CN113326474A - 互联大电网雅可比矩阵元素调控灵敏度优化计算方法及系统 - Google Patents

互联大电网雅可比矩阵元素调控灵敏度优化计算方法及系统 Download PDF

Info

Publication number
CN113326474A
CN113326474A CN202110603243.4A CN202110603243A CN113326474A CN 113326474 A CN113326474 A CN 113326474A CN 202110603243 A CN202110603243 A CN 202110603243A CN 113326474 A CN113326474 A CN 113326474A
Authority
CN
China
Prior art keywords
jacobian matrix
sensitivity
regulation
node
elements
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
CN202110603243.4A
Other languages
English (en)
Other versions
CN113326474B (zh
Inventor
贠志皓
马开刚
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.)
Shandong University
Original Assignee
Shandong 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 Shandong University filed Critical Shandong University
Priority to CN202110603243.4A priority Critical patent/CN113326474B/zh
Publication of CN113326474A publication Critical patent/CN113326474A/zh
Application granted granted Critical
Publication of CN113326474B publication Critical patent/CN113326474B/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
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本公开提供了一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法及系统，所述方案包括：基于节点的视在功率分别对节点电压相角和电压幅值进行求导，确定互联大电网的雅可比矩阵表示；通过所述雅可比矩阵中的元素对调控量参数求导，确定雅可比矩阵元素与调控量之间的灵敏度映射关系；其中，基于非零元素对称分布以及稀疏度高的特点，对所述求导过程的中间结果进行复用；基于获得的灵敏度映射关系，获得雅可比矩阵元素调控灵敏度的优化计算结果；所述方案基于非零元素对称分布以及稀疏度高的特点，对所述求导过程的中间结果进行复用，有效提高了雅可比矩阵调控灵敏度计算的实时性，进而为互联大电网的实时预防控制奠定了基础。

Description

互联大电网雅可比矩阵元素调控灵敏度优化计算方法及系统
技术领域
本公开属于电力系统相关技术领域，尤其涉及一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
发明人发现，在求取调控措施对电压稳定指标的灵敏度时，现有方法的中间求解过程中都需要涉及雅可比矩阵调控灵敏度的计算。对于一万节点以上的互联大电网，其调控变量数量也是接近万级水平，如果不采用任何优化流程的设计，内存占用会达到TB级，使电压稳定指标的调控灵敏度计算无法满足在线运行的要求，进而导致无法对互联大电网的运行进行实时预防控制，影响电网的正常运行。
发明内容
本公开为了解决上述问题，提供了一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法及系统，所述方案基于非零元素对称分布以及稀疏度高的特点，对所述求导过程的中间结果进行复用，有效提高了雅可比矩阵调控灵敏度计算的实时性，进而为互联大电网的实时预防控制奠定了基础。
根据本公开实施例的第一个方面，提供了一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法，包括：
基于节点的视在功率分别对节点电压相角和电压幅值进行求导，确定互联大电网的雅可比矩阵表示；
通过所述雅可比矩阵中的元素对调控量参数求导，确定雅可比矩阵元素与调控量之间的灵敏度映射关系；其中，基于非零元素对称分布以及稀疏度高的特点，对所述求导过程的中间结果进行复用；
基于获得的灵敏度映射关系，获得雅可比矩阵元素调控灵敏度的优化计算结果。
进一步的，所述雅可比矩阵中的元素对调控量参数求导中，将所述雅可比矩阵中的元素对调控量参数求导dJac/dr转化为先求取
Figure BDA0003093398810000021
和
Figure BDA0003093398810000022
具体为：
Figure BDA0003093398810000023
Figure BDA0003093398810000024
其中，Jac为雅可比矩阵，r为调控量参数，Ua为节点电压相角，Um为电压幅值，
Figure BDA0003093398810000025
表示所有类型节点的交流电压幅值和相角；
Figure BDA0003093398810000026
可以通过状态量对调控量的灵敏度矩阵来获得。
进一步的，基于节点的视在功率对节点电压相角和电压幅值的求导结果，将所述
Figure BDA0003093398810000027
和
Figure BDA0003093398810000028
的求解过程分别划分为以下四个部分之和进行求解:
Figure BDA0003093398810000029
Figure BDA00030933988100000210
其中，
Figure BDA00030933988100000211
表示视在功率，diag表示对向量进行对角矩阵构造，
Figure BDA00030933988100000212
为节点电压相量，
Figure BDA00030933988100000213
为节点电流相量，
Figure BDA00030933988100000214
为节点电流相量的共轭值。
进一步的，所述基于非零元素对称分布以及稀疏度高的特点，对所述求导过程的中间结果进行复用，具体为：在对所述
Figure BDA0003093398810000031
的各部分进行求解时，将其第一部分
Figure BDA0003093398810000032
中的
Figure BDA0003093398810000033
转化为CSR存储的稀疏矩阵，将第二部分
Figure BDA0003093398810000034
中的
Figure BDA0003093398810000035
转化为CSC存储的稀疏矩阵。
根据本公开实施例的第二个方面，提供了一种互联大电网雅可比矩阵元素调控灵敏度优化计算系统，包括：
雅可比矩阵表示确定单元，其用于基于节点的视在功率分别对节点电压相角和电压幅值进行求导，确定互联大电网的雅可比矩阵表示；
灵敏度映射关系求解单元，其用于通过所述雅可比矩阵中的元素对调控量参数求导，确定雅可比矩阵元素与调控量之间的灵敏度映射关系；其中，基于非零元素对称分布以及稀疏度高的特点，对所述求导过程的中间结果进行复用；
灵敏度计算单元，其用于基于获得的灵敏度映射关系，获得雅可比矩阵元素调控灵敏度的优化计算结果。
根据本公开实施例的第三个方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现所述的一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法。
根据本公开实施例的第四个方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法。
与现有技术相比，本公开的有益效果是：
(1)本公开所述方案在求取调控措施对电压稳定指标的灵敏度时，基于非零元素对称分布以及稀疏度高的特点，对所述求导过程的中间结果进行复用，有效提高了雅可比矩阵调控灵敏度计算的实时性，进而为互联大电网的实时预防控制奠定了基础。
(2)所述方案基于节点的视在功率对节点电压相角和电压幅值的求导结果，将所述
Figure BDA0003093398810000041
和
Figure BDA0003093398810000042
的求解过程分别划分为以下四个部分之和进行求解；在对所述
Figure BDA0003093398810000043
的各部分进行求解时，将其第一部分
Figure BDA0003093398810000044
中的
Figure BDA0003093398810000045
转化为CSR存储的稀疏矩阵，将第二部分
Figure BDA0003093398810000046
中的
Figure BDA0003093398810000047
转化为CSC存储的稀疏矩阵；针对
Figure BDA0003093398810000048
的求解过程也采用上述方式；所述方案在保证求解精度的同时，提高了求解的效率，有效满足互联大电网预防控制在线运行的实时性要求。
本公开附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1为本公开实施例一中所述的第一部分优化求解流程示意图；
图2为本公开实施例一中所述的第四部分优化求解流程示意图。
具体实施方式
下面结合附图与实施例对本公开做进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本公开使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
实施例一：
本实施例的目的是提供一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法。
一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法，包括：
基于节点的视在功率分别对节点电压相角和电压幅值进行求导，确定互联大电网的雅可比矩阵表示；
通过所述雅可比矩阵中的元素对调控量参数求导，确定雅可比矩阵元素与调控量之间的灵敏度映射关系；其中，基于非零元素对称分布以及稀疏度高的特点，对所述求导过程的中间结果进行复用；
基于获得的灵敏度映射关系，获得雅可比矩阵元素调控灵敏度的优化计算结果。
具体的，为了便于理解，以下结合附图对本公开所述方案进行详细说明：
本公开所述方案针对雅可比矩阵调控灵敏度计算过程中的特点进行专门的优化设计使其满足在线运行的实时性要求。
节点的视在功率
Figure BDA0003093398810000051
可以表示成：
Figure BDA0003093398810000052
式中，diag表示对向量进行对角矩阵构造，
Figure BDA0003093398810000053
为节点电压相量，
Figure BDA0003093398810000054
为节点电流相量，
Figure BDA0003093398810000055
为节点电流相量的共轭值。
视在功率
Figure BDA0003093398810000056
对节点电压相角Ua和电压幅值Um的导数可以表示成：
Figure BDA0003093398810000057
Figure BDA0003093398810000058
雅可比矩阵可以表示成：
Figure BDA0003093398810000061
式中，real和imag代表对复数取实部和虚部；pl表示PQ、联络节点(P＝0、Q＝0的PQ节点)对应的行或列的位置，pvl表示PV、PQ、联络节点对应的行或列的位置。
由式(1-4)可以看出欲求dJac/dr需先求取
Figure BDA0003093398810000062
和
Figure BDA0003093398810000063
以上两式可以表示成：
Figure BDA0003093398810000064
Figure BDA0003093398810000065
式中，
Figure BDA0003093398810000066
表示所有类型节点的交流电压幅值和相角；
Figure BDA0003093398810000067
可以通过状态量对调控量的灵敏度矩阵获得，其中，PV节点电压幅值对应的dUpv/dr可以表示成：
Figure BDA0003093398810000068
式中，m为PV节点的个数；PV节点调压可以作为调控措施，所以直接将其对应的调控部分设为1。
由式(1-2)和式(1-3)可以推导得到：
Figure BDA0003093398810000069
Figure BDA0003093398810000071
如果直接利用式(1-5)、(1-6)和式(1-8)、(1-9)求取
Figure BDA0003093398810000072
和
Figure BDA0003093398810000073
对于过万节点系统会出现维度灾难问题。对于国调19495节点系统，有6719个调控措施。
Figure BDA0003093398810000074
和
Figure BDA0003093398810000075
的维度为19495×194952，当采用稀疏矩阵存储时非零元素个数为12930058，可以满足存储和计算速度的要求。但式(1-5)、(1-6)中的
Figure BDA0003093398810000076
为满足直接矩阵计算需要对角化存储，对角化后的维度为19495×6719×194952，非零元素个数为1739321090850，当采用双精度浮点数存储数组时，占用内存为12958GB，会出现维度灾难问题，难以满足存储和计算速度的要求。
需要说明的是，互联大电网存在节点导纳矩阵对称，雅可比矩阵非零元素对称分布、稀疏度高等特点，所以利用上述特点优化计算过程。
式(1-8)、(1-9)总共由八个部分组成，
Figure BDA0003093398810000077
对应的四个部分和
Figure BDA0003093398810000078
对应的四个部分形式类似可以简化计算。下文具体介绍由各个部分求取
Figure BDA0003093398810000079
和
Figure BDA00030933988100000710
Figure BDA00030933988100000711
的第一部分定义为S1，可由下式求得：
Figure BDA00030933988100000712
式(1-10)所示的S1矩阵对第k个调控措施求导结果中第i行、第j列元素
Figure BDA00030933988100000713
的表示成：
Figure BDA00030933988100000714
式(1-11)的每行元素中，与
Figure BDA00030933988100000715
相乘的部分完全相同。利用这一特点快速求取式(1-11)中的值。首先将
Figure BDA00030933988100000716
转化为CSR(Compressed Sparse Row)存储的稀疏矩阵，式(1-11)的元素求解过程如图1所示。
如图1的求解流程中，首先求取
Figure BDA0003093398810000081
非零元的值和行列位置，如(a)所示，NR1为
Figure BDA0003093398810000082
中非零元的个数，N为系统节点的个数；然后按照(a)中非零元行的位置arow按行索引dUa/dr、dUm/dr得到(b)和(c)，矩阵中nr为调控量的总数目；然后求解(b)、(c)矩阵中的非零元值和位置得到(d)、(e)，N1、N2为dUa/dr、dUm/dr的非零元的个数；最后按照(d)、(e)中非零元行的位置drow、erow索引(a)得到(f)、(g)矩阵。
矩阵(d)中的dvalues值为式(1-11)中的dUai/drk，(f)中的fvalues值即为式(1-11)中的
Figure BDA0003093398810000083
依据(f)中的frow去索引节点的电压相量可以得到式(1-11)中的
Figure BDA0003093398810000084
以上三项相乘即可计算得到
Figure BDA0003093398810000085
相乘的结果在
Figure BDA0003093398810000086
中的位置为frow行和fcolumn+n×dcolumn列，n为所有状态量的数量，这样排列可以使
Figure BDA0003093398810000087
中同一个调控措施的元素排列在一起，使后续的索引速度大大加快。同理，可以利用图中的(e)和(g)计算得到
Figure BDA0003093398810000088
的值和在
Figure BDA0003093398810000089
中的位置。
至此，
Figure BDA00030933988100000810
的第一部分S1全部求解完毕，
Figure BDA00030933988100000811
的第一部分的求解完全相同，只需要将
Figure BDA00030933988100000812
替换为
Figure BDA00030933988100000813
即可。
Figure BDA00030933988100000814
的第二部分定义为S2，可由下式求得：
Figure BDA00030933988100000815
式中，
Figure BDA00030933988100000816
可由下式求得：
Figure BDA00030933988100000817
式中，Y系统节点导纳矩阵。
式(1-12)中S2矩阵对第k个调控措施求导结果中第i行、第j列元素
Figure BDA00030933988100000818
的表示成：
Figure BDA0003093398810000091
式(1-14)中与
Figure BDA0003093398810000092
相乘的部分，每行元素乘以相同电压相量，剩余部分每列完全相同。利用这一特点快速求取式(1-14)中的值。首先将
Figure BDA0003093398810000093
转化为CSC(Compressed Sparse Column)存储的稀疏矩阵，在将稀疏矩阵的存储格式转化以后，仍然可以利用图1的流程进行求解，只需要将图1中第一步中按照(a)中非零元行的位置arow索引改为按非零元列的位置acloumn索引即可。由于雅可比矩阵元素对称和
Figure BDA0003093398810000094
矩阵的稀疏存储设计，图中(b)、(c)矩阵中的非零元值和位置(d)、(e)和第一部分求取完全相同，不需要重复计算。
矩阵(d)中的dvalues值为式(1-14)中的dUaj/drk，(f)中的fvalues值为式(1-14)中的
Figure BDA0003093398810000095
依据(f)中的frow去索引节点的电压相量即可得到式(1-14)中的
Figure BDA0003093398810000096
以上三项相乘即可得到
Figure BDA0003093398810000097
相乘的结果在
Figure BDA0003093398810000098
中的位置为frow行和fcolumn+n×dcolumn列。
Figure BDA0003093398810000099
利用(e)和(g)采用相同的计算步骤可以得到非零元值和位置，但需要增加依据(f)中的fcolumn索引节点的电压幅值得到的Umj。
至此，
Figure BDA00030933988100000910
的第二部分求解完毕，
Figure BDA00030933988100000911
的第二部分的求解与之相似，需要将
Figure BDA00030933988100000912
替换为
Figure BDA00030933988100000913
同时式(1-14)的元素值中只有
Figure BDA00030933988100000914
Figure BDA00030933988100000915
的第三部分定义为S3，可由下式求得：
Figure BDA00030933988100000916
式中，
Figure BDA00030933988100000917
由式(1-13)和下式组成。
Figure BDA00030933988100000918
式(1-15)中S3矩阵对第k个调控措施求导结果中第i行、第j列元素
Figure BDA00030933988100000919
的表示成：
Figure BDA0003093398810000101
由上式可知，式(1-15)对不同调控措施的结果由下式计算得到的矩阵的各列向量分别进行对角矩阵构造得到。
Figure BDA0003093398810000102
Figure BDA0003093398810000103
的第三部分只需将上式的
Figure BDA0003093398810000104
替换为
Figure BDA0003093398810000105
即可。
Figure BDA0003093398810000106
的第四部分定义为S4，可由下式求得：
Figure BDA0003093398810000107
式(1-19)中S4矩阵对第k个调控措施求导结果中第i行、第j列元素
Figure BDA0003093398810000108
的表示成：
Figure BDA0003093398810000109
式(1-20)的元素求解过程如图2所示。首先求取dUa/dr dUm/dr非零元的值和行列位置，如(c)、(d)所示，将(c)、(d)转化为(e)、(f)。(e)中的evalues值即为式(1-20)中的dUai/drk，依据(e)中的erow去索引节点的电压相量和电流相量共轭值即可得到式(1-20)中的
Figure BDA00030933988100001010
以上三项相乘即可计算得到
Figure BDA00030933988100001011
相乘的结果在
Figure BDA00030933988100001012
中的位置为erow行和ecolumn列。同理利用(d)和(f)可以得到
Figure BDA00030933988100001013
的值和在
Figure BDA00030933988100001014
中的位置。
Figure BDA00030933988100001015
的第四部分的求解相似，对应式(1-20)的元素值中只有
Figure BDA00030933988100001016
至此，
Figure BDA0003093398810000111
和
Figure BDA0003093398810000112
全部求解完毕。雅可比矩阵元素的调控灵敏度中纯交流部分表示成式(1-21)，只对行进行了索引，列的索引在运用雅可比矩阵元素调控灵敏度的具体过程中再进行索引。
Figure BDA0003093398810000113
进一步的，为验证本公开对雅可比矩阵调控灵敏度dJc/dr形成过程的加速效果，在国调在线数据上利用表3-4的四种方案分别形成dJc/dr，方案2、3、4都采用上文所述的整个计算流程，只是局部存在不同优化，不同加速方案的计算效果如下表所示。
表3-4不同加速方案的计算效果
Figure BDA0003093398810000114
由上表可以看出，采用上文计算流程的方案2、3、4都可以快速计算出dJc/dr的结果，尤其本公开采用的最终加速方案4可以在10秒内完成计算。所有PQ节点的静态电压稳定裕度对调控措施的灵敏度计算需要11.757秒，满足在线运行的实时性要求。
实施例二：
本实施例的目的是提供一种互联大电网雅可比矩阵元素调控灵敏度优化计算系统。
一种互联大电网雅可比矩阵元素调控灵敏度优化计算系统，包括：
雅可比矩阵表示确定单元，其用于基于节点的视在功率分别对节点电压相角和电压幅值进行求导，确定互联大电网的雅可比矩阵表示；
灵敏度映射关系求解单元，其用于通过所述雅可比矩阵中的元素对调控量参数求导，确定雅可比矩阵元素与调控量之间的灵敏度映射关系；其中，基于非零元素对称分布以及稀疏度高的特点，对所述求导过程的中间结果进行复用；
灵敏度计算单元，其用于基于获得的灵敏度映射关系，获得雅可比矩阵元素调控灵敏度的优化计算结果。
在更多实施例中，还提供：
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例一中所述的方法。为了简洁，在此不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列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。存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例一中所述的方法。
实施例一中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。
上述实施例提供的一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法及系统可以实现，具有广阔的应用前景。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims (10)

1.一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法，其特征在于，包括：
基于节点的视在功率分别对节点电压相角和电压幅值进行求导，确定互联大电网的雅可比矩阵表示；
通过所述雅可比矩阵中的元素对调控量参数求导，确定雅可比矩阵元素与调控量之间的灵敏度映射关系；其中，基于非零元素对称分布以及稀疏度高的特点，对所述求导过程的中间结果进行复用；
基于获得的灵敏度映射关系，获得雅可比矩阵元素调控灵敏度的优化计算结果。
2.如权利要求1所述的一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法，其特征在于，所述雅可比矩阵中的元素对调控量参数求导中，将所述雅可比矩阵中的元素对调控量参数求导dJac/dr转化为先求取
Figure FDA0003093398800000011
和
Figure FDA0003093398800000012
具体为：
Figure FDA0003093398800000013
Figure FDA0003093398800000014
其中，Jac为雅可比矩阵，r为调控量参数，Ua为节点电压相角，Um为电压幅值，
Figure FDA0003093398800000015
表示所有类型节点的交流电压幅值和相角；
Figure FDA0003093398800000016
可以通过状态量对调控量的灵敏度矩阵来获得。
3.如权利要求2所述的一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法，其特征在于，基于节点的视在功率对节点电压相角和电压幅值的求导结果，将所述
Figure FDA0003093398800000017
和
Figure FDA0003093398800000018
的求解过程分别划分为以下四个部分之和进行求解:
Figure FDA0003093398800000021
Figure FDA0003093398800000022
其中，
Figure FDA0003093398800000023
表示视在功率，diag表示对向量进行对角矩阵构造，
Figure FDA0003093398800000024
为节点电压相量，
Figure FDA0003093398800000025
为节点电流相量，
Figure FDA0003093398800000026
为节点电流相量的共轭值。
4.如权利要求3所述的一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法，其特征在于，所述基于非零元素对称分布以及稀疏度高的特点，对所述求导过程的中间结果进行复用，具体为：在对所述
Figure FDA0003093398800000027
的各部分进行求解时，将其第一部分
Figure FDA0003093398800000028
中的
Figure FDA0003093398800000029
转化为CSR存储的稀疏矩阵，将第二部分
Figure FDA00030933988000000210
中的
Figure FDA00030933988000000211
转化为CSC存储的稀疏矩阵。
5.一种互联大电网雅可比矩阵元素调控灵敏度优化计算系统，其特征在于，包括：
雅可比矩阵表示确定单元，其用于基于节点的视在功率分别对节点电压相角和电压幅值进行求导，确定互联大电网的雅可比矩阵表示；
灵敏度映射关系求解单元，其用于通过所述雅可比矩阵中的元素对调控量参数求导，确定雅可比矩阵元素与调控量之间的灵敏度映射关系；其中，基于非零元素对称分布以及稀疏度高的特点，对所述求导过程的中间结果进行复用；
灵敏度计算单元，其用于基于获得的灵敏度映射关系，获得雅可比矩阵元素调控灵敏度的优化计算结果。
6.如权利要求5所述的一种互联大电网雅可比矩阵元素调控灵敏度优化计算系统，其特征在于，所述雅可比矩阵中的元素对调控量参数求导中，将所述雅可比矩阵中的元素对调控量参数求导dJac／dr转化为先求取
Figure FDA0003093398800000031
和
Figure FDA0003093398800000032
具体为：
Figure FDA0003093398800000033
Figure FDA0003093398800000034
其中，Jac为雅可比矩阵，r为调控量参数，Ua为节点电压相角，Um为电压幅值，
Figure FDA0003093398800000035
表示所有类型节点的交流电压幅值和相角；
Figure FDA0003093398800000036
可以通过状态量对调控量的灵敏度矩阵来获得。
7.如权利要求6所述的一种互联大电网雅可比矩阵元素调控灵敏度优化计算系统，其特征在于，基于节点的视在功率对节点电压相角和电压幅值的求导结果，将所述
Figure FDA0003093398800000037
和
Figure FDA0003093398800000038
的求解过程分别划分为以下四个部分之和进行求解:
Figure FDA0003093398800000039
Figure FDA00030933988000000310
其中，
Figure FDA0003093398800000041
表示视在功率，diag表示对向量进行对角矩阵构造，
Figure FDA0003093398800000042
为节点电压相量，
Figure FDA0003093398800000043
为节点电流相量，
Figure FDA0003093398800000044
为节点电流相量的共轭值。
8.如权利要求7所述的一种互联大电网雅可比矩阵元素调控灵敏度优化计算系统，其特征在于，所述基于非零元素对称分布以及稀疏度高的特点，对所述求导过程的中间结果进行复用，具体为：在对所述
Figure FDA0003093398800000045
的各部分进行求解时，将其第一部分
Figure FDA0003093398800000046
中的
Figure FDA0003093398800000047
转化为CSR存储的稀疏矩阵，将第二部分
Figure FDA0003093398800000048
中的
Figure FDA0003093398800000049
转化为CSC存储的稀疏矩阵。
9.一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4任一项所述的一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4任一项所述的一种互联大电网雅可比矩阵元素调控灵敏度优化计算方法。
CN202110603243.4A 2021-05-31 2021-05-31 互联大电网雅可比矩阵元素调控灵敏度优化计算方法及系统 Active CN113326474B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110603243.4A CN113326474B (zh) 2021-05-31 2021-05-31 互联大电网雅可比矩阵元素调控灵敏度优化计算方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110603243.4A CN113326474B (zh) 2021-05-31 2021-05-31 互联大电网雅可比矩阵元素调控灵敏度优化计算方法及系统

Publications (2)

Publication Number Publication Date
CN113326474A true CN113326474A (zh) 2021-08-31
CN113326474B CN113326474B (zh) 2022-05-31

Family

ID=77422887

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110603243.4A Active CN113326474B (zh) 2021-05-31 2021-05-31 互联大电网雅可比矩阵元素调控灵敏度优化计算方法及系统

Country Status (1)

Country Link
CN (1) CN113326474B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109948263A (zh) * 2019-03-22 2019-06-28 清华大学 基于灵敏度分析的电路优化方法及系统
CN111062610A (zh) * 2019-12-16 2020-04-24 国电南瑞科技股份有限公司 一种基于信息矩阵稀疏求解的电力系统状态估计方法和系统
CN111092429A (zh) * 2019-12-23 2020-05-01 国网北京市电力公司 一种柔性互联配电网的优化调度方法、存储介质及处理器

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109948263A (zh) * 2019-03-22 2019-06-28 清华大学 基于灵敏度分析的电路优化方法及系统
CN111062610A (zh) * 2019-12-16 2020-04-24 国电南瑞科技股份有限公司 一种基于信息矩阵稀疏求解的电力系统状态估计方法和系统
CN111092429A (zh) * 2019-12-23 2020-05-01 国网北京市电力公司 一种柔性互联配电网的优化调度方法、存储介质及处理器

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
CUI XINHUI等: "A Data-Driven Slow Dynamic Characteristic Extraction and State Estimation Method for Large Power Grid", 《IEEE》 *
KAIGANG MA等: "The Calculation Method of Optimal Thevenin Equivalent Parameters Based on the Fitting of Steady-State Response Characteristics of Nodes", 《IEEE》 *
ZHIHAO YUN等: "Online Preventive Control Method for Static Voltage Stability of Large Power Grids", 《IEEE》 *
ZHIHAO YUN等: "Online Thevenin Equivalent Parameter Identification Method of Large Power Grids Using LU Factorization", 《IEEE》 *
崔馨慧等: "大电网静态电压稳定在线防控灵敏度分析新方法", 《电网技术》 *

Also Published As

Publication number Publication date
CN113326474B (zh) 2022-05-31

Similar Documents

Publication Publication Date Title
CN106356859A (zh) 一种基于Matlab的直角坐标牛顿法潮流计算方法
CN103972908A (zh) 一种基于自适应混沌粒子群算法的多目标无功优化方法
CN106532711B (zh) 随迭代和节点类型改变雅可比矩阵的牛顿法潮流计算方法
CN111884259B (zh) 一种考虑系统小干扰稳定特性的场站级风电机组等值方法
CN103810646B (zh) 一种基于改进投影积分算法的有源配电系统动态仿真方法
CN103236691B (zh) 基于复仿射数学理论的三相不平衡潮流计算方法
CN104600714B (zh) 含分布式电源的配电网无功优化方法及装置
CN110120670A (zh) 含dpv配电网无功电压优化方法、终端设备及存储介质
CN105305439A (zh) 一种考虑输入变量相关性的概率动态潮流计算方法及系统
CN104734148B (zh) 计及分布式电源的三相配电网连续潮流算法
CN105184027A (zh) 一种基于交互式多模型算法的电力负荷建模方法
CN106532710A (zh) 计及电压稳定约束的微电网潮流优化方法
CN108054757A (zh) 一种内嵌无功和电压的n-1闭环安全校核方法
CN107528322A (zh) 一种基于Gauss‑Hermite求积法的NATAF变换的概率潮流分析方法
CN103488610A (zh) 一种基于稀疏存储的非零元遍历的电网网络方程求解方法
CN104953585B (zh) 一种配电网潮流计算方法
CN113890039B (zh) 一种多端柔性直流配电网潮流调度优化方法
CN113326474B (zh) 互联大电网雅可比矩阵元素调控灵敏度优化计算方法及系统
CN107846022B (zh) 基于ilutp预处理并行迭代法的大规模配电网潮流分析方法
CN106410811B (zh) 首次迭代小阻抗支路端点改变雅可比矩阵的潮流计算方法
CN108847673A (zh) 一种考虑交直流混联电网中服从任意概率分布的不确定源的基于nataf变换的概率潮流方法
Mohammadi et al. Online solving of economic dispatch problem using neural network approach and comparing it with classical method
CN112821420A (zh) 一种基于XGBoost的ASFR模型中动态阻尼因子、多维频率指标的预测方法及系统
Zeng et al. Improved results on sampled-data synchronization of Markovian coupled neural networks with mode delays
CN110427635A (zh) Lcc-hvdc优化电磁暂态仿真方法

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