CN114336795B - 一种适用于交直流混联电网谐波状态的综合优化配置方法 - Google Patents

Abstract

本发明公开了一种适用于交直流混联电网谐波状态的综合优化配置方法，包括如下：获得交直流混联电网的可观性约束，建立交直流混联电网的线性不等式可观性约束集；考虑成本和量测冗余度，建立Ⅰ阶段优化目标函数；采用改进的多种群遗传算法，选定Ⅰ阶段优化目标函数最优的n_max个方案，构成配置方案备选集；综合考虑量测成本指标、冗余度和鲁棒性指标建立Ⅱ阶段优化目标函数；在配置方案备选集中，选择Ⅱ阶段优化目标函数最优的一组量测配置方案为量测最优配置方案。本发明相比传统方法收敛效果更好，运算速度快，具有良好的工程实用性。

Description

一种适用于交直流混联电网谐波状态的综合优化配置方法

技术领域

本发明涉及高压直流输电技术，具体涉及一种适用于交直流混联电网谐波状态的综合优化配置方法。

背景技术

基于电网换相换流器(line-commuted converter，LCC)的高压直流输电技术(high voltage direct current，HVDC)是实现电能跨区域调配的重要方法。为解决我国能源供需地理位置逆向分布的矛盾，我国大力推动LCC-HVDC工程建设，使我国输电网络逐渐演变成大规模LCC-HVDC交直流混联电网。

LCC-HVDC引发的谐波问题具有宽频带特征，而常规的同步相量量测单元(phasormeasurement unit，PMU)侧重于工频信号量测，不能满足交直流混联电网谐波量测需求。因此，近年来，广域宽频同步监测系统逐渐得到重视，其中的宽频同步相量量测单元(broad-band phasor measurement unit，bPMU)可获取电网宽频量测数据，保证了中高频谐波的量测精度。

为降低量测系统成本，只需在部分母线配置bPMU装置，但量测数据的减少会降低谐波状态估计结果的精度，甚至导致部分母线谐波状态不可观。现有的研究成果只针对交流电网的谐波状态可观性，所采用的可观性约束和优化配置方法不适用于含LCC-HVDC的交直流混联电网。因此，有必要在保证交直流混联电网谐波状态完全可观的前提下，综合考虑估计结果的精确性和量测系统的经济性，研究bPMU优化配置方法，提升监测系统的工程实用性。

发明内容

为了克服现有技术存在的缺点与不足，本发明提供一种适用于交直流混联电网谐波状态的综合优化配置方法，本发明保证交直流混联电网的完全可观性，降低广域宽频测量系统成本，并尽可能地优化谐波状态估计的精度和鲁棒性，相比传统方法收敛效果更好，运算速度快，具有良好的工程实用性。

本发明采用如下技术方案：

一种适用于交直流混联电网谐波状态的综合优化配置方法，包括如下：

获得交直流混联电网的可观性约束，建立交直流混联电网的线性不等式可观性约束集；

考虑成本和量测冗余度，建立Ⅰ阶段优化目标函数；

采用改进的多种群遗传算法，选定Ⅰ阶段优化目标函数最优的n_max个方案，构成配置方案备选集；

综合考虑量测成本指标、冗余度和鲁棒性指标建立Ⅱ阶段优化目标函数；

在配置方案备选集中，选择Ⅱ阶段优化目标函数最优的一组量测配置方案为量测最优配置方案。

进一步，所述建立交直流混联电网的可观性约束分为交流母线可观性约束式和直流母线可观性约束式；

所述交流母线可观性约束式的物理意义为：如果母线i装配有量测装置，或与母线i相连的至少两个交流母线装配有量测装置，则母线i谐波状态可观；

所述直流母线可观性约束式的物理意义，当且仅当与直流母线k相应的换流母线j装配有量测装置时，直流母线k谐波状态可观；

根据交流母线可观性约束式及直流母线可观性约束式，建立交直流混联电网的线性不等式可观性约束集。

进一步，所述量测成本，具体如下式：

式中：

ceil表示向上取整；cost₁表示交流采集插件成本；cost₂表示除交流采集插件外的bPMU固有成本；g_i表示母线i所在变电站配置bPMU时所需要装配的交流采集插件数目；Nu_i表示母线i所在变电站的电压量测量数目；Ni_i表示与母线i连接的支路数，即为变电站的电流量测量数目。

进一步，所述量测冗余度指标r，具体如下：

式中，

y_i表示母线i量测冗余度，由母线i可被观测的次数表征；y_offset表示母线i量测冗余度y_i与量测冗余度平均值的偏移程度；y_grid为电网母线量测冗余度总和。电网母线量测冗余度总和越大，各母线量测冗余度越均衡，相应的冗余度指标r的分母部分就越大，因此量测配置方案的冗余度指标就越小。

进一步，Ⅰ阶段优化的目标函数为：

min J_Ⅰ(d)＝ω₁·cost+ω₂·r

式中：ω₁、ω₂为两个指标的权重系数，由层次分析法求取。

进一步，所述改进多种群遗传算法在多种群遗传算法的基础上，改进了精华种群更新机制和移民运算，提出自适应的交叉概率、变异概率计算方式，算法步骤包括：

设置迭代计数器t和最优个体保持不变的代数T；

生成初代种群：采用二进制对个体进行随机编码，生成初代种群P(0)，选用罚函数法将目标函数与可观性约束相结合来进行个体的适应度计算，适应度值排列较前的n_max个精华个体记为精华种群P_max(0)，随机给不同种群以不同的控制参数p_m0,max、p_m0,min、p_c0,max、p_c0,min；

选择运算：若满足终止条件：最优个体保持不变的代数达到最大(T＝T_max)或迭代次数达到最大(t＝t_max)，迭代结束；否则计算每个个体的选择概率：

以此概率分布从P(t)中选择个体进行保留，形成新种群；

基于适应度对各个种群进行自适应交叉运算，且随着迭代次数增多，逐渐增大p_c的下限，第t次迭代的第k个种群P^k(t)中，个体i的自适应交叉概率可采用下式计算：

式中：

k、mc用于调整自适应概率函数曲线，设k＝0.75，mc＝7；fit_bigger为交叉运算中较大的个体适应度值；fit_avg为该种群第t次迭代的平均个体适应度值；fit_max、fit_min分别为该种群第t次迭代的最大、最小个体适应度值；p_ct,max、p_ct,min分别为该种群第t次迭代中最大交叉概率、最小交叉概率。迭代过程中，p_ct,max＝p_c0,max，而p_ct,min随着迭代次数线性增加，即：

式中：p_c0,max、p_c0,min分别为种群最大交叉概率、最小交叉概率的初始设置值；t_max为最大迭代次数。

基于适应度对各个种群进行自适应变异运算，且随着迭代次数增多，逐渐增大p_m的下限，第t次迭代的第k个种群P^k(t)中，个体i的自适应变异概率可采用下式计算：

式中：

fit为个体i的适应度值；p_mt,max、p_mt,min分别为该种群第t次迭代中最大变异概率、最小变异概率，其变化趋势和交叉概率相似：

式中：p_m0,max、p_m0,min分别为种群最大变异概率、最小变异概率的初始设置值；

对个体进行适应度计算，进行移民运算：将第k个种群P^k(t)的最劣解由第k-1个种群P^k-1(t)的较优解代替；

当t＝t+1，形成新的多种群P(t)，将本次迭代中所有种群的前n_max个个体的适应度值与P_max(t-1)的适应度值进行排序，取前n_max个精华个体构成P_max(t)。

进一步，所述鲁棒性指标采用下式：

式中：

K(H_h,h)＝σ_max/σ_min表征h次交流谐波量测矩阵H_h,h的鲁棒性，σ_max、σ_min分别为矩阵最大、最小奇异值；c_h为h次交流谐波量测矩阵H_h,h的条件数权重；harm为谐波的次数集合；为量测配置方案n_Ⅱ的各次交流谐波量测矩阵条件数加权总和；cn_max为n_max组备选方案中，最大的交流谐波量测矩阵条件数加权总和。

进一步，Ⅱ阶段优化的目标函数为：

min J_Ⅱ(d)＝ω'₁·cost+ω'₂·r+ω'₃·cond

式中：ω'₁、ω'₂、ω'₃为三个指标的权重系数，由层次分析法求取。

一种设备，包括存储器、处理器、存储在存储器上并可在处理器上进行的计算机程序，所述处理器运行所述程序时，实现所述的综合优化配置方法。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的综合优化配置方法。

本发明的有益效果：

(1)现有谐波状态估计的量测优化配置可观性约束只针对交流母线的可观性，并无对直流母线的可观性进行定义；在现有技术条件下，LCC直流母线无法安装bPMU装置。可利用交流量测数据获取直流电网的谐波状态，以此完善量测优化配置的交直流电网可观性约束。

(2)本发明改进了量测成本指标；量测成本指标不仅考虑bPMU的固有成本，还考虑到量测量越多，交流采集插件数越多，交流采集插件成本越大，最终综合bPMU装置台数及其交流采集插件数，以构成量测成本指标。

(3)量测冗余度指标在原有的冗余度指标基础上，增加考虑了每个母线量测冗余度的均衡度。电网母线量测冗余度总和越大，各母线量测冗余度越均衡，相应的量测配置方案的冗余度指标就越小。

(4)经济性和冗余度指标只与电网拓扑结构相关，较易计算；而鲁棒性指标须计算具体量测矩阵的条件数，计算量显著高于前两者。因此，综合考虑计算量和优化效果，本发明提出分阶段求解方法，可减少需要进行鲁棒性指标计算的个体数，在保证优化效果的前提下，减小运算量。

(5)多种群遗传算法具有全局搜索能力，但是只能输出唯一的最优解和部分全局较优解。为了使其能适用于Ⅰ阶段优化问题的求解，筛选出全局较优的n_max组解，本文提出了多输出的改进多种群遗传算法，改进了精华种群更新机制和移民运算，提出自适应的交叉概率、变异概率计算方式。改进多种群遗传算法具有全局搜索能力和较好的收敛效果。

附图说明

图1是本发明的工作流程图；

图2是本发明实施例的交直流混联电网结构示意图。

具体实施方式

下面结合实施例及附图，对本发明作进一步地详细说明，但本发明的实施方式不限于此。

实施例

如图1，一种适用于交直流混联电网谐波状态估计的bPMU综合优化配置方法，包含以下顺序的步骤：

(1)建立交直流混联电网的可观性约束。交直流混联电网的可观性约束可分为交流母线可观性约束式和直流母线可观性约束式。基于量测量和状态量的相关性，考虑(N-1)准则，对各个母线建立可观性约束式。

对于第i个交流母线，可观性约束关系式为：

式中：f_ac,i(d)≥2表示考虑(N-1)准则下交流母线i可观；是一组二进制编码的n_ac维向量，当量测装置配置在母线i时，d_i＝1，否则，d_i＝0；a_ac,ij表示考虑(N-1)准则的交流母线i和j之间的关联系数，按以下原则取值：

交流母线可观性约束关系式的物理意义为：如果母线i装配有量测装置，或与母线i相连的至少两个交流母线装配有量测装置，则母线i谐波状态可观。

对于第k个LCC直流母线，可观性约束关系式为：

式中：f_dc,k(d)≥2表示直流母线k可观；a_dc,kj表示直流母线k和交流母线j之间的关联系数，按以下原则取值：

LCC直流母线可观性约束关系式的物理意义为：当且仅当与直流母线k相应的换流母线j装配有量测装置时，直流母线k谐波状态可观。

联立交流母线可观性约束关系式和LCC直流母线可观性约束关系式，即可建立交直流混联电网的线性不等式可观性约束集：

式中：为n_grid维的列向量，n_grid＝n_ac+n_dc，/>中的元素均为2；A为n_grid×n_ac维的交直流混联电网可观性关联矩阵，A＝[A_ac；A_dc]，A_ac为n_ac×n_ac维的交流电网可观性关联矩阵，A_dc为n_dc×n_ac维的直流电网可观性关联矩阵，具体如下：

现有的量测优化配置方法的可观性约束之所以不适用于交直流混联电网，是因为：(1)现有的谐波状态估计方法中，量测优化配置可观性约束只针对交流母线的可观性，并无对直流母线的可观性进行定义。(2)囿于现阶段的技术条件，无法在直流系统装设bPMU。可利用交流量测数据获取直流电网的谐波状态，以此创新点为基础，完善量测优化配置的交直流电网可观性约束，使得直流电网谐波状态可观，这是现有的谐波状态估计的量测配置优化方法所欠缺的。

本发明利用交流两侧数据获取直流电网的谐波状态，完善量测优化配置的交直流电网可观性约束。

(2)考虑成本和量测冗余度，建立Ⅰ阶段优化目标函数。

结合工程实际考虑，量测成本指标除了计算bPMU装置台数，还要考虑到不同数量的量测量造成的交流采集插件的插件成本差异。量测成本指标cost采用下式计算：

式中：

ceil表示向上取整；cost₁表示交流采集插件成本；cost₂表示除交流采集插件外的bPMU固有成本；g_i表示母线i所在变电站配置bPMU时所需要装配的交流采集插件数目；Nu_i表示母线i所在变电站的电压量测量数目；Ni_i表示与母线i连接的支路数，即为变电站的电流量测量数目。

量测冗余度指标r采用下式计算：

式中，

y_i表示母线i量测冗余度，由母线i可被观测的次数表征；y_offset表示母线i量测冗余度y_i与量测冗余度平均值的偏移程度；y_grid为电网母线量测冗余度总和。电网母线量测冗余度总和越大，各母线量测冗余度越均衡，相应的冗余度指标r的分母部分就越大，因此量测配置方案的冗余度指标就越小。

综合考虑量测成本指标和冗余度指标，Ⅰ阶段优化的目标函数为：

min J_Ⅰ(d)＝ω₁·cost+ω₂·r

式中：ω₁、ω₂为两个指标的权重系数，由层次分析法求取。

(3)采用改进多种群遗传算法，选定Ⅰ阶段优化目标函数最优的n_max个方案，构成配置方案备选集。

改进多种群遗传算法在多种群遗传算法的基础上，改进了精华种群更新机制和移民运算，提出自适应的交叉概率、变异概率计算方式。改进多种群遗传算法具有全局搜索能力，能保证遗传个体多样性，算法步骤如下：

S3.1设置迭代计数器t和最优个体保持不变的代数T。

S3.2生成初代种群：采用二进制对个体进行随机编码，生成初代种群P(0)。选用罚函数法将目标函数与可观性约束相结合来进行个体的适应度计算。适应度值排列较前的n_max个精华个体记为精华种群P_max(0)，随机给不同种群以不同的控制参数p_m0,max、p_m0,min、p_c0,max、p_c0,min。

S3.3选择运算：若满足终止条件：最优个体保持不变的代数达到最大(T＝T_max)或迭代次数达到最大(t＝t_max)，迭代结束；否则计算每个个体的选择概率：

以此概率分布从P(t)中选择个体进行保留，形成新种群。

S3.4基于适应度对各个种群进行自适应交叉运算，且随着迭代次数增多，逐渐增大p_c的下限。第t次迭代的第k个种群P^k(t)中，个体i的自适应交叉概率可采用下式计算：

式中：

k、mc用于调整自适应概率函数曲线，设k＝0.75，mc＝7；fit_bigger为交叉运算中较大的个体适应度值；fit_avg为该种群第t次迭代的平均个体适应度值；fit_max、fit_min分别为该种群第t次迭代的最大、最小个体适应度值；p_ct,max、p_ct,min分别为该种群第t次迭代中最大交叉概率、最小交叉概率。迭代过程中，p_ct,max＝p_c0,max，而p_ct,min随着迭代次数线性增加，即：

式中：p_c0,max、p_c0,min分别为种群最大交叉概率、最小交叉概率的初始设置值；t_max为最大迭代次数。

S3.5基于适应度对各个种群进行自适应变异运算，且随着迭代次数增多，逐渐增大p_m的下限。第t次迭代的第k个种群P^k(t)中，个体i的自适应变异概率可采用下式计算：

式中：

fit为个体i的适应度值；p_mt,max、p_mt,min分别为该种群第t次迭代中最大变异概率、最小变异概率，其变化趋势和交叉概率相似：

式中：p_m0,max、p_m0,min分别为种群最大变异概率、最小变异概率的初始设置值。

S3.5对个体进行适应度计算，进行移民运算：将第k个种群P^k(t)的最劣解由第k-1个种群P^k-1(t)的较优解代替。

S3.6t＝t+1，形成新的多种群P(t)，将本次迭代中所有种群的前n_max个个体的适应度值与P_max(t-1)的适应度值进行排序，取前n_max个精华个体构成P_max(t)。返回S3.2。

(4)综合考虑成本、冗余度和鲁棒性指标建立Ⅱ阶段优化目标函数。基于量测优化配置的可观性约束可知，LCC相应的换流母线必定安装bPMU，所以在不同的量测配置方案中，线性统一谐波状态估计模型的H_dc,ac、H_dc,dc是相同的，不同之处在于H_ac中的各次交流谐波量测矩阵。因此只对交流谐波量测矩阵计算鲁棒性指标。鲁棒性指标可采用下式计算：

式中：

K(H_h,h)＝σ_max/σ_min表征h次交流谐波量测矩阵H_h,h的鲁棒性，σ_max、σ_min分别为矩阵最大、最小奇异值；c_h为h次交流谐波量测矩阵H_h,h的条件数权重；harm为谐波的次数集合；cn_nⅡ为量测配置方案n_Ⅱ的各次交流谐波量测矩阵条件数加权总和；cn_max为n_max组备选方案中，最大的交流谐波量测矩阵条件数加权总和。

增加考虑鲁棒性指标，Ⅱ阶段优化的目标函数为：

min J_Ⅱ(d)＝ω'₁·cost+ω'₂·r+ω'₃·cond

式中：ω'₁、ω'₂、ω'₃为三个指标的权重系数，由层次分析法求取。

(5)在配置方案备选集中，选择Ⅱ阶段优化目标函数最优的一组量测配置方案为量测最优配置方案。

为了验证本文所提的bPMU综合优化配置方法，根据图2所示的交直流混联电网进行量测优化配置。该电网包含两个220kV交流电网，分别包含14个和12个交流母线，并通过“两交两直”线路将它们连接。

首先建立考虑成本和量测冗余度的bPMUⅠ阶段优化配置模型，基于改进MPGA算法获得50种备选配置方案；然后根据增加考虑鲁棒性的Ⅱ阶段优化目标函数进行排序，如表1所示，表中仅列出Ⅱ阶段优化目标函数较小的前6种备选方案。其中，利用层次分析法(analytic hierarchy process，AHP)给出Ⅰ、Ⅱ阶段优化目标函数J_Ⅰ(d)、J_Ⅱ(d)中不同指标的权重：ω₁＝0.8750、ω₂＝0.1250；ω'₁＝0.7788、ω'₂＝0.1111、ω'₃＝0.1111；另外，考虑到12k±1次谐波的幅值相近，且随着k增大，谐波的幅值逐渐减小、传播过程中衰减更快、重要性降低，因此，根据谐波幅值，利用AHP给鲁棒性指标中不同次数的谐波量测矩阵H_h,h的条件数赋予权重，重点考虑50次以下的条件数K(H_h,h)，各次谐波量测矩阵的条件数权重为：c₁₁＝c₁₃＝0.3293，c₂₃＝c₂₅＝0.1081，c₃₅＝c₃₇＝0.0410，c₄₇＝c₄₉＝0.0216。

表1

这6种备选方案具体的各项指标如表2所示，方案A不仅保证了电网的完全可观性和低成本性，而且有利于提高谐波状态估计的精确性，因此可确定方案A为最优方案。

表2

另外，将本文方法与基于MPGA的分阶段优化方法、基于MPGA的不分阶段优化方法进行比较，如表3所示，可见本文方法收敛到全局最优的效果最好，运算速度快。

表3

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (6)

1.一种适用于交直流混联电网谐波状态的综合优化配置方法，其特征在于，包括如下：

获得交直流混联电网的可观性约束，建立交直流混联电网的线性不等式可观性约束集；

考虑量测成本和量测冗余度，建立Ⅰ阶段优化目标函数；

采用改进的多种群遗传算法，选定Ⅰ阶段优化目标函数最优的n_max个方案，构成配置方案备选集；

综合考虑量测成本指标、冗余度和鲁棒性指标建立Ⅱ阶段优化目标函数；

在配置方案备选集中，选择Ⅱ阶段优化目标函数最优的一组量测配置方案为量测最优配置方案；

所述量测成本，具体如下式：

式中：

ceil表示向上取整；cost₁表示交流采集插件成本；cost₂表示除交流采集插件外的bPMU固有成本；g_i表示母线i所在变电站配置bPMU时所需要装配的交流采集插件数目；Nu_i表示母线i所在变电站的电压量测量数目；Ni_i表示与母线i连接的支路数，即为变电站的电流量测量数目；

所述量测冗余度指标r，具体如下：

式中，

y_i表示母线i量测冗余度，由母线i可被观测的次数表征；y_offset表示母线i量测冗余度y_i与量测冗余度平均值的偏移程度；y_grid为电网母线量测冗余度总和；电网母线量测冗余度总和越大，各母线量测冗余度越均衡，相应的冗余度指标r的分母部分就越大，因此量测配置方案的冗余度指标就越小；

Ⅰ阶段优化的目标函数为：

min J_Ⅰ(d)＝ω₁·cost+ω₂·r

式中：ω₁、ω₂为两个指标的权重系数，由层次分析法求取；

所述改进多种群遗传算法的步骤包括：

设置迭代计数器t和最优个体保持不变的代数T；

生成初代种群：采用二进制对个体进行随机编码，生成初代种群P(0)，选用罚函数法将目标函数与可观性约束相结合来进行个体的适应度计算，适应度值排列较前的n_max个精华个体记为精华种群P_max(0)，随机给不同种群以不同的控制参数p_m0,max、p_m0,min、p_c0,max、p_c0,min；

选择运算：若满足终止条件：最优个体保持不变的代数达到最大T＝T_max或迭代次数达到最大t＝t_max，迭代结束；否则计算每个个体的选择概率：

以此概率分布从P(t)中选择个体进行保留，形成新种群；

基于适应度对各个种群进行自适应交叉运算，且随着迭代次数增多，逐渐增大p_c的下限，第t次迭代的第k个种群P^k(t)中，个体i的自适应交叉概率可采用下式计算：

式中：

k、mc用于调整自适应概率函数曲线，设k＝0.75，mc＝7；fit_bigger为交叉运算中较大的个体适应度值；fit_avg为该种群第t次迭代的平均个体适应度值；fit_max、fit_min分别为该种群第t次迭代的最大、最小个体适应度值；p_ct,max、p_ct,min分别为该种群第t次迭代中最大交叉概率、最小交叉概率，迭代过程中，p_ct,max＝p_c0,max，而p_ct,min随着迭代次数线性增加，即：

式中：p_c0,max、p_c0,min分别为种群最大交叉概率、最小交叉概率的初始设置值；t_max为最大迭代次数，

基于适应度对各个种群进行自适应变异运算，且随着迭代次数增多，逐渐增大p_m的下限，第t次迭代的第k个种群P^k(t)中，个体i的自适应变异概率可采用下式计算：

式中：

fit为个体i的适应度值；p_mt,max、p_mt,min分别为该种群第t次迭代中最大变异概率、最小变异概率，其变化趋势和交叉概率相似：

式中：p_m0,max、p_m0,min分别为种群最大变异概率、最小变异概率的初始设置值；

对个体进行适应度计算，进行移民运算：将第k个种群P^k(t)的最劣解由第k-1个种群P^k-1(t)的较优解代替；

当t＝t+1，形成新的多种群P(t)，将本次迭代中所有种群的前n_max个个体的适应度值与P_max(t-1)的适应度值进行排序，取前n_max个精华个体构成P_max(t)。

2.根据权利要求1所述的综合优化配置方法，其特征在于，所述建立交直流混联电网的可观性约束分为交流母线可观性约束式和直流母线可观性约束式；

所述交流母线可观性约束式的物理意义为：如果母线i装配有量测装置，或与母线i相连的至少两个交流母线装配有量测装置，则母线i谐波状态可观；

所述直流母线可观性约束式的物理意义，当且仅当与直流母线k相应的换流母线j装配有量测装置时，直流母线k谐波状态可观；

根据交流母线可观性约束式及直流母线可观性约束式，建立交直流混联电网的线性不等式可观性约束集。

3.根据权利要求1所述的综合优化配置方法，其特征在于，所述鲁棒性指标采用下式：

式中：

K(H_h,h)＝σ_max/σ_min表征h次交流谐波量测矩阵H_h,h的鲁棒性，σ_max、σ_min分别为矩阵最大、最小奇异值；c_h为h次交流谐波量测矩阵H_h,h的条件数权重；harm为谐波的次数集合；cn_nⅡ为量测配置方案n_Ⅱ的各次交流谐波量测矩阵条件数加权总和；cn_max为n_max组备选方案中，最大的交流谐波量测矩阵条件数加权总和。

4.根据权利要求3所述的综合优化配置方法，其特征在于，Ⅱ阶段优化的目标函数为：

min J_Ⅱ(d)＝ω'₁·cost+ω'₂·r+ω'₃·cond

式中：ω'₁、ω'₂、ω'₃为三个指标的权重系数，由层次分析法求取。

5.一种设备，包括存储器、处理器、存储在存储器上并可在处理器上进行的计算机程序，其特征在于，所述处理器运行所述程序时，实现如权利要求1至4任一项所述的综合优化配置方法。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的综合优化配置方法。