基于改进免疫离散粒子群算法的主动配电网量测位置优化方法技术

本文公开了一种基于改进免疫离散粒子群算法的主动配电网量测位置优化方法，包括以下步骤：根据所选配电网，初始化量测数量和位置，并建立主动配电网相应的Forney式因子图模型。初始化免疫离散粒子群算法的各项参数、粒子个数、位置等；在量测个数约束的条件下，以全网所有状态变量估计误差的绝对值之和S最小为目标函数，建立量测位置优化模型；在每个粒子所代表的量测位置下，运行状态估计程序，从所有粒子中选出S最小的粒子位置为全局最优位置，并且形成每个粒子的个体最优位置；根据粒子群的全局和个体最优位置跟新每个粒子的位置和速度，进行下一轮算法的迭代；matlab编程对量测位置优化进行模型求解，直至算法收敛；实施例结果说明了该发明专利技术可以使配电网状态估计精度显著提高，使电网的量测装置发挥最大的作用。

Location optimization method for active distribution network based on improved immune discrete particle swarm optimization algorithm

In this paper, an improved immune discrete particle swarm optimization (IDPSO) based active distribution network measurement location optimization method is presented, which includes the following steps: initializing the measurement quantity and location according to the selected distribution network, and establishing the Forney factor diagram model of the active distribution network. Initialize the parameters, the number of particles and the position of the immune discrete particle swarm optimization algorithm; under the condition of the number of measurements constraints, take the absolute sum of all the state variables estimation errors and the minimum S of the network as the objective function, establish the optimization model of the measurement position; at the measurements position represented by each particle, run the state estimation equation. In order, the position of S-smallest particle is selected as the global optimal position from all the particles, and the individual optimal position of each particle is formed. According to the global and individual optimal position of the particle swarm and the position and velocity of each new particle, the next iteration of the algorithm is carried out. The matlab programming is used to solve the model of the measurement position optimization. The experimental results show that the invention can significantly improve the state estimation accuracy of distribution network and make the power grid measurement device play the greatest role.

【技术实现步骤摘要】
基于改进免疫离散粒子群算法的主动配电网量测位置优化方法
本专利技术涉及电网量测装置配置领域，更具体的说涉及一种基于改进免疫离散粒子群算法的主动配电网量测位置优化方法。
技术介绍
随着世界能源危机和新能源技术的快速发展以及现代社会对电能质量与电网运行经济性要求的提高，以光伏，风电为代表的分布式能源大规模接入配电网，对配电系统造成了广泛的影响。在此背景下，有关学者提出了主动配电网(ActiveDistributionNetwork，ADN)的概念。ADN是综合考虑需求侧响应，将配电管理模式由被动变为主动的公用配电网。在配网管理模式从被动变为主动的需求下，配电网的状态估计成为配电管理系统(DistributionManagementApplication，DMS)必不可少的基本组成要素，也是智能电网中众多应用程序(如电压调节控制，负荷分配)的基础。由于技术和成本的约束我国配电网中量测配置数量较少，为使昂贵的量测装置发挥最大的作用，本专利技术提出了一种适用于我国当前主动配电网建设的量测位置优化方法。
技术实现思路
本专利技术的目的在于，针对我国现有配电系统，提出一种基于改进免疫离散粒子群算法的主动配电网量测位置优化方法，以提高配电系统状态估计精度，使系统中昂贵的量测装置发挥最大的作用。为实现上述目的，本专利技术采用的技术方案是：1)根据所选配电网，初始化量测数量和位置，并建立主动配电网相应的Forney式因子图模型。初始化免疫离散粒子群算法的各项参数、粒子个数、位置等。2)在量测个数约束的条件下，以全网所有状态变量估计误差的绝对值之和S最小为目标函数，建立量测位置优化模型。3)在每个粒子所代表的量测位置下，运行状态估计程序，从所有粒子中选出S最小的粒子位置为全局最优位置，并且形成每个粒子的个体最优位置。4)根据粒子群的全局和个体最优位置跟新每个粒子的位置和速度，进行下一轮算法的迭代。4)matlab编程对量测位置优化进行模型求解，直至算法收敛。本专利技术的技术方案具有以下有益效果：本专利技术的技术方案，提出一种改进免疫离散粒子群算法，同时结合新的状态估计算法，对配电网中数量一定的量测装置进行优化配置，从而达到了提高主动配电网状态估计精度和使量测装置发挥最大作用的目的。下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。附图说明图1是本专利技术实施例所述的主动配电网量测位置优化方法流程图图2是本专利技术中配电网状态估计的流程图图3是本专利技术实施例中所采用的配电系统图图4是本专利技术实施例的量测位置优化仿真结果图具体实施方式下面将结合附图和具体实施例对本专利技术进行进一步详细说明。本实例采用基于改进的IEEE-14配电系统，系统如图3，分别在算例系统支路7和9末端接入两个输出PQ类型的双馈式风力发电机，P＝300kW，Q＝100kvar。量测向量由实量测和伪量测组成，以新型电力系统仿真软件GridLAB-D的潮流计算结果作为系统的真值，所有的量测量以潮流结果叠加随机量测误差得到，误差均服从标准差为0.04，均值为0的正态分布。实时量测数据由潮流计算中得到的支路功率提供，并由已知条件变换为节点电压和负荷电流参与到状态估计中。以潮流计算结果加10％的高斯白噪声模拟伪量测节点的数据。权重矩阵设置为实数矩阵，其中实量测对应的权重较大，伪量测对应的权重值较小。主动配电网中分布式电源作为实时量测接入公共节点，使得该节点的量测误差变小，所以对接入分布式电源的负荷节点，本文将对其重新设置权重，在给定输出上添加1％～3％的随机误差，权重设为1.0。设基准电压为23KV，三相功率的基准值为100MVA，将标准模型中的数据转换为标幺值，根据标准模型的数据可算出各支路功率。鉴于我国配电网发展现状，设该配电网的量测个数为4个，均为支路功率量测，初始化粒子群内粒子个数为30个，Xij为0或1，其中i为粒子标号，j为该粒子的维度，为1的维度数受量测个数的约束。设迭代次数为50次。采用logistic回归分析映射产生N+M个粒子群体。同时本文算法采用基于浓度选择机制的多样性保持策略，使得新一代粒子群体中，各适应度层次的粒子维持一定浓度。第i个粒子浓度定义如下：基于抗体浓度的概率选择公式为：根据配电网的Forney式因子图将初始量测尽量配置于连有两个因子函数的状态变量所在的馈线上，根据每个粒子初始化的量测位置，运行全网的状态估计程序，状态估计流程如图2所示。状态估计时，首先在状态初始化的基础上处理缺少的量测。对于负荷的建模，是从历史负荷曲线人工设置生成状态变量的先验分布。然后，使用Forney式因子图对微电网建立时空模型，若因子为非线性则需先进行线性化。进行蒙特卡洛模拟的确定性状态估计，生成大量的负荷和DG时空模型的随机数，参与到BP算法的迭代过程中。根据状态估计的结果生成每个粒子位置下的目标函数S的值，进而生成全局最优Pbest和个体最优gbest，跟新公式如下式：利用下面的式子跟新粒子的位置：vid＝ω*vid+c1r1(pid-xid)+c2r2(pgd-xid)式中ri(t)为[0，1]内均匀分布的随机数，vi为粒子的速度，xi为粒子位置。Pbest和bgest分别为粒子群体的全局和粒子个体最优位置。本专利技术的免疫离散粒子群算法如图2，随着迭代的进行，算法收敛至全局最优位置。为了避免偶然现象得到的结果，运行仿真程序11次结果如图4可以看出每次运行程序时，横坐标对应迭代次数，纵坐标为相应的粒子群体全局最优位置对应的适应值S。实施例结果说明了该专利技术可以使配电网状态估计精度显著提高，使电网的量测装置发挥最大的作用。以上所述仅为本专利技术的优选实施例而已，并不用于限制本专利技术，尽管参照前述实施例对本专利技术进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本专利技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
1.一种基于改进免疫离散粒子群算法的主动配电网量测位置优化方法，包含以下步骤：1)根据所选配电网，初始化量测数量和位置，并建立主动配电网相应的Forney式因子图模型。初始化免疫离散粒子群算法的各项参数、粒子个数、位置等。2)在量测个数约束的条件下，以全网所有状态变量估计误差的绝对值之和S最小为目标函数，建立量测位置优化模型。3)在每个粒子所代表的量测位置下，运行状态估计程序，从所有粒子中选出S最小的粒子位置为全局最优位置，并且形成每个粒子的个体最优位置。4)根据粒子群的全局和个体最优位置跟新每个粒子的位置和速度，进行下一轮算法的迭代。4)matlab编程对量测位置优化进行模型求解，直至算法收敛。

【技术特征摘要】
1.一种基于改进免疫离散粒子群算法的主动配电网量测位置优化方法，包含以下步骤：1)根据所选配电网，初始化量测数量和位置，并建立主动配电网相应的Forney式因子图模型。初始化免疫离散粒子群算法的各项参数、粒子个数、位置等。2)在量测个数约束的条件下，以全网所有状态变量估计误差的绝对值之和S最小为目标函数，建立量测位置优化模型。3)在每个粒子所代表的量测位置下，运行状态估计程序，从所有粒子中选出S最小的粒子位置为全局最优位置，并且形成每个粒子的个体最优位置。4)根据粒子群的全局和个体最优位置跟新每个粒子的位置和速度，进行下一轮算法的迭代。4)matlab编程对量测位置优化进行模型求解，直至算法收敛。2.根据权利要求1所述的基于改进免疫离散粒子群算法的主动配电网量测位置优化方法，其特征在于，步骤1)中根据所建立的主动配电网Forney式因子图模型，为了进一步提高算法的全局寻优能力，将量测配置在同两个因子节点相连的状态变量所在馈线，使较精确的实时量测数据发挥最大的作用，提高了算法的全局寻优性能。3.根据权利...

【专利技术属性】
技术研发人员：卢锦玲，李伟光，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：河北,13