一种计及分布式电源影响的主动配电网量测配置方法技术

本发明专利技术公开了一种计及分布式电源影响的主动配电网量测配置方法，预估配电网的运行状态，确定量测量与状态量的关系；确定分布式电源接入位置，获取各个分布式电源的出力历史数据，模拟分布式电源出力的概率密度函数；判断相邻近的分布式电源之间是否相关，并利用量测协方差矩阵的非对角元素表征相关性；以量测配置经济性与系统估计精度两个子目标的加权最小为目标，最大允许系统估计误差约束和量测设备的安装数量为上限约束，建立量测配置的数学模型，遍历所有可选方案，直到满足最大允许系统估计误差约束或达到量测设备的安装数量上限，确定最终量测配置方案。本发明专利技术在考虑DG影响的基础上，协调好量测配置经济性与估计精度的关系。

【技术实现步骤摘要】

本专利技术涉及一种计及分布式电源影响的主动配电网量测配置方法。
技术介绍
分布式电源(distributed generation，DG)的大量接入，对配电网的运行与调度等方面提出新的挑战，传统配电网将逐步向主动配电网(active distribution network，ADN)转变。ADN作为未来智能配电网的一种发展模式，需根据电力系统的实际运行状态，对分布式电源的接入主动管理，自适应调节网络、电源、负荷，实现系统的安全经济运行。ADN的建设首先要实现实时感知系统运行状态，而作为态势感知工具核心模块的状态估计是获得ADN全网运行状态的重要途径，在ADN中不可或缺。ADN中DG的接入，增加了不确定性因素，提高了对估计精度的要求。量测配置作为提高状态估计精度的有效方法，在ADN中显得尤为重要。ADN的特点，使得忽略DG影响的传统配电网量测配置方法已不在适用。因此，深入研究考虑DG影响的ADN的量测配置方法具有重要意义。目前，配电网的量测配置方法存在以下问题：(1)没有考虑DG的影响，或采用与负荷相同的处理方式，将未配置量测的DG出力当作伪量测，这种方法虽然一定程度上考虑了DG的影响，但将DG出力的不确定性转化为量测系统的不确定性，并未体现DG本身对ADN的影响；(2)并未考虑邻近地带DG间出力相关性的影响；(3)以状态估计精度为单一目标，没有协调好量测配置经济性与估计精度的关系。
技术实现思路
本专利技术为了解决上述问题，提出了一种计及分布式电源影响的主动配电网量测配置方法，本方法使得量测配置方案在考虑DG影响的基础上，协调好量测配置经济性与估计精度的关系。为了实现上述目的，本专利技术采用如下技术方案：一种计及分布式电源影响的主动配电网量测配置方法，包括以下步骤：(1)预估配电网的运行状态，确定量测量与状态量的关系；(2)确定分布式电源接入位置，获取各个分布式电源的出力历史数据，模拟分布式电源出力的概率密度函数；(3)判断相邻近的分布式电源之间是否相关，并利用量测协方差矩阵的非对角元素表征相关性；(4)以量测配置经济性与系统估计精度两个子目标的加权最小为目标，最大允许系统估计误差约束和量测设备的安装数量为上限约束，建立量测配置的数学模型；(5)遍历所有可选方案，直到满足最大允许系统估计误差约束或达到量测设备的安装数量上限，确定最终量测配置方案。所述步骤(1)中，利用加权最小二乘法作为状态估计器估计量测量与状态量之间的关系，其中，状态矢量选取除平衡节点的相角外的各电压的幅值以及相角作为状态量，量测矢量包括实时功率量测和电压幅值量测、虚拟量测和伪量测。所述步骤(2)中，利用高斯混合模型模拟分布式电源出力的概率密度函数，以表征分布式电源出力的不确定性。所述步骤(2)中，所述高斯混合模型是多个高斯分量的加权，对于一个多维随机变量，其高斯混合模型的概率密度函数为各个高斯分量的权重与相应的概率密度函数的乘积，其中各个高斯分量的权重、均值和协方差通过最大期望算法求得。所述步骤(3)中，邻近地带是指DG间相距100km以内。所述步骤(4)中，建立量测配置的数学模型，目标函数是量测配置经济性与系统估计精度两个子目标的加权：量测配置经济性考虑了功率量测与电流量测两种量测类型，系统估计精度由系统估计总误差表征。所述步骤(4)中，目标函数为量测经费的权重与总量测配置经费的乘积，以及系统估计精度的权重与系统状态估计总误差乘积之和。所述步骤(4)中，总量测配置经费为单个功率量测的相对价格与功率量测的安装数量的乘积与单个电流量测的相对价格与电流量测的安装数量乘积的和。所述步骤(4)中，采用Mt次蒙特卡洛法计算的均值作为各状态变量的估计值，以表征量测系统的不确定性。所述步骤(5)中，具体方法为：(5-1)固定一种量测类型，计算量测在所有情况下的目标函数值并保存；(5-2)改变量测类型，计算此时量测在所有情况下的目标函数值并保存；(5-3)比较上述所有目标函数值，使目标函数最小的情况即为新增量测的安装类型和位置；(5-4)重复步骤(5-1)-步骤(5-3)，直到满足最大允许系统估计误差约束或达到量测设备的安装数量上限；其中，s表示新增量测设备的类型和位置，S为已安装量测设备的集合；全集为量测设备类型和位置的所有可选方案。本专利技术的有益效果为：(1)本专利技术在量测配置过程中，考虑了DG出力不确定对量测配置的影响，高斯混合模型能够较好地模拟DG出力的不确定性；(2)本专利技术在量测配置过程中，考虑了邻近地带DG间出力的相关性，最终的量测配置结果更切实际；(3)本专利技术的量测配置方法协调了量测配置经济性与系统估计精度的关系，提高了量测配置的经济性。附图说明图1本专利技术提供的设计方案流程图；图2本专利技术提供的某一DG有功出力的样本直方图和由GMM近似的概率密度函数；图3本专利技术提供的基于启发式算法确定量测配置方案流程图；图4本专利技术提供的IEEE33节点系统接线图；图5本专利技术提供的基于最终量测配置各电压幅值的真值和估计值；图6本专利技术提供的基于最终量测配置各电压相角的真值和估计值。具体实施方式：下面结合附图与实施例对本专利技术作进一步说明。如图1所示，计及分布式电源影响的主动配电网量测配置方法，包括以下步骤：(1)选用加权最小二乘法(Weighted Least Squares，WLS)作为状态估计器；(2)确定DG接入主动配电网的位置，获取各DG出力的历史数据，利用高斯混合模型(Gaussian mixture model，GMM)模拟DG出力的概率密度函数，以表征DG出力的不确定性；(3)邻近地带的DG间出力若存在相关性，则由量测协方差矩阵的非对角元素表征；(4)建立量测配置的数学模型，目标函数是量测配置经济性与系统估计精度两个子目标的加权：量测配置经济性考虑了功率量测与电流量测两种量测类型，系统估计精度由系统估计总误差表征。约束条件包括最大允许系统估计误差约束和量测设备的安装数量上限约束。(5)基于启发式算法确定最终的量测配置方案，即遍历所有可选方案，新增量测位置及类型的选取使所述步骤(4)的目标函数最小。重复该过程，直到满足最大允许系统估计误差约束或达到量测设备的安装数量上限；(6)输出最终量测配置方案。前述步骤(1)状态估计中量测量与状态量之间的关系为：z＝h(x)+ε式中：x为状态矢量，选取各电压的幅值以及相角作为状态量(平衡节点的电压相角除外)；z为量测矢量，量测量包括实时功率量测和电压幅值量测、虚拟量测(零注入节点)和伪量测(节点负荷)；h(x)为测量方程；ε为测量误差矢量，ε～N(0，R)，R为测量误差的协方差矩阵。前述步骤(2)中的高斯混合模型是多个高斯分量的加权，对于一个多维随机变量，其GMM的概率密度函数为： f ( y | Θ ) = Σ i = 1 K w i f ( y | μ i , 本文档来自技高网...

【技术保护点】
一种计及分布式电源影响的主动配电网量测配置方法，其特征是：包括以下步骤：(1)预估配电网的运行状态，确定量测量与状态量的关系；(2)确定分布式电源接入位置，获取各个分布式电源的出力历史数据，模拟分布式电源出力的概率密度函数；(3)判断相邻近的分布式电源之间是否相关，并利用量测协方差矩阵的非对角元素表征相关性；(4)以量测配置经济性与系统估计精度两个子目标的加权最小为目标，最大允许系统估计误差约束和量测设备的安装数量为上限约束，建立量测配置的数学模型；(5)遍历所有可选方案，直到满足最大允许系统估计误差约束或达到量测设备的安装数量上限，确定最终量测配置方案。

【技术特征摘要】
1.一种计及分布式电源影响的主动配电网量测配置方法，其特征是：包括以下步骤：(1)预估配电网的运行状态，确定量测量与状态量的关系；(2)确定分布式电源接入位置，获取各个分布式电源的出力历史数据，模拟分布式电源出力的概率密度函数；(3)判断相邻近的分布式电源之间是否相关，并利用量测协方差矩阵的非对角元素表征相关性；(4)以量测配置经济性与系统估计精度两个子目标的加权最小为目标，最大允许系统估计误差约束和量测设备的安装数量为上限约束，建立量测配置的数学模型；(5)遍历所有可选方案，直到满足最大允许系统估计误差约束或达到量测设备的安装数量上限，确定最终量测配置方案。2.如权利要求1所述的一种计及分布式电源影响的主动配电网量测配置方法，其特征是：所述步骤(1)中，利用加权最小二乘法作为状态估计器估计量测量与状态量之间的关系，其中，状态矢量选取除平衡节点的相角外的各电压的幅值以及相角作为状态量，量测矢量包括实时功率量测和电压幅值量测、虚拟量测和伪量测。3.如权利要求1所述的一种计及分布式电源影响的主动配电网量测配置方法，其特征是：所述步骤(2)中，利用高斯混合模型模拟分布式电源出力的概率密度函数，以表征分布式电源出力的不确定性。4.如权利要求1所述的一种计及分布式电源影响的主动配电网量测配置方法，其特征是：所述步骤(2)中，所述高斯混合模型是多个高斯分量的加权，对于一个多维随机变量，其高斯混合模型的概率密度函数为各个高斯分量的权重与相应的概率密度函数的乘积，其中各个高斯分量的权重、均值和协方差通过最大期望...

【专利技术属性】
技术研发人员：张文，王红，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37