【技术实现步骤摘要】
本专利技术涉及配电网的，尤其涉及一种基于pf-wls混合算法的配电网联合状态估计方法及系统。
技术介绍
1、加权最小二乘法(weighted least squares，wls)在配电网的技术应用方案为：将采集到的已知量测数据与待求的未知系统状态通过量测方程建立状态估计模型后，wls通过最小化量测值和量测模型两者的残差求得状态变量。wls的状态估计的特点是：仅针对某一时刻断面的量测数据进行估计，不受历史量测数据的影响。其优势是操作简单、收敛速度较快，稳定性较好，在实际的能源管理系统中得到了广泛的使用。随着分布式电源、需求响应和微电网的普及，配电网一直受到不同类型的动态变化影响。wls无法满足配电网的动态追踪和预测需求，且只有在在噪声为高斯分布时才能得到最佳的滤波效果，对强非线性非高斯系统的滤波精度十分有限。
2、粒子滤波(particle filter，pf)基于贝叶斯估计方法，首先利用先验概率密度函数和新的量测数据得到后验概率密度函数，再寻找一组在状态空间传播的随机样本对概率密度函数进行近似，从而得到估计状态的统计信息，进而实现递归贝叶斯滤波。优势是适合于任意线性或非线性系统且对系统的噪声模型没有要求。但pf存在局限性：粒子演化过程中交替的随机性强，pf的稳定性较低。
技术实现思路
1、本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的
2、鉴于上述现有存在的问题，提出了本专利技术。
3、因此，本专利技术提供了一种基于pf-wls混合算法的配电网联合状态估计方法及系统解决wls操作简单、收敛速度快，不受历史量测数据影响，稳定性较好，但仅在量测噪声为高斯分布时具有较好的估计性能，且无法追踪配电网的动态变化；pf可追踪配电网的动态变化，对量测噪声分布适应度较广，但在粒子演化过程中粒子无法稳定交付，pf的稳定性较差的问题。
4、为解决上述技术问题，本专利技术提供如下技术方案：
5、第一方面，本专利技术实施例提供了一种基于pf-wls混合算法的配电网联合状态估计方法，包括：
6、基于配电网系统规模，建立配电网状态估计模型；所述配电网状态估计模型包括配电网静态状态估计模型和配电网动态状态估计模型；
7、基于配电网状态估计模型，利用pf-wls混合算法对配电网进行联合状态估计。
8、作为本专利技术所述的基于pf-wls混合算法的配电网联合状态估计方法的一种优选方案，其中：基于配电网系统规模，建立配电网状态估计模型，包括：
9、基于配电网系统m个测量值以及n个未知参数，建立所述主动配电网静态状态估计模型，表示为：
10、z＝h(x)+v
11、其中，z＝[z1...zm]t是从配电网中收集到的量测值和选择的伪量测值的矢量，x＝[x1...xn]t表示状态变量矢量，v是测量噪声矢量，h(·)为非线性量测函数；
12、所述配电网动态状态估计模型，表示为：
13、xk＝f(xk-1，wk)
14、zk＝h(xk，vk)
15、其中，xk、zk分别为系统状态量与量测量，f(·)为非线性状态转移函数，vk表示系统的量测噪声，wk表示系统的过程噪声。
16、作为本专利技术所述的基于pf-wls混合算法的配电网联合状态估计方法的一种优选方案，其中：还包括：通过动态状态估计粒子滤波对量测数据进行预处理；
17、根据测量类型判断配电网线性情况，量测函数表示为：
18、
19、其中，vip为第i个节点的p相电压幅值，为第i个节点的p相电压相角，pip为第i个节点的p相有功功率，为第i个节点的p相无功功率，为支路ij的p相有功功率，为支路ij的p相无功功率，为支路ij的pq相电导，为支路ij的pq相电纳；
20、所述f(·)非线性状态转移函数采用双参数线性光滑参数预测模型计算，状态转移方程表示为：
21、
22、其中，xk+1|k为k时刻对k+1时刻的预测状态量，xk|k为k时刻估计值，δk为k时刻的水平参数，γk为k时刻的垂直参数，s与b为平滑参数且取值为(0，1)。
23、作为本专利技术所述的基于pf-wls混合算法的配电网联合状态估计方法的一种优选方案，其中：基于配电网状态估计模型，利用pf-wls混合算法对配电网进行联合状态估计，包括：基于配电网系统规模，初始化粒子集、权值以及加权最小二乘法参数；
24、生成粒子滤波预测粒子，计算每个粒子的重要性权值并进行归一化；
25、基于所述归一化结果判断粒子是否为有效粒子；当粒子为有效粒子时，则不对粒子重采样并输出过滤后的量测数据；否则执行重采样；
26、将粒子滤波预测值与所述过滤后的量测数据进行整合，将整合后的量测数据代入量测函数；
27、利用加权最小二乘法将量测函数最小化，当状态变量在连续两次迭代中的变化都小于预定义公差时，得到最终的估计状态；否则继续迭代，直至满足收敛条件。
28、作为本专利技术所述的基于pf-wls混合算法的配电网联合状态估计方法的一种优选方案，其中：基于所述归一化结果判断粒子是否为有效粒子；当粒子为有效粒子时，则不对粒子重采样并输出过滤后的量测数据；否则执行重采样，包括：
29、设定阈值nt判断有效粒子数，表示为：
30、
31、其中，neff为归一化实际值，为k时刻第i个粒子的归一化权重，n为粒子个数；
32、当neff大于阈值nt时，预测粒子为有效粒子，则不需要重采样；
33、当neff不大于阈值nt时，预测粒子为无效粒子，则进行重采样得到n个等权值的新粒子。
34、作为本专利技术所述的基于pf-wls混合算法的配电网联合状态估计方法的一种优选方案，其中：所述输出过滤后的量测数据包括：所述预测粒子集加权求和，输出滤波量测结果表示为：
35、
36、
37、其中，为k时刻状态估计值，为k时刻第i个状态粒子，为k时刻协方差。
38、作为本专利技术所述的基于pf-wls混合算法的配电网联合状态估计方法的一种优选方案，其中：利用加权最小二乘法将代入整合后的量测数据的量测函数最小化，当状态变量在连续两次迭代中的变化都小于预定义公差时，得到最终的估计状态，包括：
39、状态变量表示为：
40、xk+1＝xk-[g(xk)]-1g(xk)
41、δx＝xn+1-xn
42、其中，xn为第n次迭代，δx为两次迭代的残差，xk为k时刻状态，g(xk)为增益矩阵，g(xk)非线性函数。
43、第二方面，本专利技术提供了一种基于pf-wls混合算法的配电网联本文档来自技高网...
【技术保护点】
1.一种基于PF-WLS混合算法的配电网联合状态估计方法，其特征在于，包括：
2.如权利要求1所述的基于PF-WLS混合算法的配电网联合状态估计方法，其特征在于，基于配电网系统规模，建立配电网状态估计模型，包括：
3.如权利要求1或2所述的基于PF-WLS混合算法的配电网联合状态估计方法，其特征在于，还包括：通过动态状态估计粒子滤波对量测数据进行预处理；
4.如权利要求3所述的基于PF-WLS混合算法的配电网联合状态估计方法，其特征在于，基于配电网状态估计模型，利用PF-WLS混合算法对配电网进行联合状态估计，包括：基于配电网系统规模，初始化粒子集、权值以及加权最小二乘法参数；
5.如权利要求4所述的基于PF-WLS混合算法的配电网联合状态估计方法，其特征在于，基于所述归一化结果判断粒子是否为有效粒子；当粒子为有效粒子时，则不对粒子重采样并输出过滤后的量测数据；否则执行重采样，包括：
6.如权利要求4或5所述的基于PF-WLS混合算法的配电网联合状态估计方法，其特征在于，所述输出过滤后的量测数据包括：所述预测粒子集加权求
7.如权利要求6所述的基于PF-WLS混合算法的配电网联合状态估计方法，其特征在于，利用加权最小二乘法将代入整合后的量测数据的量测函数最小化，当状态变量在连续两次迭代中的变化都小于预定义公差时，得到最终的估计状态，包括：
8.一种基于PF-WLS混合算法的配电网联合状态估计系统，其特征在于，包括：
9.一种电子设备，包括：
10.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述基于PF-WLS混合算法的配电网联合状态估计方法的步骤。
...【技术特征摘要】
1.一种基于pf-wls混合算法的配电网联合状态估计方法，其特征在于，包括：
2.如权利要求1所述的基于pf-wls混合算法的配电网联合状态估计方法，其特征在于，基于配电网系统规模，建立配电网状态估计模型，包括：
3.如权利要求1或2所述的基于pf-wls混合算法的配电网联合状态估计方法，其特征在于，还包括：通过动态状态估计粒子滤波对量测数据进行预处理；
4.如权利要求3所述的基于pf-wls混合算法的配电网联合状态估计方法，其特征在于，基于配电网状态估计模型，利用pf-wls混合算法对配电网进行联合状态估计，包括：基于配电网系统规模，初始化粒子集、权值以及加权最小二乘法参数；
5.如权利要求4所述的基于pf-wls混合算法的配电网联合状态估计方法，其特征在于，基于所述归一化结果判断粒子是否为有效粒子；当粒子为有效粒子时，则不对...
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。