基于PSO算法的计及监测可信度的扰动源定位方法，包括步骤：定义PQM获得信息的“监测可信度”概念：通过分析影响监测可信度的具体因素来构建“监测可信度函数”；对配电网结构信息及区域内所有PQM布置情况进行分析，根据分析结果建立结构矩阵Cl×m；对应各个PQM，根据配电网潮流方向将整个网络区域划分为与其相应的前向区域与后向区域；建立计及监测可信度的粒子群优化模型；提出一种恰当的新的评价函数构建方法；粒子群寻优迭代。
【技术实现步骤摘要】
本专利技术涉及一种基于粒子群优化且计及监测可信度的电能质量扰动源定位方法，属电气工程和电能质量领域。
技术介绍
电力能源是社会经济可持续发展的热点，随着电气水平的不断提高，电能质量问题也日益突出。一方面，电力新技术快速发展，新能源微电网的并网，变频、节能装置和电力拖动设备的大量投入，使得非线性和冲击性电力负荷大大增加，造成了电力波形严重畸变；另一方面，智能化和自动化水平提高，计算机、通信等精密电子设备得到广泛应用，使得敏感负荷不断增加，对电能质量的要求也更高。电能质量监测仪(Power Quality Monitor,PQM)的应用和发展，是扰动源定位的重要基础。配电网发生电能质量扰动而造成的经济损失与日俱增，扰动源的准确定位有助于快速解决电能质量问题，降低经济损失和明确事件责任。配电网电能质量扰动源的定位基于PQM多点监测，但监测数据受到信号强弱、距离位置、高斯噪声和监测误差等因素影响，其方向判定信息的准确率受到不同程度的降低，提高了定位难度。目前，已有相关成果主要集中在电能质量的监测、扰动识别、谐波抑制、综合评估和矩阵算法定位等几个研究方面：申请号为201410015150.X、200820170703.9、200810061254.9、201310384472.7和201310664699.7等专利技术专利申请书分别提出了基于粒子群优化(Particle Swarm Optimization,PSO)算法的扰动识别方法、电能质量在线监测方法、基于矩阵算法的扰动源定位方法、基于PSO算法的谐波抑制方法和基于灰色理论的电能质量综合评估方法，但这些相关研究均未能充分考虑PQM扰动源方向判定信息的准确率，且均未涉及考虑监测可信度情况下用粒子群算法来进行电能质量扰动源定位。本专利技术专利针对PQM监测可信度、PSO和扰动源定位算法进行研究，建立了PSO可信度矩阵模型，提出了新的评价函数，通过粒子群迭代进行全局寻最优解，从而实现了在部分监测信息有误情况下的电能质量扰动源的自动精确定位。
技术实现思路
本专利技术要克服现有扰动源定位技术易受距离位置、信号强弱、高斯噪声和监测误差等不利因素影响而导致定位准确率大幅度降低的缺点，提供一种基于PSO算法的计及监测可信度的扰动源定位方法，能在部分监测信息有误情况下仍具备较高的电能质量扰动源定位准确率。本专利技术为实现上述目的，提出了一种基于PSO算法的计及监测可信度的扰动源定位方法，包括步骤：1)定义PQM获得信息的“监测可信度”概念：是指PQM根据监测数据得出的扰动源区域方向判定信息的可信程度。该概念表征PQM的方向判定信息在受到信号强弱、距离位置、高斯噪声和监测误差的因素影响时，判定信息正确性降低后的可靠程度。2)通过分析影响监测可信度的具体因素来构建“监测可信度函数”。第一个影响因素，扰动方向特征量的强弱程度。考虑到当监测点与扰动点的距离位置较大，将使得PQM测得的扰动特征量变得微弱，更易受噪声干扰，则其扰动方向判定可信度较低。扰动方向特征量的强弱程度可由监测点所测得的扰动特征量与稳定特征量的相对比值来体现。设立扰动特征量的强弱度系数αi如下：式中，DEm表示扰动能量的峰值；Pss表示扰动发生之前的稳态三相有功功率；T为扰动能量的持续时间；下标i表示对应第i个PQM的编号。第二个因素，由于配电网中实际配置PQM数量少于线段数量，根据“虚拟PQM”相关理论和文献，设立虚拟补偿系数βi，对虚拟PQM的状态估计误差进行补偿，其式如下：第三个因素，考虑扰动能量终值与扰动能量峰值的比值越小时,表明扰动能量在积分过程中，其瞬时的扰动功率正负极性变化越明显。当反向能量积分大于正向能量积分时，将导致扰动能量终值的正负符号与原本对应的方向判定结果不一致。这里考虑当扰动能量终值与扰动能量峰值的比值低于70％时，补偿该因素。综合上述因素分析，构建监测可信度函数μi如下：μi=107×αi×βi×|DEzDEm|,0≤|DEzDEm|<0.7αi×βi,0.7≤|DEzDEm|≤1---(3)]]>式中，DEz表示扰动能量终值。3)对配电网结构信息及区域内所有PQM布置情况进行分析，根据分析结果建立结构矩阵Cl×m，下标l为系统中的线段数量，m为系统中实际PQM与虚拟PQM的总数。对应各个PQM，根据配电网潮流方向将整个网络区域划分为与其相应的前向区域与后向区域。式中，矩阵元素cij值表征配电网中第i条线段与第j个PQM的位置关系，其赋值依据为：4)建立计及监测可信度的粒子群优化模型。综合配网中PQM的判别信息得到方向判别矩阵Dm×1，并将其设立为粒子矩阵Xk，再构造成监测可信度矩阵Uk如下：Dm×1=d1...dm,Xk=x1...xm,Uk=μ1×x1...μm×xm---(6)]]>式中，i表示1至m之间的任意数，代表对应PQM的编号；k表示粒子矩阵或对应监测可信度矩阵的编号；μi为步骤2)中的监测可信度函数。对模型中粒子矩阵Xi的空间范围进行限制，使得允许存在的粒子位置状态数量等于配电网线段数量，从而减少算法的搜索空间范围，提高收敛速度。根据扰动源定位的矩阵算法相关理论和文献，当满足结果矩阵Rl×1＝Cl×mDm×1中仅有一个元素ri值等于m，其对应的线段Li即扰动源所在位置，记此判别矩阵为DLi。以此作为限制依据，使得Xi允许存在的粒子位置状态为与配网线段一一对应，由原来的2m个状态搜索空间范围，压缩到m种DLi矩阵状态。5)提出一种恰当的新的评价函数构建方法。构建评价函数时，设定评价值越小时潜在解越优良。从以下四方面来分析：a.PQM判别信息具有重要借鉴意义，作为潜在解的粒子矩阵Xi与方向判定矩阵Dm×1差异越大，则其评价值越大(越差)，记元素值不同处为差异位。b.对监测可信度过低(小于30％)的差异位，进行适当评价补偿。c.将监测可信度概念应用于评价函数，用新监测可信度矩阵UXi替代判别矩阵Dm×1，代入结果矩阵运算式，得R′l×1＝Cl×m×UXi (8)式中，由步骤4)可得相似推论：R′l×1中元素最大值r′s的下标s(行数)表明其对应线段Ls发生扰动的可信度越高。分析Ls与Li(i为UXi下标值)关系，通过配电网结构信息计算两者的距离本文档来自技高网...
【技术保护点】
一种基于PSO算法的计及监测可信度的扰动源定位方法，包括步骤：1)定义PQM获得信息的“监测可信度”概念：是指PQM根据监测数据得出的扰动源区域方向判定信息的可信程度；该概念表征PQM的方向判定信息在受到信号强弱、距离位置、高斯噪声和监测误差的因素影响时，判定信息正确性降低后的可靠程度；2)通过分析影响监测可信度的具体因素来构建“监测可信度函数”；第一个影响因素，扰动方向特征量的强弱程度；考虑到当监测点与扰动点的距离位置较大，将使得PQM测得的扰动特征量变得微弱，更易受噪声干扰，则其扰动方向判定可信度较低；扰动方向特征量的强弱程度可由监测点所测得的扰动特征量与稳定特征量的相对比值来体现；设立扰动特征量的强弱度系数αi如下：式中，DEm表示扰动能量的峰值；Pss表示扰动发生之前的稳态三相有功功率；T为扰动能量的持续时间；下标i表示对应第i个PQM的编号；第二个因素，由于配电网中实际配置PQM数量少于线段数量，根据“虚拟PQM”相关理论和文献，设立虚拟补偿系数βi，对虚拟PQM的状态估计误差进行补偿，其式如下：第三个因素，考虑扰动能量终值与扰动能量峰值的比值越小时,表明扰动能量在积分过程中，其瞬时的扰动功率正负极性变化越明显；当反向能量积分大于正向能量积分时，将导致扰动能量终值的正负符号与原本对应的方向判定结果不一致；这里考虑当扰动能量终值与扰动能量峰值的比值低于70％时，补偿该因素；综合上述因素分析，构建监测可信度函数μi如下：μi=107×αi×βi×|DEzDEm|,0≤|DEzDEm|<0.7αi×βi,0.7≤|DEzDEm|≤1---(3)]]>式中，DEz表示扰动能量终值；3)对配电网结构信息及区域内所有PQM布置情况进行分析，根据分析结果建立结构矩阵Cl×m，下标l为系统中的线段数量，m为系统中实际PQM与虚拟PQM的总数；对应各个PQM，根据配电网潮流方向将整个网络区域划分为与其相应的前向区域与后向区域；式中，矩阵元素cij值表征配电网中第i条线段与第j个PQM的位置关系，其赋值依据为：4)建立计及监测可信度的粒子群优化模型；综合配网中PQM的判别信息得到方向判别矩阵Dm×1，并将其设立为粒子矩阵Xk，再构造成监测可信度矩阵Uk如下：Dm×1=d1...dm,Xk=x1...xm,Uk=μ1×x1...μm×xm---(6)]]>式中，i表示1至m之间的任意数，代表对应PQM的编号；k表示粒子矩阵或对应监测可信度矩阵的编号；μi为步骤2)中的监测可信度函数；对模型中粒子矩阵Xi的空间范围进行限制，使得允许存在的粒子位置状态数量等于配电网线段数量，从而减少算法的搜索空间范围，提高收敛速度；根据扰动源定位的矩阵算法相关理论和文献，当满足结果矩阵Rl×1＝Cl×mDm×1中仅有一个元素ri值等于m，其对应的线段Li即扰动源所在位置，记此判别矩阵为DLi；以此作为限制依据，使得Xi允许存在的粒子位置状态为与配网线段一一对应，由原来的2m个状态搜索空间范围，压缩到m种DLi矩阵状态；5)提出一种恰当的新的评价函数构建方法；构建评价函数时，设定评价值越小时潜在解越优良；从以下四方面来分析：a.PQM判别信息具有重要借鉴意义，作为潜在解的粒子矩阵Xi与方向判定矩阵Dm×1差异越大，则其评价值越大(越差)，记元素值不同处为差异位；b.对监测可信度过低(小于30％)的差异位，进行适当评价补偿；c.将监测可信度概念应用于评价函数，用新监测可信度矩阵UXi替代判别矩阵Dm×1，代入结果矩阵运算式，得R′l×1＝Cl×m×UXi (8)式中，由步骤4)可得相似推论：R′l×1中元素最大值r′s的下标s(行数)表明其对应线段Ls发生扰动的可信度越高；分析Ls与Li(i为UXi下标值)关系，通过配电网结构信息计算两者的距离位置差值，两条线段越接近表明解越优良；d.若某处PQM监测的扰动功率起始波峰符号和扰动能量终值符号不同，记该处线段为异变处γ，表明其误判概率较大；当矩阵Xi与方向判定矩阵Dm×1的差异位所对应线段又同是异变处γ时，补偿此差异改变的评价效果；综合上述分析，提出新的评价函数，如下：F(Xi)=12Σk=1m|xk-dk|+w1f1(s,i)+Σk=1mf2(xk,k)-w2Σk=1mf2(xk-dk,k)-w3Σk=1mf3(xk-dk,μk)---(9)]]>式中，w1、w2和w3分别为差距补偿系数、异变补偿系数和可信补偿系数，用来权衡各评价因数的比重；设定f1(s,i)...
【技术特征摘要】
1.一种基于PSO算法的计及监测可信度的扰动源定位方法，包括步骤：
1)定义PQM获得信息的“监测可信度”概念：是指PQM根据监测数据得
出的扰动源区域方向判定信息的可信程度；该概念表征PQM的方向判定信息在
受到信号强弱、距离位置、高斯噪声和监测误差的因素影响时，判定信息正确性
降低后的可靠程度；
2)通过分析影响监测可信度的具体因素来构建“监测可信度函数”；第一个
影响因素，扰动方向特征量的强弱程度；考虑到当监测点与扰动点的距离位置较
大，将使得PQM测得的扰动特征量变得微弱，更易受噪声干扰，则其扰动方向
判定可信度较低；扰动方向特征量的强弱程度可由监测点所测得的扰动特征量与
稳定特征量的相对比值来体现；设立扰动特征量的强弱度系数αi如下：
式中，DEm表示扰动能量的峰值；Pss表示扰动发生之前的稳态三相有功功率；T
为扰动能量的持续时间；下标i表示对应第i个PQM的编号；
第二个因素，由于配电网中实际配置PQM数量少于线段数量，根据“虚拟
PQM”相关理论和文献，设立虚拟补偿系数βi，对虚拟PQM的状态估计误差进
行补偿，其式如下：
第三个因素，考虑扰动能量终值与扰动能量峰值的比值越小时,表明扰动能
量在积分过程中，其瞬时的扰动功率正负极性变化越明显；当反向能量积分大于
正向能量积分时，将导致扰动能量终值的正负符号与原本对应的方向判定结果不
一致；这里考虑当扰动能量终值与扰动能量峰值的比值低于70％时，补偿该因素；
综合上述因素分析，构建监测可信度函数μi如下：
μi=107×αi×βi×|DEzDEm|,0≤|DEzDEm|<0.7αi×βi,0.7≤|DEzDEm|≤1---(3)]]>式中，DEz表示扰动能量终值；
3)对配电网结构信息及区域内所有PQM布置情况进行分析，根据分析结果
建立结构矩阵Cl×m，下标l为系统中的线段数量，m为系统中实际PQM与虚拟
\tPQM的总数；对应各个PQM，根据配电网潮流方向将整个网络区域划分为与其
相应的前向区域与后向区域；
式中，矩阵元素cij值表征配电网中第i条线段与第j个PQM的位置关系，其赋值
依据为：
4)建立计及监测可信度的粒子群优化模型；综合配网中PQM的判别信息得
到方向判别矩阵Dm×1，并将其设立为粒子矩阵Xk，再构造成监测可信度矩阵
Uk如下：
Dm×1=d1...dm,Xk=x1...xm,Uk=μ1×x1...μm×xm---(6)]]>式中，i表示1至m之间的任意数，代表对应PQM的编号；k表示粒子矩阵或对
应监测可信度矩阵的编号；μi为步骤2)中的监测可信度函数；
对模型中粒子矩阵Xi的空间范围进行限制，使得允许存在的粒子位置状态数
量等于配电网线段数量，从而减少算法的搜索空间范围，提高收敛速度；根据扰
动源定位的矩阵算法相关理论和文献，当满足结果矩阵Rl×1＝Cl×mDm×1中仅有
一个元素ri值等于m，其对应的线段Li即扰动源所在位置，记此判别矩阵为DLi；
以此作为限制依据，使得Xi允许存在的粒子位置状态为与配网线段一一对应，由
原来的2m个状态搜索空间范围，压缩到m种DLi矩阵状态；
5)提出一种恰当的新的评价函数构建方法；构建评价函数时，设定...
【专利技术属性】
技术研发人员：黄飞腾，翁国庆，张有兵，王强，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33
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。