CN113221306B - 基于自适应状态观测器的配网拓扑检测方法、装置及设备 - Google Patents

基于自适应状态观测器的配网拓扑检测方法、装置及设备 Download PDF

Info

Publication number
CN113221306B
CN113221306B CN202110656233.7A CN202110656233A CN113221306B CN 113221306 B CN113221306 B CN 113221306B CN 202110656233 A CN202110656233 A CN 202110656233A CN 113221306 B CN113221306 B CN 113221306B
Authority
CN
China
Prior art keywords
node
distribution network
network
adaptive state
observation
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
CN202110656233.7A
Other languages
English (en)
Other versions
CN113221306A (zh
Inventor
肖勇
曾勇刚
林伟斌
赵云
崔超
蔡梓文
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.)
CSG Electric Power Research Institute
China Southern Power Grid Co Ltd
Original Assignee
CSG Electric Power Research Institute
China Southern Power Grid 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 CSG Electric Power Research Institute, China Southern Power Grid Co Ltd filed Critical CSG Electric Power Research Institute
Priority to CN202110656233.7A priority Critical patent/CN113221306B/zh
Publication of CN113221306A publication Critical patent/CN113221306A/zh
Application granted granted Critical
Publication of CN113221306B publication Critical patent/CN113221306B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Abstract

本发明实施例涉及一种基于自适应状态观测器的配网拓扑检测方法、装置及设备，该方法通过建立配网拓扑的自适应状态观测网络；实时采集配网中所有节点以及与每个节点对应的电压相角，得到检测数据；将检测数据输入自适应状态观测网络中，得到更新自适应状态观测网络；通过更新自适应状态观测网络获取配网的线路观测值和节点连边数值，基于线路观测值和节点连边数值得到配网的实时网络拓扑，实现对配网网络拓扑的检测。该方法采用配网暂态数据进行拓扑辨识，提高了拓扑检测的速度，所建立的自适应状态观测网络能很好地克服配网中的用电负荷随机波动，具备严格的数学有效性和时间尺度上的收敛性，解决了现有技术中不能实时检测配网拓扑结构的问题。

Description

基于自适应状态观测器的配网拓扑检测方法、装置及设备
技术领域
本发明涉及电网信息技术领域，尤其涉及一种基于自适应状态观测器的配网拓扑检测方法、装置及设备。
背景技术
电网传输系统(配网)由输电网和配电网组成，其主要功能是从发电机向负载传输电能，输电网主要为连接变电站和发电厂的高压线路，而配电网主要为连接变电站与终端用户的中低压线路。以往，电力系统的集中控制和监测主要针对发电、输电和高压配电环节，但是间歇性分布式能源车辆的主动配电网的出现，对低压配电控制的提升产生了需求。
相对来说，输电网的拓扑变化周期较长，结构相对稳定，而配电网较为灵活，分支较多，其拓扑变化较为频繁。在此类电网传输系统的拓扑情况下，现有对输电网的拓扑检测主要手段有状态估计、压缩感知等，现有主要有采用Group Lasso算法来估计中低压的配电网拓扑，利用有限的数据还原网络拓扑；还有利用结构学习的手段来检测当前的树状配电网络。然而上述对电网传输系统的拓扑检测的算法主要是利用静态模型，不能实现实时对电网传输系统快速配网拓扑进行检测，因此如何实现快速检测配网拓扑是本领域技术人员亟待解决的问题。
发明内容
本发明实施例提供了一种基于自适应状态观测器的配网拓扑检测方法、装置及设备，用于解决现有技术中不能实时检测配网拓扑结构的技术问题。
为了实现上述目的，本发明实施例提供如下技术方案：
一种基于自适应状态观测器的配网拓扑检测方法，包括以下步骤：
建立配网拓扑的自适应状态观测网络；
实时采集配网中所有节点以及与每个节点对应的电压相角，得到检测数据；
将所述检测数据输入所述自适应状态观测网络中，得到更新自适应状态观测网络；
通过所述更新自适应状态观测网络获取配网的线路观测值和节点连边数值，基于所述线路观测值和所述节点连边数值得到配网的实时网络拓扑。
优选地，建立配网拓扑的自适应状态观测网络的步骤包括：
获取配网的所有节点和线路，建立每个节点与线路之间的连接关系模型；
基于配网的负荷随机波动，通过配网的动力学模型和所述连接关系模型建立自适应状态观测网络。
优选地，所述连接关系模型的表达式为G＝(N,E)，N为配网所有节点的集合，
Figure GDA0003902242320000021
为每个节点与线路连接连边的集合，N为0,1,···,n。
优选地，所述配网的动力学模型的表达式为：
Figure GDA0003902242320000022
式中，
Figure GDA00039022423200000212
为去除0号节点的配网节点集合，Pi d为与节点i连接负荷需求的有功功率，Bij为节点i与节点j连接线路的电纳，θi为节点i的电压相角，θj为节点j的电压相角，Ti为节点i的频率-功率系数，sij为节点i与节点j连接线路的连通状态；N为配网所有节点的集合，N为0,1,···,n，
Figure GDA00039022423200000213
优选地，所述自适应状态观测网络的表达式为：
Figure GDA0003902242320000023
Figure GDA0003902242320000024
式中，
Figure GDA0003902242320000025
Figure GDA0003902242320000026
和
Figure GDA0003902242320000027
分别是θi和sij的观测值；
Figure GDA0003902242320000028
αi和βij均为设置的正整数；di和
Figure GDA0003902242320000029
均为反馈增益；Ni为与节点i连接的节点，Pi d为与节点i连接负荷需求的有功功率，Ti为节点i的频率-功率系数，Bij为节点i与节点j连接线路的电纳，θi为节点i的电压相角，sij为节点i与节点j连接线路的连通状态；
Figure GDA00039022423200000210
W(t)是一个服从标准正态分布的随机量，
Figure GDA00039022423200000211
是与负荷随机波动强度相关的特征函数。
优选地，建立的所述连接关系模型包括：0号所述节点与配电的馈线连接。
优选地，在所述更新自适应状态观测网络中，计算所述节点连边数值的表达式为：
Figure GDA0003902242320000031
δ为设定阈值，sij为节点i与节点j 连接线路的连通状态，(i,j)为一条由节点i与节点j连接的线路，E为连边的集合。
本发明还提供一种基于自适应状态观测器的配网拓扑检测装置，包括观测网络建立模块、数据获取模块、更新网络模块和拓扑输出模块；
所述观测网络建立模块，用于建立配网拓扑的自适应状态观测网络；
所述数据获取模块，用于实时采集配网中所有节点以及与每个节点对应的电压相角，得到检测数据；
所述更新网络模块，用于将所述检测数据输入所述自适应状态观测网络中，得到更新自适应状态观测网络；
所述拓扑输出模块，用于通过所述更新自适应状态观测网络获取配网的线路观测值和节点连边数值，基于所述线路观测值和所述节点连边数值得到配网的实时网络拓扑。
本发明还提供一种计算机可读存储介质，所述计算机存储介质用于存储计算机指令，当其在计算机上运行时，使得计算机执行上述所述的基于自适应状态观测器的配网拓扑检测方法。
本发明还提供一种基于自适应状态观测器的配网拓扑检测设备，包括处理器以及存储器；
所述存储器，用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器，用于根据所述程序代码中的指令执行上述所述的基于自适应状态观测器的配网拓扑检测方法。
从以上技术方案可以看出，本发明实施例具有以下优点：该基于自适应状态观测器的配网拓扑检测方法、装置及设备通过建立配网拓扑的自适应状态观测网络；实时采集配网中所有节点以及与每个节点对应的电压相角，得到检测数据；将检测数据输入自适应状态观测网络中，得到更新自适应状态观测网络；通过更新自适应状态观测网络获取配网的线路观测值和节点连边数值，基于线路观测值和节点连边数值得到配网的实时网络拓扑，实现对配网网络拓扑的检测。该基于自适应状态观测器的配网拓扑检测方法采用配网暂态数据进行拓扑辨识，可以很大程度上提高拓扑检测的速度，所建立的自适应状态观测网络能很好地克服配网中的用电负荷随机波动，具备严格的数学有效性和时间尺度上的收敛性，解决了现有技术中不能实时检测配网拓扑结构的技术问题。
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一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例所述的基于自适应状态观测器的配网拓扑检测方法的步骤流程图。
图2为本发明实施例所述的基于自适应状态观测器的配网拓扑检测方法中的22节点低压配电网拓扑图。
图3为本发明实施例所述的基于自适应状态观测器的配网拓扑检测方法建立自适应状态观测网络的步骤流程图。
图4为本发明实施例所述的基于自适应状态观测器的配网拓扑检测方法配网网络拓扑结构图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。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它实施例，都属于本发明保护的范围。
本申请实施例提供了一种基于自适应状态观测器的配网拓扑检测方法、装置及设备，解决了现有技术中不能实时检测配网拓扑结构的技术问题。
实施例一：
图1为本发明实施例所述的基于自适应状态观测器的配网拓扑检测方法的步骤流程图。
如图1所示，本发明实施例提供了一种基于自适应状态观测器的配网拓扑检测方法，包括以下步骤：
S10.建立配网拓扑的自适应状态观测网络；
S20.实时采集配网中所有节点以及与每个节点对应的电压相角，得到检测数据；
S30.将检测数据输入自适应状态观测网络中，得到更新自适应状态观测网络；
S40.通过更新自适应状态观测网络获取配网的线路观测值和节点连边数值，基于线路观测值和节点连边数值得到配网的实时网络拓扑。
在本发明实施例的步骤S10中，主要是根据已有的配网拓扑图、配网拓扑中节点连接负荷波动建立自适应状态观测网络，为检测配网拓扑提供检测配网拓扑关系的网络。
在本发明实施例的步骤S20中，主要是获取待检测配网拓扑的检测数据。
需要说明的是，检测数据为θi(t),i∈N，N为配网所有节点的集合，i为节点，θi(t)为在t时间采集节点i的电压相角。检测数据的采样间隔不能忽略时，采用预测状态来替代连续状态。
图2为本发明实施例所述的基于自适应状态观测器的配网拓扑检测方法中的22节点低压配电网拓扑图。
在本发明实施例的步骤S30和步骤S40中，在步骤S20中得到的检测数据是配网节点的状态量，主要是采用自适应状态观测网络对检测数据进行处理，配网系统稳定时，获取配网中线路的连通状态，得到与检测数据对应的更新自适应状态观测网络，从更新自适应状态观测网络中得到线路观测值
Figure GDA0003902242320000051
和节点连边数值
Figure GDA0003902242320000052
δ为设定阈值，sij为节点i与节点j连接线路的连通状态，(i,j)为一条由节点i与节点j连接的线路， E为连边的集合，依据线路观测值和节点连边数值能够得到两两节点之间的关系，从而形成配网的实时网络拓扑，配网的实时网络拓扑与配电系统中的设置网络拓扑对比，能够知晓配网的实时网络拓扑是否发生故障以及发生在哪里发生故障。如图2所示，当线路处于不同的开关状态，该配网会在不同的状态下运行。
需要说明的是，δ设置为一个较小的阈值，可能由于线路老化、模型误差等造成sij≠1，该阈值δ为一个冗余量，保证检测的准确度。在本实施例中，线路是两两节点连接的。
本发明提供的一种基于自适应状态观测器的配网拓扑检测方法通过建立配网拓扑的自适应状态观测网络；实时采集配网中所有节点以及与每个节点对应的电压相角，得到检测数据；将检测数据输入自适应状态观测网络中，得到更新自适应状态观测网络；通过更新自适应状态观测网络获取配网的线路观测值和节点连边数值，基于线路观测值和节点连边数值得到配网的实时网络拓扑，实现对配网网络拓扑的检测。该基于自适应状态观测器的配网拓扑检测方法采用配网暂态数据进行拓扑辨识，可以很大程度上提高拓扑检测的速度，所建立的自适应状态观测网络能很好地克服配网中的用电负荷随机波动，具备严格的数学有效性和时间尺度上的收敛性，解决了现有技术中不能实时检测配网拓扑结构的技术问题。
图3为本发明实施例所述的基于自适应状态观测器的配网拓扑检测方法建立自适应状态观测网络的步骤流程图，图4为本发明实施例所述的基于自适应状态观测器的配网拓扑检测方法配网网络拓扑结构图。
如图3所示，在本发明的一个实施例中，建立配网拓扑的自适应状态观测网络的步骤包括：
S11.获取配网的所有节点和线路，建立每个节点与线路之间的连接关系模型；
S12.基于配网的负荷随机波动，通过配网的动力学模型和连接关系模型建立自适应状态观测网络。
在本发明实施例的步骤S11中，连接关系模型的表达式为G＝(N,E)，N 为配网所有节点的集合，
Figure GDA0003902242320000061
为每个节点与线路连接连边的集合，N为0,1,···,n。
需要说明的是，如图4所示，配网网络拓扑结构包括n+1节点，将其描述为一个连接关系模型G＝(N,E)，其中N为配网台区所有节点的集合，其编号为0,1,···,n，其中0号节点直接连接馈线，
Figure GDA0003902242320000071
为所有连边的集合，将除去0号节点的所有节点的集合记为
Figure GDA00039022423200000722
Figure GDA00039022423200000723
在本发明实施例的步骤S12中，配网的动力学模型的表达式为：
Figure GDA0003902242320000072
式中，
Figure GDA00039022423200000724
为去除0号节点的配网节点集合，Pi d为与节点i连接负荷需求的有功功率，Bij为节点i与节点j连接线路的电纳，θi为节点i的电压相角，θj为节点j的电压相角，Ti为节点i的频率-功率系数，sij为节点i与节点j连接线路的连通状态；N为配网所有节点的集合，N为0,1,···,n，
Figure GDA00039022423200000725
自适应状态观测网络的表达式为：
Figure GDA0003902242320000073
用电负荷状态观测的表达式为：
Figure GDA0003902242320000074
式中，
Figure GDA0003902242320000075
Figure GDA0003902242320000076
和
Figure GDA0003902242320000077
分别是θi和sij的观测值，
Figure GDA0003902242320000078
表示
Figure GDA0003902242320000079
的导数，
Figure GDA00039022423200000710
表示
Figure GDA00039022423200000711
的导数；
Figure GDA00039022423200000712
αi和βij均为自适应状态观测网络的自适应率参数，这里均设置的正整数；di和
Figure GDA00039022423200000713
分别为自适应状态观测网络和电负荷状态观测的反馈增益，
Figure GDA00039022423200000714
表示di的导数，
Figure GDA00039022423200000715
表示
Figure GDA00039022423200000716
的导数；Ni为与节点i连接的节点， Pi d为与节点i连接负荷需求的有功功率，Ti为节点i的频率-功率系数，Bij为节点i与节点j连接线路的电纳，θi为节点i的电压相角，sij为节点i与节点j 连接线路的连通状态；
Figure GDA00039022423200000717
W(t)是一个服从标准正态分布无量纲的随机量，
Figure GDA00039022423200000718
表示Pd的观测值，
Figure GDA00039022423200000719
表示对
Figure GDA00039022423200000720
求微分，
Figure GDA00039022423200000721
是与负荷随机波动强度相关的特征函数。
需要说明的是，由于配网系统中切换开关的存在，每一条线路可能运行在连通和断开两种状态，对于每一条线路是由节点i和节点j连接组成的，记为l＝(i,j)，当线路连通时其状态指标sij＝1，反之sij＝0。因此，将配网开关、线路以及节点结合，得到当前配网运行拓扑的表示为
Figure GDA0003902242320000081
其中
Figure GDA0003902242320000082
在本实施例中，动力学模型使用MATLAB中的ode45 进行微分方程仿真得到的。由于节点用电负荷会随时间随机波动，负荷的随机波动，负载随机波动可以用dPd＝g(Pd)dW(t)这个数学表达式来表达，式中，
Figure GDA0003902242320000083
W(t)是一个服从标准正态分布的随机量，
Figure GDA0003902242320000084
是与负荷随机波动强度相关的特征函数。其中， g(·)是是一个非负的增函数，其决定着负荷波动的方差。自适应状态观测网络包括配网的动力学模型、反馈增益、线路的连通状态、以及用电负荷状态观测。反馈增益、线路的连通状态和用电负荷状态观测主要是用于增加调控因子来控制自适应状态观测网络的收敛速度。
在本发明实施例中，本发明提供的基于自适应状态观测器的配网拓扑检测方法采用以下案例进行说明。
在配网系统的PMU数据中获取配网的所有节点、线路以及线路的状态，采用tk表示采样时间序列，其满足0≤t0＜t1＜···＜tk＜tk+1＜···，时间间隔表示为τk＝tk+1-tk，且limk→∞tk＝∞。根据自适应状态观测网络的表达式得到：
Figure GDA0003902242320000085
其中
Figure GDA0003902242320000086
为θi的预测量，预测量遵循如下的微分方程：
Figure GDA0003902242320000087
在采样是时刻点，有
Figure GDA0003902242320000088
记τm为采样间隔的最大值，即τm＝max{τk}。存在一个常数
Figure GDA0003902242320000089
当采样间隔的上界满足
Figure GDA00039022423200000810
时，能够得到
Figure GDA00039022423200000811
需要说明的是，在用电负荷Pi d,i∈N随时间随机波动的情况下，自适应状态观测网络能够满足
Figure GDA00039022423200000812
由此，该自适应状态观测网络采用扩散算子去解决负荷的随机扰动问题；建立的自适应状态观测网络能满足时间尺度上的收敛性，也能够在负荷随机波动越剧烈时，拓扑检测越快收敛到真实值。主要是由于负荷的波动对自适应状态观测网络有一定的驱动作用，使得其更快地收敛到真实值，而不会陷入局部稳定值。
实施例二：
本发明实施例还提供一种基于自适应状态观测器的配网拓扑检测装置，包括观测网络建立模块、数据获取模块、更新网络模块和拓扑输出模块；
观测网络建立模块，用于建立配网拓扑的自适应状态观测网络；
数据获取模块，用于实时采集配网中所有节点以及与每个节点对应的电压相角，得到检测数据；
更新网络模块，用于将检测数据输入自适应状态观测网络中，得到更新自适应状态观测网络；
拓扑输出模块，用于通过更新自适应状态观测网络获取配网的线路观测值和节点连边数值，基于线路观测值和节点连边数值得到配网的实时网络拓扑。
需要说明的是，实施例二装置中的模块对应于实施例一方法中的步骤，实施例一方法中的步骤已在实施例一中详细阐述了，在此实施例二中不再对装置中的模块内容进行详细阐述。
实施例三：
本发明实施例提供了一种计算机可读存储介质，计算机存储介质用于存储计算机指令，当其在计算机上运行时，使得计算机执行上述的基于自适应状态观测器的配网拓扑检测方法。
实施例四：
本发明实施例提供了一种基于自适应状态观测器的配网拓扑检测设备，包括处理器以及存储器；
存储器，用于存储程序代码，并将程序代码传输给处理器；
处理器，用于根据程序代码中的指令执行上述的基于自适应状态观测器的配网拓扑检测方法。
需要说明的是，处理器用于根据所程序代码中的指令执行上述的一种基于自适应状态观测器的配网拓扑检测方法实施例中的步骤。或者，处理器执行计算机程序时实现上述各系统/装置实施例中各模块/单元的功能。
示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器中，并由处理器执行，以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在终端设备中的执行过程。
终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以是终端设备的内部存储单元，例如终端设备的硬盘或内存。存储器也可以是终端设备的外部存储设备，例如终端设备上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD) 卡，闪存卡(Flash Card)等。进一步地，存储器还可以既包括终端设备的内部存储单元也包括外部存储设备。存储器用于存储计算机程序以及终端设备所需的其他程序和数据。存储器还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种基于自适应状态观测器的配网拓扑检测方法，其特征在于，包括以下步骤：
建立配网拓扑的自适应状态观测网络；
实时采集配网中所有节点以及与每个节点对应的电压相角，得到检测数据；
将所述检测数据输入所述自适应状态观测网络中，得到更新自适应状态观测网络；
通过所述更新自适应状态观测网络获取配网的线路观测值和节点连边数值，基于所述线路观测值和所述节点连边数值得到配网的实时网络拓扑；
建立配网拓扑的自适应状态观测网络的步骤包括：
获取配网的所有节点和线路，建立每个节点与线路之间的连接关系模型；
基于配网的负荷随机波动，通过配网的动力学模型和所述连接关系模型建立自适应状态观测网络；
所述自适应状态观测网络的表达式为：
Figure FDA0003902242310000011
Figure FDA0003902242310000012
式中，
Figure FDA0003902242310000013
Figure FDA0003902242310000014
和
Figure FDA0003902242310000015
分别是θi和sij的观测值；
Figure FDA0003902242310000016
αi和βij均为设置的正整数；di和
Figure FDA0003902242310000017
均为反馈增益；Ni为与节点i连接的节点，Pi d为与节点i连接负荷需求的有功功率，Ti为节点i的频率-功率系数，Bij为节点i与节点j连接线路的电纳，θi为节点i的电压相角，sij为节点i与节点j连接线路的连通状态；
Figure FDA0003902242310000018
W(t)是一个服从标准正态分布的随机量，
Figure FDA0003902242310000019
是与负荷随机波动强度相关的特征函数，
Figure FDA00039022423100000110
为去除0号节点的配网节点集合。
2.根据权利要求1所述的基于自适应状态观测器的配网拓扑检测方法，其特征在于，所述连接关系模型的表达式为G＝(N,E)，N为配网所有节点的集合，E为每个节点与线路连接连边的集合，N为0,1,···,n。
3.根据权利要求1所述的基于自适应状态观测器的配网拓扑检测方法，其特征在于，所述配网的动力学模型的表达式为：
Figure FDA0003902242310000021
式中，
Figure FDA0003902242310000023
为去除0号节点的配网节点集合，Pi d为与节点i连接负荷需求的有功功率，Bij为节点i与节点j连接线路的电纳，θi为节点i的电压相角，θj为节点j的电压相角，Ti为节点i的频率-功率系数，sij为节点i与节点j连接线路的连通状态；N为配网所有节点的集合，N为0,1,···,n，
Figure FDA0003902242310000024
4.根据权利要求2所述的基于自适应状态观测器的配网拓扑检测方法，其特征在于，建立的所述连接关系模型包括：0号所述节点与配电的馈线连接。
5.根据权利要求1所述的基于自适应状态观测器的配网拓扑检测方法，其特征在于，在所述更新自适应状态观测网络中，计算所述节点连边数值的表达式为：
Figure FDA0003902242310000022
δ为设定阈值，sij为节点i与节点j连接线路的连通状态，(i,j)为一条由节点i与节点j连接的线路，E为连边的集合。
6.一种基于自适应状态观测器的配网拓扑检测装置，其特征在于，包括观测网络建立模块、数据获取模块、更新网络模块和拓扑输出模块；
所述观测网络建立模块，用于建立配网拓扑的自适应状态观测网络；
所述数据获取模块，用于实时采集配网中所有节点以及与每个节点对应的电压相角，得到检测数据；
所述更新网络模块，用于将所述检测数据输入所述自适应状态观测网络中，得到更新自适应状态观测网络；
所述拓扑输出模块，用于通过所述更新自适应状态观测网络获取配网的线路观测值和节点连边数值，基于所述线路观测值和所述节点连边数值得到配网的实时网络拓扑；
所述观测网络建立模块，具体用于获取配网的所有节点和线路，建立每个节点与线路之间的连接关系模型；
基于配网的负荷随机波动，通过配网的动力学模型和所述连接关系模型建立自适应状态观测网络；
所述自适应状态观测网络的表达式为：
Figure FDA0003902242310000031
Figure FDA0003902242310000032
式中，
Figure FDA0003902242310000033
Figure FDA0003902242310000034
和
Figure FDA0003902242310000035
分别是θi和sij的观测值；
Figure FDA0003902242310000036
αi和βij均为设置的正整数；di和
Figure FDA0003902242310000037
均为反馈增益；Ni为与节点i连接的节点，Pi d为与节点i连接负荷需求的有功功率，Ti为节点i的频率-功率系数，Bij为节点i与节点j连接线路的电纳，θi为节点i的电压相角，sij为节点i与节点j连接线路的连通状态；
Figure FDA0003902242310000038
W(t)是一个服从标准正态分布的随机量，
Figure FDA0003902242310000039
是与负荷随机波动强度相关的特征函数，
Figure FDA00039022423100000310
为去除0号节点的配网节点集合。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机指令，当其在计算机上运行时，使得计算机执行如权利要求1-5任意一项所述的基于自适应状态观测器的配网拓扑检测方法。
8.一种基于自适应状态观测器的配网拓扑检测设备，其特征在于，包括处理器以及存储器；
所述存储器，用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器，用于根据所述程序代码中的指令执行如权利要求1-5任意一项所述的基于自适应状态观测器的配网拓扑检测方法。
CN202110656233.7A 2021-06-11 2021-06-11 基于自适应状态观测器的配网拓扑检测方法、装置及设备 Active CN113221306B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110656233.7A CN113221306B (zh) 2021-06-11 2021-06-11 基于自适应状态观测器的配网拓扑检测方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110656233.7A CN113221306B (zh) 2021-06-11 2021-06-11 基于自适应状态观测器的配网拓扑检测方法、装置及设备

Publications (2)

Publication Number Publication Date
CN113221306A CN113221306A (zh) 2021-08-06
CN113221306B true CN113221306B (zh) 2023-03-17

Family

ID=77081504

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110656233.7A Active CN113221306B (zh) 2021-06-11 2021-06-11 基于自适应状态观测器的配网拓扑检测方法、装置及设备

Country Status (1)

Country Link
CN (1) CN113221306B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106532667A (zh) * 2017-01-03 2017-03-22 中国南方电网有限责任公司 智能配电网差动保护参数网络拓扑自适应方法
CN111799845A (zh) * 2020-08-07 2020-10-20 国网四川省电力公司电力科学研究院 电源集群送出的电力系统安控策略自适应建模方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9287713B2 (en) * 2011-08-04 2016-03-15 Siemens Aktiengesellschaft Topology identification in distribution network with limited measurements
CN103956733B (zh) * 2014-04-25 2016-05-18 深圳大学 电力网中节点到支路的有功功率传输系数的对称获取方法
CN111313405B (zh) * 2020-02-29 2022-04-01 上海电力大学 一种基于多量测断面的中压配电网拓扑辨识方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106532667A (zh) * 2017-01-03 2017-03-22 中国南方电网有限责任公司 智能配电网差动保护参数网络拓扑自适应方法
CN111799845A (zh) * 2020-08-07 2020-10-20 国网四川省电力公司电力科学研究院 电源集群送出的电力系统安控策略自适应建模方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Comparative analysis of existing models for power-grid synchronization;T Nishikawa et al;《New Journal of Physics》;20150127;第1-19页 *

Also Published As

Publication number Publication date
CN113221306A (zh) 2021-08-06

Similar Documents

Publication Publication Date Title
Quirós‐Tortós et al. Constrained spectral clustering‐based methodology for intentional controlled islanding of large‐scale power systems
Li et al. Transient stability prediction based on apparent impedance trajectory recorded by PMUs
WO2016004361A1 (en) System and method for assessing smart power grid networks
Decanini et al. Robust fault diagnosis in power distribution systems based on fuzzy ARTMAP neural network-aided evidence theory
CN112750051B (zh) 基于随机森林算法的台区相序识别方法、装置及终端设备
CN109066650B (zh) 电力系统脆弱性评估方法及终端设备
CN109521292B (zh) 一种模块化多电平换流器的电容器组寿命评估方法与装置
CN113189447B (zh) 一种基于贝叶斯网络的馈线故障检测方法、系统及设备
Wang et al. Online analysis of voltage security in a microgrid using convolutional neural networks
Tang et al. Online coherency analysis of synchronous generators in a power system
CN111147306B (zh) 一种物联网设备的故障分析方法、装置以及物联网平台
CN113221306B (zh) 基于自适应状态观测器的配网拓扑检测方法、装置及设备
Korres et al. Substation topology identification in generalized state estimation
CN104917177A (zh) 一种电力系统戴维南等值参数在线识别方法及其装置
CN113033889B (zh) 高压输电线路故障预测方法、装置及终端设备
Wei et al. Situational awareness of coherency behavior of synchronous generators in a power system with utility-scale photovoltaics
CN113221307B (zh) 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
CN112733348B (zh) 基于多项式和最大熵模型的混联电网概率计算方法及装置
CN110350507B (zh) 直流微网等效电容确定方法、装置及计算机可读存储介质
CN110309873B (zh) 基于潮流向量贝叶斯分类的集成暂态稳定评估方法及系统
CN113489011A (zh) 电力系统暂态稳定评估方法、装置、电子设备和存储介质
CN112968473A (zh) 交直流混合配电网抗差状态估计方法及终端设备
Ramachandran et al. Transient stability in power systems using a convolutional neural network
CN112510818B (zh) 一种智能电力系统监控方法及装置
CN111327061B (zh) 基于视在阻抗的振荡稳定性判别方法和装置

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