CN117039893B - 配电网状态确定方法、装置及电子设备 - Google Patents
配电网状态确定方法、装置及电子设备 Download PDFInfo
- Publication number
- CN117039893B CN117039893B CN202311295062.5A CN202311295062A CN117039893B CN 117039893 B CN117039893 B CN 117039893B CN 202311295062 A CN202311295062 A CN 202311295062A CN 117039893 B CN117039893 B CN 117039893B
- Authority
- CN
- China
- Prior art keywords
- state
- value
- nodes
- determining
- data
- 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.)
- Active
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 184
- 238000000034 method Methods 0.000 title claims abstract description 140
- 238000005259 measurement Methods 0.000 claims abstract description 193
- 230000008569 process Effects 0.000 claims abstract description 54
- 238000011156 evaluation Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 9
- 230000015654 memory Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 description 28
- 230000006870 function Effects 0.000 description 25
- 239000011159 matrix material Substances 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 10
- 238000012549 training Methods 0.000 description 8
- 238000007500 overflow downdraw method Methods 0.000 description 6
- 238000002347 injection Methods 0.000 description 5
- 239000007924 injection Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000002939 conjugate gradient method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 239000003446 ligand Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
-
- 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)
- Physics & Mathematics (AREA)
- Power Engineering (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Public Health (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Probability & Statistics with Applications (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明提供了一种配电网状态确定方法、装置及电子设备,可以应用于配电网状态估计技术领域。该方法包括:响应于配电网状态确定请求,获取配电网包括的多个节点各自的量测值序列;对于多个时间断面中的每个时间断面,确定与时间断面对应的系统时刻信息;基于系统时刻信息,从多个节点各自的量测值序列中确定多个节点各自的目标量测值;基于多个节点各自的目标量测值,得到配电网在时间断面下的量测数据,得到与多个时间断面相关的多组量测数据;将多组量测数据输入高斯过程回归模型,得到多组状态估计数据;以及基于对多组状态估计数据的评估结果,确定配电网包括的多个节点各自的电压状态值。
Description
技术领域
本发明涉及配电网状态估计技术领域,更具体地,涉及一种配电网状态确定方法、装置及电子设备。
背景技术
当前,随着光伏、风电等分布式能源的接入,配电网中节点电压越限,短路电流增大,供电可靠性降低等问题凸显。为了解决这些问题,需要对配电网的各节点状态量进行实时监控,实时处理,因此可以将电力系统状态估计技术运用在配电网中,以实现对配电网的系统运行状态进行实时感知和精细管控。
然而,在实现本发明构思的过程中,发明人发现相关技术中至少存在如下技术问题:在利用实时量测数据对实际配电网进行系统状态感知的过程中,由于配电网节点和支路众多,且量测采样的时间尺度、量测精度及同步性等方面存在较大的差异,导致量测配置分布不均匀,因此,直接基于量测数据无法得到完整的配电网的电压状态数据,且会导致配电网的运行状态估计值与真实值之间存在误差,从而降低状态估计的准确性。
发明内容
有鉴于此,本发明提供了一种配电网状态确定方法、装置及电子设备。
本发明的一个方面提供了一种配电网状态确定方法,包括:响应于配电网状态确定请求,获取上述配电网包括的多个节点各自的量测值序列;对于多个时间断面中的每个上述时间断面,确定与上述时间断面对应的系统时刻信息;基于上述系统时刻信息,从上述多个节点各自的量测值序列中确定上述多个节点各自的目标量测值;基于上述多个节点各自的目标量测值,得到上述配电网在上述时间断面下的量测数据,得到与上述多个时间断面相关的多组量测数据;将上述多组量测数据输入高斯过程回归模型,得到多组状态估计数据;以及基于对上述多组状态估计数据的评估结果,确定上述配电网包括的多个节点各自的电压状态值。
根据本发明的实施例,上述多个节点包括利用数据采集与监视控制系统进行量测值采集的至少一个第一节点和利用同步向量采集单元进行量测值采集的至少一个第二节点,上述数据采集与监视控制系统的量测值采集时间间隔大于上述同步向量采集单元的量测值采集时间间隔。
根据本发明的实施例,上述基于上述系统时刻信息,从上述多个节点各自的量测值序列中确定上述多个节点各自的目标量测值,包括:对于上述第一节点,对上述第一节点的量测值序列包括的多个第一量测值进行插值处理,得到多个第二量测值;基于上述系统时刻信息,从上述多个第二量测值中确定上述第一节点的目标量测值;以及对于上述第二节点,基于上述系统时刻信息和上述第二节点的量测值序列包括的多个量测值各自的采集时刻信息,从上述多个量测值中确定上述第二节点的目标量测值。
根据本发明的实施例,上述状态估计数据包括与上述多个节点各自包括的多个状态变量各自相关的电压状态均值和电压状态方差;其中,上述基于对上述多组状态估计数据的评估结果,确定上述配电网包括的多个节点各自的电压状态值,包括:对于每个上述状态变量,基于上述多组状态估计数据中与上述状态变量相关的电压状态均值和电压状态方差,确定与上述状态变量相关的电压状态值在多个预设估计值区间中的概率分布;基于上述多个节点各自包括的多个状态变量各自的概率分布,得到针对上述配电网的状态估计的可靠性评价指标值;以及在上述可靠性评价指标值大于预设值的情况下,基于上述多个状态变量各自的概率分布,确定多个节点各自的电压状态值。
根据本发明的实施例,上述基于上述多个节点各自包括的多个状态变量各自的概率分布,得到针对上述配电网的状态估计的可靠性评价指标值,包括:对于每个上述状态变量,基于上述状态变量的概率分布,得到上述状态变量的信息熵;以及基于上述多个节点各自包括的多个状态变量各自的信息熵,得到上述可靠性评价指标值。
根据本发明的实施例,上述基于上述多组状态估计数据中与上述状态变量相关的电压状态均值和电压状态方差,确定与上述状态变量相关的电压状态值在多个预设估计值区间中的概率分布,包括:基于上述多组状态估计数据中与上述状态变量相关的电压状态均值和电压状态方差,得到上述多个预设估计值区间各自包含上述电压状态值的概率;以及基于上述多个预设估计值区间各自包含上述电压状态值的概率,确定上述状态变量的概率分布。
根据本发明的实施例,上述基于上述多个状态变量各自的概率分布,确定多个节点各自的电压状态值,包括:对于每个上述状态变量,基于上述状态变量在上述多个预设估计值区间中的概率分布,从上述多个预设估计值区间中确定目标估计值区间;以及基于上述目标估计值区间,确定与上述状态变量对应的电压状态值,得到上述多个节点各自的电压状态值。
根据本发明的实施例,上述基于上述目标估计值区间,确定与上述状态变量对应的电压状态值,包括:基于上述目标估计值区间的中点值,得到与上述状态变量对应的电压状态值。
本发明的另一个方面提供了一种配电网状态确定装置,包括:获取模块,用于响应于配电网状态确定请求,获取上述配电网包括的多个节点各自的量测值序列;信息确定模块,用于对于多个时间断面中的每个上述时间断面,确定与上述时间断面对应的系统时刻信息;第一数据确定模块,用于基于上述系统时刻信息,从上述多个节点各自的量测值序列中确定上述多个节点各自的目标量测值;第二数据确定模块,用于基于上述多个节点各自的目标量测值,得到上述配电网在上述时间断面下的量测数据,得到与上述多个时间断面相关的多组量测数据;第三数据确定模块,用于将上述多组量测数据输入高斯过程回归模型,得到多组状态估计数据;第四数据确定模块,用于基于对上述多组状态估计数据的评估结果,确定上述配电网包括的多个节点各自的电压状态值。
本发明的另一方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个指令,其中,当上述一个或多个指令被上述一个或多个处理器执行时,使得上述一个或多个处理器实现如上上述的方法。
根据本发明的实施例,通过采集多个节点的量测数据,以确定配电网状态估计时刻断面的多组量测数据,再将数据输入高斯过程回归模型进行预测,以得到多组状态估计数据,并基于高斯过程回归配电网状态估计算法的可靠性评价指标,从而可以定量分析配电网当前量测条件下的可计算性和算法的收敛性,因此可以提高状态估计的鲁棒性。此外,基于高斯过程回归的配电网状态估计算法对得到的多组状态估计数据进行可靠性评估,可以有效降低估计值与真实值之间的误差,进而提高所得电压状态值的可靠性。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示出了根据本发明实施例的配电网状态确定方法的流程图;
图2示出了根据本发明实施例的33节点量测配置的示意图;
图3示出了根据本发明实施例的第二节点的目标量测值确定方法的流程图;
图4示出了根据本发明实施例的数据融合方法的示意图;
图5示出了根据本发明实施例的电压状态值确定方法的流程图;
图6示出了根据本发明实施例的将高斯过程回归应用于配网状态估计的流程图;
图7a示出了根据本发明实施例的高斯过程回归状态估计方法的单次电压幅值状态估计结果的散点分布图;
图7b示出了根据本发明另一实施例的高斯过程回归状态估计方法的单次电压幅值状态估计误差的散点分布图;
图8a示出了根据本发明实施例的最小二乘状态估计方法的单次电压幅值状态估计结果的散点分布图;
图8b示出了根据本发明另一实施例的最小二乘状态估计方法的单次电压幅值状态估计误差的散点分布图;
图9a示出了根据本发明实施例的潮流匹配状态估计方法的单次电压幅值状态估计结果的散点分布图;
图9b示出了根据本发明另一实施例的潮流匹配状态估计方法的单次电压幅值状态估计误差的散点分布图;
图10a示出了根据本发明实施例的高斯过程回归状态估计方法的单次电压相角状态估计结果的散点分布图;
图10b示出了根据本发明另一实施例的高斯过程回归状态估计方法的单次电压相角状态估计误差的散点分布图;
图11a示出了根据本发明实施例的最小二乘状态估计方法的单次电压相角状态估计结果的散点分布图;
图11b示出了根据本发明另一实施例的最小二乘状态估计方法的单次电压相角状态估计误差的散点分布图;
图12a示出了根据本发明实施例的潮流匹配状态估计方法的单次电压相角状态估计结果的散点分布图;
图12b示出了根据本发明另一实施例的潮流匹配状态估计方法的单次电压相角状态估计误差的散点分布图;
图13示出了根据本发明的实施例的配电网状态确定装置的框图;以及
图14示出了根据本发明实施例的适于实现配电网状态确定方法的电子设备的框图。
具体实施方式
以下,将参照附图来描述本发明的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本发明的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本发明实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本发明。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
在传统配电网中,电流一般由电源端流向负荷端,这种单向辐射状供电结构比较薄弱,运行可靠性较低。随着光伏,风电等分布式能源的接入,配电网中节点电压越限,短路电流增大,供电可靠性降低等问题凸显。为了解决这些问题,需要对配电网的各节点状态量进行实时监控,实时处理,因此可以将电力系统状态估计技术运用在配电网中,以实现对配电网的系统运行状态进行实时感知和精细管控。
然而,在实现本发明构思的过程中,发明人发现相关技术中至少存在如下技术问题:在利用实时量测数据对实际配电网进行系统状态感知的过程中,由于配电网节点和支路众多,且量测采样的时间尺度、量测精度及同步性等方面存在较大的差异,导致量测配置分布不均匀,因此,直接基于量测数据无法得到完整的配电网的电压状态数据,且会导致配电网的运行状态估计值与真实值之间存在误差,从而降低状态估计的准确性。
有鉴于此,本发明的实施例通过采集多个节点的量测数据,以确定配电网状态估计时刻断面的多组量测数据,再将数据输入高斯过程回归模型进行预测,以得到多组状态估计数据,基于高斯过程回归配电网状态估计算法的可靠性评价指标,可以定量分析配电网当前量测条件下的可计算性和算法的收敛性,从而提高状态估计的鲁棒性。此外,基于高斯过程回归的配电网状态估计算法对得到的多组状态估计数据进行可靠性评估,可以有效降低估计值与真实值之间的误差,也可以提高得到的电压状态值的可靠性。
具体地,本发明提供了一种配电网状态确定方法、装置及电子设备。该方法包括响应于配电网状态确定请求,获取配电网包括的多个节点各自的量测值序列;对于多个时间断面中的每个时间断面,确定与时间断面对应的系统时刻信息;基于系统时刻信息,从多个节点各自的量测值序列中确定多个节点各自的目标量测值;基于多个节点各自的目标量测值,得到配电网在时间断面下的量测数据,得到与多个时间断面相关的多组量测数据;将多组量测数据输入高斯过程回归模型,得到多组状态估计数据;以及基于对多组状态估计数据的评估结果,确定配电网包括的多个节点各自的电压状态值。
需要说明的是,本发明实施例中的流程图所示的操作除非明确说明不同操作之间存在执行的先后顺序,或者不同操作在技术实现上存在执行的先后顺序,否则,多个操作之间的执行顺序可以不分先后,多个操作也可以同时执行。
图1示出了根据本发明实施例的配电网状态确定方法的流程图。
如图1所示,该方法包括操作S110~S160。
在操作S110,响应于配电网状态确定请求,获取配电网包括的多个节点各自的量测值序列。
根据本发明的实施例,配电网状态估计可以用于表征通过对配电网中各种参数的监测和解析,估计出配电网在任一时间节点的运行状态。其中,根据配电网的实际运行情况,配电网运行状态可以包括正常状态、警戒状态、故障状态、恢复状态等。
根据本发明的实施例,在配电网拓扑结构一般由多个节点组成,这些节点可以将电能从电源传输到最终负载中。其中,上述节点可以包括变电站节点、负载节点等。例如,典型的33节点配电系统由33个节点组成,包括3个变电站节点和30个负载节点。
根据本发明的实施例,针对配电网各个节点的量测信息,其量测类型可以包括电压向量量测、功率流量测、功率注入量测、负荷伪量测等。其中,电压向量量测可以是电压幅值、电压相角量测,功率流量测可以是有功功率、无功功率量测,功率注入量测可以是每个节点的消耗功率量测。
下面参考图2,结合具体实施例对上述操作S110所示的方法做进一步说明。
图2示出了根据本发明实施例的33节点量测配置的示意图。
如图2所示,在33节点配电系统中,可以根据需求设定根节点,例如,可以将节点1、2、3、6、7设定为根节点,针对每个根节点分别设置一节点电压相量量测装置,用于获取根节点电压相量(幅值、相角)量测,针对每条线路分支设置线路功率量测装置,用于获取根节点的功率流(有功功率、无功功率)量测,针对每个节点分别设置一节点注入功率量测,用于获取根节点的节点功率注入量测以及除根节点外其余节点的节点负荷伪量测。
根据本发明的实施例,多个节点各自的量测值序列可以用于表征在任一时段进行采样时,在该时段内将获取到的任一节点每个采样时刻对应的量测值以时间顺序进行排列,从而可以得到上述量测值序列。
例如,根据设定的采样时段,获取采样时段内每一个采样时刻节点A对应的量测值,进而由不同采样时刻下节点A对应的多个不同量测值构成量测值序列A。
根据本发明的实施例,当系统接收到配电网状态确定请求操作时,基于配电网各个节点采集的量测信息,获取多个节点各自对应的量测值序列。
在操作S120,对于多个时间断面中的每个时间断面,确定与时间断面对应的系统时刻信息。
根据本发明的实施例,时间断面可以用于表征在某一采样时刻,该采样时刻内即时间断面上存在的多个状态变量信息。在任一系统的实际运行中,可以通过设定时间阈值以保存多个时间断面。
例如,在电力系统中,该时间断面可以用于表征电力系统在某一个时刻时的整体运行状态。其中,上述运行状态可以包括该时刻电力系统运行的线路潮流、节点电压、负荷量、发电量和设备状态等各项数据信息。
根据本发明的实施例,在系统保存的多个时间断面中,可以通过每个时间断面所包含的状态变量信息,获取到对应的当前时刻作为系统时刻信息。
在操作S130,基于系统时刻信息,从多个节点各自的量测值序列中确定多个节点各自的目标量测值。
根据本发明的实施例,目标量测值可以用于表征当前时间断面的量测值。
根据本发明的实施例,根据当前系统时刻信息,从多个节点各自的量测值序列中选出当前时间断面对应的时刻中多个节点各自的量测值。
在操作S140,基于多个节点各自的目标量测值,得到配电网在时间断面下的量测数据,得到与多个时间断面相关的多组量测数据。
根据本发明的实施例,可以对距离当前时刻最近的多个节点各自对应的目标量测值进行数值补全,以得到当前时间断面的量测数据。其中,数值补全方法可以包括但不仅限于插值法、曲线拟合法等。
根据本发明的实施例,具体地,插值法可以用于在离散数据的基础上补插连续函数,使得这条连续曲线通过全部给定的离散数据点进行数值补全;曲线拟合法可以用于将离散数据先拟合成连续曲线,再在这条连续曲线上选择离散数据点进行数值补全。
根据本发明的实施例,多个当前时间断面的量测数据可以构成多组实时量测数据。
在操作S150,将多组量测数据输入高斯过程回归模型,得到多组状态估计数据。
根据本发明的实施例,高斯过程回归模型是指使用高斯过程先验对数据进行回归分析的非参数预测模型。其中,高斯过程回归模型可以用于通过有限的高维数据来拟合出相应的高斯过程,从而来预测任意随机变量下的函数值。
例如,在本发明的实施例中,可以将配电网拓扑内每一节点对应的每一时刻的状态变量(电压幅值、电压相角)都设定为高斯的先验分布,则拓扑内所有的节点状态变量构成联合高斯的先验分布,从而对配电网的状态进行预测,从而得到多组状态估计数据。
在操作S160,基于对多组状态估计数据的评估结果,确定配电网包括的多个节点各自的电压状态值。
根据本发明的实施例,多组状态估计数据可以用于对估计结果进行评估,以确定模型输出的预测数据是否可靠。
根据本发明的实施例,具体地,可以通过计算基于高斯过程回归的状态估计算法的可靠性评价指标,从而实现对多组状态估计数据的评估。在进行评估之后,可以根据可靠性评价指标确定多个节点各自对应的可靠的电压状态值。
根据本发明的实施例,通过采集多个节点的量测数据,以确定配电网状态估计时刻断面的多组量测数据,再将数据输入高斯过程回归模型进行预测,以得到多组状态估计数据,并基于高斯过程回归配电网状态估计算法的可靠性评价指标,从而可以定量分析配电网当前量测条件下的可计算性和算法的收敛性,因此可以提高状态估计的鲁棒性;此外,基于高斯过程回归的配电网状态估计算法对得到的多组状态估计数据进行可靠性评估,可以有效降低估计值与真实值之间的误差,进而提高所得电压状态值的可靠性。
根据本发明的实施例,多个节点包括利用数据采集与监视控制系统 进行量测值采集的至少一个第一节点和利用同步向量采集单元进行量测值采集的至少一个第二节点,数据采集与监视控制系统的量测值采集时间间隔大于同步向量采集单元 的量测值采集时间间隔。
根据本发明的实施例,数据采集与监视控制系统(Supervisory Control AndData Acquisition,SCADA)可以用于对现场的运行设备进行监视和控制,通常使用传感器、仪表和控制器收集各种类型的数据,例如,温度、压力、流量等,以实现数据采集、设备控制、测量、参数调节等各项功能。例如,在传统状态估计中,SCADA可以根据位于变电站和发电厂的远动终端单元(RTU)提供的标量数据,如电压幅值和电流幅值大小、有功功率和无功功率、分接头状态以及断路器状态等对电网的状态进行估计。
根据本发明的实施例,同步向量采集单元(Phasor Measurements units,PMU)可以用于同步测量电压电流幅值等数据,还可以直接测量所安装节点的电压相角和所有相邻支路的电流相角,以提供相位、幅值和频率信息,从而实时检测整个系统的运行情况。
根据本发明的实施例,数据采集与监视控制系统的量测值采集时间间隔大于同步向量采集单元的量测值采集时间间隔。例如,SCADA刷新频率即采样频率一般为2至6分钟刷新1次,PMU刷新频率即采样频率可以为每秒刷新50次。
根据本发明的实施例,SCADA采集量测值的一个或多个节点可以作为第一节点,PMU采集量测值的一个或多个节点可以作为第二节点。
本发明的实施例通过利用采样频率高的同步向量采集单元以及采样频率较的数据采集与监视控制系统对多个节点对应的多个采样时间下的量测数据进行采样,从而为状态估计提供了数据基础。
下面参考图3,结合具体实施例对上述操作S130所示的方法做进一步说明。
图3示出了根据本发明实施例的第二节点的目标量测值确定方法的流程图。
如图3所示,该方法包括操作S131~S133。
在操作S131,对于第一节点,对第一节点的量测值序列包括的多个第一量测值进行插值处理,得到多个第二量测值。
根据本发明的实施例,第一量测值可以用于表征第一节点的量测值序列中包括的三次采样值。
根据本发明的实施例,第二量测值可以用于表征对第一量测值进行插值处理之后的量测值。其中,插值处理可以包括但不仅限于拉格朗日插值、分段线性插值、三次样条插值等插值方法。
在操作S132,基于系统时刻信息,从多个第二量测值中确定第一节点的目标量测值。
根据本发明的实施例,根据当前采样时刻,可以从多个第二量测值中选出距离当前时刻最近的并且经过插值处理的第一量测值,作为当前时间断面下第一节点的目标量测值。
在操作S133,对于第二节点,基于系统时刻信息和第二节点的量测值序列包括的多个量测值各自的采集时刻信息,从多个量测值中确定第二节点的目标量测值。
根据本发明的实施例,根据当前采样时刻,可以从第二节点的量测值序列包括的多个量测值中选出距离当前时刻最近的一次采样值,作为当前时间断面下第二节点的目标量测值。
根据本发明的实施例,由于SCADA的测量数据刷新频次较低,且配电网状态估计的运行频率一般高于其刷新频率,因此需选用距当前时刻最近的三次采样值;而由于PMU的测量数据刷新频次较高,且配电网状态估计的运行频率一般低于其刷新频率,因此只需选用距当前时刻最近的一次采样值,以此保证两者采集到的量测数据量的平衡。
根据本发明的实施例,第二节点的目标量测值确定方法还包括,基于多个时间断面对应的多个量测数据,可以采用数据融合方法进行处理,以得到同一个时间断面下的量测数据。
根据本发明的实施例,数据融合方法可以但不仅限于包括时间戳对齐方法或插值方法。其中,时间戳对齐方法可以用于将所有数据源的时间戳对齐到同一时间轴上,可以通过在系统中添加时间同步硬件来实现。插值方法可以用于对不同采样频率的传感器数据进行插值,以便使其对齐。例如,可以使用线性插值或样条插值等方法将数据源的数据点插值到另一个数据源的时间轴上。
下面参考图4,结合具体实施例对上述数据融合方法做进一步说明。
图4示出了根据本发明实施例的数据融合方法的示意图。
如图4所示,本发明的实施例可以采取线性外推插值方法,将SCADA1、SCADA2、SCADA3采集的距离状态估计计算时刻最近的三次采样值即圈出的量测数据,通过在其左侧进行插值,将这三次采样值向右侧外推,直到推至与PMU在状态估计计算时刻采集的单个时间断面的量测数据的时标对齐即可。
根据本发明的实施例,在对单个时间断面数据进行数据融合处理之后,还可以对其施加误差项,并将各节点电压幅值和电压相角作为待状态估计的真值进行存储。例如,量测精度的设置可以如表1所示。
表1
如表1所示,可以将所有节点的节点注入功率每次都施加5%的随机正态误差,根节点电压相量量测和线路功率量测都施加1%的随机正态误差。
本发明的实施例基于SCADA与PMU两者刷新频率的差异,对距当前时刻最近不同采样值进行数据处理,得到当前时间断面的目标量测值,此外还可以对多个采样频率不同的量测数据通过数据融合方法进行时标对齐,从而可以减小由于配电网中量测采样的时间尺度、同步性等方面的差异而造成的误差,进一步提高采样值的精确度。
图5示出了根据本发明实施例的电压状态值确定方法的流程图。
下面参考图5,结合具体实施例对上述操作S160所示的方法做进一步说明。
如图5所示,该方法包括操作S161~S163。
在操作S161,对于每个状态变量,基于多组状态估计数据中与状态变量相关的电压状态均值和电压状态方差,确定与状态变量相关的电压状态值在多个预设估计值区间中的概率分布。
在操作S162,基于多个节点各自包括的多个状态变量各自的概率分布,得到针对配电网的状态估计的可靠性评价指标值。
在操作S163,在可靠性评价指标值大于预设值的情况下,基于多个状态变量各自的概率分布,确定多个节点各自的电压状态值。
根据本发明的实施例,状态估计数据包括与多个节点各自包括的多个状态变量各自相关的电压状态均值和电压状态方差。
根据本发明的实施例,在通过高斯过程回归模型得到多组状态估计数据之后,可以基于高斯过程回归的状态估计算法对电压状态均值和电压状态方差进行可靠性分析。
根据本发明的实施例,可以通过设置一预设估计值区间,确定与任一状态变量相关的电压状态值在多个预设估计值区间中的概率分布。
根据本发明的实施例,预设估计值区间可以通过数据平滑处理方式进行设置。其中,数据平滑处理方式可以包括分箱法、回归法、拉普拉斯平滑等方式。
根据本发明的实施例,预设值可以根据实际需求进行设置,在本实施例中,预设值根据可靠性的需求所确定。
根据本发明的实施例,在可靠性评价指标值大于预设值的情况下,基于多个状态变量各自的概率分布,在多组状态估计数据中选出符合可靠性需求的多个节点各自的电压状态值。
根据本发明的实施例,可靠性指标值可以根据系统总信息熵和状态变量的数目确定。具体地,可靠性指标值的计算方式可以如下。
(1);
其中,O 2表示可靠性评价指标值,n表示状态变量数目,K表示系统总信息熵。
根据本发明的实施例,可以根据公式(1),用配电网内的状态变量数目n除以系统总信息熵K即为少量测条件下的基于高斯过程回归的配电网状态估计算法的可靠性评价指标值O 2,其中,系统总信息熵K可以是由多个状态变量落在预设估计值区间内的概率计算得到的。
根据本发明的实施例,可靠性评价指标值O 2需满足落在[a,1]的区间范围内以保证电压状态均值和电压状态方差的可靠性,其中,a为根据需求设定的预设值。
根据本发明的实施例,在对多组状态估计数据进行可靠性评估之前,还可以将多组量测数据输入高斯过程回归模型,得到多组状态估计数据。
下面参考图6,结合具体实施例对上述操作S150所示的方法做进一步说明。
图6示意性示出了根据本发明实施例的将高斯过程回归应用于配网状态估计的流程图。
如图6所示,该方法包括操作S151~S157。
在操作S151,制定基于高斯过程回归的配电网状态估计模型的输入特征矩阵和标签矩阵。
根据本发明的实施例,输入特征矩阵的每一行为一个样本,代表一组历史数据,不同的列分别为实际配电系统中可用量测设备收集的不同类型或不同位点的量测信息。例如,输入特征矩阵每一列可以是配电系统中节点的电压幅值和相角。
根据本发明的实施例,标签矩阵的每一行为一个样本,对应于输入特征矩阵的行,每一列为配电系统中不同节点的状态变量真值或近似值。
表2
例如,如表2所示,在33节点配电系统中,输入特征矩阵的列元素可以为:节点1-5是5个根节点的电压幅值,节点6-10是5个根节点的电压相角,节点11-15是5个根节点与其下游最近邻节点的有功功率流,节点16-20是5个根节点与其下游最近邻节点的无功功率流,节点21-52是除根节点1之外其余节点的注入有功功率,节点53-84是除根节点1之外其余节点的注入无功功率,因此,在该33节点配电系统中,输入特征矩阵和标签矩阵的维度分别为1000*84和1000*33。
在操作S152,拆分训练集和测试集。
根据本发明的实施例,训练集包括训练集输入特征、训练集标签,测试集包括测试集输入特征、测试集标签,若将测试集的占比设置为4%,则测试集可以共有40个样本。
在操作S153,进行配电网状态估计建模,将配网量测数据与真值数据送入模型。
根据本发明的实施例,将配网量测数据与真值数据送入模型,其中,配网量测数据与真值数据包括训练集输入特征、训练集标签、测试集输入特征、测试集标签。
根据本发明的实施例,可以选择常均值函数作为配电网状态变量的均值函数。
根据本发明的实施例,可以选择各向同性有理二次协方差函数作为配电网拓扑节点间的协方差函数。其中,有理二次协方差函数的表达式如下。
(2);
(3);
(4);
其中,k RQ (x i ,x j )表示有理二次协方差函数,表示比例混合参数,/>表示信号方差超参数,可以用于控制函数的垂直波动情况,/>表示d个特征长度,M表示特征长度的对角矩阵,/>表示噪声方差超参数,/>是克罗尼克函数,x i 表示特征量,x j 表示标签量,i表示特征矩阵中特征量的个数,j表示标签矩阵中标签量的个数。/>
根据本发明的实施例,可以选择高斯似然函数作为配电网状态估计模型的最大似然函数。
在操作S154,通过训练集对状态估计模型里的超参数进行自适应优化,得到超参数优化后的高斯过程回归状态估计模型。
根据本发明的实施例,高斯过程回归的核函数中含有若干参数,这些参数称为超参数。通常,采用极大似然估计对高斯过程回归的超参数进行求解是最基本的方法,根据高斯过程回归模型的训练样本和超参数构造的似然函数如下。
(5);
其中,表示超参数,L表示似然函数,K表示自定义矩阵,n表示节点数。
如公式(7)所示,首先初始化超参数,然后采用共轭梯度法进行求解,即可得到对应的最优超参数。
在操作S155,将测试集输入特征矩阵输入超参数优化后的高斯过程回归模型。
在操作S156,得到测试集输入特征矩阵上的高斯过程回归的预测均值列向量,预测输出方差的列向量。
在操作S157,状态变量置信区间分析。
根据本发明的实施例,可以通过计算的预测均值和预测协方差得到状态变量置信度区间。例如,根据正态分布的特点,可以根据如下计算公式。
(6);
其中,P表示状态变量落在设定区间内的概率,n表示样本数量,y_fit表示预测均值列向量,ys2表示预测输出方差的列向量。
根据公式(8)的计算结果可知,状态变量有95%的概率落到区间中。
本发明的实施例基于高斯过程回归计算出的多组电压状态均值和电压状态方差,利用在预设估计区间内的概率分布计算出配电网的状态估计的可靠性评价指标值,通过预设条件筛选出多个合格的可靠性评价指标值,以确定对应的多个节点各自的电压状态值,从而可以提高配电网状态估计的精确性,以保证电网的安全运行。
根据本发明的实施例,基于多个节点各自包括的多个状态变量各自的概率分布,得到针对配电网的状态估计的可靠性评价指标值,包括:对于每个状态变量,基于状态变量的概率分布,得到所述状态变量的信息熵;以及基于多个节点各自包括的多个状态变量各自的信息熵,得到可靠性评价指标值。
根据本发明的实施例,状态变量的信息熵的计算方法可以如下。
(7);
(8);/>
其中,H(x i )表示第i个状态变量的信息熵,N i 为第i个状态变量的预设估计值区间数目,P(x n i )表示第i个状态变量落在预设估计值区间内的概率。
根据本发明的实施例,可以根据公式(7)计算出多个状态变量各自的信息熵,再根据公式(8)计算出系统总信息熵K,最后根据上述公式(1),用配电网内的状态变量数目n除以系统总信息熵K即可得到少量测条件下的基于高斯过程回归的配电网状态估计算法的可靠性评价指标O 2。
本发明的实施例通过确定状态变量的概率分布情况计算出每个节点对应的状态变量各自的信息熵,并将其进行加和得到系统总信息熵,进而可以计算出可靠性评价指标,为后续筛选可靠的电压状态值提供基础。
根据本发明的实施例,基于多组状态估计数据中与状态变量相关的电压状态均值和电压状态方差,确定与状态变量相关的电压状态值在多个预设估计值区间中的概率分布,包括:基于多组状态估计数据中与状态变量相关的电压状态均值和电压状态方差,得到多个预设估计区间各自包含电压状态值的概率;以及基于多个预设估计区间各自包含电压状态值的概率,确定状态变量的概率分布。
根据本发明的实施例,将多组状态估计数据中与状态变量相关的电压状态均值和电压状态方差分配到多个预设估计值区间中,得到多个预设估计值区间各自包含的电压状态值的概率。
根据本发明的实施例,基于多个预设估计值区间各自包含的电压状态值的概率,确定状态变量的概率分布。例如,在采用分箱法确定预设估计值区间的情况下,分箱数和间隔可根据根据实际情况设置,本发明的实施例可以将分箱数目设置为39个,间隔为0.005p.u.,因此,预设估计值区间为39个,其中,p.u.表示标幺值,状态变量的概率分布即为各个状态变量落在任一分箱内的概率。
本发明的实施例通过将多组状态估计数据中的电压状态均值和电压状态方差分配到预设估计值区间中,从而确定状态变量落在预设估计值区间中的概率,进而为提高状态变量的信息熵计算准确率提供基础。
根据本发明的实施例,基于多个状态变量各自的概率分布,确定多个节点各自的电压状态值,包括:对于每个状态变量,基于状态变量在多个预设估计值区间中的概率分布,从多个预设估计值区间中确定目标估计值区间;以及基于目标估计值区间,确定与状态变量对应的电压状态值,得到多个节点各自的电压状态值。
根据本发明的实施例,在计算出每个状态变量落在预设估计值区间内的概率之后,根据概率筛选出满足可靠性的目标估计值区间,进而确定多个目标估计值区间内落入的状态变量对应的电压状态值,即为可靠的多个电压状态值。
本发明的实施例基于状态变量在多个预设估计值区间中的概率分布确定满足可靠性的状态变量对应的多个电压状态值,从而可以有效降低估计值与真实值之间的误差,进而提高所得电压状态值的可靠性。
根据本发明的实施例,基于目标估计值区间,确定与状态变量对应的电压状态值,包括:基于目标估计值区间的中点值,得到与状态变量对应的电压状态值。
根据本发明的实施例,在确定目标估计值区间之后,可以但不仅限于有以下方法确定与状态变量对应的电压状态值。例如,可以将目标估计值区间的中点值作为与状态变量对应的电压状态值。
下面参考图7~图12,结合具体实施例对操作S110~S160中的方法所得结果做进一步说明。
图7a示出了根据本发明实施例的高斯过程回归状态估计方法的单次电压幅值状态估计结果的散点分布图。
图7b示出了根据本发明另一实施例的高斯过程回归状态估计方法的单次电压幅值状态估计误差的散点分布图。
如图7a和图7b所示,在33节点配电系统下,基于高斯过程回归的单次电压幅值状态估计结果与状态变量真值几乎重叠,且误差保持在[-0.3×10-3,+1×10-3]的范围内。
图8a示出了根据本发明实施例的最小二乘状态估计方法的单次电压幅值状态估计结果的散点分布图。
图8b示出了根据本发明另一实施例的最小二乘状态估计方法的单次电压幅值状态估计误差的散点分布图。
如图8a和图8b所示,在33节点配电系统下,基于最小二乘的单次电压幅值状态估计结果与状态变量真值具有明显偏移,且误差在[-21×10-3,0]的范围内。
图9a示出了根据本发明实施例的潮流匹配状态估计方法的单次电压幅值状态估计结果的散点分布图。
图9b示出了根据本发明另一实施例的潮流匹配状态估计方法的单次电压幅值状态估计误差的散点分布图。
如图9a和图9b所示,在33节点配电系统下,基于潮流匹配的单次电压幅值状态估计结果与状态变量真值部分节点具有明显偏移,且误差在[-7.2×10-3,+3.8×10-3]的范围内。
图10a示出了根据本发明实施例的高斯过程回归状态估计方法的单次电压相角状态估计结果的散点分布图。
图10b示出了根据本发明另一实施例的高斯过程回归状态估计方法的单次电压相角状态估计误差的散点分布图。
如图10a和图10b所示,在33节点配电系统下,基于高斯过程回归状态估计方法的单次电压相角状态估计结果与状态变量真值部分节点具有少量偏移,且误差在[-0.003,+0.005]的范围内。
图11a示出了根据本发明实施例的最小二乘状态估计方法的单次电压相角状态估计结果的散点分布图。
图11b示出了根据本发明另一实施例的最小二乘状态估计方法的单次电压相角状态估计误差的散点分布图。
如图11a和图11b所示,在33节点配电系统下,基于最小二乘的单次电压相角状态估计结果与状态变量真值具有明显偏移,且误差在[-0.47,+0.55]的范围内。
图12a示出了根据本发明实施例的潮流匹配状态估计方法的单次电压相角状态估计结果的散点分布图。
图12b示出了根据本发明另一实施例的潮流匹配状态估计方法的单次电压相角状态估计误差的散点分布图。
如图12a和图12b所示,在33节点配电系统下,基于潮流匹配的单次电压相角状态估计结果与状态变量真值全部节点都具有明显偏移,且误差在[0,1.31]的范围内。
根据本发明的实施例,进一步地,基于上述三种状态估计方法的状态估计误差,分别计算电压幅值均方误差、电压相角均方误差以及在线计算时间,计算结果如表3所示。
表3
由表3可知,高斯过程回归状态估计方法下电压幅值均方误差、电压相角均方误差与传统方法相比误差都是最小的。
需要说明的是,本发明实施例中的流程图所示的操作除非明确说明不同操作之间存在执行的先后顺序,或者不同操作在技术实现上存在执行的先后顺序,否则,多个操作之间的执行顺序可以不分先后,多个操作也可以同时执行。
图13示出了根据本发明的实施例的配电网状态确定装置的框图。
如图13所示,配电网状态确定装置包括获取模块1310、信息确定模块1320、第一数据确定模块1330、第二数据确定模块1340、第三数据确定模块1350和第四数据确定模块1360。
获取模块1310,用于响应于配电网状态确定请求,获取配电网包括的多个节点各自的量测值序列。
信息确定模块1320,用于对于多个时间断面中的每个时间断面,确定与时间断面对应的系统时刻信息。
第一数据确定模块1330,用于基于系统时刻信息,从多个节点各自的量测值序列中确定多个节点各自的目标量测值。
第二数据确定模块1340,用于基于多个节点各自的目标量测值,得到配电网在时间断面下的量测数据,得到与多个时间断面相关的多组量测数据。
第三数据确定模块1350,用于将多组量测数据输入高斯过程回归模型,得到多组状态估计数据。
第四数据确定模块1360,用于基于对多组状态估计数据的评估结果,确定配电网包括的多个节点各自的电压状态值。
根据本发明的实施例,第一数据确定模块1330包括数据处理子模块、第一确定子模块、第二确定子模块。
数据处理子模块,用于对于第一节点,对第一节点的量测值序列包括的多个第一量测值进行插值处理,得到多个第二量测值。
第一确定子模块,用于基于系统时刻信息,从多个第二量测值中确定第一节点的目标量测值。
第二确定子模块,用于对于第二节点,基于系统时刻信息和第二节点的量测值序列包括的多个量测值各自的采集时刻信息,从多个量测值中确定第二节点的目标量测值。
根据本发明的实施例,第四数据确定模块1360包括第三确定子模块、第一计算子模块、第四确定子模块。
第三确定子模块,对于每个状态变量,基于多组状态估计数据中与状态变量相关的电压状态均值和电压状态方差电压状态估计值,确定与状态变量相关的电压状态值在多个预设估计值区间中的概率分布。
第一计算子模块,用于基于多个节点各自包括的多个状态变量各自的概率分布,得到针对配电网的状态估计的可靠性评价指标值。
第四确定子模块,用于在可靠性评价指标值大于预设值的情况下,基于多个状态变量各自的概率分布,确定多个节点各自的电压状态值。
根据本发明的实施例,第一计算子模块包括第一计算单元、第二计算单元。
第一计算单元,用于对于每个状态变量,基于状态变量的概率分布,得到状态变量的信息熵。
第二计算单元,用于基于多个节点各自包括的多个状态变量各自的信息熵,得到可靠性评价指标值。
根据本发明的实施例,第三确定子模块包括第一获取单元、第一确定单元。
第一获取单元,基于多组状态估计数据中与状态变量相关的电压状态均值和电压状态方差,得到多个预设估计值区间各自包含电压状态值的概率。
第一确定单元,基于多个预设估计值区间各自包含电压状态值的概率,确定状态变量的概率分布。
根据本发明的实施例,第四确定子模块包括第二确定单元、第三确定单元。
第二确定单元,用于对于每个状态变量,基于状态变量在多个预设估计值区间中的概率分布,从多个预设估计值区间中确定目标估计值区间。
第三确定单元,用于基于目标估计值区间,确定与状态变量对应的电压状态值,得到多个节点各自的电压状态值。
根据本发明的实施例,第三确定单元包括第一确定子单元。
第一确定子单元,用于基于目标估计值区间的中点值,为得到与状态变量对应的电压状态值。
根据本发明的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本发明实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本发明实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本发明实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,获取模块1310、信息确定模块1320、第一数据确定模块1330、第二数据确定模块1340、第三数据确定模块1350和第四数据确定模块1360中的任意多个可以合并在一个模块/单元/子单元中实现,或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者,这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合,并在一个模块/单元/子单元中实现。
根据本发明的实施例,获取模块1310、信息确定模块1320、第一数据确定模块1330、第二数据确定模块1340、第三数据确定模块1350和第四数据确定模块1360中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,获取模块1310、信息确定模块1320、第一数据确定模块1330、第二数据确定模块1340、第三数据确定模块1350和第四数据确定模块1360中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
需要说明的是,本发明的实施例中配电网状态确定装置部分与本发明的实施例中配电网状态确定方法部分是相对应的,配电网状态确定装置部分的描述具体参考配电网状态确定方法部分,在此不再赘述。
图14示出了根据本发明实施例的适于实现配电网状态确定方法的电子设备的框图。图14示出的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图14所示,根据本发明实施例的计算机电子设备包括处理器1401,其可以根据存储在只读存储器(ROM)1402中的程序或者从存储部分1408加载到随机访问存储器(RAM)1403中的程序而执行各种适当的动作和处理。处理器1401例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器1401还可以包括用于缓存用途的板载存储器。处理器1401可以包括用于执行根据本发明实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 1403中,存储有电子设备操作所需的各种程序和数据。处理器 1401、ROM1402以及RAM 1403通过总线1404彼此相连。处理器1401通过执行ROM 1402和/或RAM 1403中的程序来执行根据本发明实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 1402和RAM 1403以外的一个或多个存储器中。处理器1401也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本发明实施例的方法流程的各种操作。
根据本发明的实施例,电子设备还可以包括输入/输出(I/O)接口1405,输入/输出(I/O)接口1405也连接至总线1404。电子设备还可以包括连接至输入/输出(I/O)接口1405的以下部件中的一项或多项:包括键盘、鼠标等的输入部分1406;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1407;包括硬盘等的存储部分1408;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1409。通信部分1409经由诸如因特网的网络执行通信处理。驱动器1410也根据需要连接至输入/输出(I/O)接口1405。可拆卸介质1411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1410上,以便于从其上读出的计算机程序根据需要被安装入存储部分1408。
根据本发明的实施例,根据本发明实施例的方法流程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1409从网络上被下载和安装,和/或从可拆卸介质1411被安装。在该计算机程序被处理器1401执行时,执行本发明实施例的系统中限定的上述功能。根据本发明的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。本领域技术人员可以理解,本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本发明中。特别地,在不脱离本发明精神和教导的情况下,本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本发明的范围。
以上对本发明的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本发明的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本发明的范围由所附权利要求及其等同物限定。不脱离本发明的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本发明的范围之内。
Claims (9)
1.一种配电网状态确定方法,其特征在于,包括:
响应于配电网状态确定请求,获取所述配电网包括的多个节点各自的量测值序列;
对于多个时间断面中的每个所述时间断面,确定与所述时间断面对应的系统时刻信息;
基于所述系统时刻信息,从所述多个节点各自的量测值序列中确定所述多个节点各自的目标量测值;
基于所述多个节点各自的目标量测值,得到所述配电网在所述时间断面下的量测数据,得到与所述多个时间断面相关的多组量测数据;
将所述多组量测数据输入高斯过程回归模型,得到多组状态估计数据,其中,所述状态估计数据包括与所述多个节点各自包括的多个状态变量各自相关的电压状态均值和电压状态方差;以及
基于对所述多组状态估计数据的评估结果,确定所述配电网包括的多个节点各自的电压状态值,包括:
对于每个所述状态变量,基于所述多组状态估计数据中与所述状态变量相关的电压状态均值和电压状态方差,确定与所述状态变量相关的电压状态值在多个预设估计值区间中的概率分布;
基于所述多个节点各自包括的多个状态变量各自的概率分布,得到针对所述配电网的状态估计的可靠性评价指标值,其中,所述评估结果表示针对所述配电网的状态估计的可靠性评价指标值;以及
在所述可靠性评价指标值大于预设值的情况下,基于所述多个状态变量各自的概率分布,确定多个节点各自的电压状态值。
2.根据权利要求1所述的方法,其特征在于,所述多个节点包括利用数据采集与监视控制系统进行量测值采集的至少一个第一节点和利用同步向量采集单元进行量测值采集的至少一个第二节点,所述数据采集与监视控制系统的量测值采集时间间隔大于所述同步向量采集单元的量测值采集时间间隔。
3.根据权利要求2所述的方法,其特征在于,所述基于所述系统时刻信息,从所述多个节点各自的量测值序列中确定所述多个节点各自的目标量测值,包括:
对于所述第一节点,对所述第一节点的量测值序列包括的多个第一量测值进行插值处理,得到多个第二量测值;
基于所述系统时刻信息,从所述多个第二量测值中确定所述第一节点的目标量测值;以及
对于所述第二节点,基于所述系统时刻信息和所述第二节点的量测值序列包括的多个量测值各自的采集时刻信息,从所述多个量测值中确定所述第二节点的目标量测值。
4.根据权利要求1所述的方法,其特征在于,所述基于所述多个节点各自包括的多个状态变量各自的概率分布,得到针对所述配电网的状态估计的可靠性评价指标值,包括:
对于每个所述状态变量,基于所述状态变量的概率分布,得到所述状态变量的信息熵;以及
基于所述多个节点各自包括的多个状态变量各自的信息熵,得到所述可靠性评价指标值。
5.根据权利要求1所述的方法,其特征在于,所述基于所述多组状态估计数据中与所述状态变量相关的电压状态均值和电压状态方差,确定与所述状态变量相关的电压状态值在多个预设估计值区间中的概率分布,包括:
基于所述多组状态估计数据中与所述状态变量相关的电压状态均值和电压状态方差,得到所述多个预设估计值区间各自包含所述电压状态值的概率;以及
基于所述多个预设估计值区间各自包含所述电压状态值的概率,确定所述状态变量的概率分布。
6.根据权利要求5所述的方法,其特征在于,所述基于所述多个状态变量各自的概率分布,确定多个节点各自的电压状态值,包括:
对于每个所述状态变量,基于所述状态变量在所述多个预设估计值区间中的概率分布,从所述多个预设估计值区间中确定目标估计值区间;以及
基于所述目标估计值区间,确定与所述状态变量对应的电压状态值,得到所述多个节点各自的电压状态值。
7.根据权利要求6所述的方法,其特征在于,所述基于所述目标估计值区间,确定与所述状态变量对应的电压状态值,包括:
基于所述目标估计值区间的中点值,得到与所述状态变量对应的电压状态值。
8.一种配电网状态确定装置,其特征在于,包括:
获取模块,用于响应于配电网状态确定请求,获取所述配电网包括的多个节点各自的量测值序列;
信息确定模块,用于对于多个时间断面中的每个所述时间断面,确定与所述时间断面对应的系统时刻信息;
第一数据确定模块,用于基于所述系统时刻信息,从所述多个节点各自的量测值序列中确定所述多个节点各自的目标量测值;
第二数据确定模块,用于基于所述多个节点各自的目标量测值,得到所述配电网在所述时间断面下的量测数据,得到与所述多个时间断面相关的多组量测数据;
第三数据确定模块,用于将所述多组量测数据输入高斯过程回归模型,得到多组状态估计数据,其中,所述状态估计数据包括与所述多个节点各自包括的多个状态变量各自相关的电压状态均值和电压状态方差;以及
第四数据确定模块,用于基于对所述多组状态估计数据的评估结果,确定所述配电网包括的多个节点各自的电压状态值;
其中,所述第四数据确定模块包括:
第三确定子模块,对于每个所述状态变量,基于所述多组状态估计数据中与所述状态变量相关的电压状态均值和电压状态方差,确定与所述状态变量相关的电压状态值在多个预设估计值区间中的概率分布;
第一计算子模块,基于所述多个节点各自包括的多个状态变量各自的概率分布,得到针对所述配电网的状态估计的可靠性评价指标值,其中,所述评估结果表示针对所述配电网的状态估计的可靠性评价指标值;以及
第四确定子模块,在所述可靠性评价指标值大于预设值的情况下,基于所述多个状态变量各自的概率分布,确定多个节点各自的电压状态值。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个指令,
其中,当所述一个或多个指令被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311295062.5A CN117039893B (zh) | 2023-10-09 | 2023-10-09 | 配电网状态确定方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311295062.5A CN117039893B (zh) | 2023-10-09 | 2023-10-09 | 配电网状态确定方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117039893A CN117039893A (zh) | 2023-11-10 |
CN117039893B true CN117039893B (zh) | 2024-01-26 |
Family
ID=88630431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311295062.5A Active CN117039893B (zh) | 2023-10-09 | 2023-10-09 | 配电网状态确定方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117039893B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112713587A (zh) * | 2020-12-10 | 2021-04-27 | 国网上海市电力公司 | 一种基于平方根容积卡尔曼滤波器的配电网动态状态估计方法及系统 |
CN112865096A (zh) * | 2021-03-18 | 2021-05-28 | 国网上海市电力公司 | 一种考虑pmu量测相角偏差的配电网状态估计方法及系统 |
CN113595058A (zh) * | 2021-04-29 | 2021-11-02 | 湖南工学院 | 配电网状态估计量测数据的处理方法 |
WO2022021726A1 (zh) * | 2020-07-29 | 2022-02-03 | 国网上海市电力公司 | 一种基于pmu的电力系统状态估计性能评价方法 |
WO2022057457A1 (zh) * | 2020-09-21 | 2022-03-24 | 国网上海市电力公司 | 配电网电压的区域协调控制方法、装置与电子设备 |
WO2022117126A1 (zh) * | 2020-12-04 | 2022-06-09 | 中国电力科学研究院有限公司 | 一种电网量测数据的校验方法、装置、设备、存储介质及程序产品 |
CN114915030A (zh) * | 2022-06-09 | 2022-08-16 | 国网江苏省电力有限公司泰州供电分公司 | 一种基于配电网运行拓扑的分布式状态估计方法及系统 |
CN115409245A (zh) * | 2022-08-10 | 2022-11-29 | 国网上海市电力公司 | 电力系统的预测辅助状态估计方法、装置、设备及介质 |
KR20230078486A (ko) * | 2021-11-26 | 2023-06-02 | 포항공과대학교 산학협력단 | 배전계통의 네트워크 토폴로지 및 전압 상태추정 방법 및 장치 |
-
2023
- 2023-10-09 CN CN202311295062.5A patent/CN117039893B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022021726A1 (zh) * | 2020-07-29 | 2022-02-03 | 国网上海市电力公司 | 一种基于pmu的电力系统状态估计性能评价方法 |
WO2022057457A1 (zh) * | 2020-09-21 | 2022-03-24 | 国网上海市电力公司 | 配电网电压的区域协调控制方法、装置与电子设备 |
WO2022117126A1 (zh) * | 2020-12-04 | 2022-06-09 | 中国电力科学研究院有限公司 | 一种电网量测数据的校验方法、装置、设备、存储介质及程序产品 |
CN112713587A (zh) * | 2020-12-10 | 2021-04-27 | 国网上海市电力公司 | 一种基于平方根容积卡尔曼滤波器的配电网动态状态估计方法及系统 |
CN112865096A (zh) * | 2021-03-18 | 2021-05-28 | 国网上海市电力公司 | 一种考虑pmu量测相角偏差的配电网状态估计方法及系统 |
CN113595058A (zh) * | 2021-04-29 | 2021-11-02 | 湖南工学院 | 配电网状态估计量测数据的处理方法 |
KR20230078486A (ko) * | 2021-11-26 | 2023-06-02 | 포항공과대학교 산학협력단 | 배전계통의 네트워크 토폴로지 및 전압 상태추정 방법 및 장치 |
CN114915030A (zh) * | 2022-06-09 | 2022-08-16 | 国网江苏省电力有限公司泰州供电分公司 | 一种基于配电网运行拓扑的分布式状态估计方法及系统 |
CN115409245A (zh) * | 2022-08-10 | 2022-11-29 | 国网上海市电力公司 | 电力系统的预测辅助状态估计方法、装置、设备及介质 |
Non-Patent Citations (2)
Title |
---|
Distribution power system state estimation based on Gaussian mixture model-Neural network;Jun Yang等;《2020 IEEE Sustainable Power and Energy Conference (iSPEC)》;2552-2557页 * |
基于高斯过程的配电网状态估计方法研究;廖启术;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》(第第01期期);C042-2201 * |
Also Published As
Publication number | Publication date |
---|---|
CN117039893A (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10261485B2 (en) | Systems and methods for detecting changes in energy usage in a building | |
CN112098915B (zh) | 双母线分段接线下多台电压互感器继发性误差的评估方法 | |
US9293949B2 (en) | Electric power grid signal processing methods, oscillatory mode estimation methods and mode shape estimation methods | |
Kang et al. | Optimal placement of mobile sensors for data assimilations | |
Cheng et al. | Enhanced state estimation and bad data identification in active power distribution networks using photovoltaic power forecasting | |
CN113126019A (zh) | 一种智能电表误差远程估计方法、系统、终端和存储介质 | |
Zhou et al. | A control chart based on likelihood ratio test for detecting patterned mean and variance shifts | |
CN116595327B (zh) | 水闸变形监测数据预处理系统及方法 | |
CN113406558A (zh) | 基于线性回归的电表失准检测方法、装置及电子设备 | |
CN112100574A (zh) | 一种基于重采样的aakr模型不确定度计算方法及系统 | |
CN111998918A (zh) | 一种误差校正方法、误差校正装置及流量传感系统 | |
CN115508770A (zh) | 一种基于kl-nb算法的电能表运行状态在线评估方法 | |
CN104795811A (zh) | 一种电力系统区间状态估计方法 | |
Devaraj et al. | Uncertainty propagation in analytic availability models | |
CN115549084A (zh) | 配电网故障确定方法、装置、计算机设备和存储介质 | |
CN113569201A (zh) | 地磁Ap指数预报方法、装置及电子设备 | |
CN117556366B (zh) | 基于数据筛选的数据异常检测系统及方法 | |
CN117039893B (zh) | 配电网状态确定方法、装置及电子设备 | |
Chen et al. | Grey bootstrap method for data validation and dynamic uncertainty estimation of self-validating multifunctional sensors | |
JP7214283B1 (ja) | ニューラルネットワーク基盤の負荷推定モデルを含む積算電力装置で負荷を推定する方法及びこれを利用した積算電力装置 | |
US10852335B2 (en) | Estimation of electrical grid parameters | |
JP7170913B2 (ja) | 機器状態判定システム、電力量計、および機器状態判定方法 | |
CN109327026B (zh) | 一种低压配电网区间状态估计方法 | |
RU61906U1 (ru) | Система учета, контроля и прогноз при совершении действий с ресурсами | |
Yu et al. | Improved energy management of chiller system with AI-based regression |
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 |