基于自适应粒子滤波的配电网状态估计方法及系统技术方案

本公开提供了一种基于自适应粒子滤波的配电网状态估计方法及系统，包括：基于随机伪蒙特卡罗采样法生成粒子滤波所需粒子；基于获取的配电网系统当前量测数据、前一时刻状态估计值以及生成的粒子，利用粒子滤波算法实现对配电网系统当前时刻的状态估计；其中，在首次配电网状态估计时，所述粒子滤波所需粒子数量采用预设基准值；后续配电网状态估计时，所述粒子滤波所需粒子数量基于预设的预期估计精度、预设基准粒子数以及前一时刻的状态估计精度来确定。度来确定。度来确定。

【技术实现步骤摘要】
基于自适应粒子滤波的配电网状态估计方法及系统


[0001]本公开属于配电网状态估计
，尤其涉及一种基于自适应粒子滤波的配电网状态估计方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]配电系统状态估计是感知系统运行状态的有效手段，是配电管理系统的核心功能。它可以利用量测信息的冗余度来提高数据精度，自动排除随机干扰所引起的错误信息，估计或预报系统的运行状态，为其他高级应用提供数据基础。随着分布式电源与可控负荷等大规模接入，主动配电网源
‑
网
‑
荷不确定性日益增强，精准高效的配电网状态估计对于主动配电网的安全优化运行至关重要。
[0004]专利技术人发现，目前的配电系统状态估计方法存在以下问题：静态状态估计方法仅用一个时间断面的量测信息来估计配电网的状态，对状态初值与配电网的量测冗余度变化较为敏感，且不适用于具有非高斯噪声的系统；基于卡尔曼滤波的预测辅助估计方法尽管计及状态迁移过程，但受制于高斯噪声假设条件，较难适用于普遍存在非高斯噪声的实际情况；尽管粒子滤波是一种适用于存在非高斯噪声的非线性系统的有效状态估计方法，但其计算复杂度高，可扩展性较差，限制了该方法在大规模配电网实时状态估计方面的应用。

技术实现思路

[0005]本公开为了解决上述问题，提供了一种基于自适应粒子滤波的配电网状态估计方法及系统，所述方案采用基于Sobol低差异序列的随机伪蒙特卡罗采样法实现粒子滤波粒子生成，并基于随机伪蒙特卡罗采样的易处理性分析提出了粒子数自适应调整方法，所述粒子数的自适应调整能够有效平衡配电网状态估计的精度和计算效率。
[0006]根据本公开实施例的第一个方面，提供了一种基于自适应粒子滤波的配电网状态估计方法，包括：
[0007]基于随机伪蒙特卡罗采样法生成粒子滤波所需粒子；
[0008]基于获取的配电网系统当前量测数据、前一时刻状态估计值以及生成的粒子，利用粒子滤波算法实现对配电网系统当前时刻的状态估计；
[0009]其中，在首次配电网状态估计时，所述粒子滤波所需粒子数量采用预设基准值；后续配电网状态估计时，所述粒子滤波所需粒子数量基于预设的预期估计精度、预设基准粒子数以及前一时刻的状态估计精度来确定。
[0010]进一步的，所述粒子滤波所需粒子数量基于预设的预期估计精度、预设基准粒子数以及前一时刻的状态估计精度来确定，其中，所述粒子滤波所需粒子数量不小于前一时刻的状态估计精度与预期估计精度比值的幂和基准粒子数的乘积。
[0011]进一步的，所述状态估计精度基于状态变量估计值标准差的均方根计算得到。
[0012]进一步的，所述粒子滤波所需粒子数量需满足如下公式：
[0013][0014]其中，N
k+1
为k+1时刻粒子滤波所需采用的最小粒子数，σ
des
为预期估计精度，σ
k
为k时刻估计精度，N1为对应满足该预期精度的预设基准粒子数，λ为收敛速度参数，该参数为一个与状态变量维数无关的正数。
[0015]根据本公开实施例的第二个方面，提供了一种基于自适应粒子滤波的配电网状态估计系统，包括：
[0016]粒子生成单元，其用于基于随机伪蒙特卡罗采样法生成粒子滤波所需粒子；
[0017]状态估计单元，其用于基于获取的配电网系统当前量测数据、前一时刻状态估计值以及生成的粒子，利用粒子滤波算法实现对配电网系统当前时刻的状态估计；其中，在首次配电网状态估计时，所述粒子滤波所需粒子数量采用预设基准值；后续配电网状态估计时，所述粒子滤波所需粒子数量基于预设的预期估计精度、预设基准粒子数以及前一时刻的状态估计精度来确定。
[0018]根据本公开实施例的第三个方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现所述的一种基于自适应粒子滤波的配电网状态估计方法。
[0019]根据本公开实施例的第四个方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的一种基于自适应粒子滤波的配电网状态估计方法。
[0020]与现有技术相比，本公开的有益效果是：
[0021](1)本公开提供了一种基于自适应粒子滤波的配电网状态估计方法及系统，所述方案采用基于Sobol低差异序列的随机伪蒙特卡罗采样法实现粒子滤波粒子生成，并基于随机伪蒙特卡罗采样的易处理性分析提出了粒子数自适应调整方法，所述粒子数的自适应调整能够有效平衡配电网状态估计的精度和计算效率。
[0022](2)所述方案采用粒子滤波方法进行配电网三相状态估计，能够充分利用历史状态信息及当前量测信息实现配电网高精度估计，有效地处理非线性、非高斯系统的状态估计问题。
[0023](3)本公开所述方案基于随机伪蒙特卡罗采样的易处理性分析，推导出满足预期精度要求下基于随机伪蒙特卡罗采样的粒子滤波所需的最少粒子数，具有良好的粒子数自适应调节能力，可有效地兼顾估计精度与计算效率。
[0024]本公开附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
[0025]构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
[0026]图1为本公开实施例中所述的基于自适应粒子滤波的配电网状态估计方法流程图；
[0027]图2为本公开实施例中所述的基于累积分布函数的逆变换法示意图；
[0028]图3为本公开实施例中所述的IEEE33节点三相配电网系统接线图
[0029]图4为本公开实施例中所述的IEEE节点三相配电网系统节点30B相节点注入功率概率分布图；
[0030]图5为本公开实施例中所述的前24时刻粒子数自适应调整过程示意图(从上向下依次对应电压幅值标准差、电压相角标准差以及粒子数)；
[0031]图6(a)为本公开实施例中所述的电压幅值估计精度箱线图；
[0032]图6(b)为本公开实施例中所述的电压相角估计精度箱线图；
[0033]图7(a)为本公开实施例中所述的对应于粒子数的不同估计方法的估计效率箱线图；
[0034]图7(b)为本公开实施例中所述的对应于估计时间的不同估计方法的估计效率箱线图。
具体实施方式
[0035]下面结合附图与实施例对本公开做进一步说明。
[0036]应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。
[0037]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应粒子滤波的配电网状态估计方法，其特征在于，包括：基于随机伪蒙特卡罗采样法生成粒子滤波所需粒子；基于获取的配电网系统当前量测数据、前一时刻状态估计值以及生成的粒子，利用粒子滤波算法实现对配电网系统当前时刻的状态估计；其中，在首次配电网状态估计时，所述粒子滤波所需粒子数量采用预设基准值；后续配电网状态估计时，所述粒子滤波所需粒子数量基于预设的预期估计精度、预设基准粒子数以及前一时刻的状态估计精度来确定。2.如权利要求1所述的一种基于自适应粒子滤波的配电网状态估计方法，其特征在于，所述粒子滤波所需粒子数量基于预设的预期估计精度、预设基准粒子数以及前一时刻的状态估计精度来确定，其中，所述粒子滤波所需粒子数量不小于前一时刻的状态估计精度与预期估计精度比值的幂和基准粒子数的乘积。3.如权利要求1所述的一种基于自适应粒子滤波的配电网状态估计方法，其特征在于，所述状态估计精度基于状态变量估计值标准差的均方根计算得到。4.如权利要求1所述的一种基于自适应粒子滤波的配电网状态估计方法，其特征在于，所述基准粒子数基于离线仿真结果得到。5.如权利要求1所述的一种基于自适应粒子滤波的配电网状态估计方法，其特征在于，所述粒子滤波所需粒子数量需满足如下公式：其中，N
k+1
为k+1时刻粒子滤波所需采用的最小粒子数，σ
des
为预期估计精度，σ
k
为k时刻估计精度，N1为对应满足该预期精度的基准粒子数，λ为一个与状态变量维数无关的正数。6.如权利要求1所述的一种基于自适应粒子滤波的配电网状态估计方法，其特征在于...

【专利技术属性】
技术研发人员：张文，张婷婷，赵琪，陈健，叶华，
申请(专利权)人：山东大学，
类型：发明
国别省市：