一种基于PP-dlADMM的最优潮流计算方法技术

一种基于PP‑dlADMM的最优潮流计算方法，包括如下步骤：步骤S1、获取电力系统的参数信息，确定系统的优化目标函数、等值约束及控制变量的不等约束；步骤S2、根据参数信息建立原始的最优潮流计算函数，再引入噪声信号进行迭代计算，并将结果发送至邻居节点；步骤S3、判断迭代计算结果的收敛条件，获取最优潮流计算调度函数。该方法通过向交互信息中注入衰减的随机噪声信号来防止隐私信息泄露，具有收敛快、时间复杂度低、运行速度快的优点。

【技术实现步骤摘要】
一种基于PP-dlADMM的最优潮流计算方法
本专利技术属于电力系统调度
，具体涉及一种基于PP-dlADMM的最优潮流计算方法。
技术介绍
智能电网作为信息物理系统的典型代表，将先进的通讯、计算和控制技术深度融入到了电力系统的日常运行当中，大大提高了传统电力系统的运行效率、稳定性和安全性。最优潮流(OptimalPowerFlow,OPF)的基本功能是当电力系统的系统参数以及电力负荷给定时，通过决策网络中各发电节点的出力来最小化整个电力系统的综合成本(如发电成本、电能损耗等)，同时满足一定的物理和经济约束。传统电力系统中，OPF问题是通过各个节点集中发送信息给关键节点的方式来进行求解的，在这个过程中，网络中各个节点的关键参数会被某个中心节点收集。近些年，随着分布式能源的流行以及电力系统分布式架构的普遍应用，分布式OPF算法越来越得到工业界和学术界的广泛认可。大部分的分布式OPF算法通常采用迭代式的算法结构，并且避免了中心节点的存在。网络中的各个节点只需要进行本地计算，并复制信息留存在本地，然后将计算结果与网络中的邻居节点进行通讯，最终共同协作求解到最优的调度结果。无论是传统式OPF算法还是现在的分布式OPF算法都没有有效考虑各节点隐私信息的保护问题。这些隐私信息主要包括各个节点本地用电需求、状态估计器采集的系统测量值以及成本函数中的关键参数等。更进一步来讲，传统OPF算法由于中心节点的存在，各节点的隐私信息需要上传给中心节点来完成问题的求解，这会导致在传输途中遭到攻击从而泄漏用户数据；而现有的分布式OPF算法中，节点之间在传输迭代结果的过程中，也存在隐私信息泄露的风险。为了保护隐私，对用户的数据加入噪声来避免被恶意攻击者获取，但是这也随之带来一个问题，加噪后的数据不能很好的收敛到最优解，会对电网的调度产生一定的影响。
技术实现思路
本专利技术所要解决的技术问题是克服现有技术的不足，提供一种基于PP-dlADMM的最优潮流计算方法，通过向交互信息中注入衰减的随机噪声信号来防止隐私信息泄露，具有收敛快、时间复杂度低、运行速度快的优点。本专利技术提供一种基于PP-dlADMM的最优潮流计算方法，包括如下步骤：步骤S1、获取电力系统的参数信息，确定系统的优化目标函数、等值约束及控制变量的不等约束；步骤S2、根据参数信息建立原始的最优潮流计算函数，再引入噪声信号进行迭代计算，并将结果发送至邻居节点；步骤S3、判断迭代计算结果的收敛条件，获取最优潮流计算调度函数。作为本专利技术的进一步技术方案，步骤S1中，等值约束为节点潮流平衡约束，不等式约束包括电力线路的容量约束、发电出力约束、有功/无功电源处理约束、节点电压幅值/相角约束以及线路传输功率约束。进一步的，步骤S1中，等值约束为节点潮流平衡约束，不等式约束包括电力线路的容量约束、发电出力约束、有功/无功电源处理约束、节点电压幅值/相角约束以及线路传输功率约束。进一步的，步骤S1中，系统的目标函数为发电成本，则其中，ai、bi和ci均为节点i的本地代价函数中的参数，Pg,i为发电机i的发电出力值；结合各节点潮流平衡约束，可得其中，Pg,i和Pd,i分别为发电节点和负载节点的出力值，Pij为全局的决策变量，即从节点i到j的潮流，Pi,ij和Pj,ij位全局决策变量Pij在节点i和j的本地备份；根据电力线路的容量约束，则有其中，表示电力线路ij之间所能承受的最大潮流，和分别表示发电节点i的最小和最大出力值。进一步的，步骤S2中，注入噪声的信号内包含上标在第k次迭代中向注入的噪声信号值为则有再引入安全函数该安全函数只被节点i及其邻居节点j获知，最后通过指数衰减的噪声信号将自身连同安全函数引入迭代变量中，加噪后所得的拉格朗日函数为其中，fi(xi)为节点i的本地代价函数，ui,ij为节点i的拉格朗日乘子，ρ为调节算法收敛速度的全局变量，λ为拉格朗日乘子组成的向量。进一步的，步骤S3中，迭代计算中，当两次相邻的迭代结果的差值小于阈值或预设值时，返回最优的潮流调度方案。本专利技术通过向交互信息中注入衰减的随机噪声信号来避免隐私信息的泄露，同时可以保证算法的收敛性和最优性。传统的ADMM参数优化策略是从第一层开始，然后依次更新下一层的参数，该方法采用dlADMM算法，分两步更新参数。首先从最终层开始更新，并向后移动到第一层，然后反转更新方向，从第一层开始并向前移动到最后一层，从而可以完全交换所有层的参数信息。与传统的ADMM算法相比，本专利技术提出的方法具备收敛快；时间复杂度低，运行速度快；保证收敛等优势。附图说明图1为本专利技术实施例的算法流程示意图；图2为本专利技术实施例的IEEE14节点系统结构图；图3为本专利技术实施例的收敛特性图。具体实施方式请参阅图1，本实施例提供一种基于PP-dlADMM的最优潮流计算方法，包括如下步骤：步骤S1、获取电力系统的参数信息，确定系统的优化目标函数、等值约束及控制变量的不等约束；步骤S2、根据参数信息建立原始的最优潮流计算函数，再引入噪声信号进行迭代计算，并将结果发送至邻居节点；步骤S3、判断迭代计算结果的收敛条件，获取最优潮流计算调度函数。本实施例在确定性电力系统最优潮流模型的基础上加入噪声来防止数据被恶意攻击者获取。以发电成本最小为目标函数为例；目标函数：其中，ai、bi和ci是节点i的本地代价函数中的参数，Pg,i表示发电机i的发电出力。约束条件：其中，表示电力线路ij之间所能承受的最大潮流，和分别表示发电节点i的最小和最大出力，Pij是全局的决策变量，表示从节点i到j的潮流，Pi,ij和Pj,ij是全局决策变量Pij在节点i和j的本地备份。设置好系统变量后，引入噪声信号来避免隐私泄露。记上标为注入噪声的信号，并定义为在第k次迭代中向注入的噪声信号值，即并定义引入一个安全函数且该安全函数只被节点i和它的邻居节点j所知。我们采用指数衰减的噪声信号，将其连同安全函数一起加到迭代变量中。加噪之后得到的拉格朗日函数定义如下：其中，fi(xi)表示节点i的本地代价函数，ui,ij表示节点i对应于约束(9)的拉格朗日乘子，ρ表示调节算法收敛速度的全局变量，此外令λ表示拉格朗日乘子组成的向量。每个节点i从区间[-σ,σ]中选择一个均匀分布的随机变量其中σ＞0为常数，并额外为其邻居节点选择常亮然后每个节点i发送加噪处理后的数据给邻居节点j：在每次迭代中，各节点i求解各自的子优化问题，并从区间[-σ,σ]中选择一个均匀分布的随机变量随后发送给对应的邻居节点，其中ρ∈(0,1)是一个恒值标量，||ρ||k表示ρ的k次幂。从邻居节点处收到后，节点i按照如下规则更新拉格朗日乘子：最终当两次相邻的迭代结果的差值小于某一阈值或者本文档来自技高网...

【技术保护点】
1.一种基于PP-dlADMM的最优潮流计算方法，其特征在于，包括如下步骤：/n步骤S1、获取电力系统的参数信息，确定系统的优化目标函数、等值约束及控制变量的不等约束；/n步骤S2、根据参数信息建立原始的最优潮流计算函数，再引入噪声信号进行迭代计算，并将结果发送至邻居节点；/n步骤S3、判断迭代计算结果的收敛条件，获取最优潮流计算调度函数。/n

【技术特征摘要】
1.一种基于PP-dlADMM的最优潮流计算方法，其特征在于，包括如下步骤：
步骤S1、获取电力系统的参数信息，确定系统的优化目标函数、等值约束及控制变量的不等约束；
步骤S2、根据参数信息建立原始的最优潮流计算函数，再引入噪声信号进行迭代计算，并将结果发送至邻居节点；
步骤S3、判断迭代计算结果的收敛条件，获取最优潮流计算调度函数。


2.根据权利要求1所述的一种基于PP-dlADMM的最优潮流计算方法，其特征在于，所述步骤S1中，所述等值约束为节点潮流平衡约束，所述不等式约束包括电力线路的容量约束、发电出力约束、有功/无功电源处理约束、节点电压幅值/相角约束以及线路传输功率约束。


3.根据权利要求1所述的一种基于PP-dlADMM的最优潮流计算方法，其特征在于，所述步骤S1中，系统的目标函数为发电成本，则其中，ai、bi和ci均为节点i的本地代价函数中的参数，Pg,i为发电机i的发电出力值；
结合各节点潮流平衡约束，可得其中，Pg,i和Pd,i分别为...

【专利技术属性】
技术研发人员：王堃，马荣，孙雁飞，亓晋，岳东，雷文，陈悦妍，陆浩东，钱凯，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32