一种基于输电线路状态估计的参数优化方法技术

本发明专利技术的一种基于输电线路状态估计的参数优化方法，其特点是，包括：基本粒子群参数优化、权重系数优化、学习因子优化和输电线路状态估计参数优化等内容，该方法能够克服传统群智能参数优化方法，在局部和全局搜索能力平衡不足的问题，尤其是当搜索空间范围相对较大且遍历搜索节点较困难时，采用非线性权重系数和学习因子协同优化平衡算法的全局和局部搜索能力，并在进化的过程中快速收敛到全局最优解，确定状态估计最优参数，提高状态估计精确度。该方法科学合理，可适用于各种状态估计的参数优化问题。

A parameter optimization method based on transmission line state estimation

【技术实现步骤摘要】
一种基于输电线路状态估计的参数优化方法
本专利技术涉及电网输电线路状态估计与参数优化
，是一种基于输电线路状态估计的参数优化方法。
技术介绍
伴随着现有电网物理复杂度的升高，导致电网安全稳定运行面临严峻挑战。与此同时，调度运行人员对电网特性的掌握也较强的依赖于电网模型实时监测与智能分析。准确的电网参数是进行电网建模、状态估计、潮流计算等电力系统计算的基础。将电网元件参数和遥测数据并称为电网的基础数据，输电线路参数属于电网元件的基础参数之一，包含电阻、电纳、电抗等多种参数，且输电线路元件在电网中的数量最多，输电线路参数值偏差会对电网运行造成众多不良影响，主要表现为：①参数错误导致电网模型的不准确，从而降低各种应用软件的计算精度；②电网状态量估计结果产生较大误差；③削弱状态估计检测辨识不良数据的能力；④电网功率分配不经济等隐患，可能引发对电网系统错误的控制动作。因此，输电线路参数的准确性显得尤为重要，对保证电网的安全稳定运行具有重要的意义。为提高输电线路状态估计的参数准确性，在实际应用中，状态估计中参数的优化是提高状态估计性能的一个重本文档来自技高网...

【技术保护点】
1.一种基于输电线路状态估计的参数优化方法，其特征是，它包括的内容有：/n1)基本粒子群参数优化/n粒子群算法(Particle Swarm Optimization，PSO)在参数优化过程中模拟鸟类群体的飞行活动，将其飞行空间视为搜索空间，用一个粒子来抽象表示每只鸟的个体，每个粒子都是一个候选解，把鸟类群体找到食物问题模拟为搜索空间中，每个粒子在觅食过程中不断更新自己的飞行速度和方向，从而搜索到粒子群中的最优解，/n在粒子群优化问题求解过程中，搜索D维空间中的一只鸟被抽象为一个粒子(Particle)，粒子i在D维空间中的位置和速度由向量表示，Pbest表示粒子i在搜索期间搜索到的最优位置，...

【技术特征摘要】
1.一种基于输电线路状态估计的参数优化方法，其特征是，它包括的内容有：
1)基本粒子群参数优化
粒子群算法(ParticleSwarmOptimization，PSO)在参数优化过程中模拟鸟类群体的飞行活动，将其飞行空间视为搜索空间，用一个粒子来抽象表示每只鸟的个体，每个粒子都是一个候选解，把鸟类群体找到食物问题模拟为搜索空间中，每个粒子在觅食过程中不断更新自己的飞行速度和方向，从而搜索到粒子群中的最优解，
在粒子群优化问题求解过程中，搜索D维空间中的一只鸟被抽象为一个粒子(Particle)，粒子i在D维空间中的位置和速度由向量表示，Pbest表示粒子i在搜索期间搜索到的最优位置，Gbest表示粒子i在搜索期间搜索到的种群中所有粒子的最优位置，粒子i根据速度函数迭代调整并更新粒子i的飞行速度及移动方向，最终确定最优解，即鸟类群体找到食物，该算法中，用X＝(x1,x2,…,xn)表示n个粒子组成的粒子群，则粒子i的向量分别表示为：
①当前粒子的位置：Xi＝(xi1,xi2,…,xiD)T
②历史时刻粒子的最佳位置：Pi＝(pi1,pi2,…,piD)T
③当前粒子的速度：Vi＝(vi1,vi2,…,viD)T
在搜索过程中迭代更新，如果当前粒子位置Xi优于粒子历史最佳位置Pi，g代表Gbest，p代表Pbest，k代表更新前，k+1代表更新后，则将目标位置进行更新，在粒子群中其它粒子的历史最佳位置若为Pg＝(pg1,pg2,…,pgD)T，则粒子速度的更新如公式(1)，且粒子位置的更新如公式(2)，其中，为了使粒子有向粒子群中的优秀粒子进行学习的能力，定义两个非负常数的学习因子c1，c2，它们使粒子i在更新的过程中向Pbest以及Gbest靠近，为了对粒子的移动更好的控制，要将其位置与速度限制在一定的区间之内，其中[xmin,xmax]为位置的限制区间，[vmin,vmax]为速度的限制区间，r1，r2为0～1随机数，






在粒子群迭代搜索过程中，通过评价目标函数，得出粒子i在t时刻的最优位置Pbest、以及粒子i在种群中的最优位置Gbest，(j∈D)，而粒子i的位置和速度通过跟踪这两个最优位置不断的进行迭代更新，如公式(3)，



2)权重系数优化
根据公式(3)，基本粒子群算法的全局收敛性在很大程度上受粒子飞行速度影响，如果粒子i的速度vi较大，则粒子i会快速的进入全局最优解范围，但会存在一个问题，即当粒子i以较快的速度逼近全局最优解时，会因其速度vi过大而飞过最优解，快速的移动到其它搜索区域，
所以，当不对粒子速度vi加以一定的控制，vi过大会快速错过最优解，vi过小又会增加收敛时间，算法将很难收敛到全局最优，使算法的局部搜索能力降低，因此，在基本粒子群算法基础之上，为对vi过进行有效的控制引入参数—惯性权重系数ω，如公式(4)，可对粒子速度vi进行有效控制，从公式(4)能够看出，当惯性权重系数ω增大，粒子进行全局搜索的速度较快，等同于搜索步长增加；当惯性权重系数ω减小，粒子进行全局搜索的速度较慢，相当于搜索步长减少，在搜索范围内进行精细搜索，由此，粒子的全局和局部搜索能力会因ω的影响产生很大变化，惯性权重系数ω增大，此时算法的全局搜索能力增强，反之，ω减小，则算法随着全局搜索能力逐渐减弱，其局部搜索能力将会逐渐增强，



如公式(5)，将惯性权重系数ω进行线性递减，随着粒子搜索次数的不断迭代，权重系数ω线性递减，这样会使算法在搜索的起初阶段更易跳出局部最优，更新到其它搜索区域，从而增强其全局搜索能力；在搜索的后期，由于t的增大ω逐步递减，使粒子在最优解附近...

【专利技术属性】
技术研发人员：姜涛，曹杰，王蕾，薄小永，曲朝阳，刘世民，薛凯，吕洪波，胡可为，于建友，徐鹏程，郭善成，
申请(专利权)人：东北电力大学，国网吉林省电力有限公司，国网内蒙古东部电力有限公司信息通信分公司，国网东北分部绿源水力发电公司太平湾发电厂，
类型：发明
国别省市：吉林;22