基于并行计算及粒子群算法的电力系统状态估计方法技术方案

本发明专利技术提出一种基于并行计算及粒子群算法的电力系统状态估计方法，克服了传统电力系统状态估计的方法不易收敛的缺陷，同时解决目前电力系统状态估计寻优算法运算时间过长的问题，首先采集电力系统状态估计所需参数，基于参数进行一系列的矩阵求解，然后在CPU中基于传统的PQ分解法进行电力系统状态估计，当传统PQ分解法不收敛时，在GPU中基于粒子群算法进行迭代寻优计算，提高状态估计的收敛性，另外，在传统PQ分解法迭代计算时，GPU中同时并行计算，大幅度降低粒子群算法的运行时间，保持电力系统状态估计的实时性。

【技术实现步骤摘要】
基于并行计算及粒子群算法的电力系统状态估计方法
本专利技术涉及电力系统状态估计的
，更具体地，涉及一种基于并行计算及粒子群算法的电力系统状态估计方法。
技术介绍
电力系统状态估计是指根据电力系统的各种量测信息，估计出电力系统当前的运行状态。电力系统状态估计是电网调度系统中各大高级应用的基础，更是维持电力系统稳定、确保电力系统安全高效运行的基础，因此，电力系统状态估计的计算响应速度，决定了电网调度系统能否及时地反映电网的真实状态，也影响着其他电网自动控制系统的控制效果，对整个电力系统的稳定运行至关重要。目前，实际电力系统运行的状态估计程序大部分是以量测残差最小二乘为目标函数基于牛顿拉夫逊方法或PQ分解法实现，此两种方法主要是应用于凸优化问题，而实际电力系统并不一定完全是一个凸优化问题，在这种情况下，存在容易不收敛的问题，对于电力系统的安全稳定分析有较大的影响。2010年，闫丽梅，张士元，任伟建等人在电力系统保护与控制期刊上发表“基于粒子群进化算法的电力系统状态估计研究”的文章，将改进的粒子群进化算法应用到状态估计当中，解决了传统状态本文档来自技高网...

【技术保护点】
1.一种基于并行计算及粒子群算法的电力系统状态估计方法，其特征在于，至少包括：/nS1.采集电力系统的量测参数和电力系统的网络参数，根据电力系统的网络参数生成支路导纳列表；/nS2.分别计算有功雅各比矩阵H

【技术特征摘要】
1.一种基于并行计算及粒子群算法的电力系统状态估计方法，其特征在于，至少包括：
S1.采集电力系统的量测参数和电力系统的网络参数，根据电力系统的网络参数生成支路导纳列表；
S2.分别计算有功雅各比矩阵HP、无功雅各比矩阵HQ、有功残差方程矩阵AP以及无功残差方程矩阵AQ；
S3.对有功残差方程矩阵AP和无功残差方程矩阵AQ分别进行LLT分解，得到有功下三角矩阵APL及无功下三角矩阵AQL；
S4.初始化节点电压幅值和节点电压相角，在CPU中进行PQ分解法状态估计迭代计算；同时，在GPU中利用有功下三角矩阵APL及无功下三角矩阵AQL计算出有功基解组合与无功基解组合；
S5.判断PQ分解法状态估计迭代计算是否收敛，若是，迭代结束，输出状态估计结果；否则，确认PQ分解法最后一次迭代计算后未收敛的节点编号，执行步骤S6；
S6.基于有功基解组合与无功基解组合，结合粒子群算法，在GPU中对未收敛的节点进行状态估计迭代寻优计算；
S7.判断状态估计迭代寻优计算是否收敛，若是，迭代寻优计算结束，输出状态估计结果；否则，提示错误并退出。


2.根据权利要求1所述的基于并行计算及粒子群算法的电力系统状态估计方法，其特征在于，步骤S1所述电力系统的量测参数包括：
节点电压U、节点注入有功功率Pinj_M、节点注入无功功率Qinj_M、支路两侧有功功率Pft_M、Ptf_M、支路两侧无功功率Qft_M、Qtf_M及电流幅值，其中，t、f分别表示支路首端、末端节点编号；通过量测参数形成有功测值向量ZP_M、无功量测值向量ZQ_M，以及有功量测权矩阵RP和无功量测权矩阵RQ，采集的无效或实际未经传送的量测参数设置为0，权系数也为0；
所述电力系统的网络参数包括：节点数nodeNum、支路数量lnNum、支路首节点编号f、支路末节点编号t、支路电阻R、支路电抗X、支路非标准变比K、对地导纳B、节点并联电导Gsh、节点并联电纳Bsh，无并联元件节点的节点并联电导Gsh及节点并联电纳Bsh为0。


3.根据权利要求2所述的基于并行计算及粒子群算法的电力系统状态估计方法，其特征在于，步骤S1中所述支路导纳列表中任意一个支路k的导纳Ys(k)的求解公式为：



其中，Ys(k)表示该支路导纳，R(k)表示该支路电阻，X(k)表示该支路电抗；K(k)表示该支路非标准变比；gs(k)为该支路电导；bs(k)为该支路电纳；j为复数计算中虚部标识。


4.根据权利要求3所述的基于并行计算及粒子群算法的电力系统状态估计方法，其特征在于，步骤S2中有功残差方程矩阵AP的计算公式为：



其中，为有功雅各比矩阵HP的转置，为有功量测权矩阵RP的逆矩阵；
无功残差方程矩阵AQ的计算公式为：



其中，为无功雅各比矩阵HQ的转置，为无功量测权矩阵RQ的逆矩阵；
有功残差方程矩阵AP、无功残差方程矩阵AQ均为正定矩阵，进行LLT分解，得到步骤S3所述的有功下三角矩阵APL及无功下三角矩阵AQL。


5.根据权利要求4所述的基于并行计算及粒子群算法的电力系统状态估计方法，其特征在于，步骤S4中利用有功下三角矩阵APL计算有功基解组合的方法步骤为：
S401.根据前推回代法，利用有功下三角矩阵APL求解方程组AP·xPi＝bPi，其中，bPi为长度nodeNum，是第i个元素为1，其余元素为0的列向量；xPi为方程组的解；
S402.将方程组的解组合，得到有功基解组合GxP＝{xP1，xP2，……，xPnodeNUm}；
利用无功下三角矩阵AQL计算无功基解组合的方法步骤为：
S411.根据前推回代法，利用无功下三角矩阵AQL求解方程AQ·xQi＝bQi，其中，bQi为长度nodeNum，是第i个元素为1，其余元素为0的列向量；xQi为方程组的解；
S412.将方程组的解组合，得到无功基解组合GxQ＝{xQ1，xQ2，……，xQnodeNUm}；
有功基解组合和无功基解组合中的每一个基解的计算过程都相互独立，每一个基解的求解过程在单独的GPU线程中进行处理。


6.根据权利要求5所述的基于并行计算及粒子群算法的电力系统状态估计方法，其特征在于，步骤S4中将节点电压幅值初始化为1.0pu，节点电压相角初始化为0.0rad，CPU中进行的PQ分解法状态估计迭代计算与GPU中利用有功下三角矩阵APL及无功下三角矩阵AQL计算有功基解组合与无功基解组合的过程同时进行，利用有功下三角矩阵APL及无功下三角矩阵AQL计算出功基解组合与无功基解组合，为在GPU中对不收敛的节点进行状态估计迭代寻优计算做准备。


7.根据权利要求6所述的基于并行计算及粒子群算法的电力系统状态估计方法，其特征在于，步骤S5所述确认PQ分解法最后一次迭代计算后未收敛的节点编号的过程为：
确认PQ分解法的收敛门槛E，提取PQ分解法最后一次迭代计算后的节点电压幅值修正量及节点电压相角修正量...

【专利技术属性】
技术研发人员：赵化时，赵旋宇，周华锋，聂涌泉，胡荣，
申请(专利权)人：中国南方电网有限责任公司，
类型：发明
国别省市：广东;44