The invention relates to a distribution network topology reconstruction method based on adaptive sparse regression method, which belongs to the field of distribution network topology analysis technology. The method for reconstructing the distribution network topology structure according to the characteristics that the distribution network is not easy to install branch measurement equipment, an algorithm is designed without prior knowledge of the distribution network and branch measurement data. The method is simple and easy to reconstruct the distribution network topology only through the sequence voltage data of the distribution network buses. The invention solves the problem of biased estimation by using adaptive Lasso algorithm on the basis of the original Lasso algorithm. At the same time, a supplementary criterion is added to correct the error estimation when the algorithm does not meet the feasible conditions, which improves the accuracy of the algorithm. This method can be applied not only in acyclic networks, but also in ring networks, and in a relatively short time to reconstruct the distribution network topology.
【技术实现步骤摘要】
一种基于自适应稀疏回归方法的配电网拓扑结构重建方法
本专利技术涉及一种基于自适应稀疏回归方法的配电网拓扑结构重建方法,属于配电网拓扑分析
技术介绍
随着智能电网的发展,光伏、风力发电等分布式能源的接入,电动汽车的规模使用,对配电网带来了巨大的机遇与挑战。配电网作为电网的重要组成部分,不仅是能量消耗终端,同时也是分布式能源的接入载体,在电力系统中发挥越来越重要的作用。分布式能源可以减少线路损耗,但同时也会带来过电压以及线路过载等问题。为了解决这些问题,需要对电网进行实时的拓扑重构以及智能调度,而这些的基础,就是需要对电网拓扑结构有一个清晰的认识。目前对电网的拓扑研究主要分为直接生成法、状态估计法以及数据驱动算法。直接生成法利用电力网络上的遥感遥信设备,获取刀闸状态,直接采取拓扑生成器获取拓扑数据。此种方法十分简便,操作易行,但需大量的遥感遥测设备,如果出现信息通道故障,刀闸信息采集错误等,则会影响拓扑数据的准确性。状态估计是利用电力系统中实时量测系统的冗余度来提高数据精度的一种算法,它可以排除由随机干扰导致的错误信息,并对系统的运行状态进行预测或者估计。通过电力系统测量设备采集到开关信号,设备运行数据,确定系统的运行方式,建立系统模型,通过已有的数据估计出各母线上的电压幅值、相角以及设备的功率,检测辨识不良数据。同时,可以将系统的拓扑信息、网络参数信息作为扩展的变量增广纳入要估计的状态量中,通过估计准则对参数变量估计实现对拓扑结构和参数的检测和辨识。状态估计法对于电网的支路信息以及测量数据有较高要求。然而配电网支路众多,地下电缆分布复杂,在每条支路 ...
【技术保护点】
1.一种基于自适应稀疏回归方法的配电网拓扑结构重建方法,其特征在于该方法包括以下步骤:(1)从配电网调度中心获取配电网中除配电网根节点外的各节点电压幅值历史数据,对电压幅值进行标准化处理数据,得到标准化电压幅值VN,设定标准化电压幅值符合零均值和单位方差的分布;(2)任选节点s,利用除s节点外所有其他节点的标准化电压幅值VN\{s}对s节点进行岭回归分析,求解下式计算岭回归系数
【技术特征摘要】
1.一种基于自适应稀疏回归方法的配电网拓扑结构重建方法,其特征在于该方法包括以下步骤:(1)从配电网调度中心获取配电网中除配电网根节点外的各节点电压幅值历史数据,对电压幅值进行标准化处理数据,得到标准化电压幅值VN,设定标准化电压幅值符合零均值和单位方差的分布;(2)任选节点s,利用除s节点外所有其他节点的标准化电压幅值VN\{s}对s节点进行岭回归分析,求解下式计算岭回归系数其中,为t时刻配电网节点s上的标准化电压幅值,为t时刻配电网中除s节点外所有其他节点的标准化电压幅值,N为配电网中去除配电网根节点后的节点个数,M为总采样点数,λR为岭回归的正则化参数,ηs是一个N-1维向量,表示向量ηs的二范数;(3)采取k-fold交叉验证的方式确定上述步骤(2)中的岭回归正则化参数λR,具体过程如下:(3-1)将标准化电压幅值VN平均分成k份,将k份标准化电压幅值中的第p份标准化电压幅值作为验证集,余下的k-1份作为训练集;(3-2)设定一个岭回归正则化参数λR,在训练集中,根据设定的岭回归正则化参数λR求解岭回归问题,得到岭回归系数ηs,在验证集中对节点s的标准化电压幅值进行预测,预测值为为验证集中除s节点外所有其他节点的标准化电压幅值;(3-3)计算验证集中s节点的标准化电压幅值与预测值的差值将该差值作为此次交叉验证的误差遍历k份标准化电压幅值数据,将k次交叉验证的误差相加,得到交叉验证的总误差(3-4)选取不同的λR值,重复上述步骤(3-1)-(3-3),得到多个交叉验证的总误差,从多个交叉验证的总误差中,选取与最小总误差相对应的岭回归正则化参数λR,将该λR作为最优正则化参数,并以该正则化参数λR作为上述步骤(2)中的岭回归正则化参数;(4)任选节点s,利用除s节点外所有其他节点的标准化电压幅值,对s节点进行自适应Lasso稀疏回归分析,即求解下述最小化问题,计算得到配电网中除s节点外所有其他节点与s节点的相关系数其中,λ为自适应Lasso稀疏回归正则化参数,节点j的加权回归系数βs是一个N-1维向量,(5)采取k-fold交叉验证的方式...
【专利技术属性】
技术研发人员:张思远,丁青青,胡刚,乔中华,马孝强,南春雷,纪光华,
申请(专利权)人:清华大学,国网河南省电力公司三门峡供电公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。