CN110222966B - 面向配电网分布式状态估计的同步相量量测配置分区方法 - Google Patents
面向配电网分布式状态估计的同步相量量测配置分区方法 Download PDFInfo
- Publication number
- CN110222966B CN110222966B CN201910453337.0A CN201910453337A CN110222966B CN 110222966 B CN110222966 B CN 110222966B CN 201910453337 A CN201910453337 A CN 201910453337A CN 110222966 B CN110222966 B CN 110222966B
- Authority
- CN
- China
- Prior art keywords
- node
- sub
- nodes
- distribution network
- state estimation
- 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
- 238000005259 measurement Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 34
- 238000000638 solvent extraction Methods 0.000 title claims abstract description 33
- 238000005192 partition Methods 0.000 claims abstract description 62
- 239000011159 matrix material Substances 0.000 claims abstract description 39
- 230000002068 genetic effect Effects 0.000 claims abstract description 13
- 210000000349 chromosome Anatomy 0.000 claims description 9
- 230000035772 mutation Effects 0.000 claims description 3
- 108090000623 proteins and genes Proteins 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000010223 real-time analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac 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]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/22—Flexible AC transmission systems [FACTS] or power factor or reactive power compensating or correcting units
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Power Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
一种面向配电网分布式状态估计的同步相量量测配置分区方法,包括:对于选定的配电***,获取配电网络的拓扑连接关系,构造邻接矩阵A,设置子区域数M;建立面向配电网分布式状态估计的同步相量量测配置分区模型;通过遗传算法求解面向配电网分布式状态估计的同步相量量测配置分区模型;输出得到的面向配电网分布式状态估计的同步相量量测配置分区方案。本发明利用先选择中心节点再逐渐向外扩展的方法保证子区域的连通性,以子区域间节点数相差最少为目标函数并通过遗传算法求解,保证区域间节点数差距最小,使得不同区域状态估计时间相近,从而减少相邻区域通信的等待时间,保证分布式状态估计的实时性。
Description
技术领域
本发明涉及一种配电网分区方法。特别是涉及一种面向配电网分布式状态估计的同步相量量测配置分区方法。
背景技术
随着配电***规模的扩大,分布式电源的大量接入以及用户侧的广泛参与,传统集中式状态估计的通信负担逐渐加重且状态变量维数高,整体求解耗时较长,难以满足配电网实时分析控制的需求。为了减小通信负担,加快计算速度,分布式状态估计逐渐成为解决问题的有效手段。状态估计收敛的前提是***可观,而目前配电网由于数据采集点多,分布广泛,监测点覆盖不全面,配置不合理,造成其整体可观性不能满足。此外,状态估计使用的量测大多来自数据采集与监视控制***(SCADA)和高级量测体系(AMI),不仅数据本身存在精度低、同步性差和采集周期长的问题,而且量测与状态变量为非线性关系,需要通过加权最小二乘法等算法迭代求解,即使采用分布式状态估计,也难以保证***状态求解的精确性与实时性。
同步相量量测装置的引入,使得配电网的运行监测水平大幅提高。相较于传统量测装置,同步相量量测装置能够同步获取节点电压相量、支路电流相量和***频率的量测信息,且上传速率快,有效解决了传统配电***量测数据质量差、同步性低和采集周期长的问题,提高了模型参数校验、状态估计、***保护和运行控制等应用的计算速度与准确度,是智能配电网技术发展的重要一环。尤其是,在状态估计应用中,利用同步相量量测装置采集的电压与电流相量量测,与***的状态变量为线性关系,大大减少了计算时间,为配电***的实时分析控制提供了保障。
若分布式状态估计中采用的量测数据全部来源于同步相量量测装置,则既能保证状态变量求解的快速性,也能减小通信负担,并且因数据同步性强和上送频率快,还能保证估计结果的准确性和实时性。但在配置同步相量量测装置前,需要先完成配电网络的分区。而现有配电网分布式状态估计分区方法主要包括:基于拓扑结构和地理位置分区,基于已有量测分区和根据分布式状态估计分区原则手动完成配电网分区等。基于拓扑结构和地理位置分区难以保证各区节点数目相近;基于已有量测分区在配电网量测配置不足或配置信息无法获取时无法完成分区,且其分区效果与相关参数的设置有关,也不适用于先分区再配置同步相量量测的情况;手动完成配电网分区则难以获得最优的分区方案。因此,找到一种不基于已有量测且满足分布式状态估计原则的优化方法完成配电网分区,使得各区域间节点数目相近且相邻区域只有一个重叠节点,是配置同步相量量测装置使得每个子网络完全可观,从而实现分布式状态估计的先决条件。
发明内容
本发明所要解决的技术问题是,提供一种能够减少相邻区域通信的等待时间,保证分布式状态估计实时性的面向配电网分布式状态估计的同步相量量测配置分区方法。
本发明所采用的技术方案是:一种面向配电网分布式状态估计的同步相量量测配置分区方法,包括如下步骤:
1)对于选定的配电***,获取配电网络的拓扑连接关系,构造邻接矩阵A,设置子区域数M;
2)建立面向配电网分布式状态估计的同步相量量测配置分区模型;
3)通过遗传算法求解步骤2)中所述的面向配电网分布式状态估计的同步相量量测配置分区模型;
4)输出得到的面向配电网分布式状态估计的同步相量量测配置分区方案。
步骤1)中所述的子区域数M为:
步骤2)中所述的面向配电网分布式状态估计的同步相量量测配置分区模型为以子区域间节点数相差最小为目标函数,数学表达式为:
其中,Ni表示子区域i所包含的节点数。
步骤3)包括:
(3.1)设置遗传算法中个体的染色体长度等于子区域数M,染色体上基因的取值集合为配电***所有节点构成的集合Ω,Ω={1,2,...,N},N表示待分区配电***总的节点数,随机生成初始种群,进化代数d=1,设置交叉概率pC、遗传概率pM和最大进化代数D;
(3.2)通过群体中个体的染色体获得初始中心节点,利用中心扩展分区方法对配电网进行分区,进而计算个体的适应度;
(3.3)将选择算子作用于群体,保留适应度最高的个体;
(3.4)将交叉算子与变异算子作用于已选择群体,产生下一代,进化代数d=d+1;
(3.5)若进化代数d<D,则进入第(3.2)步,否则进入第(3.6)步;
(3.6)将适应度最高的个体作为最优解输出。
第(3.2)步中所述的中心扩展分区方法包括:
(3.2.1)设所有节点均未分区,随机获取M个节点作为初始中心节点,将初始中心节点标记为已分区节点;
(3.2.2)扩展次数k=0,根据初始中心节点更新初始中心节点对应的子区域集合并构造分区矩阵Ek,扩展次数k=k+1;其中,分区矩阵Ek为M×N维矩阵,对于 l与i分别表示节点编号与子区域编号,若节点l在子区域i中,则Ek的第i行第l列元素Ek,i,l=1,否则Ek,i,l为0,子区域集合Γl中元素为节点l所属的子区域编号,若节点l在子区域i中,则i∈Γl;
(3.2.3)设第k次扩展后的待调整分区矩阵E′k=Ek-1A,A为邻接矩阵,将待调整分区矩阵E′k中非零元素全部置1,设i=1,j=2,i与j均为子区域编号;
(3.2.4)若j>M,则i=i+1,j=i+1,进入第(3.2.5)步,否则进入第(3.2.6)步;
(3.2.5)若i=M,则进入第(3.2.8)步,否则进入第(3.2.6)步;
(3.2.6)获得子区域i与子区域j的重叠节点集合Λi,j,若重叠节点集合Λi,j为空集,则j=j+1,进入第(3.2.4)步,否则进入第(3.2.7)步;
(3.2.7)若重叠节点集合Λi,j中只有两个节点且这两个节点均为已分区节点,则分别将两个节点作为子区域i与子区域j的共有边界节点,比较最大区域节点数与最小区域节点数之差,以差最小为目标选择边界节点,若差相同则以扩展前子区域i中节点为边界,调整待调整分区矩阵E′k,更新边界节点对应的子区域集合,j=j+1,进入第(3.2.4)步;
(3.2.9)设所有未分区的重叠节点构成的集合为Ω2,对于若重叠子区域已有边界,则将节点l划分到节点数目最少的子区域中,若节点数最少的子区域有多个,则将节点l划分到编号最小的子区域中,调整待调整分区矩阵E′k,更新节点l对应的子区域集合;
(3.2.10)设i=1,j=2,i与j均为子区域编号;
(3.2.11)若j>M,则i=i+1,j=i+1,进入第(3.2.12)步,否则进入第(3.2.13)步;
(3.2.12)若i=M,则进入第(3.2.15),否则进入第(3.2.13)步;
(3.2.13)获得子区域i与子区域j的重叠节点集合Λi,j,若重叠节点集合Λi,j为空集,则j=j+1,进入第(3.2.11)步,否则进入第(3.2.14)步;
(3.2.14)若重叠节点集合Λi,j中只有一个节点,节点未分区且子区域i与子区域j第一次重叠,则将所述节点作为子区域i与子区域j共有的边界节点,调整待调整分区矩阵E′k,更新边界节点对应的子区域集合,j=j+1,进入第(3.2.11)步;
(3.2.15)设完成调整后的分区矩阵Ek=E′k,若Ek=Ek-1,则进入第(3.2.16)步,否则将Ek中包含的节点标记为已分区节点,扩展次数k=k+1,进入第(3.2.3)步;
(3.2.16)根据分区矩阵Ek输出分区结果。
本发明的面向配电网分布式状态估计的同步相量量测配置分区方法,利用先选择中心节点再逐渐向外扩展的方法保证子区域的连通性,以子区域间节点数相差最少为目标函数并通过遗传算法求解,保证区域间节点数差距最小,使得不同区域状态估计时间相近,从而减少相邻区域通信的等待时间,保证分布式状态估计的实时性。
附图说明
图1是本发明面向配电网分布式状态估计的同步相量量测配置分区方法的流程图;
图2是IEEE 33节点算例图;
图3是PG&E 69节点算例图;
图4是IEEE 33节点算例分区结果;
图5是PG&E 69节点算例分区结果。
具体实施方式
下面结合实施例和附图对本发明的面向配电网分布式状态估计的同步相量量测配置分区方法做出详细说明。
如图1所示,本发明的面向配电网分布式状态估计的同步相量量测配置分区方法,包括如下步骤:
1)对于选定的配电***,获取配电网络的拓扑连接关系,构造邻接矩阵A,设置子区域数M,其中,所述的子区域数M为:
2)建立面向配电网分布式状态估计的同步相量量测配置分区模型,其中所述的面向配电网分布式状态估计的同步相量量测配置分区模型为以子区域间节点数相差最小为目标函数,数学表达式为:
其中,Ni表示子区域i所包含的节点数。
3)通过遗传算法求解步骤2)中所述的面向配电网分布式状态估计的同步相量量测配置分区模型;包括:
(3.1)设置遗传算法中个体的染色体长度等于子区域数M,染色体上基因的取值集合为配电***所有节点构成的集合Ω,Ω={1,2,...,N},N表示待分区配电***总的节点数,随机生成初始种群,进化代数d=1,设置交叉概率pC、遗传概率pM和最大进化代数D;
(3.2)通过群体中个体的染色体获得初始中心节点,利用中心扩展分区方法对配电网进行分区,进而计算个体的适应度;所述的中心扩展分区方法包括:
(3.2.1)设所有节点均未分区,随机获取M个节点作为初始中心节点,将初始中心节点标记为已分区节点;
(3.2.2)扩展次数k=0,根据初始中心节点更新初始中心节点对应的子区域集合并构造分区矩阵Ek,扩展次数k=k+1;其中,分区矩阵Ek为M×N维矩阵,对于 l与i分别表示节点编号与子区域编号,若节点l在子区域i中,则Ek的第i行第l列元素Ek,i,l=1,否则Ek,i,l为0,子区域集合Γl中元素为节点l所属的子区域编号,若节点l在子区域i中,则i∈Γl;
(3.2.3)设第k次扩展后的待调整分区矩阵E′k=Ek-1A,A为邻接矩阵,将待调整分区矩阵E′k中非零元素全部置1,设i=1,j=2,i与j均为子区域编号;
(3.2.4)若j>M,则i=i+1,j=i+1,进入第(3.2.5)步,否则进入第(3.2.6)步;
(3.2.5)若i=M,则进入第(3.2.8)步,否则进入第(3.2.6)步;
(3.2.6)获得子区域i与子区域j的重叠节点集合Λi,j,若重叠节点集合Λi,j为空集,则j=j+1,进入第(3.2.4)步,否则进入第(3.2.7)步;
(3.2.7)若重叠节点集合Λi,j中只有两个节点且这两个节点均为已分区节点,则分别将两个节点作为子区域i与子区域j的共有边界节点,比较最大区域节点数与最小区域节点数之差,以差最小为目标选择边界节点,若差相同则以扩展前子区域i中节点为边界,调整待调整分区矩阵E′k,更新边界节点对应的子区域集合,j=j+1,进入第(3.2.4)步;
(3.2.9)设所有未分区的重叠节点构成的集合为Ω2,对于若重叠子区域已有边界,则将节点l划分到节点数目最少的子区域中,若节点数最少的子区域有多个,则将节点l划分到编号最小的子区域中,调整待调整分区矩阵E′k,更新节点l对应的子区域集合;
(3.2.10)设i=1,j=2,i与j均为子区域编号;
(3.2.11)若j>M,则i=i+1,j=i+1,进入第(3.2.12)步,否则进入第(3.2.13)步;
(3.2.12)若i=M,则进入第(3.2.15),否则进入第(3.2.13)步;
(3.2.13)获得子区域i与子区域j的重叠节点集合Λi,j,若重叠节点集合Λi,j为空集,则j=j+1,进入第(3.2.11)步,否则进入第(3.2.14)步;
(3.2.14)若重叠节点集合Λi,j中只有一个节点,节点未分区且子区域i与子区域j第一次重叠,则将所述节点作为子区域i与子区域j共有的边界节点,调整待调整分区矩阵E′k,更新边界节点对应的子区域集合,j=j+1,进入第(3.2.11)步;
(3.2.15)设完成调整后的分区矩阵Ek=E′k,若Ek=Ek-1,则进入第(3.2.16)步,否则将Ek中包含的节点标记为已分区节点,扩展次数k=k+1,进入第(3.2.3)步;
(3.2.16)根据分区矩阵Ek输出分区结果;
(3.3)将选择算子作用于群体,保留适应度最高的个体;
(3.4)将交叉算子与变异算子作用于已选择群体,产生下一代,进化代数d=d+1;
(3.5)若进化代数d<D,则进入第(3.2)步,否则进入第(3.6)步;
(3.6)将适应度最高的个体作为最优解输出。
下面给出具体实例:
采用IEEE 33节点算例与PG&E 69节点算例验证本发明提出的方法,算例拓扑连接关系如图2与图3所示。设交叉概率pC=0.3,遗传概率pM=0.1,初始种群个体数为5000,最大进化代数D=100,按本发明的分区流程执行后,IEEE 33节点算例分区结果如图4所示,具体分区方案如表1所示,PG&E 69节点算例的分区结果如图5所示,具体分区方案如表2所示。由此可见,利用本发明提出的方法求解得到的分区结果能够保证子区域间节点数相差较小,验证了本发明的有效性。
表1本发明方法求解得到的IEEE 33节点算例分区方案
区域编号 | 中心节点编号 | 区域内节点编号 | 区域内节点数 |
1 | 1 | 1,2,3,4,5,19,20,21,22,23,24,25 | 12 |
2 | 29 | 5,6,7,26,27,28,29,30,31,32,33 | 11 |
3 | 12 | 7,8,9,10,11,12,13,14,15,16,17,18 | 12 |
表2 PG&E 69节点算例分区方案
Claims (3)
1.一种面向配电网分布式状态估计的同步相量量测配置分区方法,其特征在于,包括如下步骤:
1)对于选定的配电***,获取配电网络的拓扑连接关系,构造邻接矩阵A,设置子区域数M;
2)建立面向配电网分布式状态估计的同步相量量测配置分区模型;
3)通过遗传算法求解步骤2)中所述的面向配电网分布式状态估计的同步相量量测配置分区模型;包括:
(3.1)设置遗传算法中个体的染色体长度等于子区域数M,染色体上基因的取值集合为配电***所有节点构成的集合Ω,Ω={1,2,...,N},N表示待分区配电***总的节点数,随机生成初始种群,进化代数d=1,设置交叉概率pC、遗传概率pM和最大进化代数D;
(3.2)通过群体中个体的染色体获得初始中心节点,利用中心扩展分区方法对配电网进行分区,进而计算个体的适应度;所述的中心扩展分区方法包括:
(3.2.1)设所有节点均未分区,随机获取M个节点作为初始中心节点,将初始中心节点标记为已分区节点;
(3.2.2)扩展次数k=0,根据初始中心节点更新初始中心节点对应的子区域集合并构造分区矩阵Ek,扩展次数k=k+1;其中,分区矩阵Ek为M×N维矩阵,对于 l与i分别表示节点编号与子区域编号,若节点l在子区域i中,则Ek的第i行第l列元素Ek,i,l=1,否则Ek,i,l为0,子区域集合Γl中元素为节点l所属的子区域编号,若节点l在子区域i中,则i∈Γl;
(3.2.3)设第k次扩展后的待调整分区矩阵E′k=Ek-1A,A为邻接矩阵,将待调整分区矩阵E′k中非零元素全部置1,设i=1,j=2,i与j均为子区域编号;
(3.2.4)若j>M,则i=i+1,j=i+1,进入第(3.2.5)步,否则进入第(3.2.6)步;
(3.2.5)若i=M,则进入第(3.2.8)步,否则进入第(3.2.6)步;
(3.2.6)获得子区域i与子区域j的重叠节点集合Λi,j,若重叠节点集合Λi,j为空集,则j=j+1,进入第(3.2.4)步,否则进入第(3.2.7)步;
(3.2.7)若重叠节点集合Λi,j中只有两个节点且这两个节点均为已分区节点,则分别将两个节点作为子区域i与子区域j的共有边界节点,比较最大区域节点数与最小区域节点数之差,以差最小为目标选择边界节点,若差相同则以扩展前子区域i中节点为边界,调整待调整分区矩阵E′k,更新边界节点对应的子区域集合,j=j+1,进入第(3.2.4)步;
(3.2.9)设所有未分区的重叠节点构成的集合为Ω2,对于若重叠子区域已有边界,则将节点l划分到节点数目最少的子区域中,若节点数最少的子区域有多个,则将节点l划分到编号最小的子区域中,调整待调整分区矩阵E′k,更新节点l对应的子区域集合;
(3.2.10)设i=1,j=2,i与j均为子区域编号;
(3.2.11)若j>M,则i=i+1,j=i+1,进入第(3.2.12)步,否则进入第(3.2.13)步;
(3.2.12)若i=M,则进入第(3.2.15),否则进入第(3.2.13)步;
(3.2.13)获得子区域i与子区域j的重叠节点集合Λi,j,若重叠节点集合Λi,j为空集,则j=j+1,进入第(3.2.11)步,否则进入第(3.2.14)步;
(3.2.14)若重叠节点集合Λi,j中只有一个节点,节点未分区且子区域i与子区域j第一次重叠,则将所述节点作为子区域i与子区域j共有的边界节点,调整待调整分区矩阵E′k,更新边界节点对应的子区域集合,j=j+1,进入第(3.2.11)步;
(3.2.15)设完成调整后的分区矩阵Ek=E′k,若Ek=Ek-1,则进入第(3.2.16)步,否则将Ek中包含的节点标记为已分区节点,扩展次数k=k+1,进入第(3.2.3)步;
(3.2.16)根据分区矩阵Ek输出分区结果;
(3.3)将选择算子作用于群体,保留适应度最高的个体;
(3.4)将交叉算子与变异算子作用于已选择群体,产生下一代,进化代数d=d+1;
(3.5)若进化代数d<D,则进入第(3.2)步,否则进入第(3.6)步;
(3.6)将适应度最高的个体作为最优解输出;
4)输出得到的面向配电网分布式状态估计的同步相量量测配置分区方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910453337.0A CN110222966B (zh) | 2019-05-28 | 2019-05-28 | 面向配电网分布式状态估计的同步相量量测配置分区方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910453337.0A CN110222966B (zh) | 2019-05-28 | 2019-05-28 | 面向配电网分布式状态估计的同步相量量测配置分区方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110222966A CN110222966A (zh) | 2019-09-10 |
CN110222966B true CN110222966B (zh) | 2023-03-28 |
Family
ID=67818283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910453337.0A Active CN110222966B (zh) | 2019-05-28 | 2019-05-28 | 面向配电网分布式状态估计的同步相量量测配置分区方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110222966B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111163376B (zh) * | 2019-12-16 | 2021-05-14 | 天津大学 | 面向分布式状态估计的配网同步量测及通信设备配置方法 |
CN111983386B (zh) * | 2020-08-19 | 2023-05-09 | 剑科云智(深圳)科技有限公司 | 一种配电网的分布式状态估计*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106921156A (zh) * | 2015-12-25 | 2017-07-04 | 中国电力科学研究院 | 一种基于多采样周期混合量测的主动配电网状态估计方法 |
CN107563550A (zh) * | 2017-08-23 | 2018-01-09 | 武汉大学 | 一种基于pmu的配电网实时分布式状态估计及pmu的优化配置方法 |
CN107843810A (zh) * | 2017-11-01 | 2018-03-27 | 东南大学 | 一种基于状态估计的有源配电网故障区段在线定位方法 |
CN108879708A (zh) * | 2018-08-28 | 2018-11-23 | 东北大学 | 一种主动配电网的无功电压分区方法及*** |
CN109193652A (zh) * | 2018-10-30 | 2019-01-11 | 贵州电网有限责任公司 | 一种基于态势感知的含分布式电源的配电网故障自愈*** |
CN109412145A (zh) * | 2018-10-16 | 2019-03-01 | 国网上海市电力公司 | 一种基于同步测量数据的主动配电网动态特性评估方法 |
-
2019
- 2019-05-28 CN CN201910453337.0A patent/CN110222966B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106921156A (zh) * | 2015-12-25 | 2017-07-04 | 中国电力科学研究院 | 一种基于多采样周期混合量测的主动配电网状态估计方法 |
CN107563550A (zh) * | 2017-08-23 | 2018-01-09 | 武汉大学 | 一种基于pmu的配电网实时分布式状态估计及pmu的优化配置方法 |
CN107843810A (zh) * | 2017-11-01 | 2018-03-27 | 东南大学 | 一种基于状态估计的有源配电网故障区段在线定位方法 |
CN108879708A (zh) * | 2018-08-28 | 2018-11-23 | 东北大学 | 一种主动配电网的无功电压分区方法及*** |
CN109412145A (zh) * | 2018-10-16 | 2019-03-01 | 国网上海市电力公司 | 一种基于同步测量数据的主动配电网动态特性评估方法 |
CN109193652A (zh) * | 2018-10-30 | 2019-01-11 | 贵州电网有限责任公司 | 一种基于态势感知的含分布式电源的配电网故障自愈*** |
Non-Patent Citations (3)
Title |
---|
Optimal PMU placement considering topology constraints;Yuanyuan Zhao等;《ES》;20150520;第240-248页 * |
基于定制遗传算法考虑配电网多种拓扑可观性的PMU优化配置;孔祥玉 等;《电力自动化设备》;20200130;第40卷(第1期);第66-72页 * |
基于新型PMU配置的局部配电网状态估计;吕前程 等;《南方电网技术》;20190430;第13卷(第4期);第54-59页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110222966A (zh) | 2019-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hendrickx et al. | Open multi-agent systems: Gossiping with random arrivals and departures | |
CN110222966B (zh) | 面向配电网分布式状态估计的同步相量量测配置分区方法 | |
CN110138620B (zh) | 面向分布式状态估计的配网同步量测及通信链路配置方法 | |
US20190041445A1 (en) | Maintaining connectivity information for meters and transformers located in a power distribution network | |
CN110784883B (zh) | 基站建设评估方法、装置、设备和存储介质 | |
CN106780064A (zh) | 一种区域划分方法、装置及网络设备 | |
CN102779142A (zh) | 基于社区紧密度的快速社区发现方法 | |
CN110794263B (zh) | 一种含分布式电源的配电网线路故障区段定位方法 | |
CN111105005B (zh) | 一种风电功率预测方法 | |
CN116796904A (zh) | 一种轨道交通新线客流预测方法、***、电子设备及介质 | |
CN107276807B (zh) | 一种基于社区动态紧密度的层次化网络社区树剪枝方法 | |
CN111163376B (zh) | 面向分布式状态估计的配网同步量测及通信设备配置方法 | |
CN110991562B (zh) | 一种基于物种构成特征的动物类群地理区划方法 | |
WO2017148246A1 (zh) | 一种数据配置方法和装置 | |
CN104507095B (zh) | 基于用户位置分布的室内ap部署方法 | |
CN111008730A (zh) | 基于城市空间结构的人群聚集度预测模型构建方法及装置 | |
CN115296295A (zh) | 基于聚类分析和图论的低压配电台区拓扑辨识方法及*** | |
CN115329814A (zh) | 一种基于图像信号处理的低压用户链路识别方法及装置 | |
CN115588086A (zh) | 地图划分方法、装置、计算机可读存储介质及处理器 | |
CN110312260B (zh) | Lte电力无线专网重叠小区物理标识优化方法及*** | |
CN111210088B (zh) | 一种基于时空因素的交通状态指数预测方法 | |
CN105282748B (zh) | 一种划分通信网络的基站簇的方法和装置 | |
Ma et al. | Modelling mobile traffic patterns using a generative adversarial neural networks | |
CN107704540B (zh) | 一种快速提取osm数据中指定行政区内路网的方法 | |
CN117613909B (zh) | 分布式光伏区域气象建模方法及装置 |
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 |