TWI460436B - 相量計算單元位置選取方法 - Google Patents

相量計算單元位置選取方法 Download PDF

Info

Publication number
TWI460436B
TWI460436B TW102128993A TW102128993A TWI460436B TW I460436 B TWI460436 B TW I460436B TW 102128993 A TW102128993 A TW 102128993A TW 102128993 A TW102128993 A TW 102128993A TW I460436 B TWI460436 B TW I460436B
Authority
TW
Taiwan
Prior art keywords
solution
spanning tree
power
probability
node
Prior art date
Application number
TW102128993A
Other languages
English (en)
Other versions
TW201506413A (zh
Inventor
Chia Chi Chu
Chung Shou Liao
Tsung Jung Hsieh
jian hong Liu
Xian Chang Guo
Original Assignee
Nat Univ Tsing Hua
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 Nat Univ Tsing Hua filed Critical Nat Univ Tsing Hua
Priority to TW102128993A priority Critical patent/TWI460436B/zh
Priority to US14/070,302 priority patent/US20150051866A1/en
Application granted granted Critical
Publication of TWI460436B publication Critical patent/TWI460436B/zh
Publication of TW201506413A publication Critical patent/TW201506413A/zh

Links

Classifications

    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Description

相量計算單元位置選取方法
本發明係有關一種計算方法，特別是一種相量計算單元位置選取方法。
相量計算單元(Phasor Measurement Unit，PMU)通常被應用在智慧電網的監控、分析、以及預防。將PMU所提供之精確且即時之資料回授至現代的能量管理系統(EMS)中時，電力系統操作人員可快速的觀測到整個電力系統的動態狀況。將PMU應用在電力匯流排中可得到超精準度的電壓電流相量之測量。
然而，雖著PMU的發展伴隨著成本的增加以及PMU及電力系統間通訊的設備，如何將PMU的設置最佳化(Optimal PMU Placement，OPP)，如何將PMU的數量最佳化且放置在最適當的位置，進而使整個電力系統具有完整可觀察性，時為業界一大考驗。
目前業界常使用之計算方法大致上分為三種：圖形法、人工智慧法、以及數學規劃法。習知圖形法以及人工智慧法之計算方法針對大規模的電力系統只能估算出初步的PMU位置及數量，相當不精確。數學規劃法最大的缺點是其計算品質不佳，在近期的研究中顯示數學規劃法在解 決PMU設置問題上具有很大的完整性的問題。
本發明係提供一種相量計算單元位置選取方法，包含兩階段。在第一階段中，計算電力系統各節點未觀察之鄰點數(unobserved degree)；選擇一具有最大未觀察臨點數之節點作為中心，並由該中心透過觀察法則(observation rules)向相鄰之剩餘節點拓展至無法再拓展為止；重複以上的步驟直到此系統形成一最小生成樹，並為該生成樹選定具有一最小基數之一電力支配數集合。在第二階段中，根據該電力支配數集合，使用蜂群演算法(Artificial Bees Colony Algorithm)，利用計算一適應函數(fitness function)，經過隨機搜尋鄰近點產生一新解V ij =X ij +μ(X ij -X kj )之後，利用貪婪搜尋法(greedy selection)與計算機率大小以選擇較佳之解；並且，當現有解在給定的疊代次數內無法再更好時，尚有利用隨機產生一新的解之機制以防止掉入局部最佳解(local optimum)；在第二階段蜂群演算法中，會保留最佳解直到達到終止條件為止。
102~134‧‧‧步驟
圖1所示為根據本發明一實施例之相量計算單元位置選取方法流程圖。
圖2A至圖2D所示為根據本發明一實施例之在IEEE 57匯流排系統上利用蜘蛛分解法架構一生成樹之示例。
以下將對本發明的實施例給出詳細的說明。雖然本發明將結合實施例進行闡述，但應理解這並非意指將本發明限定於這些實施例。相反，本發明意在涵蓋由後附申請專利範圍所界定的本發明精神和範圍內所定義的各種變化、修改和均等物。
此外，在以下對本發明的詳細描述中，為了提供針對本發明的完全的理解，提供了大量的具體細節。然而，於本技術領域中具有通常知識者將理解，沒有這些具體細節，本發明同樣可以實施。在另外的一些實例中，對於大家熟知的方法、程序、元件和電路未作詳細描述，以便於凸顯本發明之主旨。
圖1所示為根據本發明一實施例之相量計算單元位置選取方法流程圖。圖1將結合圖2A至圖2D進行說明。在一實施例中，透過一蜘蛛分解法架構一生成樹(Spanning Tree)T。接著，利用演算法產生一最小基數的可行電力支配數集合(Power Dominating Set，PDS)ST 給此特定之生成樹T。雖然可行電力支配數集合ST 可保留此特定生成樹T之完整可觀性，然而，由於整個智慧電網G中包含太多迴路，可行電力支配數集合ST 可能無法保留整個智慧電網G的可行性。因此，為了確保整個智慧電網G的可觀測性，第二階段將進行啟發式人工蜂群(Artificial Bee Colony，ABC)演算法之計算。
在步驟102中，輸入一電力系統，其係以圖像化的表現方式呈現智慧電網之匯流排位置。在步驟104中，計算電力系統中尚未被觀察(unobserved)之鄰點個數。請同時參考圖2A至圖2D，所示為在IEEE 57匯流排系統上利用蜘蛛分解法架構一生成樹(Spanning Tree)T之示例。首先，在步驟106中，選擇具有最大未觀察臨點數之節點作為蜘蛛中心，在一實施例 中，如圖2A所示，由於節點9具有最多未觀察鄰點，因此選擇節點9為第一蜘蛛中心。在步驟108中，透過觀察法則延伸，節點9可以透過相鄰之節點傳播形成一蜘蛛P{v9} ，IEEE 57匯流排系統上其他節點之未觀察鄰點數因此相應被更新，且下一個具有較大未觀察鄰點數之節點為節點1(如圖2B中所示)。接著，在步驟110中，重複進行直至IEEE 57匯流排系統上所有節點皆包含於這些蜘蛛的連集中以形成一生成樹T。圖2C示出由蜘蛛中心9、1、56、22、以及27所形成之蜘蛛連集P{v9,v1,v56,v22,v27} 。在步驟112中，為生成樹選擇一具有最小基數的可行電力支配數集合PDS，如圖2D示出。
由此可知，步驟104至步驟110系所為第一階段，在第一階段中，利用演算法初步估算PMU的數量。為確保整個智慧電網的可行性，本發明一實施例進而利用第二階段之微調方法，利用一人工蜂群(Artificial Bee Colony，ABC)演算法以最小化相量計算單元(Phasor Measurement Unit，PMU)的個數，並同時保證其可行性。在ABC演算法中，每一個食物來源表示一可能的解答，換言之，食物來源的數量等於雇傭蜂(employed bee)的數量，一半之蜂群包含雇傭蜂，另一半則包含旁觀者(onlooker)。
在相量計算單元最佳化配置(Optimal PMU Placement，OPP)問題中，每一蜜蜂代表一配置之策略，且二進制之值所形成之集合形成一解答集已表示哪個位置有/沒有PMU之配置，其中，有PMU配置之位置係呈現數位1及無PMU配置之位置係呈現數位0。舉例說明，解答向量若為01100010001000則代表第2、3、7、以及11個匯流排安裝有PMU，且本解答之大小d為14。
在步驟114中，將可行電力支配數集合PDS輸入以進行第二 階段之步驟，載入第一階段所得之資料並設定一週期參數(cycle)為1。在步驟116中，初始化參數，並從第一階段取得初始種群(population)數Xh 。在步驟118中，利用下列方程式計算適應函數fiti ：，其中，i=1~SN，且fi為第i個解答之值。
接著，在步驟120中，利用方程式V ij =X ij +μ(X ij -X kj )在僱傭階段產生鄰近僱傭蜂之新解。在步驟122中，利用方程式為每一個Vi 計算適應函數fiti 。在步驟124中，根據步驟122中計算而得之適應函數fiti ，利用方程式計算一機率Ph ，以指派偵查蜂。在步驟126中，再次利用方程式V ij =X ij +μ(X ij -X kj )產生鄰近偵查蜂之新解。在步驟128中，再次利用方程式計算適應函數fiti 。在步驟130中，利用貪婪搜尋法則搜尋一最佳解答。
在步驟132中，利用方程式limit=SN ×d 決定是否丟棄現有之解答。若是，則利用隨機產生一新的解。
在步驟134中，判斷是否整個電力網路皆以完成步驟102至步驟132之檢測或是以達最大週期參數，若是，則停止計算。若非，則繼續重複步驟118至步驟132。
表1至表6將說明利用本發明之二階段計算方法所達到之PMU選取最佳化之結果。表1係為在各種IEEE測試系統中的零注入(Zero Injection)節點位置。
利用本發明一實施例之第一階段進行初估之後，可找出一初估位置，如表2所示：
接著，利用本發明一實施例之第二階段進行相對較低之疊代(ireation)進行微調，減少PMU之數量，如表3所示，第二階段不僅可減少第一階段中初估的PMU數量，更可保證電力網路的完整可觀性，並可提供多種最佳化解答。
為了能更強調本發明於零注入匯流排之效果，表4至表6針對更多零注入匯流排提供另一利用本發明之二階段計算方法所達到之PMU選取最佳化之結果。表4係為在各種IEEE測試系統中的零注入(Zero Injection)匯流排位置。
利用本發明一實施例之第一階段進行初估之後，可找出一初估位置，如表5所示：
如表5所示，經過第一階段初估之後，其結果並無法維持IEEE 118系統的可行性，接著，利用本發明一實施例之第二階段進行進行微調，減少PMU之數量，如表6所示，第二階段不僅可減少第一階段中初估的PMU數量，更可保證電力網路的完整可觀性，並可提供多種最佳化解答。
從表1至表6可知，當智慧電網中的零注入匯流排或節點越多，透過本發明所能達成之PMU數量可減少的更多，更能解決OPP之問題。
本發明係提供一種利用混合式二階段演算法的方法，先透過第一階段初估的方式幫助第二階段之人工蜂群(ABC)演算法快速且準確得到最佳的PMU位置及數量。並且在有更多的零注入匯流排或節點情況下，利用本發明之二階段演算法所得之解為最佳解。
上文具體實施方式和附圖僅為本發明之常用實施例。顯 然，在不脫離權利要求書所界定的本發明精神和發明範圍的前提下可以有各種增補、修改和替換。本領域技術人員應該理解，本發明在實際應用中可根據具體的環境和工作要求在不背離發明準則的前提下在形式、結構、佈局、比例、材料、元素、元件及其它方面有所變化。因此，在此披露之實施例僅用於說明而非限制，本發明之範圍由後附權利要求及其合法等同物界定，而不限於此前之描述。
102~134‧‧‧步驟

Claims (7)

  1. 一種相量計算單元位置選取方法，包含：計算一電力系統之各節點之角度；選擇一具有一最大角度之節點作為一中心，並由該中心向相鄰之剩餘節點拓展，以形成一生成樹；為該生成樹選定具有一最小基數之一電力支配數集合；根據該電力支配數集合，利用計算一適應函數；利用V ij =X ij +μ(X ij -X kj )產生一新解答；以及利用貪婪搜尋法以及計算一機率，根據該機率選擇一最佳解答。
  2. 如請求項1所述之方法，還包含：設定一週期參數；以及得到該最佳解答或該解答後，將該週期參數加一。
  3. 如請求項2所述之方法，還包含：當該週期參數等於一最大週期參數時，停止該方法。
  4. 如請求項1所述之方法，還包含：丟棄一現有解；以及決定該最佳解答。
  5. 如請求項4所述之方法，利用limit=SN ×d 決定是否丟棄該現有解並以隨機產生該新解以避免落入局部最佳解。
  6. 如請求項1所述之方法，其中，該方法係利用一人工蜂群演算法計算出該適應函數、該機率、以及該最佳解答。
  7. 如請求項6所述之方法，其中，該方法係透過生成樹初步計算出一可能之解答，再透過該人工蜂群演算法微調該可能之解答以得到該最佳解答。
TW102128993A 2013-08-13 2013-08-13 相量計算單元位置選取方法 TWI460436B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW102128993A TWI460436B (zh) 2013-08-13 2013-08-13 相量計算單元位置選取方法
US14/070,302 US20150051866A1 (en) 2013-08-13 2013-11-01 Method for optimizing phasor measurement unit placement

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW102128993A TWI460436B (zh) 2013-08-13 2013-08-13 相量計算單元位置選取方法

Publications (2)

Publication Number Publication Date
TWI460436B true TWI460436B (zh) 2014-11-11
TW201506413A TW201506413A (zh) 2015-02-16

Family

ID=52388376

Family Applications (1)

Application Number Title Priority Date Filing Date
TW102128993A TWI460436B (zh) 2013-08-13 2013-08-13 相量計算單元位置選取方法

Country Status (2)

Country Link
US (1) US20150051866A1 (zh)
TW (1) TWI460436B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9389630B2 (en) * 2014-02-21 2016-07-12 International Business Machines Corporation Predictive smart grid re-structuring based on expected load and power generation
CN104778477A (zh) * 2015-04-10 2015-07-15 中国石油大学(华东) 一种优化的人工蜂群聚类方法
CN105305507A (zh) * 2015-09-29 2016-02-03 南方电网科学研究院有限责任公司 交直流互联电网的pmu布点优化方法和系统
CN105515017B (zh) * 2015-12-11 2018-04-20 国网智能电网研究院 计及信息安全约束的广域测量系统pmu优化配置方法
CN107253195B (zh) * 2017-07-31 2018-02-09 中南大学 一种运载机器人手臂操控自适应混合学习映射智能控制方法及系统
CN108513234B (zh) * 2018-03-14 2020-03-20 南京邮电大学 基于改进人工蜂群算法的扬声器体积优化方法
US11626917B2 (en) * 2018-03-29 2023-04-11 Nokia Solutions And Networks Oy Beam selection accelerator for wireless node scheduler
CN117251755B (zh) * 2023-11-17 2024-02-27 核工业北京地质研究院 地震属性的聚类方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060026017A1 (en) * 2003-10-28 2006-02-02 Walker Richard C National / international management and security system for responsible global resourcing through technical management to brige cultural and economic desparity
US20070087756A1 (en) * 2005-10-04 2007-04-19 Hoffberg Steven M Multifactorial optimization system and method
US20100290480A1 (en) * 2008-08-29 2010-11-18 Cedric Westphal Method for scalable routing with greedy embedding
US20120230267A1 (en) * 2011-03-08 2012-09-13 Nec Laboratories America, Inc. Femtocell resource management for interference mitigation

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130218789A1 (en) * 2012-02-21 2013-08-22 University Of South Carolina Systematic Approach to Enforcing Contiguity Constraint in Trajectory-based Methods for Combinatorial Optimization

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060026017A1 (en) * 2003-10-28 2006-02-02 Walker Richard C National / international management and security system for responsible global resourcing through technical management to brige cultural and economic desparity
US20070087756A1 (en) * 2005-10-04 2007-04-19 Hoffberg Steven M Multifactorial optimization system and method
US20100290480A1 (en) * 2008-08-29 2010-11-18 Cedric Westphal Method for scalable routing with greedy embedding
US20120230267A1 (en) * 2011-03-08 2012-09-13 Nec Laboratories America, Inc. Femtocell resource management for interference mitigation

Also Published As

Publication number Publication date
TW201506413A (zh) 2015-02-16
US20150051866A1 (en) 2015-02-19

Similar Documents

Publication Publication Date Title
TWI460436B (zh) 相量計算單元位置選取方法
Zhang et al. Reliability-oriented distribution network reconfiguration considering uncertainties of data by interval analysis
Ye et al. Multi-objective optimal power flow considering transient stability based on parallel NSGA-II
CN104410066B (zh) 一种基于关联矩阵的矿井高压供电系统自动短路计算方法
CN110943453B (zh) 面向迁移学习的电力系统故障样本生成和模型构建方法
CN107342586B (zh) 一种用于确定配电网静态等值的方法及装置
Simonov Dynamic partitioning of DC microgrid in resilient clusters using event-driven approach
KR20150089663A (ko) 그래프 기반의 멀티 프리미티브 피팅 장치 및 그 동작 방법
Eshragh et al. A projection-adapted cross entropy (PACE) method for transmission network planning
Torres et al. Parallel particle swarm optimization applied to the static transmission expansion planning problem
Rueda et al. Heuristic optimization based approach for identification of power system dynamic equivalents
CN112491096A (zh) 一种用于生成电网仿真分析算例的方法及系统
Adjerid et al. Multi-agent system-based decentralized state estimation method for active distribution networks
US20160173341A1 (en) Bounded-budget monitor deployment in monitoring networks via end-to-end probes
CN107370149B (zh) 确定电力系统负荷削减量的方法和系统
CN107528731B (zh) 应用于ns3并行仿真的网络分割优化算法
Wang et al. Analysis of network loss energy measurement based on machine learning
CN106022590A (zh) 有源配电网的电压质量评估方法和装置
Li et al. Power distribution network reconfiguration for bounded transient power loss
Kim et al. Online optimal power flow with renewables
Huang et al. Distribution network expansion planning considering distributed generation using probabilistic voltage constraints
CN109088413B (zh) 一种直流受端电网动态无功规划选址方法和装置
CN109583117A (zh) 供电可靠性的确定方法、装置及电子设备
CN108964282A (zh) 电能质量监测装置的部署方法、装置和计算机可读介质
EP2887497B1 (en) Apparatus and method for correcting acquired data

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees