System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种配电网拓扑辨识方法,尤其涉及一种基于数据驱动的低压配电网拓扑辨识方法,属于配电网。
技术介绍
1、随着技术的进步以及电网中设备的增加与更新,配电网络的复杂性日益增加。电力系统控制和监测传统上集中在发电、输电和高压配电层面。随着具有间歇性分布式能源der(例如太阳能、风能等)和插入式设备(例如电动汽车)的主动配电网络的出现,对低压(lv)配电级控制的需求不断提高。对配电网控制自动化的研究正在积极进行,并且在许多情况下都假设网络拓扑信息可用。
2、低压配电网络的拓扑结构表示各组成部分(例如馈线、配电变压器、分销商和用户)之间的连接性。底层网络拓扑的信息对于可再生能源的有效整合和配电网络停电的有效管理非常有用。此外,为了在配电网络中进行可靠的状态估计,准确的网络拓扑信息至关重要。
3、一些低压用户采用单相运行,它们从配电变压器的三相之一获取电力。这些用户相的连接性也构成网络拓扑信息的一部分。该信息对于维持配电变压器和配电馈线的三相的负荷和电压平衡非常重要。变压器和馈线上的不平衡负荷会导致更高的铜损和电压降,从而影响设备的寿命。
4、由于网络重新配置、维修、维护和负荷平衡在运行中会发生变化,所以网络拓扑信息可能无法始终准确可用。此外,用户可以在相跳闸时在相之间进行切换,从而改变拓扑。通常,电网运营商不知道拓扑中的此类变化。
5、为了解决相辨识和拓扑辨识问题进行了许多研究。智能电网技术进一步加强了对推断连通性的新方法的探索。现有拓扑辨识的方法可以分为两类:(1)基于硬件的方
6、基于硬件的方法包括基于微处理器的相辨识系统和为相测量设计的信号注入装置。然而,这些设备工作所需的额外硬件和人员使得这些选项成本高昂。
7、随着智能电表和相量测量单元(pmu)等高级计量基础设施的出现,基于软件的方法已变得流行。这些设备安装在重要节点,定期生成大量数据,可以在集中数据中心收集和分析。
8、基于软件的方法包括基于优化的方法来推断相的连接性以及根据功率量测的时间序列来推断网络拓扑。但现有的软件方法存在技术缺陷,比如基于混合整数规划(mip)的解决方案,该解决方案需要大量计算才能在不放松约束的情况下求解。比如基于线性回归的相辨识方法,该方法考虑了用户电压和变电站电压之间的相关性。它需要地理信息系统(gis)模型,但(gis)模型可能并不总是可用。
技术实现思路
1、本专利技术的目的在于提供一种基于数据驱动的低压配电网拓扑辨识方法,从能量测量的时间序列中辨识网络拓扑,解决网络拓扑辨识问题,并解决技术损失、测量中的随机误差以及由于智能电表的时间同步不完善而导致误差的技术问题。
2、本专利技术的目的通过以下技术方案予以实现:
3、一种基于数据驱动的低压配电网拓扑辨识方法,包括以下步骤:
4、(1)计算相读数总和与用户读数总和的差值平均值
5、
6、n是每个节点的测量或样本数,是第j个时间间隔内第k个节点的能量量测,是第j个时间间隔内第i个节点的能量量测,和分别是对应于相节点和用户节点的数据矩阵z的行集;
7、(2)计算第k相的均值向量μλ的估计值
8、
9、(3)从每个样本中分离μλ,确保模型的零偏移,如下所示:
10、
11、所述是代表偏移量;
12、(4)∑λ是代表技术损耗高斯模型的协方差矩阵,且只有对应于三相的三个方差元素;这三个方差元素是根据总技术损失的方差以相应相读数的方差分数来计算的,总技术损失的方差估计为:
13、
14、这里lt是技术总损失,var[lt]是技术总损失的方差;
15、(5)∑λ中和第k相相关的对角元素的估计为:
16、
17、这里var[zk]是第k相的n个读数的方差;
18、(6)∑∈是代表仪表读数随机误差高斯模型的对角误差协方差矩阵,其对角元素是根据仪表的精度等级来估计的;令α表示仪表的准确度等级,因此所有仪表读数的随机误差都在读数的α百分比范围内;由于高斯分布的所有值都位于其标准差的三倍之内,因此将读数平均值的α百分比估计为随机误差标准差的三倍;∑∈中和第i个变量相关的对角元素通过以下公式计算:
19、
20、这里是第i个变量的平均值;
21、(7)由于不完美的时间同步而导致的误差的标准偏差被视为时间间隔一秒钟变化引起的读数偏差;对于每个变量,该读数偏差是根据其读数的平均值估算的;因此,第i个变量对应的n维对角矩阵∑δ中和第i个变量相关的对角元素通过以下公式计:
22、
23、所述t是以分钟为单位的读数间隔;∑δ是代表时钟同步错误引入误差高斯模型的协方差矩阵;
24、(8)将∑λ的方差元素添加到误差协方差矩阵∑e的对应元素上;
25、(9)在的基础上利用主成分分析法计算约束矩阵
26、(10)利用以下公式计算回归矩阵
27、
28、
29、所述zd和zi分别是回归模型将变量划分成的一组具有维度p的因变量zd和具有维度n-p的自变量zi,是中zd所对应的列,是中zi所对应的列;
30、(11)对进行四舍五入转化为整数以截断由于噪声和数值残差引起的偏差;
31、(12)中的元素只有1、-1和0三种可能,利用中为1和-1的值所在位置辨识哪些节点之间是有连接关系的,利用中为0的值所在的位置辨识哪些节点之间是没有连接关系的,进而推断相连接关系;
32、(13)以分层方式可视化树结构,将树的节点分层,每层都有在已知电压水平下运行的仪表,且每层都能计算出对应的来推断该层的拓扑连接关系,通过推断所有可能的连续层之间的连接性,完成辨识完整的网络拓扑。
33、从能量量测的时间序列中辨识网络拓扑时需要用到能量量测矩阵;在使用能量量测矩阵的时候,需要将der所发的电量考虑进去,如果能量量测矩阵中不考虑der的发电量,那么最终辨识结果将会不准确。
34、进一步的,前述一种基于数据驱动的低压配电网拓扑辨识方法,能量量测还包括以下步骤:
35、一个变压器相p给np个用电设备供电,一部分用电设备连接有der,比如设备1和设备3,一部分设备没有连接der,比如设备2;der所发出的净能量为负数,每个用电设备消耗的净能量为正数,每个设备相连的电表测量得到的能量量测为der的净能量和用电设备消耗的净能量之和,每个相p的能量量测为所有设备电表测量得到的能量量测之和,即
36、为了解决技术损失、量测中的随机误差以及由于智能电表的时间同步不完美而导致的误差,进一步的,前述一种基于数据驱动的低压配电网拓扑辨识方法,其中步骤(4)所述的技术损耗高斯模型的协方差矩阵∑λ、步骤(6)所述的仪表读数随机误差高斯模型的对角误差协方差矩本文档来自技高网...
【技术保护点】
1.一种基于数据驱动的低压配电网拓扑辨识方法,其特征在于,包括以下步骤:
2.如权利要求1所述的一种基于数据驱动的低压配电网拓扑辨识方法,其特征在于,能量量测还包括以下步骤:
3.如权利要求1所述的一种基于数据驱动的低压配电网拓扑辨识方法,其特征在于,其中步骤(4)所述的技术损耗高斯模型的协方差矩阵Σλ、步骤(6)所述的仪表读数随机误差高斯模型的对角误差协方差矩阵Σ∈和步骤(7)所述的时钟同步错误引入误差高斯模型的协方差矩阵Σδ的物理含义如下:
【技术特征摘要】
1.一种基于数据驱动的低压配电网拓扑辨识方法,其特征在于,包括以下步骤:
2.如权利要求1所述的一种基于数据驱动的低压配电网拓扑辨识方法,其特征在于,能量量测还包括以下步骤:
3.如权利要求1所述的一种基于数据驱...
【专利技术属性】
技术研发人员:俞文帅,侯超,王彬,刘立运,高明海,廖侃,潘鹏鹏,岑增光,于杰,陈杰,蔡涛,耿斌,
申请(专利权)人:国网江苏省电力有限公司镇江供电分公司,
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。