CN115828489A - 基于关键量测布点位置搜索的感知设备部署方法及系统 - Google Patents
基于关键量测布点位置搜索的感知设备部署方法及系统 Download PDFInfo
- Publication number
- CN115828489A CN115828489A CN202310146029.XA CN202310146029A CN115828489A CN 115828489 A CN115828489 A CN 115828489A CN 202310146029 A CN202310146029 A CN 202310146029A CN 115828489 A CN115828489 A CN 115828489A
- Authority
- CN
- China
- Prior art keywords
- measurement
- sensing equipment
- distribution
- state estimation
- node
- 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
Links
Images
Abstract
本发明公开了一种基于关键量测布点位置搜索的感知设备部署方法及系统,属于配电网的优化规划领域,包括:基于优化超参数和伪量测模型,通过蒙特卡洛模拟与迭代优化构建感知设备优化部署策略:汇总感知设备量测值并计算状态估计值,再计算电压幅值、电压相角误差及其协方差矩阵,重复以上蒙特卡洛模拟多次,直至达到设定的蒙特卡洛模拟次数;进而计算电压幅值、电压相角状态估计误差合格率;判断合格率和量测布点数量是否满足要求,根据判断结果进行迭代计算,每次迭代在状态估计误差最大的前K个节点新增感知设备,直至迭代收敛,K为正整数;得到感知设备优化部署策略。本发明能指导配电网采集装置部署,降低感知设备投资成本。
Description
技术领域
本发明属于配电网设备部署技术领域,具体涉及一种基于关键量测布点位置搜索的感知设备部署方法及系统。
背景技术
配电网是由架空线路、电缆、杆塔、配电变压器、隔离开关、无功补偿电容以及一些附属设施等组成的,在电力网中起重要分配电能作用的网络。配电网按电压等级来分类可分为高压配电网(35-110KV),中压配电网(6-10KV),低压配电网(220/380V);在负载率较大的特大型城市,220KV电网也有配电功能。配电网的作用是给各个配电站和各类用电负荷供给电源。
随着分布式新能源、分布式储能与柔性负荷的不断接入,配电网末端用户用电差异性也逐渐增大,进而使得配电网运行的开放性、动态性与互动性特征逐渐凸显,这给配电网实际运行带来了很多挑战。配电网作为电网的重要组成部分,量测并掌握其实时运行状态至关重要,配电网感知设备部署也越来越重要。
配电网点多面广,虽然目前已部署部分感知设备,但在网络节点中仍存在大量的量测盲区,导致配电网感知能力欠缺;相比传统主网感知的全量测部署方式,配电网自动化全节点覆盖投资和运维成本巨大,不具有经济可行性。
发明内容
本发明的目的在于提供一种基于关键量测布点位置搜索的感知设备部署方法及系统,充分利用现有感知设备,搜索关键量测布点位置,形成新增感知设备优化部署策略,能够指导配电网采集装置部署,降低感知设备投资成本,实现最小化量测下的配电网可观测和可描述。
为达到上述目的,本发明采用以下技术方案予以实现:
一种基于关键量测布点位置搜索的感知设备部署方法,包括:
构建配电网网络拓扑模型及元件参数;根据配电网已有感知设备量测点部署位置,进行感知设备量测初始布点配置;
在感知设备量测初始布点的基础上,在配电网网络拓扑模型上设置优化超参数和伪量测模型;
基于优化超参数和伪量测模型,通过蒙特卡洛模拟与迭代优化构建感知设备优化部署策略:
汇总感知设备量测值并计算状态估计值,再计算电压幅值、电压相角误差及其协方差矩阵,重复以上蒙特卡洛模拟多次,直至达到设定的蒙特卡洛模拟次数;进而计算电压幅值、电压相角状态估计误差合格率;判断合格率和量测布点数量是否满足要求,根据判断结果进行迭代计算,每次迭代在状态估计误差最大的前K个节点新增感知设备,直至迭代收敛,K为正整数;得到感知设备优化部署策略。
作为进一步改进,所述在配电网网络拓扑模型上设置优化超参数和伪量测模型中,所述优化超参数包括最大量测布点数量N、状态估计允许的电压幅值最大相对误差dV和电压相角最大相对误差dA,每次循环的蒙特卡洛模拟次数M,感知设备量测误差jM%,计算合格率阈值PCth%;
所述伪量测模型是在量测缺失的配电网位置节点设置;对于量测缺失的节点采用相似日匹配的方法得到伪量测模型,并设置伪量测的平均误差jF%。
作为进一步改进,所述汇总感知设备量测值中,量测值包括:
配电网出线端的量测值:出线端电压幅值、有功功率及无功功率;
配电线路量测值:节点电压幅值、支路有功功率及支路无功功率;
配电变压器的量测值:一次侧/二次侧电压幅值、有功功率及无功功率;
配电网分布式新能源接入点量测值:节点电压幅值及新能源注入有功功率;
对于量测缺失的节点,采用伪量测值,伪量测值包括负荷节点的有功功率和无功功率;
对于无负荷或电源的节点,设置为零注入节点。
作为进一步改进,所述计算状态估计值包括:
构建量测方程,状态估计的量测方程为:
所述感知设备的量测值构成方程为:
式中,P为支路传输的有功功率,Q为支路传输的无功功率,为节点i的电压幅值真实值,为节点i的电压幅值状态估计值,为节点j的电压幅值真实值,为节点导纳矩阵的实部,为节点导纳矩阵的虚部,为节点i和节点j之间的相角差;
采用最小二乘法进行状态估计得到状态估计值。
作为进一步改进,所述再计算电压幅值、电压相角误差及其协方差矩阵,包括:
进而计算电压幅值误差和电压相角误差的协方差矩阵。
作为进一步改进,所述判断合格率和量测布点数量是否满足要求,根据判断结果进行迭代计算,每次迭代在状态估计误差最大的前K个节点新增感知设备,直至迭代收敛;包括:
判断各节点的电压幅值和电压相角状态估计误差是否分别小于对应的设置值,统计蒙特卡洛模拟中小于设置值的次数,计算合格率;
若计算合格率不满足要求或未达到允许的最大量测布点数量,则不计已安装感知设备量测点位,按照误差协方差矩阵行列式的大小对不计已安装感知设备的节点进行排序;每次在状态估计误差最大的前K个节点分别新增量测布点;
返回汇总感知设备量测值并计算状态估计值的步骤;
若计算合格率满足要求或达到允许的最大量测布点数量,则迭代结束。
作为进一步改进,所述每次在状态估计误差最大的前K个节点分别新增量测布点,包括:
按照误差协方差矩阵行列式的大小对节点进行排序后,获取误差最大的前K个节点构成新增布点集合;
判断新增布点集合中是否有节点已部署感知设备;
若是,在新增布点集合中,对于已部署感知设备的K'个节点,获取误差次大的K'个节点进行替代;并为新增布点集合中的节点添加感知设备;
若否,直接为新增布点集合中的节点添加感知设备。
作为进一步改进,所述构建配电网网络拓扑模型及元件参数中,配电网网络拓扑模型包括配电网骨干框架,元件参数包括线路参数、变压器参数、分布式电源参数和负荷参数。
作为进一步改进,所述进行感知设备量测初始布点配置包括节点电压幅值、有功功率值和无功功率值。
一种基于关键量测布点位置搜索的感知设备部署系统,包括:
构建及配置模块,用于构建配电网网络拓扑模型及元件参数;根据配电网已有感知设备量测点部署位置,进行感知设备量测初始布点配置;
参数及模型设置模块,用于在感知设备量测初始布点的基础上,在配电网网络拓扑模型上设置优化超参数和伪量测模型;
蒙特卡洛模拟模块,用于基于优化超参数和伪量测模型,通过蒙特卡洛模拟与迭代优化构建感知设备优化部署策略:
汇总感知设备量测值并计算状态估计值,再计算电压幅值、电压相角误差及其协方差矩阵,重复以上蒙特卡洛模拟多次,直至达到设定的蒙特卡洛模拟次数;进而计算电压幅值、电压相角状态估计误差合格率;判断合格率和量测布点数量是否满足要求,根据判断结果进行迭代计算,每次迭代在状态估计误差最大的前K个节点新增感知设备,直至迭代收敛,K为正整数;得到感知设备优化部署策略。
一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述基于关键量测布点位置搜索的感知设备部署方法的步骤。
一种可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述基于关键量测布点位置搜索的感知设备部署方法的步骤。
与现有技术相比,本发明具有以下有益效果:
本发明提出一种基于蒙特卡洛模拟与迭代优化的基于关键量测布点位置搜索的感知设备部署方法,通过迭代搜索状态估计相对误差最大的节点,不断循环增加新增量测位置,直至设定的误差范围与量测数量限制,从而形成新增感知设备优化部署策略,指导配电网采集装置部署。所提方法充分利用现有感知设备,搜索关键量测布点位置,能够降低感知设备投资成本,在最小化量测部署的条件下,实现配电网最大化的可观性,且后续可以支撑配电网故障诊断、停电研判、线损计算等高级应用,具有较大的工程应用价值和推广前景。
附图说明
图1为本发明基于关键量测布点位置搜索的感知设备部署方法流程图;
图2为本发明图1中新增感知设备迭代收敛流程详细流程图;
图3为本发明量测协方差矩阵示意图;
图4为本发明实施例不同节点的电压幅值状态估计相对误差;
图5为本发明实施例不同节点的电压相角状态估计相对误差;
图6为本发明实施例关键量测部署前后的电压幅值状态估计相对误差对比图;
图7为本发明实施例关键量测部署前后的电压相角状态估计相对误差对比图;
图8为本发明实施例IEEE33节点量测优化部署位置;
图9为本发明实施例IEEE69节点量测优化部署位置;
图10为本发明基于关键量测布点位置搜索的感知设备部署系统。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
术语解释:
蒙特卡洛模拟:以概率和统计理论为基础,模拟实际物理过程的随机试验方法;
如图1所示,本发明的第一个目的在于提供一种基于关键量测布点位置搜索的感知设备部署方法,包括:
S100,构建配电网网络拓扑模型及元件参数;根据配电网已有感知设备量测点部署位置以及技术导则要求,进行感知设备量测初始布点配置;
S200,在感知设备量测初始布点的基础上,在配电网网络拓扑模型上设置优化超参数和伪量测模型;
S300,基于优化超参数和伪量测模型,通过蒙特卡洛模拟与迭代优化构建感知设备优化部署策略:
汇总感知设备量测值并计算状态估计值,再计算电压幅值、电压相角相对误差及其协方差矩阵,重复以上蒙特卡洛模拟多次,直至达到设定的蒙特卡洛模拟次数;进而计算电压幅值、电压相角状态估计相对误差合格率;判断合格率和量测布点数量是否满足要求,根据判断结果进行迭代计算,每次迭代在状态估计相对误差最大的前K个节点新增感知设备,直至迭代收敛,K为正整数;得到感知设备优化部署策略。
其中,节点是指配电网节点。
本发明基于蒙特卡洛模拟与迭代优化算法构建了基于关键量测布点位置搜索的感知设备部署方法。充分利用现有感知设备,搜索关键量测布点位置,形成新增感知设备优化部署策略,指导配电网采集装置部署,降低感知设备投资成本,实现最小化量测下的配电网可观测、可描述。
本发明可以利用现有感知设备,根据已有的量测布点,进行状态估计,寻找状态估计误差最大的节点作为关键量测布点位置,在关键量测布点位置新增感知设备,最终形成新增感知设备优化部署策略。
可选的,所述构建配电网网络拓扑模型及元件参数中,配电网网络拓扑模型包括配电网骨干框架,参数包括线路参数、变压器参数、分布式电源参数、负荷参数。
所述量测感知设备量测初始布点的量测值包括节点电压幅值、有功功率值和无功功率值。
所述设置优化超参数和伪量测模型中,
所述优化超参数包括允许的最大量测布点数量N、状态估计允许的电压幅值最大相对误差dV和电压相角最大相对误差dA,每次循环的蒙特卡洛模拟次数M,感知设备量测误差jM%,计算合格率阈值PCth%;
所述伪量测模型是在量测缺失的配电网位置节点设置;对于量测缺失的节点采用相似日匹配的方法得到伪量测模型,并设置伪量测的平均误差jF%。
所述汇总感知设备量测值中,量测值包括:
配电网出线端的量测值:出线端电压幅值,有功功率,无功功率;配电线路量测值:节点电压幅值,支路有功功率,支路无功功率;配电变压器的量测值:一次侧/二次侧电压幅值,有功功率,无功功率;配电网分布式新能源接入点量测值:节点电压幅值,新能源注入有功功率;对于量测缺失的节点,采用伪量测值,即负荷节点的有功功率、无功功率;对于无负荷或电源的节点,设置为零注入节点。
作为本发明方法可选方案,如图2所示,所述判断合格率和量测布点数量是否满足要求,根据判断结果进行迭代计算,每次迭代在状态估计相对误差最大的前K个节点新增感知设备,直至迭代收敛;包括:
判断各节点的电压幅值和电压相角状态估计相对误差是否分别小于对应的设置值,统计蒙特卡洛模拟中小于设置值的次数,计算合格率;
若计算合格率不满足要求或未达到允许的最大量测布点数量,则不计已安装感知设备量测点位,按照相对误差协方差矩阵行列式的大小对节点进行排序;每次在状态估计误差最大的前K个节点分别新增量测布点;
返回汇总感知设备量测值并计算状态估计值的步骤;
若计算合格率满足要求或达到允许的最大量测布点数量,则迭代结束。
其中,所述每次在状态估计误差最大的前K个节点分别新增量测布点,包括:
按照相对误差协方差矩阵行列式的大小对节点进行排序后,获取误差最大的前K个节点构成新增布点集合;
判断新增布点集合中是否有节点已部署感知设备;
若是,在新增布点集合中,对于已部署感知设备的K'个节点,获取误差次大的K'个节点进行替代;并为新增布点集合中的节点添加感知设备;
若否,直接为新增布点集合中的节点添加感知设备。
综上,本发明的原理是提供一种面向感知设备部署的状态估计相对误差量化方法,通过状态估计的各节点的电压幅值和电压相角相对误差构成的协方差矩阵的面积(即行列式),作为状态估计相对误差的量化指标,具有明确的物理含义,能够基于此寻找关键量测位置。并且在每一次迭代中,通过蒙特卡洛模拟与状态估计,评估各节点状态估计相对误差,以及计算合格率,用于判断是否满足量测部署要求。本发明的方法是基于循环迭代与贪婪搜索策略的感知设备部署方法,每次迭代在状态估计相对误差最大的前K个节点新增感知设备,最大化地减少配电网整体状态估计误差,实现搜索算法的快速迭代收敛。
以下结合具体实施例对本发明的方法进行详细说明。
实施例
本发明提供了一种基于蒙特卡洛模拟与迭代优化的(以10kV中压配电网为例进行说明)基于关键量测布点位置搜索的感知设备部署方法,流程如图1所示,具体包括如下步骤:
S1,构建配电网网络拓扑模型(如骨干框架等)及参数,需要的参数包括:线路参数、变压器参数、分布式电源参数、负荷参数。
S2,根据配电网已有感知设备量测点部署位置以及技术导则要求,进行感知设备量测初始布点配置,感知设备的量测值通常包括节点电压幅值、有功功率值、无功功率值。
S3,设置优化超参数,包括允许的最大量测布点数量N、状态估计允许的电压幅值最大相对误差dV和电压相角最大相对误差dA,每次循环的蒙特卡洛模拟次数M,感知设备量测误差jM%,计算合格率阈值PCth%。
S4,在量测缺失的配电网位置节点,设置伪量测模型。
本发明采用相似日匹配的方法,即对于量测缺失的节点,采用历史相似的天气、月份、星期的功率数据进行替代,同时设置伪量测的平均误差jF%。
S5,循环迭代步骤开始:
1)基于当前感知设备部署情况,设置具有感知设备的量测值。
2)汇总感知设备量测值,量测值包括:
2-1)配电网出线端的量测值:出线端电压幅值,有功功率,无功功率;
2-2)配电线路量测值:节点电压幅值,支路有功功率,支路无功功率;
2-3)配电变压器的量测值:一次侧/二次侧电压幅值,有功功率,无功功率;
2-4)配电网分布式新能源接入点量测值:节点电压幅值,新能源注入有功功率;
2-5)对于量测缺失的节点,采用伪量测值,即负荷节点的有功功率、无功功率;
2-6)对于无负荷或电源的节点,设置为零注入节点。
3)构建量测方程,状态估计的量测方程通常可表示为:
式中,P为支路传输的有功功率,Q为支路传输的无功功率,为节点i的电压幅值真实值,为节点i的电压幅值状态估计值,为节点j的电压幅值真实值,为节点导纳矩阵的实部,为节点导纳矩阵的虚部,为节点i和节点j之间的相角差。采用蒙特卡洛模拟,根据感知设备量测误差与伪量测误差进行随机模拟,共模拟M次,每一次采用最小二乘法进行状态估计。
4)计算各节点电压幅值和相角的估计值与真实值之间的相对误差。
4-3)计算电压幅值相对误差和电压相角相对误差的协方差矩阵,协方差矩阵如图3所示,不同节点的电压幅值和电压相角的状态估计相对误差如图4、图5所示。
图4为关键量测部署前不同节点的电压幅值状态估计相对误差(10次蒙特卡洛实验,每条曲线代表一次蒙特卡洛实验),图5为不同节点的电压相角状态估计相对误差(10次蒙特卡洛实验,每条曲线代表一次蒙特卡洛实验)。
5)判断各节点的电压幅值和电压相角状态估计相对误差是否分别小于对应的设置值dV和dA,统计蒙特卡洛模拟中小于设置值的次数,即计算合格率PC%。
6)若计算合格率达到阈值或量测布点数量达到允许的最大量测布点数量,则量测优化配置流程结束,进入步骤9);否则进入步骤7)。
7)不计已安装感知设备量测点位,按照误差协方差矩阵行列式的大小对节点进行排序。
8)在状态估计相对误差最大的前K个节点分别新增量测布点,K为正整数;将新增布点纳入已有感知设备集合;返回步骤1)。
9)迭代结束,输出量测优化配置结果。
作为可选实施例,本发明计算电压相角的相对误差可以替换为计算电压相角的绝对误差。
关键量测部署前后,各节点电压幅值、电压相角状态估计相对误差对比如图6和图7所示。两个典型配电网的量测部署优化结果如图8、图9所示。其中,图6和图7分别为IEEE33节点关键量测部署前后的电压幅值、电压相角状态估计相对误差对比,关键量测部署后,节点电压幅值、电压相角状态估计相对误差普遍降低且能够满足设定的误差阈值要求,图8为IEEE33节点量测优化部署位置,图9为IEEE69节点量测优化部署位置。
由此可见,本发明搜索关键量测点,在保证配电网可观性的同时,降低量测投资成本。该方法充分利用现有感知设备,搜索关键量测布点位置,形成新增感知设备优化部署策略,指导配电网采集装置部署,降低感知设备投资成本,从而实现最小化量测下的配电网可观测、可描述。
如图10所示,本发明还提供一种基于关键量测布点位置搜索的感知设备部署系统,包括:
构建及配置模块,用于构建配电网网络拓扑模型及元件参数;根据配电网已有感知设备量测点部署位置以及技术导则要求,进行感知设备量测初始布点配置;
参数及模型设置模块,用于在感知设备量测初始布点的基础上,在配电网网络拓扑模型上设置优化超参数和伪量测模型;
蒙特卡洛模拟模块,用于基于优化超参数和伪量测模型,通过蒙特卡洛模拟与迭代优化构建感知设备优化部署策略:
汇总感知设备量测值并计算状态估计值,再计算电压幅值、电压相角相对误差及其协方差矩阵,重复以上蒙特卡洛模拟多次,直至达到设定的蒙特卡洛模拟次数;进而计算电压幅值、电压相角状态估计相对误差合格率;判断合格率和量测布点数量是否满足要求,根据判断结果进行迭代计算,每次迭代在状态估计相对误差最大的前K个节点新增感知设备,直至迭代收敛,K为正整数;得到感知设备优化部署策略。
本发明提供一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述基于关键量测布点位置搜索的感知设备部署方法的步骤。例如,所述处理器执行所述计算机程序时实现下述步骤:
S100,构建配电网网络拓扑模型及元件参数;根据配电网已有感知设备量测点部署位置以及技术导则要求,进行感知设备量测初始布点配置;
S200,在感知设备量测初始布点的基础上,在配电网网络拓扑模型上设置优化超参数和伪量测模型;
S300,基于优化超参数和伪量测模型,通过蒙特卡洛模拟与迭代优化构建感知设备优化部署策略:
汇总感知设备量测值并计算状态估计值,再计算电压幅值、电压相角相对误差及其协方差矩阵,重复以上蒙特卡洛模拟多次,直至达到设定的蒙特卡洛模拟次数;进而计算电压幅值、电压相角状态估计相对误差合格率;判断合格率和量测布点数量是否满足要求,根据判断结果进行迭代计算,每次迭代在状态估计相对误差最大的前K个节点新增感知设备,直至迭代收敛,K为正整数;得到感知设备优化部署策略。
从上述描述可知,本申请实施例提供的一种终端设备,利用现有感知设备,搜索关键量测布点位置,能够降低感知设备投资成本,且后续可以支撑配电网故障诊断、停电研判、线损计算等高级应用。
本申请的实施例还提供能够实现上述实施例中的基于关键量测布点位置搜索的感知设备部署方法中全部步骤的一种可读存储介质,所述可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的基于关键量测布点位置搜索的感知设备部署方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
S100,构建配电网网络拓扑模型及元件参数;根据配电网已有感知设备量测点部署位置以及技术导则要求,进行感知设备量测初始布点配置;
S200,在感知设备量测初始布点的基础上,在配电网网络拓扑模型上设置优化超参数和伪量测模型;
S300,基于优化超参数和伪量测模型,通过蒙特卡洛模拟与迭代优化构建感知设备优化部署策略:
汇总感知设备量测值并计算状态估计值,再计算电压幅值、电压相角相对误差及其协方差矩阵,重复以上蒙特卡洛模拟多次,直至达到设定的蒙特卡洛模拟次数;进而计算电压幅值、电压相角状态估计相对误差合格率;判断合格率和量测布点数量是否满足要求,根据判断结果进行迭代计算,每次迭代在状态估计相对误差最大的前K个节点新增感知设备,直至迭代收敛,K为正整数;得到感知设备优化部署策略。
从上述描述可知,本申请实施例提供的一种可读存储介质,在执行时,可以搜索关键量测布点位置,能够降低感知设备投资成本,在最小化量测部署的条件下,实现配电网最大化的可观性。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (12)
1.一种基于关键量测布点位置搜索的感知设备部署方法,其特征在于,包括:
构建配电网网络拓扑模型及元件参数;根据配电网已有感知设备量测点部署位置,进行感知设备量测初始布点配置;
在感知设备量测初始布点的基础上,在配电网网络拓扑模型上设置优化超参数和伪量测模型;
基于优化超参数和伪量测模型,通过蒙特卡洛模拟与迭代优化构建感知设备优化部署策略:
汇总感知设备量测值并计算状态估计值,再计算电压幅值、电压相角误差及其协方差矩阵,重复以上蒙特卡洛模拟多次,直至达到设定的蒙特卡洛模拟次数;进而计算电压幅值、电压相角状态估计误差合格率;判断合格率和量测布点数量是否满足要求,根据判断结果进行迭代计算,每次迭代在状态估计误差最大的前K个节点新增感知设备,直至迭代收敛,K为正整数;得到感知设备优化部署策略。
2.根据权利要求1所述的基于关键量测布点位置搜索的感知设备部署方法,其特征在于,
所述优化超参数包括最大量测布点数量N、状态估计允许的电压幅值最大相对误差dV和电压相角最大相对误差dA,每次循环的蒙特卡洛模拟次数M,感知设备量测误差jM%,计算合格率阈值PCth%;
所述伪量测模型是在量测缺失的配电网节点设置;对于量测缺失的节点采用相似日匹配的方法得到伪量测模型,并设置伪量测的平均误差jF%。
3.根据权利要求1所述的基于关键量测布点位置搜索的感知设备部署方法,其特征在于,
所述汇总感知设备量测值并计算状态估计值中,量测值包括:
配电网出线端的量测值:出线端电压幅值、有功功率及无功功率;
配电线路量测值:节点电压幅值、支路有功功率及支路无功功率;
配电变压器的量测值:一次侧/二次侧电压幅值、有功功率及无功功率;
配电网分布式新能源接入点量测值:节点电压幅值及新能源注入有功功率;
对于量测缺失的节点,采用伪量测值,伪量测值包括负荷节点的有功功率和无功功率;
对于无负荷或电源的节点,设置为零注入节点。
6.根据权利要求1所述的基于关键量测布点位置搜索的感知设备部署方法,其特征在于,
所述判断合格率和量测布点数量是否满足要求,根据判断结果进行迭代计算,每次迭代在状态估计误差最大的前K个节点新增感知设备,直至迭代收敛;包括:
判断各节点的电压幅值和电压相角状态估计误差是否分别小于对应的设置值,统计蒙特卡洛模拟中小于设置值的次数,计算合格率;
若计算合格率不满足要求或未达到允许的最大量测布点数量,则不计已安装感知设备的量测点位,按照误差协方差矩阵行列式的大小对不计已安装感知设备的节点进行排序;每次在状态估计误差最大的前K个节点分别新增量测布点;
返回汇总感知设备量测值并计算状态估计值的步骤;
若计算合格率满足要求或达到允许的最大量测布点数量,则迭代结束。
7.根据权利要求6所述的基于关键量测布点位置搜索的感知设备部署方法,其特征在于,
所述每次在状态估计误差最大的前K个节点分别新增量测布点,包括:
按照误差协方差矩阵行列式的大小对节点进行排序后,获取误差最大的前K个节点构成新增布点集合;
判断新增布点集合中是否有节点已部署感知设备;
若是,在新增布点集合中,对于已部署感知设备的K'个节点,获取误差次大的K'个节点进行替代;并为新增布点集合中的节点添加感知设备;
若否,直接为新增布点集合中的节点添加感知设备。
8.根据权利要求1所述的基于关键量测布点位置搜索的感知设备部署方法,其特征在于,所述构建配电网网络拓扑模型及元件参数中,配电网网络拓扑模型包括配电网骨干框架,元件参数包括线路参数、变压器参数、分布式电源参数和负荷参数。
9.根据权利要求1所述的基于关键量测布点位置搜索的感知设备部署方法,其特征在于,
所述进行感知设备量测初始布点配置,包括节点电压幅值、有功功率值和无功功率值。
10.一种基于关键量测布点位置搜索的感知设备部署系统,其特征在于,包括:
构建及配置模块,用于构建配电网网络拓扑模型及元件参数;根据配电网已有感知设备量测点部署位置,进行感知设备量测初始布点配置;
参数及模型设置模块,用于在感知设备量测初始布点的基础上,在配电网网络拓扑模型上设置优化超参数和伪量测模型;
蒙特卡洛模拟模块,用于基于优化超参数和伪量测模型,通过蒙特卡洛模拟与迭代优化构建感知设备优化部署策略:
汇总感知设备量测值并计算状态估计值,再计算电压幅值、电压相角误差及其协方差矩阵,重复以上蒙特卡洛模拟多次,直至达到设定的蒙特卡洛模拟次数;进而计算电压幅值、电压相角状态估计误差合格率;判断合格率和量测布点数量是否满足要求,根据判断结果进行迭代计算,每次迭代在状态估计误差最大的前K个节点新增感知设备,直至迭代收敛,K为正整数;得到感知设备优化部署策略。
11.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1-9任一项所述的基于关键量测布点位置搜索的感知设备部署方法的步骤。
12.一种可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-9任一项所述的基于关键量测布点位置搜索的感知设备部署方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310146029.XA CN115828489B (zh) | 2023-02-22 | 2023-02-22 | 基于关键量测布点位置搜索的感知设备部署方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310146029.XA CN115828489B (zh) | 2023-02-22 | 2023-02-22 | 基于关键量测布点位置搜索的感知设备部署方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115828489A true CN115828489A (zh) | 2023-03-21 |
CN115828489B CN115828489B (zh) | 2023-05-12 |
Family
ID=85522053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310146029.XA Active CN115828489B (zh) | 2023-02-22 | 2023-02-22 | 基于关键量测布点位置搜索的感知设备部署方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115828489B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117595385A (zh) * | 2024-01-18 | 2024-02-23 | 中国电力科学研究院有限公司 | 用于配电网可观性评估以及关键量测位置挖掘的方法、系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130035885A1 (en) * | 2011-08-04 | 2013-02-07 | Massachusetts Institute Of Technology | Topology identification in distribution network with limited measurements |
CN106340873A (zh) * | 2016-10-11 | 2017-01-18 | 上海交通大学 | 一种采用基于无向生成树的并行遗传算法的配网重构方法 |
CN107425520A (zh) * | 2017-06-12 | 2017-12-01 | 东南大学 | 一种含节点注入功率不确定性的主动配电网三相区间状态估计方法 |
CN113489072A (zh) * | 2021-07-05 | 2021-10-08 | 合肥工业大学 | 一种考虑支路功率伪量测的配电网状态估计方法 |
-
2023
- 2023-02-22 CN CN202310146029.XA patent/CN115828489B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130035885A1 (en) * | 2011-08-04 | 2013-02-07 | Massachusetts Institute Of Technology | Topology identification in distribution network with limited measurements |
CN106340873A (zh) * | 2016-10-11 | 2017-01-18 | 上海交通大学 | 一种采用基于无向生成树的并行遗传算法的配网重构方法 |
CN107425520A (zh) * | 2017-06-12 | 2017-12-01 | 东南大学 | 一种含节点注入功率不确定性的主动配电网三相区间状态估计方法 |
CN113489072A (zh) * | 2021-07-05 | 2021-10-08 | 合肥工业大学 | 一种考虑支路功率伪量测的配电网状态估计方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117595385A (zh) * | 2024-01-18 | 2024-02-23 | 中国电力科学研究院有限公司 | 用于配电网可观性评估以及关键量测位置挖掘的方法、系统 |
CN117595385B (zh) * | 2024-01-18 | 2024-04-09 | 中国电力科学研究院有限公司 | 用于配电网可观性评估以及关键量测位置挖掘的方法、系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115828489B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101221083B1 (ko) | 배전 시스템의 상태추정 방법 | |
CN107453357B (zh) | 一种基于分层求解的配电网状态估计方法 | |
CN109861202B (zh) | 一种柔性互联配电网动态优化调度方法及系统 | |
CN104600695B (zh) | 基于在线状态估计和实时调度计划的趋势潮流计算方法 | |
US11336092B2 (en) | Multi-objective real-time power flow control method using soft actor-critic | |
Shaikh et al. | Optimal parameter estimation of 1-phase and 3-phase transmission line for various bundle conductor’s using modified whale optimization algorithm | |
Adinolfi et al. | Pseudo-measurements modeling using neural network and Fourier decomposition for distribution state estimation | |
Liu et al. | Rapid assessment of maximum distributed generation output based on security distance for interconnected distribution networks | |
CN110689186B (zh) | 基于风电出力随机性的配电网供电可靠性评估方法及系统 | |
KR20120137612A (ko) | 조류 계산을 이용한 배전 계통의 최적화 시스템 및 그 방법 | |
CN110797874A (zh) | 含电力电子变压器的交直流混合配电网状态估计方法 | |
CN107871202A (zh) | 一种计及多电压等级的电网可靠性评估方法 | |
CN115828489A (zh) | 基于关键量测布点位置搜索的感知设备部署方法及系统 | |
CN104104081A (zh) | 一种基于优化方法的非迭代不确定潮流分析方法 | |
CN104767207A (zh) | 基于发电机无功储备灵敏度的电压稳定预防控制方法 | |
CN104537161B (zh) | 一种基于供电安全标准的中压配电网诊断分析方法 | |
CN105514978B (zh) | 一种混合整数二次规划形式的抗差状态估计方法 | |
CN110707693A (zh) | 一种基于ami全量测点分区的集合卡尔曼滤波动态状态估计方法 | |
Chen et al. | Distribution system state estimation: A survey of some relevant work | |
CN108988385A (zh) | 一种分布式电源并网最优位置选取方法 | |
CN111475915B (zh) | 基于故障概率和时域仿真准稳态的相继故障在线评估方法 | |
CN110751328A (zh) | 基于联合加权熵的高比例可再生能源电网适应性规划方法 | |
CN104410071A (zh) | 一种35千伏高压配电网合解环电流估算方法 | |
Zong et al. | Analysis of power electronics-dominated hybrid AC/DC grid for data-driven oscillation diagnosis | |
Zhang et al. | Reliability-oriented distribution network reconfiguration |
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 |