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技术

本发明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领域。本发明专利技术的配电网拓扑结构重建方法，针对配电网不易安装支路测量设备的特点，设计出不需要配电网先验知识以及支路测量数据的算法，仅通过配电网母线的时序电压数据就可完成配电网的拓扑重建，方法简单易行。本发明专利技术在原有的Lasso类算法之上，运用自适应Lasso算法，解决了有偏估计的问题。同时，增加了补充判据，对于算法在不满足可行条件时的错误估计进行了修正，提高了算法的准确率。本方法既可以在无环网络中进行应用，也可以在有环网络中进行应用，且可以在较短的时间内进行配电网的拓扑重建。

A Distribution Network Topology Reconstruction Method Based on Adaptive Sparse Regression

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，在每条支路上安装测量设备需大量经济成本，因此支路信息的获取较为困难，难以满足状态估计法的要求。数据驱动算法是较为新型的算法，由于智能电表的普及，大量的用户侧数据得以采集。通过分析数据间的关系，继而获得节点间的相互关系，从而可以得到拓扑信息。具体的算法有，1)运用马尔可夫随机场以及朱刘算法进行电压数据相关性分析，但此类算法由于使用了最小生成树，故而只能生成树状网络，无法用于分析无环网络；2)运用稀疏重建算法，如Lasso算法等，此类算法可以进行无环网络的分析，但由于忽略了稀疏重建算法的可行条件，导致在一些情况(某一节点支路数较多)下算法准确性不高。
技术实现思路
本专利技术的目的是提出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，以克服现有构建方法对配电网的不适应性，考虑到配电网支路信息的不完整性，采用易于获得的电压时序数据，同时，采用自适应Lasso算法，解决了Lasso算法的有偏估计，并通过补充判据克服在不满足Lasso算法可行条件时的错误估计问题。本专利技术提出的基于自适应稀疏回归方法的配电网拓扑结构重建方法，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，选取上述步骤(4)中的自适应Lasso稀疏回归正则化参数λ，包括以下步骤：(5-1)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；(5-2)设定一个自适应Lasso稀疏回归正则化参数λ，在训练集中，根据设定的自适应Lasso稀疏回归正则化参数λ，求解自适应Lasso问题，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βs；(5-3)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；(5-4)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(5-5)选取不同的λ值，重复上述步骤(5-1)-(5-4)，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自适应Lasso稀疏回归正则化参数λ，将该λ作为最优正则化参数，并以该正则化参数λ作为上述步骤(4)中的自适应Lasso稀疏回归正则化参数；(6)遍历配电网除配电网根节点外的N个节点，重复步骤(2)-(5)，得到配电网除配电网根节点外的各节点间的相关系数和对得到的节点间相关系数和进行与运算，对与运算结果进行判断，若则判定两节点相连，若则判定两节点不相连，得到配电网初始拓扑结构，其中i和j分别为配电网中除配电网根节点外的任意两个节点的编号；(7)根据上述步骤(1)的标准化电压幅值，利用下式得到标准化电压幅值的协方差矩阵Λ：其中，标准化电压幅值VN为一个N×M的矩阵，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；利用上述矩阵Λ，通过下式求解矩阵K：K为N×N的矩阵，I为单位矩阵，1是元素全为1的列向量，11是首元素为1，其余元素为0的列向量，当节点i，j直接相连时，Kij＜0，根据此规则对上述步骤(5)的配电网初始拓扑结构进行修正，从配电网初始拓扑结构中去除不满足Kij＜0的连接关系，最终得到配电网的拓扑连接结构，完成配电网拓扑结构的重建。本专利技术提出的基于自适应稀疏回归方法的配电网拓扑结构重建方法，其优点是：1、本专利技术的配电网拓扑结构重建方法，针对配电网不易安装支路测量设备的特点，设计出不需要配电网先验知识以及支路测量数据的算法，仅通过配电网母线的时序电压数据就可完成配电网的本文档来自技高网...

【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