CN116227250A - 知识图谱电力系统的功率流解空间边界计算方法及装置 - Google Patents

知识图谱电力系统的功率流解空间边界计算方法及装置 Download PDF

Info

Publication number
CN116227250A
CN116227250A CN202310519845.0A CN202310519845A CN116227250A CN 116227250 A CN116227250 A CN 116227250A CN 202310519845 A CN202310519845 A CN 202310519845A CN 116227250 A CN116227250 A CN 116227250A
Authority
CN
China
Prior art keywords
power flow
space boundary
solution space
power
power system
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
CN202310519845.0A
Other languages
English (en)
Other versions
CN116227250B (zh
Inventor
那琼澜
苏丹
任建伟
李信
肖娜
金燊
王凯亮
马跃
邢宁哲
姚艳丽
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.)
State Grid Corp of China SGCC
State Grid Jibei Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Jibei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Jibei Electric Power Co Ltd
Information and Telecommunication Branch of State Grid Jibei Electric Power 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 State Grid Corp of China SGCC, State Grid Jibei Electric Power Co Ltd, Information and Telecommunication Branch of State Grid Jibei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202310519845.0A priority Critical patent/CN116227250B/zh
Publication of CN116227250A publication Critical patent/CN116227250A/zh
Application granted granted Critical
Publication of CN116227250B publication Critical patent/CN116227250B/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]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本文涉及电网安全技术领域，尤其涉及一种知识图谱电力系统的功率流解空间边界计算方法及装置。其方法包括，构建电力系统潮流模型，将可解性空间扩展到可行性空间边界的一般数学结构建立解空间边界的技术约束条件，然后通过奇异值分解方法进行横截条件选择，根据技术约束条件和横截条件，定义功率流解空间边界上同伦路径的初始点，通过欧拉预测器从初始点计算第一个预测点，并预测同伦路径，通过自适应球面的曲率半径公式得到自适应球面的半径，根据初始点、预测点和确定点以及自适应球面的半径，跟踪功率流解空间边界。通过本文实施例，实现了跟踪具有锐利边缘或非凸截面的功率流解空间边界，进一步提高了解空间边界的计算速度和准确性。

Description

知识图谱电力系统的功率流解空间边界计算方法及装置
技术领域
本文涉及电网安全技术领域，尤其涉及一种知识图谱电力系统的功率流解空间边界计算方法及装置。
背景技术
随着电网的结构复杂化以满足日益增长的电力需求，风电、光伏或其他可再生能源等分布式能源的整合给电网的运行带来了很大的不确定性，以及产生了干扰，给现代电力系统在电网管理方面面临着巨大的挑战，安全评估与运行条件的稳健性直接相关，我们需要通过分析功率流解空间边界进行评估。计算边界的位置是一项具有计算挑战性的任务，与功率流方程的非线性性质、技术约束的存在和复杂的网络拓扑有关。功率流解空间的边界限制了电网在负荷裕度内的运行。因此，为了减少中断风险、优化功率传输和充分利用输电能力，量化功率流方程的边界对于规划和操作是必不可少的。
数学中，解空间边界上的点满足功率流方程的实值解，满足功率流的奇异条件。这些条件描述了可解性区域的边界。现有研究都是假设功率流解空间的结构是凸的来进行简化，并集中于计算功率流解边界上的单点解，缺少求解空间边界，以至于求解不准确，而真实功率流解空间具有内褶，这种嵌入式复杂性没有被考虑，也没有考虑任何技术约束条件的限制，如电压设定值限制、输电线路热限制、发电机功率输出等。而且现有解空间计算过程中横截条件的选择存在高计算负担、数值稳定性问题以及对更大网络伸缩性差的问题，其例程存在实现困难、收敛问题，并且在解曲线的尖锐转折点或非凸段附近表现出缓慢的性能。
现在需要一种跟踪功率流解空间边界计算方法，建立技术约束，并设计辅助变量来计算功率流解空间边界上点，开发了一种自适应球面延拓算法来跟踪功率流解空间边界曲线，以克服现有技术很少考虑技术约束条件的限制，计算解空间边界速度慢、不准确的问题。
发明内容
为解决现有技术中没有考虑到真实功率流解空间具有内褶，也没有考虑任何技术约束条件的限制的问题，本文实施例提供一种知识图谱电力系统的功率流解空间边界计算方法及装置，能够根据自适应球面延拓算法来跟踪功率流解空间边界，并考虑技术约束条件的限制，计算解空间边界，从而提高解空间边界的计算速度以及准确性，用以限制电网在负荷裕度内运行。
为了解决上述技术问题，本文的具体技术方案如下：
一方面，本文实施例提供了一种知识图谱电力系统的功率流解空间边界计算方法，包括，
构建电力系统潮流模型，根据所述电力系统潮流模型建立解空间边界的技术约束条件；
基于所述技术约束条件，采用奇异值分解法选择解空间边界的横截条件；
根据所述技术约束条件和所述横截条件，定义功率流解空间边界上同伦路径的初始点；
根据所述同伦路径的初始点，预测所述同伦路径，跟踪所述功率流解空间边界。
进一步地，构建电力系统潮流模型进一步包括，
采用知识图谱学习模型Trans R对电力系统潮流模型进行融合，构建融合知识图谱的电力系统潮流模型如下：
Figure SMS_1
，
其中，
Figure SMS_2
为非线性代数方程组；x为电压相位角的矢量； λ为节点功率注入的界限；k为头实体和尾实体间的关系；x ⊥为x在投影矩阵下的分量；λ ⊥为λ在投影矩阵下的分量；
采用矩形公式，将所述电力系统潮流模型表示为方程组：
Figure SMS_3
，
其中，
Figure SMS_4
、
Figure SMS_5
分别为发电机母线i上的复电压向量的实部和虚部；G ik 、B ik 为复导纳矩阵的实部和虚部；
Figure SMS_6
、
Figure SMS_7
发电机母线i上第k个节点处电压的实部和虚部； λ为节点功率注入的界限；
Figure SMS_8
、
Figure SMS_9
表示总线上功率消耗和生成；
Figure SMS_10
为发电机母线i上的复电压向量；
其中，发电机母线i上的复电压向量的实部和虚部与发电机母线i上规定的电压幅度的关系为：
Figure SMS_11
，
其中，
Figure SMS_12
为发电机母线i上规定的电压幅度。
进一步地，根据发电机母线i上的复电压相量
Figure SMS_13
以及发电机母线i上规定的电压幅度
Figure SMS_14
，
建立解空间边界的技术约束条件为：
Figure SMS_15
，
其中，
Figure SMS_16
、
Figure SMS_17
为电压幅度的最小和最大界限；
Figure SMS_18
为计算出的电压幅度量级。
进一步地，建立解空间边界的技术约束条件，之后还包括：
引入松弛变量将不等式约束转换为两个分别对应于
Figure SMS_19
、
Figure SMS_20
的不同的等式：
Figure SMS_21
，
其中，
Figure SMS_22
、
Figure SMS_23
为电压幅度的最小和最大界限；
Figure SMS_24
、
Figure SMS_25
分别为发电机母线i上的复电压相量的实部和虚部；
Figure SMS_26
，
Figure SMS_27
分别表示与电压幅度最大和最小界限相关的松弛变量。
进一步地，基于所述技术约束条件，采用奇异值分解法选择解空间边界的横截条件，进一步包括，
Figure SMS_28
的奇异值分解为：
Figure SMS_29
，
其中，
Figure SMS_30
为非线性代数方程组；U和V都是和
Figure SMS_31
具有相同维数的正交矩阵；T为矩阵转置的符号；
Figure SMS_32
是一个由奇异值
Figure SMS_33
组成的对角矩阵；u i 、v i 分别对应于第i个左奇异向量和右奇异向量；
采用必要条件表示可行性边界上的解为：
Figure SMS_34
，
其中， g svd(x)表示基于奇异值分解的横截条件。
进一步地，根据所述技术约束条件和所述横截条件，定义功率流解空间边界上点的同伦路径，获得初始点，进一步包括，
定义功率流解空间边界上点的同伦路径
Figure SMS_35
为：
Figure SMS_36
，
其中，
Figure SMS_37
为非线性代数方程组；g svd(x)为基于奇异值分解的横截条件； z为状态变量矩阵；
超球面方程为：
Figure SMS_38
，
其中，
Figure SMS_39
为超球面方程；n+2为生成预测点数量；m表示求解出m个边界点；z为超球面预测中心点；z1表示初始点；r为超球面球体半径。
进一步地，根据所述同伦路径的初始点，预测所述同伦路径，进一步包括，
从满足
Figure SMS_40
的同伦路径曲线上的初始点z1开始预测，通过欧拉预测器在球面上
Figure SMS_41
上计算第一个预测点
Figure SMS_42
：
建立求解切向量
Figure SMS_43
的微分方程组：
Figure SMS_44
，
其中，
Figure SMS_45
为(n+1)×(n+2)雅可比矩阵有n+1的秩；T为矩阵转置的符号；
Figure SMS_46
为生成
Figure SMS_47
的归一化切向量；
Figure SMS_48
为弧长参数化曲线；
指定曲线穿越的方向：
Figure SMS_49
，
其中，切向量
Figure SMS_50
通过奇异值分解进行数值计算：
Figure SMS_51
，
其中， M为(n+2)正交向量组成的(n+2)×(n+2)左正交矩阵；D为(n+1)奇异值组成的(n+1) ×(n+1)满秩对角矩阵；N为(n+1)正交向量构成的(n+1)×(n+1)右正交矩阵；
转变为如下形式：
Figure SMS_52
，
其中，
Figure SMS_53
为第n个正交向量；m表示边界点个数；n+2为生成预测点数量；e为欧拉数；
欧拉预测器开始预测方程为：
Figure SMS_54
，
其中，
Figure SMS_55
为第i个预测点，
Figure SMS_56
为第i-1个确定点。
进一步地，跟踪所述功率流解空间边界，进一步包括，
通过自适应球面的曲率半径公式得到自适应球面的半径r，
Figure SMS_57
，
其中，
Figure SMS_58
为球面曲率半径； r为球面半径；
Figure SMS_59
是切向量的梯度；T为矩阵转置的符号；C和D均为1；A和B分别与球面曲率半径的最大值和最小值相关; e为欧拉数；
根据所述同伦路径曲线上的初始点、预测点和确定点以及自适应球面的半径，跟踪所述功率流解空间边界。
另一方面，本文实施例还提供了一种跟踪功率流解空间边界的装置，包括，
技术约束条件单元，用于构建电力系统潮流模型，根据所述电力系统潮流模型建立解空间边界的技术约束条件；
横截条件单元，用于基于所述技术约束条件，采用奇异值分解法选择解空间边界的横截条件；
同伦路径单元，用于根据所述技术约束条件和所述横截条件，定义功率流解空间边界上点的同伦路径，获得初始点；
跟踪空间边界单元，用于根据所述同伦路径的初始点，预测所述同伦路径，跟踪所述功率流解空间边界。
另一方面，本文实施例还提供了一种计算机设备，包括存储器、处理器、以及存储在存储器上的计算机程序，处理器执行所述计算机程序时实现上述的方法。
最后，本文实施例还提供了一种计算机存储介质，其上存储有计算机程序，计算机程序被计算机设备的处理器运行时，执行上述的方法。
利用本文实施例，实现了跟踪功率流解空间边界，并且，为了提高解空间边界的计算速度以及准确性，通过运算不等式的互补方程，构建电力系统潮流模型，将可解性空间扩展到可行性空间边界的一般数学结构建立解空间边界的技术约束条件，然后通过奇异值分解方法进行横截条件选择，与现有的基于特征向量的横截条件选择方法相比，减少了计算需要的空间以及初始化问题，为大型电网提供了更好的可伸缩性，并且根据技术约束条件和横截条件，定义功率流解空间边界上同伦路径的初始点，通过欧拉预测器从初始点计算第一个预测点，并预测同伦路径，通过自适应球面的曲率半径公式得到自适应球面的半径，根据初始点、预测点和确定点以及自适应球面的半径，跟踪功率流解空间边界进一步提高了算法的计算速度和准确性。解决了现有技术中解空间边界计算过程中横截条件的选择存在高计算负担、数值稳定性问题以及大型网络伸缩性差的问题，并且提高了在解空间边界的尖锐转折点或非凸段的计算能力。
附图说明
为了更清楚地说明本文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文的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1所示为本文实施例一种功率流解空间边界结构示意图；
图2所示为本文实施例一种知识图谱电力系统的功率流解空间边界计算方法的流程图；
图3所示为本文实施例使用欧拉预测器跟踪功率流解空间边界的流程图；
图4所示为本文实施例一种跟踪功率流解空间边界的装置结构示意图；
图5所示为本文实施例计算机设备的结构示意图。
【附图标记说明】：
101、功率流解空间边界（同伦路径曲线）；
401、技术约束条件单元；
402、横截条件单元；
403、同伦路径单元；
404、跟踪空间边界单元；
502、计算机设备；
504、处理设备；
506、存储资源；
508、驱动机构；
510、输入/输出模块；
512、输入设备；
520、网络接口；
522、通信链路；
524、通信总线。
具体实施方式
下面将结合本文实施例中的附图，对本文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文一部分实施例，而不是全部的实施例。基于本文中的实施例，本领域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，都属于本文保护的范围。
需要说明的是，本文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，以便这里描述的本文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、装置、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。
如图1所示为本文实施例功率流解空间边界结构示意图，具有自适应球面S1、S2、S3，通过自适应球面的曲率半径公式可以获得自适应球面的半径r，初始点z1为功率流解空间边界（同伦路径曲线）101的初始点，
Figure SMS_60
为第1、2、3个预测点，z2、z3为第2、3个确定点。
为了解决现有技术存在的问题。本文实施例提供了一种知识图谱电力系统的功率流解空间边界计算方法。图2所示为本文实施例提供的一种知识图谱电力系统的功率流解空间边界计算方法的流程图，在本图中描述了跟踪功率流解空间边界的过程。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或装置产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行。具体的如图2所示，所述方法可以包括：
步骤201：构建电力系统潮流模型，根据所述电力系统潮流模型建立解空间边界的技术约束条件；
步骤202：基于所述技术约束条件，采用奇异值分解法选择解空间边界的横截条件；
步骤203：根据所述技术约束条件和所述横截条件，定义功率流解空间边界上同伦路径的初始点；
步骤204：根据所述同伦路径的初始点，预测所述同伦路径，跟踪所述功率流解空间边界。
通过本文实施例的方法，实现了跟踪功率流解空间边界，并且，为了提高解空间边界的计算速度以及准确性，通过运算不等式的互补方程，构建电力系统潮流模型，将可解性空间扩展到可行性空间边界的一般数学结构建立解空间边界的技术约束条件，然后通过奇异值分解方法进行横截条件选择，与现有的基于特征向量的横截条件选择方法相比，减少了计算需要的空间以及初始化问题，为大型电网提供了更好的可伸缩性，并且根据技术约束条件和横截条件，定义功率流解空间边界上同伦路径的初始点，通过欧拉预测器从初始点计算第一个预测点，并预测同伦路径，通过自适应球面的曲率半径公式得到自适应球面的半径，根据初始点、预测点和确定点以及自适应球面的半径，跟踪功率流解空间边界进一步提高了算法的计算速度和准确性。解决了现有技术中解空间边界计算过程中横截条件的选择存在高计算负担、数值稳定性问题以及大型网络伸缩性差的问题，并且提高了在解空间边界的尖锐转折点或非凸段的计算能力。
采用知识图谱学习模型Trans R对电力系统模型进行知识图谱融合，其中，TransR模型表示为：
Figure SMS_61
式中，h为头实体；t为尾实体；k为头实体和尾实体间的关系；M r 为关系k的投影矩阵；h ⊥为h在投影矩阵M r 下的分量；t ⊥为t在投影矩阵M r 下的分量；
在本实施例中，电力系统潮流模型为
Figure SMS_62
，其中x为头实体；λ为尾实体，采用知识图谱学习模型Trans R对电力系统潮流模型进行融合，构建融合知识图谱的电力系统潮流模型，以便反映真实的电力系统状态；
Figure SMS_63
，
其中，
Figure SMS_64
为非线性代数方程组；x为电压相位角的矢量； λ为节点功率注入的界限；k为头实体和尾实体间的关系；x ⊥为x在投影矩阵下的分量；λ ⊥为λ在投影矩阵下的分量；
采用矩形公式，将所述电力系统潮流模型表示为方程组：
Figure SMS_65
其中，
Figure SMS_66
、
Figure SMS_67
分别为发电机母线i上的复电压向量的实部和虚部；G ik 、B ik 为复导纳矩阵的实部和虚部；
Figure SMS_68
、
Figure SMS_69
发电机母线i上第k个节点处电压的实部和虚部；λ为节点功率注入的界限；
Figure SMS_70
、
Figure SMS_71
表示总线上功率消耗和生成；
Figure SMS_72
为发电机母线i上的复电压向量；
其中，发电机母线i上的复电压向量的实部和虚部与发电机母线i上规定的电压幅度的关系为：
Figure SMS_73
，
其中，
Figure SMS_74
为发电机母线i上规定的电压幅度。
根据发电机母线i上的复电压相量
Figure SMS_75
以及发电机母线i上规定的电压幅度
Figure SMS_76
，
建立解空间边界的技术约束条件为：
Figure SMS_77
，
其中，
Figure SMS_78
、
Figure SMS_79
为电压幅度的最小和最大界限；
Figure SMS_80
为计算出的电压幅度量级。通过一组表示运算不等式的互补方程，提出了将问题从可解性空间扩展到可行性空间边界的一般数学结构。
引入松弛变量将不等式约束转换为两个分别对应于
Figure SMS_81
、
Figure SMS_82
的不同的等式：
Figure SMS_83
，
其中，
Figure SMS_84
、
Figure SMS_85
为电压幅度的最小和最大界限；
Figure SMS_86
、
Figure SMS_87
分别为发电机母线i上的复电压相量的实部和虚部；
Figure SMS_88
，
Figure SMS_89
分别表示与电压幅度最大和最小界限相关的松弛变量。
在本文实施例中，步骤202中基于奇异值分解方法进行解空间边界横截条件的选择，
通常，横截条件表达为行列式
Figure SMS_90
，
g(x)为横截条件的表达式；
Figure SMS_91
为功率流方程的雅克比矩阵；
该方法实现简单，但存在计算负担大、数值稳定性问题和对较大网络的可伸缩性差等问题。现有技术中求解是用特征向量法计算
Figure SMS_92
零值空间的右特征向量：
Figure SMS_93
，
y是对应于
Figure SMS_94
零特征值的归一化的特征向量；T为矩阵转置运算；
g eig(x,y)表示基于特征向量分解的横截条件；
现有技术中横截条件的选择虽保留功率流方程的稀疏结构，但是，收敛性对特征向量的初始估计不够准确。当系统变量的维数增加2倍时，会出现可伸缩性差的问题因此，在本文实施例中提出了基于奇异值分解的横截条件，具有小的计算成本，数值稳定性和大型网络的可扩展性等优点。
具体的，将n×n维雅克比矩阵
Figure SMS_95
的奇异值分解为：
Figure SMS_96
,
其中，
Figure SMS_97
为非线性代数方程组；U和V都是和
Figure SMS_98
具有相同维数的正交矩阵；T为矩阵转置的符号；
Figure SMS_99
是一个由奇异值
Figure SMS_100
组成的对角矩阵；u i 、v i 分别对应于第i个左奇异向量和右奇异向量；
采用必要条件表示可行性边界上的解为：
Figure SMS_101
，
其中， g svd(x)表示基于奇异值分解的横截条件。
进一步的，根据所述技术约束条件和所述横截条件，定义功率流解空间边界上点的同伦路径，获得初始点，进一步包括，
根据奇异值分解的横截条件和非线性代数方程组即功率流方程组和技术约束
定义功率流解空间边界上点的同伦路径
Figure SMS_102
为：
Figure SMS_103
，
其中，
Figure SMS_104
为非线性代数方程组；g svd(x)为基于奇异值分解的横截条件；z为状态变量矩阵；
在本实施例中只给出p=2的自有可变参数产生解点的一维曲线。上述给定的同伦系统的公式在(n+2)变量中有(n+1)个方程，因此采用一个表示(n+2)维超球面的方程来跟踪同伦路径。
超球面方程可引入为：
Figure SMS_105
，
其中，
Figure SMS_106
为超球面方程；n+2为生成预测点数量；m表示求解出m个边界点；z为超球面预测中心点；z1表示初始点；r为超球面球体半径。
在本实施例中，获得同伦路径的初始点之后，需要使用欧拉预测器来进行下一步计算，具体的如图3所示步骤为：
步骤301：从同伦路径的初始点开始预测，通过欧拉预测器计算第一个预测点；
步骤302：建立求解切向量的微分方程组，并且指定曲线穿越的方向；
步骤303：通过自适应球面的曲率半径公式得到自适应球面的半径
步骤304：根据初始点、预测点和确定点以及自适应球面的半径，跟踪功率流解空间边界。
具体的，通过欧拉预测器开始预测从满足
Figure SMS_107
的同伦路径曲线上的初始点z1开始预测，通过欧拉预测器在球面上
Figure SMS_108
上计算第一个预测点
Figure SMS_109
：
建立求解切向量
Figure SMS_110
的微分方程组：
Figure SMS_111
，
其中，
Figure SMS_112
为(n+1)×(n+2)雅可比矩阵有n+1的秩；T为矩阵转置的符号；
Figure SMS_113
为生成
Figure SMS_114
的归一化切向量；
Figure SMS_115
为弧长参数化曲线；
指定曲线穿越的方向：
Figure SMS_116
，
其中，切向量
Figure SMS_117
通过奇异值分解进行数值计算：
Figure SMS_118
，
其中， M为(n+2)正交向量组成的(n+2)×(n+2)左正交矩阵；D为(n+1)奇异值组成的(n+1) ×(n+1)满秩对角矩阵；N为(n+1)正交向量构成的(n+1)×(n+1)右正交矩阵；
转变为如下形式：
Figure SMS_119
，
其中，
Figure SMS_120
为第n个正交向量；m表示边界点个数；n+2为生成预测点数量；e为欧拉数；
欧拉预测器开始预测方程为：
Figure SMS_121
，
其中，
Figure SMS_122
为第i个预测点，
Figure SMS_123
为第i-1个确定点。
通过自适应球面的曲率半径公式得到自适应球面的半径r，
Figure SMS_124
，
其中，
Figure SMS_125
为球面曲率半径； r为球面半径；
Figure SMS_126
是切向量的梯度；T为矩阵转置的符号；C和D均为1；A和B分别与球面曲率半径的最大值和最小值相关; e为欧拉数；
根据所述同伦路径曲线上的初始点、预测点和确定点以及自适应球面的半径，跟踪所述功率流解空间边界。
示例性地，例如在电网分布式能源的整合的场景中，通过如图1所示的结构，通过分析功率流解空间边界101进行评估，功率流解空间边界101限制了电网在负荷裕度内的运行，解空间边界上的点z0、z1、z2满足功率流方程的实值解，满足功率流雅可比矩阵的奇异条件，通过超球面S1、S2、S3跟踪算法来跟踪边界曲线101，以克服现有技术很少考虑技术约束条件的限制，计算解空间边界速度慢、不准确的问题。
本文实施例还提供了一种跟踪功率流解空间边界的装置，如图4所示，包括，
技术约束条件单元401，用于构建电力系统潮流模型，根据所述电力系统潮流模型建立解空间边界的技术约束条件；
横截条件单元402，用于基于所述技术约束条件，采用奇异值分解法选择解空间边界的横截条件；
同伦路径单元403，用于根据所述技术约束条件和所述横截条件，定义功率流解空间边界上点的同伦路径，获得初始点；
跟踪空间边界单元404，用于根据所述同伦路径的初始点，预测所述同伦路径，跟踪所述功率流解空间边界。
由于上述装置解决问题的原理与上述方法相似，因此上述装置的实施可以参见上述方法的实施，重复之处不再赘述。
如图5所示为本发明实施例计算机设备的结构示意图，本文中的装置可以为本实施例中的计算机设备，执行上述本文的方法。计算机设备502可以包括一个或多个处理设备504，诸如一个或多个中央处理单元(CPU)，每个处理单元可以实现一个或多个硬件线程。计算机设备502还可以包括任何存储资源506，其用于存储诸如代码、设置、数据等之类的任何种类的信息。非限制性的，比如，存储资源506可以包括以下任一项或多种组合：任何类型的RAM，任何类型的ROM，闪存设备，硬盘，光盘等。更一般地，任何存储资源都可以使用任何技术来存储信息。进一步地，任何存储资源可以提供信息的易失性或非易失性保留。进一步地，任何存储资源可以表示计算机设备502的固定或可移除部件。在一种情况下，当处理设备504执行被存储在任何存储资源或存储资源的组合中的相关联的指令时，计算机设备502可以执行相关联指令的任一操作。计算机设备502还包括用于与任何存储资源交互的一个或多个驱动机构508，诸如硬盘驱动机构、光盘驱动机构等。
计算机设备502还可以包括输入/输出模块510（I/O），其用于接收各种输入(经由输入设备512)。在其他实施例中，还可以不包括输入/输出模块510（I/O）仅作为网络中的一台计算机设备。计算机设备502还可以包括一个或多个网络接口520，其用于经由一个或多个通信链路522与其他设备交换数据。一个或多个通信总线524将上文所描述的部件耦合在一起。
通信链路522可以以任何方式实现，例如，通过局域网、广域网(例如，因特网)、点对点连接等、或其任何组合。通信链路522可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器等的任何组合。
对应于图2至图3中的方法，本文实施例还提供了一种计算机可读存储介质，该计算机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运行时执行上述所述方法的步骤。
本文实施例还提供一种计算机可读指令，其中当处理器执行所述指令时，其中的程序使得处理器执行如图2至图3所示的方法。
应理解，在本文的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本文实施例的实施过程构成任何限定。
还应理解，在本文实施例中，术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系。例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
本领域技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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文的范围。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，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。
在本文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。另外，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，也可以是电的，机械的或其它的形式连接。
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文实施例方案的目的。
另外，在本文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，也可以是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，本文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）执行本文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-Only Memory）、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。
本文中应用了具体实施例对本文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文的方法及其核心思想；同时，对于本领域的一般技术人员，依据本文的思想，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文的限制。

Claims (10)

1.一种知识图谱电力系统的功率流解空间边界计算方法，其特征在于，所述方法包括，
融合知识图谱构建电力系统潮流模型，根据所述电力系统潮流模型建立解空间边界的技术约束条件；
基于所述技术约束条件，采用奇异值分解法选择解空间边界的横截条件；
根据所述技术约束条件和所述横截条件，定义功率流解空间边界上同伦路径的初始点；
根据所述同伦路径的初始点，预测所述同伦路径，跟踪所述功率流解空间边界。
2.根据权利要求1所述的知识图谱电力系统的功率流解空间边界计算方法，其特征在于，融合知识图谱构建电力系统潮流模型，进一步包括：
采用知识图谱学习模型Trans R对电力系统潮流模型进行融合，构建融合知识图谱的电力系统潮流模型如下：
Figure QLYQS_1
，
其中，
Figure QLYQS_2
为非线性代数方程组；x为电压相位角的矢量； λ为节点功率注入的界限；k为头实体和尾实体间的关系；x ⊥为x在投影矩阵下的分量；λ ⊥为λ在投影矩阵下的分量；
采用矩形公式，将所述电力系统潮流模型表示为方程组：
Figure QLYQS_3
，
其中，
Figure QLYQS_4
、
Figure QLYQS_5
分别为发电机母线i上的复电压向量的实部和虚部；G ik 、B ik 为复导纳矩阵的实部和虚部；
Figure QLYQS_6
、
Figure QLYQS_7
发电机母线i上第k个节点处电压的实部和虚部；λ为节点功率注入的界限；
Figure QLYQS_8
、
Figure QLYQS_9
表示总线上功率消耗和生成；
Figure QLYQS_10
为发电机母线i上的复电压向量；
其中，发电机母线i上的复电压向量的实部和虚部与发电机母线i上规定的电压幅度的关系为：
Figure QLYQS_11
，
其中，
Figure QLYQS_12
为发电机母线i上规定的电压幅度。
3.根据权利要求2所述的知识图谱电力系统的功率流解空间边界计算方法，其特征在于，根据所述电力系统潮流模型建立解空间边界的技术约束条件，进一步包括，
根据发电机母线i上的复电压相量
Figure QLYQS_13
以及发电机母线i上规定的电压幅度
Figure QLYQS_14
，
建立解空间边界的技术约束条件为：
Figure QLYQS_15
，
其中，
Figure QLYQS_16
、
Figure QLYQS_17
为电压幅度的最小和最大界限；
Figure QLYQS_18
为计算出的电压幅度量级。
4.根据权利要求3所述的知识图谱电力系统的功率流解空间边界计算方法，其特征在于，建立解空间边界的技术约束条件，之后还包括：
引入松弛变量将不等式约束转换为两个分别对应于
Figure QLYQS_19
、
Figure QLYQS_20
的不同的等式：
Figure QLYQS_21
，
其中，
Figure QLYQS_22
、
Figure QLYQS_23
为电压幅度的最小和最大界限；
Figure QLYQS_24
、
Figure QLYQS_25
分别为发电机母线i上的复电压相量的实部和虚部；
Figure QLYQS_26
，
Figure QLYQS_27
分别表示与电压幅度最大和最小界限相关的松弛变量。
5.根据权利要求3所述的知识图谱电力系统的功率流解空间边界计算方法，其特征在于，基于所述技术约束条件，采用奇异值分解法选择解空间边界的横截条件，进一步包括，
Figure QLYQS_28
的奇异值分解为：
Figure QLYQS_29
，
其中，
Figure QLYQS_30
为非线性代数方程组；U和V都是和
Figure QLYQS_31
具有相同维数的正交矩阵；T为矩阵转置的符号；
Figure QLYQS_32
是一个由奇异值
Figure QLYQS_33
组成的对角矩阵；u i 、v i 分别对应于第i个左奇异向量和右奇异向量；
采用必要条件表示可行性边界上的解为：
Figure QLYQS_34
，
其中， g svd(x)表示基于奇异值分解的横截条件。
6.根据权利要求5所述的知识图谱电力系统的功率流解空间边界计算方法，其特征在于，根据所述技术约束条件和所述横截条件，定义功率流解空间边界上点的同伦路径，获得初始点，进一步包括，
定义功率流解空间边界上点的同伦路径
Figure QLYQS_35
为：
Figure QLYQS_36
，
其中，
Figure QLYQS_37
为非线性代数方程组；g svd(x)为基于奇异值分解的横截条件； z为状态变量矩阵；
超球面方程为：
Figure QLYQS_38
，
其中，
Figure QLYQS_39
为超球面方程；n+2为生成预测点数量；m表示求解出m个边界点；z为超球面预测中心点；z1表示初始点；r为超球面球体半径。
7.根据权利要求6所述的知识图谱电力系统的功率流解空间边界计算方法，其特征在于，根据所述同伦路径的初始点，预测所述同伦路径，进一步包括，
从满足
Figure QLYQS_40
的同伦路径曲线上的初始点z1开始预测，通过欧拉预测器在球面上
Figure QLYQS_41
上计算第一个预测点
Figure QLYQS_42
：
建立求解切向量
Figure QLYQS_43
的微分方程组：
Figure QLYQS_44
，
其中，
Figure QLYQS_45
为(n+1)×(n+2)雅可比矩阵有n+1的秩；T为矩阵转置的符号；
Figure QLYQS_46
为生成
Figure QLYQS_47
的归一化切向量；
Figure QLYQS_48
为弧长参数化曲线；
指定曲线穿越的方向：
Figure QLYQS_49
，
其中，切向量
Figure QLYQS_50
通过奇异值分解进行数值计算：
Figure QLYQS_51
，
其中， M为(n+2)正交向量组成的(n+2)×(n+2)左正交矩阵；D为(n+1)奇异值组成的(n+1) ×(n+1)满秩对角矩阵； N为(n+1)正交向量构成的(n+1)×(n+1)右正交矩阵；
转变为如下形式：
Figure QLYQS_52
，
其中，
Figure QLYQS_53
为第n个正交向量；m表示边界点个数；n+2为生成预测点数量；e为欧拉数；
欧拉预测器开始预测方程为：
Figure QLYQS_54
，
其中，
Figure QLYQS_55
为第i个预测点，
Figure QLYQS_56
为第i-1个确定点。
8.根据权利要求7所述的知识图谱电力系统的功率流解空间边界计算方法，其特征在于，跟踪所述功率流解空间边界，进一步包括，
通过自适应球面的曲率半径公式得到自适应球面的半径r，
Figure QLYQS_57
，
其中，
Figure QLYQS_58
为球面曲率半径； r为球面半径；
Figure QLYQS_59
是切向量的梯度；T为矩阵转置的符号；C和D均为1；A和B分别与球面曲率半径的最大值和最小值相关; e为欧拉数；
根据所述同伦路径曲线上的初始点、预测点和确定点以及自适应球面的半径，跟踪所述功率流解空间边界。
9.一种知识图谱电力系统的功率流解空间边界装置，其特征在于，包括，
技术约束条件单元，用于融合知识图谱构建电力系统潮流模型，根据所述电力系统潮流模型建立解空间边界的技术约束条件；
横截条件单元，用于基于所述技术约束条件，采用奇异值分解法选择解空间边界的横截条件；
同伦路径单元，用于根据所述技术约束条件和所述横截条件，定义功率流解空间边界上点的同伦路径，获得初始点；
跟踪空间边界单元，用于根据所述同伦路径的初始点，预测所述同伦路径，跟踪所述功率流解空间边界。
10.一种计算机设备，包括存储器、处理器、以及存储在所述存储器上的计算机程序，其特征在于，所述计算机程序被所述处理器运行时，执行根据权利要求1至8任意一项所述方法的指令。
CN202310519845.0A 2023-05-10 2023-05-10 知识图谱电力系统的功率流解空间边界计算方法及装置 Active CN116227250B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310519845.0A CN116227250B (zh) 2023-05-10 2023-05-10 知识图谱电力系统的功率流解空间边界计算方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310519845.0A CN116227250B (zh) 2023-05-10 2023-05-10 知识图谱电力系统的功率流解空间边界计算方法及装置

Publications (2)

Publication Number Publication Date
CN116227250A true CN116227250A (zh) 2023-06-06
CN116227250B CN116227250B (zh) 2023-07-21

Family

ID=86570045

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310519845.0A Active CN116227250B (zh) 2023-05-10 2023-05-10 知识图谱电力系统的功率流解空间边界计算方法及装置

Country Status (1)

Country Link
CN (1) CN116227250B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103050970A (zh) * 2013-01-15 2013-04-17 华北电力大学 一种适用于特高压电网分层分区的稳定性分析及优化方法
US20160041232A1 (en) * 2014-08-11 2016-02-11 Board Of Trustees Of Michigan State University Tool employing homotopy-based approaches in finding the controlling unstable equilibrium point in the electric power grid
CN106066918A (zh) * 2016-06-06 2016-11-02 国网山东省电力公司经济技术研究院 基于同伦的含分布式电源和非线性负荷的短路电流计算方法
US20170177016A1 (en) * 2015-12-21 2017-06-22 Bigwood Technology, Inc. Smart Power Flow Solvers for Smart Power Grids
US20180158152A1 (en) * 2016-12-05 2018-06-07 Carnegie Mellon University Methods and Software for Calculating Optimal Power Flow in an Electrical Power Grid and Utilizations of Same
CN108960485A (zh) * 2018-06-11 2018-12-07 中国南方电网有限责任公司 一种源-荷互动电力市场下的在线字典学习概率最优潮流方法
CN114400662A (zh) * 2022-02-09 2022-04-26 国网辽宁省电力有限公司电力科学研究院 一种基于连续型潮流计算求解p-v曲线的方法
CN114707227A (zh) * 2022-04-28 2022-07-05 水利部南京水利水文自动化研究所 一种基于数字孪生的大坝安全预警消警方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103050970A (zh) * 2013-01-15 2013-04-17 华北电力大学 一种适用于特高压电网分层分区的稳定性分析及优化方法
US20160041232A1 (en) * 2014-08-11 2016-02-11 Board Of Trustees Of Michigan State University Tool employing homotopy-based approaches in finding the controlling unstable equilibrium point in the electric power grid
US20170177016A1 (en) * 2015-12-21 2017-06-22 Bigwood Technology, Inc. Smart Power Flow Solvers for Smart Power Grids
CN106066918A (zh) * 2016-06-06 2016-11-02 国网山东省电力公司经济技术研究院 基于同伦的含分布式电源和非线性负荷的短路电流计算方法
US20180158152A1 (en) * 2016-12-05 2018-06-07 Carnegie Mellon University Methods and Software for Calculating Optimal Power Flow in an Electrical Power Grid and Utilizations of Same
CN108960485A (zh) * 2018-06-11 2018-12-07 中国南方电网有限责任公司 一种源-荷互动电力市场下的在线字典学习概率最优潮流方法
CN114400662A (zh) * 2022-02-09 2022-04-26 国网辽宁省电力有限公司电力科学研究院 一种基于连续型潮流计算求解p-v曲线的方法
CN114707227A (zh) * 2022-04-28 2022-07-05 水利部南京水利水文自动化研究所 一种基于数字孪生的大坝安全预警消警方法及系统

Also Published As

Publication number Publication date
CN116227250B (zh) 2023-07-21

Similar Documents

Publication Publication Date Title
Chadli et al. Distributed state estimation, fault detection and isolation filter design for heterogeneous multi‐agent linear parameter‐varying systems
Mao et al. Routing or computing? The paradigm shift towards intelligent computer network packet transmission based on deep learning
Song et al. Finite‐time convergent distributed consensus optimisation over networks
Shah et al. A discourse on geometric feature recognition from CAD models
Lü et al. Distributed optimization of first-order discrete-time multi-agent systems with event-triggered communication
Xu et al. A dual splitting approach for distributed resource allocation with regularization
US8849737B1 (en) Prediction method of predicting a future state of a system
Ding et al. The establishment of the canonical perimeter topological graph of kinematic chains and isomorphism identification
CN115759658B (zh) 适用于智慧城市的企业能耗数据管理系统
Sun et al. Long-term spectrum state prediction: An image inference perspective
Kleyko et al. Fault detection in the hyperspace: Towards intelligent automation systems
Chen et al. Attack resilient distributed estimation: A consensus+ innovations approach
Wang et al. Inference for sparse conditional precision matrices
CN113221475A (zh) 一种用于高精度流场分析的网格自适应方法
Ayazoglu et al. An algorithm for fast constrained nuclear norm minimization and applications to systems identification
Keshavarzzadeh et al. Robust multiphase topology optimization accounting for manufacturing uncertainty via stochastic collocation
Wu et al. Generative design for resilience of interdependent network systems
CN116227250B (zh) 知识图谱电力系统的功率流解空间边界计算方法及装置
Xiong et al. Event-triggered distributed online convex optimization with delayed bandit feedback
CN115408568B (zh) 一种对神经网络的算子进行融合的方法和相关产品
He et al. Remaining useful life prediction for bearing based on automatic feature combination extraction and residual multi-Head attention GRU network
Montijano et al. Step size analysis in discrete-time dynamic average consensus
CN113784380A (zh) 一种采用图注意力网络与融合邻域的拓扑预测方法
CN112396166A (zh) 基于混合粒度聚合器的图卷积神经网络训练方法及装置
Alaeddini et al. An efficient adaptive sequential methodology for expensive response surface optimization

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