基于多智能算法的高渗透率新能源配电网评估方法及装置制造方法及图纸

本发明专利技术公开一种基于多智能算法的高渗透率新能源配电网评估方法及装置，考虑配电网状态复杂多变的特点，利用智能算法之间的优势互补理论，得到基于多智能优化算法的配电网状态估计值。所述方法包括：首先设计配电网状态估计函数用于目标优化，利用遗传算法修改所述配电网状态估计函数中的差值权重，得到第一配电网状态估计值；利用天牛须优化算法修改所述配电网状态估计函数中的差值权重，得到第二配电网状态估计值；确定所述第一配电网状态估计值的权值和所述第二配电网状态估计值的权值并进行加权计算，得到配电网状态估计值。采用本发明专利技术，通过对两种算法得到的配电网状态估计值进行加权融合，快速获得高精度的配电网状态估计值。计值。计值。

【技术实现步骤摘要】
基于多智能算法的高渗透率新能源配电网评估方法及装置


[0001]本专利技术涉及电网运维
，尤其涉及一种基于多智能算法的高渗透率新能源配电网评估方法及装置。

技术介绍

[0002]基于节点电压的配电网络状态估计是最早采用的方法，以节点电压为状态量，通过不断选代，建立实时量测和伪量测之间的映射关系，实现对电网状态的估计。然而该类方法的迭代时间长，执行效率低，而且需要大量的储存空间，局限性比较明显。基于支路电流法的配电网络状态是最成熟的估计方法，以支路电流为状态量，根据电流实量测和伪量测进行状态估计，但该方法不能体现电网的电抗特性，甚至会出现病态收敛的结果。基于支路功率法将功率作为状态量实现状态估计，但无法适应节点注入型的量测。
[0003]基于智能算法的配电网络状态方法是最近才兴起的方法，主要有：粒子群算法，神经网络、遗传算法以及蚁群算法等。然而配电网状态估计是一个典型的NP难题，上述智能算法存在收敛速度慢、估计误差大等缺陷，且单个算法无法满足电网复杂多变的难以获得高精度的配电网状态估计值。

技术实现思路

[0004]本专利技术实施例提供一种配电网状态估计方法及装置，通过对两种算法得到的配电网状态估计值进行加权融合，快速获得高精度的配电网状态估计值。
[0005]为实现上述目的，本申请实施例的第一方面提供了一种配电网状态估计方法，包括：
[0006]获取高渗透率新能源配电网系统的实时测量数据与伪测量数据；所述实时测量数据通过测量装置采集得到，所述伪测量数据根据用户历史用电数据得到；
[0007]根据每个所述伪测量数据中量测量与每个所述实时测量数据中对应量测量的差值、每个差值对应的差值权重，建立配电网状态估计函数；
[0008]利用遗传算法修改所述配电网状态估计函数中的差值权重，得到第一配电网状态估计值；
[0009]利用天牛须优化算法修改所述配电网状态估计函数中的差值权重，得到第二配电网状态估计值；
[0010]确定所述第一配电网状态估计值的权值和所述第二配电网状态估计值的权值并进行加权计算，得到配电网状态估计值。
[0011]在第一方面的一种可能的实现方式中，所述配电网状态估计函数，具体为：
[0012]其中，x为配电网系统的状态变化量，z
i
为量测量i的实时测量值；h
i
()为量测量i的量测函数，w
i
为量测量i的差值权重。
[0013]在第一方面的一种可能的实现方式中，所述利用遗传算法修改所述配电网状态估
计函数中的差值权重，得到第一配电网状态估计值，具体包括:
[0014]初始化遗传算法的种群，并设置各项基本参数；
[0015]根据配电网状态估计结果与实测数据之间的误差确定每一个个体的适应度值，并找到适应度值大于预设阈值的个体作为优秀个体保存；
[0016]将所述优秀个体放入新的种群，并对部分个体进行交叉和变异操作，保留适应度值大于预设阈值的个体组成新的种群，直至达到最大进化代数；
[0017]根据新的种群中的个体，修改所述配电网状态估计函数中的差值权重，得到第一配电网状态估计值。
[0018]在第一方面的一种可能的实现方式中，所述利用天牛须优化算法修改所述配电网状态估计函数中的差值权重，得到第二配电网状态估计值，具体包括:
[0019]初始化天牛须算法的种群数量、解的空间维度、最大迭代次数、初始步长、步长衰减因子、狩猎空间和位置信息；
[0020]确定天牛左须与右须的位置，根据算法距离更新天牛的位置；
[0021]计算天牛位置的适应度函数并存储，更新步长，直至适应度函数收敛；
[0022]根据天牛最后所处位置确定全局最优解，并根据所述全局最优解修改所述配电网状态估计函数中的差值权重，得到第二配电网状态估计值。
[0023]在第一方面的一种可能的实现方式中，所述确定所述第一配电网状态估计值的权值和所述第二配电网状态估计值的权值，具体包括:
[0024]采用层次分析法和熵值法分别确定所述第一配电网状态估计值的权值和所述第二配电网状态估计值的权值。
[0025]本申请实施例的第二方面提供了一种配电网状态估计装置，包括：
[0026]数据获取模块，用于获取高渗透率新能源配电网系统的实时测量数据与伪测量数据；所述实时测量数据通过测量装置采集得到，所述伪测量数据根据用户历史用电数据得到；
[0027]函数建立模块，用于根据每个所述伪测量数据中量测量与每个所述实时测量数据中对应量测量的差值、每个差值对应的差值权重，建立配电网状态估计函数；
[0028]遗传算法模块，用于利用遗传算法修改所述配电网状态估计函数中的差值权重，得到第一配电网状态估计值；
[0029]天牛须算法模块，用于利用天牛须优化算法修改所述配电网状态估计函数中的差值权重，得到第二配电网状态估计值；
[0030]评估模块，用于确定所述第一配电网状态估计值的权值和所述第二配电网状态估计值的权值并进行加权计算，得到配电网状态估计值。
[0031]在第二方面的一种可能的实现方式中，所述配电网状态估计函数，具体为：
[0032]其中，x为配电网系统的状态变化量，z
i
为量测量i的实时测量值；h
i
()为量测量i的量测函数，w
i
为量测量i的差值权重。
[0033]在第二方面的一种可能的实现方式中，所述遗传算法模块，具体用于：
[0034]初始化遗传算法的种群，并设置各项基本参数；
[0035]根据配电网状态估计结果与实测数据之间的误差确定每一个个体的适应度值，并
找到适应度值大于预设阈值的个体作为优秀个体保存；
[0036]将所述优秀个体放入新的种群，并对部分个体进行交叉和变异操作，保留适应度值大于预设阈值的个体组成新的种群，直至达到最大进化代数；
[0037]根据新的种群中的个体，修改所述配电网状态估计函数中的差值权重，得到第一配电网状态估计值。
[0038]在第二方面的一种可能的实现方式中，所述天牛须算法模块，具体用于：
[0039]初始化天牛须算法的种群数量、解的空间维度、最大迭代次数、初始步长、步长衰减因子、狩猎空间和位置信息；
[0040]确定天牛左须与右须的位置，根据算法距离更新天牛的位置；
[0041]计算天牛位置的适应度函数并存储，更新步长，直至适应度函数收敛；
[0042]根据天牛最后所处位置确定全局最优解，并根据所述全局最优解修改所述配电网状态估计函数中的差值权重，得到第二配电网状态估计值。
[0043]在第二方面的一种可能的实现方式中，所述确定所述第一配电网状态估计值的权值和所述第二配电网状态估计值的权值，具体包括:
[0044]采用层次分析法和熵值法分别确定所述第一配电网状态估计值的权值和所述第二配电网状态估计值的权值。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多智能算法的高渗透率新能源配电网评估方法，其特征在于，包括：获取高渗透率新能源配电网系统的实时测量数据与伪测量数据；所述实时测量数据通过测量装置采集得到，所述伪测量数据根据用户历史用电数据得到；根据每个所述伪测量数据中量测量与每个所述实时测量数据中对应量测量的差值、每个差值对应的差值权重，建立配电网状态估计函数；利用遗传算法修改所述配电网状态估计函数中的差值权重，得到第一配电网状态估计值；利用天牛须优化算法修改所述配电网状态估计函数中的差值权重，得到第二配电网状态估计值；确定所述第一配电网状态估计值的权值和所述第二配电网状态估计值的权值并进行加权计算，得到配电网状态估计值。2.如权利要求1所述基于多智能算法的高渗透率新能源配电网评估方法，其特征在于，所述配电网状态估计函数，具体为：其中，x为配电网系统的状态变化量，z
i
为量测量i的实时测量值；h
i
()为量测量i的量测函数，w
i
为量测量i的差值权重。3.如权利要求1所述基于多智能算法的高渗透率新能源配电网评估方法，其特征在于，所述利用遗传算法修改所述配电网状态估计函数中的差值权重，得到第一配电网状态估计值，具体包括:初始化遗传算法的种群，并设置各项基本参数；根据配电网状态估计结果与实测数据之间的误差确定每一个个体的适应度值，并找到适应度值大于预设阈值的个体作为优秀个体保存；将所述优秀个体放入新的种群，并对部分个体进行交叉和变异操作，保留适应度值大于预设阈值的个体组成新的种群，直至达到最大进化代数；根据新的种群中的个体，修改所述配电网状态估计函数中的差值权重，得到第一配电网状态估计值。4.如权利要求1所述基于多智能算法的高渗透率新能源配电网评估方法，其特征在于，所述利用天牛须优化算法修改所述配电网状态估计函数中的差值权重，得到第二配电网状态估计值，具体包括:初始化天牛须算法的种群数量、解的空间维度、最大迭代次数、初始步长、步长衰减因子、狩猎空间和位置信息；确定天牛左须与右须的位置，根据算法距离更新天牛的位置；计算天牛位置的适应度函数并存储，更新步长，直至适应度函数收敛；根据天牛最后所处位置确定全局最优解，并根据所述全局最优解修改所述配电网状态估计函数中的差值权重，得到第二配电网状态估计值。5.如权利要求1所述基于多智能算法的高渗透率新能源配电网评估方法，其特征在于，所述确定所述第一配电网状态估计值的权值和所述第二配电网状态估计值的权值，具体包括:采用层次分析法和熵值法分别确定所述第一配电网状态估计值的权值和所述第二配
...

【专利技术属性】
技术研发人员：张俊潇，高崇，王天霖，吴亚雄，陈沛东，黄烨，李浩，何璇，程苒，张黎明，罗强，许志恒，段瑶，周姝灿，徐敏，郭祚刚，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：