【技术实现步骤摘要】
配电网量测数据驱动的电压功率灵敏度拓扑约束估计方法
[0001]本专利技术涉及电压功率灵敏度估计方法
,具体涉及配电网量测数据驱动的电压功率灵敏度拓扑约束估计方法。
技术介绍
[0002]电压功率灵敏度的获得分为基于物理模型和基于数据驱动的两种方法:物理模型法需已知配电网络的详细参数并构建潮流模型,一般基于牛顿法潮流的雅克比矩阵求逆得到;数据驱动法无需配电网络的物理模型和具体参数,由节点电压、节点注入功率的量测数据通过求解回归数学模型得到。在实际工程中,配电网各元件的准确参数难以获得,且会随运行工况的变化而改变,因此,物理模型法存在一定的局限。随着智能电表、微型同步相量测量单元的快速发展,可采集配电网各节点电压和注入功率的高密度时序数据。因此,基于数据驱动的电压功率灵敏度估计方法近年来得到国内外学者的广泛关注。由于实际配电网采集的数据存在突出的多重共线性问题,即不同节点的注入功率具有显著的相关性,将导致电压功率灵敏度估计的精度急剧下降,是数据驱动方法工程应用的主要障碍。
[0003]现有数据驱动的配电网电压功率灵敏度估计方法有最小二乘回归、岭回归、Lasso回归等。岭回归、Lasso回归等通过在最小二乘回归模型中添加正则项的方法为现有的主流方法,岭回归、Lasso回归通过在最小二乘回归模型的基础上添加正则项,相比最小二乘回归能够有效提升多重共线性问题下的精度,是一种处理多重共线性问题的通用方法,但其并未考虑配电网的独特特征。由于配电网电压功率灵敏度估计的回归变量维度很高、多重共线性问题非常突出,致使添加 ...
【技术保护点】
【技术特征摘要】
1.配电网量测数据驱动的电压功率灵敏度拓扑约束估计方法,其特征在于,包括如下步骤:步骤1:对配电网电压功率灵敏度进行成分分解,基于线性DistFlow模型将电压功率灵敏度分解为主成分和次成分;步骤2:采集配电网节点量测数据和网络拓扑信息;步骤3:建立电压功率灵敏度主成分估计的数据驱动的回归数学模型,并进行求解;步骤4:建立电压功率灵敏度次成分估计的数据驱动的回归数学模型,并进行求解;步骤5:将所述步骤3和步骤4所得的主成分与次成分叠加得到最终的电压功率灵敏度。2.根据权利要求1所述的配电网量测数据驱动的电压功率灵敏度拓扑约束估计方法,其特征在于,所述步骤1具体为:基于配电网线性DistFlow模型得到节点电压幅值平方与节点注入功率之间的线性关系,将电压有功功率灵敏度、电压无功功率灵敏度近似为下式:其中,F为降阶支路
‑
节点关联矩阵的逆矩阵,D
r
、D
x
分别为支路电阻、支路电抗的对角矩阵,FD
r
F
T
、FD
x
F
T
定义为电压有功功率灵敏度、电压无功功率灵敏度的主成分,与精确值之间的误差定义为次成分;将精确的电压有功功率灵敏度、电压无功功率灵敏度分别记作A、B,A、B矩阵分别分解为如下式(2)所示的主成分所示的主成分和次成分两部分,次成分包含了忽略网络损耗和电压近似为1.0pu所导致的误差。3.根据权利要求1或2所述的配电网量测数据驱动的电压功率灵敏度拓扑约束估计方法,其特征在于,所述步骤2具体为:由配电网量测装置采集获得节点电压V
i,t
、节点有功功率P
k,t
、节点无功功率Q
k,t
数据,经差分计算得到各时刻的增量ΔV
i,t
、ΔP
k,t
、ΔQ
k,t
,其中i、k表示节点编号,t表示时刻;由配电管理系统获得网络拓扑信息,形成支路
‑
节点关联矩阵M,将配电网根节点所在的列删除形成降阶支路
‑
节点关联矩阵M
r
,对M
r
求逆得到矩阵F。4.根据权利要求3所述的配电网量测数据驱动的电压功率灵敏度拓扑约束估计方法,其特征在于,所述步骤3具体为:采...
【专利技术属性】
技术研发人员:严正,谢伟,徐潇源,方陈,高元海,柳劲松,王晗,刘舒,时志雄,
申请(专利权)人:上海交通大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。