发明内容
本发明的目的是提供一种配电网线路参数反向识别方法和系统,以对多T节点的配电网线路参数进行低误差、高精度的识别。
为实现上述目的,本发明提供了如下方案:
一种配电网线路参数反向识别方法,包括:
获取待识别配电网线路中节点的量测信息;
基于所述量测信息建立线路参数反向识别模型;
获取初始种群;所述初始种群为待识别配电网线路中每条线路的待求参数;
对所述初始种群进行变异、交叉和选择后得到进化种群;
采用所述线路参数反向识别模型根据所述进化种群确定全局最优个体;所述全局最优个体即为待识别配电网线路的参数反向识别结果;所述全局最优个体为适应值最小的个体。
优选地,所述获取待识别配电网线路中节点的量测信息,具体包括:
基于多时刻的数据采集与监视控制系统和微型相量测量单元获取待识别配电网线路中节点的量测信息。
优选地,所述基于所述量测信息建立线路参数反向识别模型,具体包括:
基于所述量测信息确定目标函数和约束条件;
根据所述目标函数和约束条件建立所述线路参数反向识别模型。
优选地,还包括:
采用线路参数反向识别模型,基于所述初始种群确定所述初始种群的适应值;
根据所述适应值确定局部最优个体和局部最优值;所述局部最优个体为适应值最小的个体;所述局部最优值为最小的适应值。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供的配电网线路参数反向识别方法,在获取待识别配电网线路中节点的量测信息后,基于获取的量测信息建立线路参数反向识别模型;然后,对获取的初始种群进行变异、交叉和选择后得到进化种群;最后,采用线路参数反向识别模型根据进化种群确定全局最优个体;全局最优个体即为待识别配电网线路的参数反向识别结果;全局最优个体为适应值最小的个体,进而在部分量测信息的基础上获得低误差、高精度的多T节点配电网线路参数。
对应于上述提供的配电网线路参数反向识别方法,本发明还提供了如下系统结构:
一种配电网线路参数反向识别系统,包括:
量测信息获取模块,用于获取待识别配电网线路中节点的量测信息;
线路参数反向识别模型构建模块,用于基于所述量测信息建立线路参数反向识别模型;
初始种群获取模块,用于获取初始种群;所述初始种群为待识别配电网线路中每条线路的待求参数;
进化种群确定模块,用于对所述初始种群进行变异、交叉和选择后得到进化种群;
识别结果确定模块,用于采用所述线路参数反向识别模型根据所述进化种群确定全局最优个体;所述全局最优个体即为待识别配电网线路的参数反向识别结果;所述全局最优个体为适应值最小的个体。
优选地,所述量测信息获取模块具体包括:
量测信息获取单元,用于基于多时刻的数据采集与监视控制系统和微型相量测量单元获取待识别配电网线路中节点的量测信息。
优选地,所述线路参数反向识别模型构建模块具体包括:
条件确定单元,用于基于所述量测信息确定目标函数和约束条件;
线路参数反向识别模型构建单元,用于根据所述目标函数和约束条件建立所述线路参数反向识别模型。
优选地,还包括:
适应值确定模块,用于采用线路参数反向识别模型,基于所述初始种群确定所述初始种群的适应值;
局部最优个体确定模块,用于根据所述适应值确定局部最优个体和局部最优值;所述局部最优个体为适应值最小的个体;所述局部最优值为最小的适应值。
因本发明提供的配电网线路参数反向识别系统达到的技术效果与本发明上述提供的配电网线路参数反向识别方法达到的技术效果相同,故在此不再进行赘述。
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。
本发明的目的是提供一种配电网线路参数反向识别方法和系统,以对多T节点的配电网线路参数进行低误差、高精度的识别。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明提供的配电网线路参数反向识别方法,包括:
步骤100:获取待识别配电网线路中节点的量测信息。其中,在本发明优选基于多时刻的数据采集与监视控制系统(Supervisory Control And Data Acquisition,SCADA)和微型相量测量单元(Micro-phasorMeasurementUnit,μPMU)获取待识别配电网线路中节点的量测信息。获取得到的量测信息只是部分量测信息。
步骤101:基于量测信息建立线路参数反向识别模型。该步骤具体包括:
步骤1010:基于量测信息确定目标函数和约束条件。其中,目标函数分为3部分,有SCADA量测的功率量测值与计算值差值的绝对值之和,有μPMU量测的电压幅值和电压相角量测值与计算值差值的绝对值之和。目标函数为:
minf=min(f1+f2+f3) (1)
式中,f1,f2和f3分别是功率部分、电压幅值部分和电压相角部分,这三部分相加构成了反向识别模型的目标函数。T为所选量测的时刻数。P0nm为发电侧节点第n个时刻的有功功率量测值。P0n为发电侧节点第n个时刻的有功功率计算值。Q0nm为发电侧节点第n个时刻的无功功率量测值。Q0n为发电侧节点第n个时刻的无功功率计算值。M为负荷侧节点的数量。Unkm为第k个负荷侧节点在第n个时刻的电压幅值量测值。Unk为第k个负荷侧节点在第n个时刻的电压幅值计算值。δnkm为第k个负荷侧节点在第n个时刻的电压相角量测值。δnk为第k个负荷侧节点在第n个时刻的电压相角计算值。
约束条件为:Rl>0,Xl>0(l=1,2,...,L) (5)
式中,L为配电网线路条数。Rl为第l条线路的电阻值。Xl为第l条线路的电抗值。
步骤1011:根据目标函数和约束条件建立线路参数反向识别模型。
步骤102:获取初始种群。其中,随机种群为待求参数,即配电网线路电阻和电抗参数。在本发明中采用初始种群产生方式是随机产生,即为配电网中每条线路的电阻和电抗随机赋初值。
在确定得到初始种群后,还优选确定算法控制参数。所确定的控制参数包括:种群数NP、缩放因子F和交叉概率CR。其中,种群数量NP一般取NP=(5~10)N,N为待求参数的数量(待求参数的数量是指配电网线路电阻和电抗的数量)。经过大量的实验和案例验证,缩放因子F和交叉概率CR取值分别为0.6和0.9。
步骤103:对初始种群进行变异、交叉和选择后得到进化种群。
步骤104:采用线路参数反向识别模型根据进化种群确定全局最优个体。全局最优个体即为待识别配电网线路的参数反向识别结果。全局最优个体为适应值最小的个体。该步骤具体包括:
在第g次迭代中,对于个体xi(g)=[xi,1(g),xi,2(g),...,xi,D(g)]按照下述公式(6)进行变异产生变异向量vi(g)。
vi(g)=xr1(g)+F·(xr2(g)-xr3(g)),i≠r1≠r2≠r3 (6)
其中,在个体xi(g)=[xi,1(g),xi,2(g),...,xi,D(g)]中,D为个体的维度。xr1(g)、xr2(g)和xr3(g)是种群中三个其他个体。F为缩放比例因子。
个体xi(g)与变异向量vi(g)按照公式(7)进行交叉,得到交叉向量。
其中,jrand为[1,2,…,D]的随机整数。j为个体xi(g)的第j个分量。randb(w)∈[0,1]是随机数发生器产生的随机数。CR是交叉概率。
个体xi(g)与交叉向量vi(g)按照公式(8)进行选择,得到适应度更高的g+1代个体xi(g+1)。
其中,Ф(x)为目标函数。
基于以上过程描述,可获得低误差、高精度的多T节点配电网线路参数。
为了进一步完善本发明上述提供的配电网线路参数反向识别方法,本发明还优选包括:
采用线路参数反向识别模型,基于初始种群确定初始种群的适应值。适应值即为种群中每个个体带入目标函数所得结果。
根据适应值确定局部最优个体和局部最优值。局部最优个体为适应值最小的个体。局部最优值为最小的适应值。
将种群中的个体适应值进行比较,适应值最小的个体即为局部最优个体,个体的适应值即为局部最优值。
下面以一个具体实施对本发明上述提供的配电网线路参数反向识别方法进行说明。
如图2所示,确定算法控制参数包括:种群数NP、迭代次数、缩放因子F和交叉概率CR,此外,参数还应包括量测数据的时刻数T。
为减小噪声带来的影响,提高反向识别的稳定性和准确性,采用多时刻量测数据是一个重要的步骤。同时,在选择量测数据时,应选择负荷变化较大时刻的量测,此时量测差异比较明显,每个量测数据的作用都能最大化,用较少的量测数据实现最大精度的识别。
种群初始化后,将随机分配的线路参数带入潮流计算,可能会出现潮流计算不收敛的情况,如果不做任何处理,势必会影响到后续的识别。因此,如果出现不收敛的情况,直接给适应值赋一个极大值,之后适应值比较时就会淘汰不收敛个体。
在实际配电网中,由于测量装置自身固有的量测不精确性,得到的量测数据本身就是有一定误差的:Xmn=Xtn+Xen(n=1,2,...,T) (9)
其中,Xmn是n时刻的量测值,包括从SCADA获取的功率量测和μPMU获取的电压幅值和相角量测,即Xmn=[Pmn,Qmn,Umn,δmn,]。Xtn为其量测真实值,Xen是量测误差,大致遵循具有零均值和特定标准差的高斯分布。因此,在潮流计算获得的真实值上叠加一定的高斯噪声,使其更加接近实际量测。
为了更加全面的验证本发明的有效性,本发明的案例仿真采用35kV的16节点配电系统和10kV的IEEE-33节点配电网。根据上述方法对案例进行反向识别,线路参数反向识别结果分别见表1和表2。
表1 35kV配电网线路参数反向识别结果
表2 10kV配电网线路参数反向识别结果
对两个实例中的线路参数真实值和识别值进行对比,能够发现本发明提供的配电网线路参数反向识别方法得到的线路参数与实际值相差很小,相对误差基本都在1%以下。在接近真实配电网的噪声环境中,该配电网线路参数反向识别方法可以实现多电压等级下的多T节点配电网线路参数的精确识别,两个实例结果完全可以证明本方法的精度和有效性。
对应于上述提供的配电网线路参数反向识别方法,本发明还提供了一种配电网线路参数反向识别系统,如图3所示,该配电网线路参数反向识别系统包括:量测信息获取模块1、线路参数反向识别模型构建模块2、初始种群获取模块3、进化种群确定模块4和识别结果确定模块5。
其中,量测信息获取模块1用于获取待识别配电网线路中节点的量测信息。
线路参数反向识别模型构建模块2用于基于量测信息建立线路参数反向识别模型。
初始种群获取模块3用于获取初始种群。初始种群为待识别配电网线路中每条线路的待求参数。
进化种群确定模块4用于对初始种群进行变异、交叉和选择后得到进化种群。
识别结果确定模块5用于采用线路参数反向识别模型根据进化种群确定全局最优个体。全局最优个体即为待识别配电网线路的参数反向识别结果。全局最优个体为适应值最小的个体。
进一步,上述量测信息获取模块1具体包括:量测信息获取单元。该量测信息获取单元用于基于多时刻的数据采集与监视控制系统和微型相量测量单元获取待识别配电网线路中节点的量测信息。
进一步,上述线路参数反向识别模型构建模块2具体包括:条件确定单元和线路参数反向识别模型构建单元。
其中,条件确定单元用于基于量测信息确定目标函数和约束条件。
线路参数反向识别模型构建单元用于根据目标函数和约束条件建立线路参数反向识别模型。
进一步,上述提供的配电网线路参数反向识别系统还优选包括:适应值确定模块和局部最优个体确定模块。
其中,适应值确定模块用于采用线路参数反向识别模型,基于初始种群确定初始种群的适应值。
局部最优个体确定模块用于根据适应值确定局部最优个体和局部最优值。局部最优个体为适应值最小的个体。局部最优值为最小的适应值。
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。对于实施例公开的系统而言,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。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。