节点，形成与短路分量网络对应各节点的单位注入电流I矩阵；
S35：参照子网络编号和节点参数，将短路分量网络的节点导纳矩阵转化为各子网络本身及其与协调网络关联的节点导纳矩阵；对所述单位注入电流I矩阵进行转换，形成电流子矩阵；
S36：上传具体参数信息至HDFS文件系统中；
S37：启动MapReduce作业：将作业运行分为Mapper与Reduce两个阶段；
Mapper阶段读取所述HDFS文件系统中与当前子网络关联的相关参数，求解当前节点相对于所述短路节点的自阻抗或互阻抗元素；
Reduce阶段实现整个电力网络中各节点相对于所述短路节点的自阻抗或互阻抗元素的汇总与更新；
S38：依据故障类型，计算故障电流。
2.根据权利要求1所述的基于Hadoop架构的电力系统短路电流并行协调方法，其特征在于，S36中所述的具体参数信息包括：第i个子网络的自导纳Yii、第i个子网络与协调网络t间的互导纳Yit、协调网络t与第i个子网络之间的互导纳Yti、第1个子网络的节点注入电流I1、和协调网络t内节点的节点电流It。
3.根据权利要求1所述的基于Hadoop架构的电力系统短路电流并行协调方法，其特征在于，在S11中，逐步移除边界数最大的边，直至电力网络所有节点均退化为一个独立节点社团，得到薄弱线路集合。
4.根据权利要求1所述的基于Hadoop架构的电力系统短路电流并行协调方法，其特征在于，所述目标条件函数J为：
Figure FDA0003773058470000031
式中：符号“|”表征条件前提，符号“|”右边为前提条件，左边对应最终目标条件函数值；Vconet为所述协调网络所包含的撕裂节点数目；Vnet_i、Vnet_j分别为分割后第i个和第j个子网络内部所包含的节点数目。
5.根据权利要求1所述的基于Hadoop架构的电力系统短路电流并行协调方法，其特征在于，所述块对角形式的节点导纳矩阵为：
Figure FDA0003773058470000032
上式中：Y11、Y22、…、Yww、Ytt对角元素表示网络的自导纳，Y1t、…、Ywt非对角元素表示子网络与相应协调网络间的互导纳；
由所述撕裂节点集合所组成的协调网络t部分的线性方程组为：
Figure FDA0003773058470000033
上式中
Figure FDA0003773058470000034
变量的定义为：
Figure FDA0003773058470000035
式中，
Figure FDA0003773058470000036
为消除所有子网络后所得到的节点导纳矩阵；
Figure FDA0003773058470000037
为将消除子网络中各节点的注入电流移置到协调网络t所对应撕裂节点的电流矩阵；It为协调网络t内节点的节点电流。
CN202010240432.5A 2020-03-31 2020-03-31 一种基于Hadoop架构的电力系统短路电流并行协调方法 Active CN111626463B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010240432.5A CN111626463B (zh) 2020-03-31 2020-03-31 一种基于Hadoop架构的电力系统短路电流并行协调方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010240432.5A CN111626463B (zh) 2020-03-31 2020-03-31 一种基于Hadoop架构的电力系统短路电流并行协调方法

Publications (2)

Publication Number Publication Date
CN111626463A CN111626463A (zh) 2020-09-04
CN111626463B true CN111626463B (zh) 2022-09-23

Family

ID=72272596

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010240432.5A Active CN111626463B (zh) 2020-03-31 2020-03-31 一种基于Hadoop架构的电力系统短路电流并行协调方法

Country Status (1)

Country Link
CN (1) CN111626463B (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101976835B (zh) * 2010-10-11 2012-11-14 重庆大学 一种大规模电力系统牛顿潮流的并行计算方法
US9835673B2 (en) * 2013-04-12 2017-12-05 Mitsubishi Electric Research Laboratories, Inc. Method for analyzing faults in ungrounded power distribution systems
CN103353921B (zh) * 2013-06-18 2016-08-31 国家电网公司 一种基于启发式自动网络分区电力系统并行潮流确定方法
CN105932675B (zh) * 2016-06-30 2018-05-25 四川大学 一种电力系统潮流并行协调算法
CN107069696B (zh) * 2016-09-23 2019-09-24 四川大学 一种电力系统状态估计的并行计算方法
CN106875043B (zh) * 2017-01-19 2020-05-08 四川大学 一种基于gn分裂算法的节点迁移网络分块优化方法
CN106888112B (zh) * 2017-01-19 2019-10-18 四川大学 一种基于快速分裂算法的节点迁移网络分块优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
数据中心求解对角加边模型的方法;向文平;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170315(第3期);第2-4章 *

Also Published As

Publication number Publication date
CN111626463A (zh) 2020-09-04

Similar Documents

Publication Publication Date Title
Morton et al. An efficient brute-force solution to the network reconfiguration problem
Peng et al. Feeder reconfiguration in distribution networks based on convex relaxation of OPF
US9835673B2 (en) Method for analyzing faults in ungrounded power distribution systems
Maeda et al. Topological formulas for network functions
CN104124686B (zh) 基于配网区块化理论的电网优化运行方法
CN107453928B (zh) 一种电力通信网节点重要度评价方法及装置
CN104077393B (zh) 一种基于半监督谱聚类的最优解列断面搜索方法
CN109802392B (zh) 大规模配电网潮流计算方法及装置
Zhou et al. CIM/E oriented graph database model architecture and parallel network topology processing
CN103795057A (zh) 配电网潮流计算中基于搜索的配电网拓扑编号生成方法
CN110224383B (zh) 一种配电网故障自愈与线损协同优化方法及系统
CN111626463B (zh) 一种基于Hadoop架构的电力系统短路电流并行协调方法
CN106875043B (zh) 一种基于gn分裂算法的节点迁移网络分块优化方法
CN112103950B (zh) 一种基于改进gn分裂算法的电网分区方法
CN106899021B (zh) 电力系统的潮流计算系统
CN111834996B (zh) 电网线损计算方法和装置
Abdel-Akher et al. An approach to determine a pair of power-flow solutions related to the voltage stability of unbalanced three-phase networks
CN107436995B (zh) 考虑外网对地支路和灵敏度信息的等值三相短路计算方法
CN115879742A (zh) 配电网改造方法、系统、电子设备及存储介质
CN110176755A (zh) 一种故障限流器配置方法及装置
CN106684875B (zh) 网络组、划分配电网区域的方法、配电网及其分析方法
CN105932675B (zh) 一种电力系统潮流并行协调算法
CN110932335B (zh) 一种基于Petri网的船舶电力系统发电调度管理方法
CN113629769B (zh) 一种基于线路权重的电网分区搜索方法和系统
CN106849098B (zh) 电力系统的潮流计算方法

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