一种基于量子行为粒子群优化算法的电压暂降估计方法技术

本发明专利技术涉及一种基于量子行为粒子群优化算法的电压暂降估计方法，包括以下步骤：1)采用故障位置法将电网中的每条线路平均分为多段区间，在多段区间中设定P段故障区间，并采用故障点代替故障区间；2)利用随机故障点法建立监测母线的观测矩阵M，用以表示状态变量向量X与量测向量H之间的关系；3)在整个电网中设定T个临界电压值，建立状态估计方法的一般模型；4)根据状态估计方法的一般模型以及状态变量向量Xt与量测向量Ht之间的关系，得到优化问题的目标函数及约束条件；5)通过量子行为粒子群优化算法获取优化问题的最优解，即全网未监测母线的电压暂降频次。与现有技术相比，本发明专利技术具有考虑全面、方法先进、效率高、适用范围广等优点。

【技术实现步骤摘要】

本专利技术涉及电能质量的分析与评估领域，尤其是涉及一种基于量子行为粒子群优化算法的电压暂降估计方法。
技术介绍
科学技术的日新月异，接入电网的敏感设备越来越多，电压暂降已成为最频发且引起经济损失最严重的电能质量事件之一，即使短时电压暂降也可引发敏感设备故障或停运及一系列连续事故，进而造成重大经济损失，因此评估电压暂降已成为电能质量中的重要课题，在本文中采用电压暂降频次作为主要指标来描述电网中电压暂降信息。安装电能质量监测仪可直接记录母线电压暂降频次，但出于经济性考虑，电网安装的监测仪数量是有限的，因此不可能监控整个网络的母线，因此，在监测仪数量有限的前提下，如何对全网中所有节点的电压暂降频次做准确估计，是一个值得研究的问题。近年来，不同的随机估计法被用来估计电力系统中关注母线的电压暂降频次，比如著名的故障位置法，故障位置法基于利用已有系统的历史故障统计数据作估计，有一定可靠性，但在实际情况中，由于天气，设备维护情况等一系列因素，系统故障率在不同年份会有差异，因此，故障位置法的这一特性使其适合被用来做长时间估计，但针对具体某年的估计结果与实际值有差异。近年来，电压暂降状态估计(VSSE)的概念被一些学者提出，即用系统中有限监控母线记录的数据估计非监控母线的电压暂降频次，在文献《Voltagesagstateestimationforpowerdistributionsystems》(作者：WangB,XuW,PanZ.IEEETransactions，2005，20(2)：806-812)中作者采用最小二乘法搜索故障点所在路径，但该方法只局限于简单辐射性电网，不适用于环网；文献《Voltagesagstateestimationinpowersystemsbyapplyinggeneticalgorithms》(作者：LucioJ,Espinosa-JuarezE,HernandezA.IETgeneration,transmission&distribution,2011,5(2):223-230)中利用解析式方法，将VSSE转化为解欠定方程组的问题，以上传统的VSSE法均利用有限监控仪器的现有测量数据结合优化算法得到估计结果，而完全忽视历史统计数据，但由于系统中监控仪器数量较少，个别监控仪器测量结果的不准确均会导致估计结果发生很大偏差，因此测量数据及优化算法的不准确性将会导致传统VSSE方法的不准确性，并且，针对历史故障统计数据进行计算，一直是传统电力系统可靠性评估的重要组成部分。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种考虑全面、方法先进、效率高、适用范围广的基于量子行为粒子群优化算法的电压暂降估计方法。本专利技术的目的可以通过以下技术方案来实现：一种基于量子行为粒子群优化算法的电压暂降估计方法，用以估计电网未监测母线的电压暂降频次，包括以下步骤：1)采用故障位置法将电网中的每条线路平均分为多段区间，在多段区间中设定P段故障区间，并采用故障点代替故障区间；2)利用随机故障点法建立监测母线的观测矩阵，用以表示状态变量向量与量测向量之间的关系；3)在整个电网中设定T个临界电压值，建立状态估计方法的一般模型；4)根据状态估计方法的一般模型以及状态变量向量Xt与量测向量Ht之间的关系，得到优化问题的目标函数及约束条件；5)通过量子行为粒子群优化算法获取优化问题的最优解，即全网未监测母线的电压暂降频次。所述的步骤2)具体包括以下步骤：在每个故障区间内随机模拟一个故障点，并获取各母线的故障电压，观测矩阵Mt为M×P维的二进制矩阵，其具体行成方式为：Mt(m,p)=1,A0,B,(1≤m≤M,1≤p≤P,1≤t≤T)]]>其中M为监测母线总数，条件A为故障区间p发生故障时监测母线m的故障电压低于阈值电压t，即发生了电压暂降，条件B为故障区间p发生故障时监测母线m的故障电压高于阈值电压t，即未发生电压暂降；所述的步骤3)中的状态估计方法的一般模型表达式为：H1H2...Ht...HT=M1M2...Mt...MT×X]]>其中，H1,H2,…,Ht,…,HT为量测向量，M1,M2,…Mt,…MT为观测向量，X为状态变量向量。所述的步骤4)中的优化问题的目标函数为：min|Σk=1mxkt-Σk=1mλkt|∀k,t,m]]>约束条件为：H＝M×XΣk=110xkt-Σk=110xkt+1=0,∀k,t]]>xit∈Z∀i,t]]>其中，和分别为一条线路所包含故障区间故障次数总和的估计值和历史统计值，m为故障区间数，t为所考虑的电压阈值，其值从1取到T，k为每条线路的故障区间，取值在1和10之间，i代表系统中所有故障区间，其值在1到T×10×L之间(L为网络中线路总数)，该约束条件表示在任何电压阈值下每条线路所有故障区间的故障次数之和相等，且状态变量(即每段故障区间的故障次数)为正整数。所述的步骤5)中的全网未监测母线的电压暂降频次的表达式为：Hnmt=Mnmt×X]]>Mnmt(n,p)=1,A0,B,(1≤n≤N-M,1≤p≤P,1≤t≤T)]]>其中，为未监测母线的观测矩阵，其中，N为系统中母线总数，M为监测母线总数，条件A为故障区间p发生故障时未被监测母线n的故障电压低于阈值电压t，即发生了电压暂降，条件B为故障区间p发生故障时未被监测母线n的故障电压高于阈值电压t，即未发生电压暂降。与现有技术相比，本专利技术具有以下优点：一、考虑全面、方法先进：本专利技术同时考虑历史数据的有效性及监控仪器的准确性，将仅利用历史故障数据的故障位置法和仅利用现有有限监控数据的状态估计法相结合，以得到电压暂降状态估计方程；二、效率高：本专利技术利用量子行为粒子群算法(QPSO)求解优化问题，对比遗传算法等传统优化算法，QPSO能保证全局收敛，且控制参数更少，随机性更强，则找寻最优解效率更高；三、适用范围广：本技术方案与电网规模及故障类型无关，因此适用于任何规模电网发生对称故障和不对称故障时的电压暂降状态估计，从而指导有关部门采取更合理的治理措施。附图说明图1为电网示意图。图2为线路发生故障后母线电压实际值和估计值曲线图。...

【技术保护点】
一种基于量子行为粒子群优化算法的电压暂降估计方法，用以估计电网未监测母线的电压暂降频次，其特征在于，包括以下步骤：1)采用故障位置法将电网中的每条线路平均分为多段区间，在多段区间中设定P段故障区间，并采用故障点代替故障区间；2)利用随机故障点法建立监测母线的观测矩阵，用以表示状态变量向量与量测向量之间的关系；3)在整个电网中设定T个临界电压值，建立状态估计方法的一般模型；4)根据状态估计方法的一般模型以及状态变量向量Xt与量测向量Ht之间的关系，得到优化问题的目标函数及约束条件；5)通过量子行为粒子群优化算法获取优化问题的最优解，即全网未监测母线的电压暂降频次。

【技术特征摘要】
1.一种基于量子行为粒子群优化算法的电压暂降估计方法，用以估计电网未监测母线的电压暂降频次，其特征在于，包括以下步骤：
1)采用故障位置法将电网中的每条线路平均分为多段区间，在多段区间中设定P段故障区间，并采用故障点代替故障区间；
2)利用随机故障点法建立监测母线的观测矩阵，用以表示状态变量向量与量测向量之间的关系；
3)在整个电网中设定T个临界电压值，建立状态估计方法的一般模型；
4)根据状态估计方法的一般模型以及状态变量向量Xt与量测向量Ht之间的关系，得到优化问题的目标函数及约束条件；
5)通过量子行为粒子群优化算法获取优化问题的最优解，即全网未监测母线的电压暂降频次。
2.根据权利要求1所述的一种基于量子行为粒子群优化算法的电压暂降估计方法，其特征在于，所述的步骤2)具体包括以下步骤：
在每个故障区间内随机模拟一个故障点，并获取各母线的故障电压，观测矩阵Mt为M×P维的二进制矩阵，其具体行成方式为：
其中M为监测母线总数，条件A为故障区间p发生故障时监测母线m的故障电压低于阈值电压t，即发生了电压暂降，
条件B为故障区间p发生故障时监测母线m的故障电压高于阈...

【专利技术属性】
技术研发人员：罗祾，潘爱强，金家培，
申请(专利权)人：国网上海市电力公司，华东电力试验研究院有限公司，
类型：发明
国别省市：上海;31