【技术实现步骤摘要】
本专利技术涉及电力系统，特别是涉及一种电力系统相量测量单元配置方法、装置、设备及介质。
技术介绍
1、相量测量单元(phasor measurement unit,pmu)在90年代初就被引入用来测量电力系统中的实时电压和电流相量值。依靠全球定位系统(global positioning system,gps)发出的可精确到1us的同步信号，配置在不同母线上的pmu可以在同一时间对电压相量值和支路的电流相量值进行采样。目前有很多学者研究了如何充分利用pmu实时采样的相量值进行更好的电力系统分析和控制，如电力系统状态估计，错误诊断和暂态信号分析，并取得了一定的成果。
2、在电力系统状态估计中，控制中心根据实时采集的部分母线的电压向量值估算出剩余节点的电压相量值，以使得整个电力系统状态可观。若对系统中的每个母线都配置pmu，则系统所有状态变量均可直接观测，无需再进行任何计算。但是由于价格和技术等因素，在每个母线上都配置pmu既不经济也没有这个必要。因此研究如何以最少的pmu数目来保证系统的完全可观性有着重要意义。
3、若以一个二值整数变量来表征母线上是否配置pmu，1表示母线配置了pmu，0表示母线没有配置pmu，则pmu优化配置问题可视为一个有约束的0-1整数规划问题。穷举法可以获得该问题的精确解。但对于现实世界中的大规模电力系统而言，该方法的时间开销是巨大的，因而不具有可行性。近年来，诸多学者对此问题进行了广泛而深入的研究，提出了许多行之有效的方法。这些方法大致可归为两类：一类是数学规划方法，例如二值整数
4、受统计物理中的自组织临界现象的远离平衡态动力学启发，boettcher和percus提出了一种高效通用的启发式方法——极值优化算法(extreme optimization,eo)，它并不会收敛于一个平衡态，而是会出现断断续续的平衡，由此产生的波动性会为算法带来持续的搜索能力和跳出局部最优的能力。与传统的基于元启发式的方法比，eo只针对单个染色体进行更新操作，运行时没有可调参数，且只有一个变异算子，操作方便。
5、在将现有的eo算法应用到pmu优化配置问题上时，由于其在每次迭代只是选择适应值最差的组元进行更新，算法很容易陷入到局部最优，导致所求得的最优解与实际的最优解有着较大的偏差，最终导致获取的最优解不是电力系统的最优相量测量单元配置方案。
技术实现思路
1、本专利技术提供了一种电力系统相量测量单元配置方法、装置、设备及介质，解决了现有的eo算法应用到pmu优化配置问题上时，由于其在每次迭代只是选择适应值最差的组元进行更新，算法很容易陷入到局部最优，导致所求得的最优解与实际的最优解有着较大的偏差问题。
2、第一方面，本专利技术提供一种电力系统相量测量单元配置方法，包括以下步骤：
3、获取电力系统的总线拓扑图，以总线拓扑图中母线的相量测量单元数量配置最少为目标函数，电力系统可观为约束条件，构建优化配置数学模型；
4、对优化配置数学模型进行求解，得到电力系统的最优相量测量单元配置方案，包括：
5、将电力系统中所有母线的配置方案进行编码，得到染色体，其中，染色体包括多个组元，每个母线上的相量测量单元配置情况为染色体的一个组元；
6、生成初始解，令初始解为当前解和当前最优解；
7、获取当前解中每个组元的局部适应值并对多个局部适应值进行排序，根据概率选择函数获取待变异组元；
8、对待变异组元进行变异，得到新解；
9、对比当前最优解与新解的全局适应值，若新解的全局适应值小于当前最优解的全局适应值，则令新解为当前最优解；
10、令新解为当前解进行上述的排序、变异和比较迭代；
11、当迭代完成后，输出当前最优解，得到电力系统的最优相量测量单元配置方案。
12、优选的，所述目标函数如下所示：
13、
14、式中，n为母线数量，xi为母线i上的相量测量单元配置情况，xi＝1表示母线i上配置了pmu，xi＝0表示母线i上没有配置pmu；
15、所述约束条件包括不考虑零注入母线的情况和考虑零注入母线的情况，其中，在不考虑零注入母线的情况下，所述约束条件如下所示：
16、
17、式中，fi为在不考虑零注入母线的情况下母线i的可观性，aij为母线i与母线j是否相连；
18、在考虑零注入母线的情况下，所述约束条件如下所示：
19、
20、式中，fnew,i为在考虑零注入母线的情况下母线i的可观性，k为集合s中不为i的母线编号，fk为母线k的可观性，s为零注入母线和与其邻接母线的集合。
21、优选的，所述局部适应值通过下式进行获取：
22、fitnesslocal，i＝obj(xi)-obj(xbest)+pen(xi)。
23、式中，fitnesslocal,i为xi的局部适应值，xi为基于xi变异后的染色体，obj(xi)为染色体xi的目标函数值，xbest为迭代到目前为止全局适应值最好的染色体，obj(xbest)为染色体xbest的目标函数值，pen(xi)为染色体xi的惩罚值；
24、所述全局适应值通过下式获取：
25、fitnessglobal(x)＝obj(x)+pen(x)。
26、其中，
27、
28、
29、式中，fitnessglobal为染色体x的全局适值，obj(x)代表染色体x的目标函数值，pen(x)为染色体x的惩罚值，p(xi)为xi的惩罚值，c为正惩罚系数。
30、优选的，所述概率选择函数为p(k)∝k-τ，其中，p为概率，k-τ为单调下降函数，τ为概率选择参数，所述待变异组元为第k差组元。
31、优选的，采用单点变异算子对待变异组元进行变异，具体如下所示：
32、x′k＝1-xk。
33、式中，xk为待变异组元，x′k为变异后组元。
34、第二方面，本专利技术还提供一种电力系统相量测量单元配置装置，包括：
35、构建模块，用于获取电力系统的总线拓扑图，以总线拓扑图中母线的相量测量单元数量配置最少为目标函数，电力系统可观为约束条件，构建优化配置数学模型；
36、求解模块，用于对优化配置数学模型进行求解，得到电力系统的最优相量测量单元配置方案；
37、所述求解模块包括：
38、编码模块，用于本文档来自技高网...
【技术保护点】
1.一种电力系统相量测量单元配置方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种电力系统相量测量单元配置方法，其特征在于，所述目标函数如下所示：
3.如权利要求2所述的一种电力系统相量测量单元配置方法，其特征在于，所述局部适应值通过下式进行获取：
4.如权利要求1所述的一种电力系统相量测量单元配置方法，其特征在于，所述概率选择函数为P(k)∝k-τ，其中，P为概率，k-τ为单调下降函数，τ为概率选择参数，所述待变异组元为第k差组元。
5.如权利要求1所述的一种电力系统相量测量单元配置方法，其特征在于，采用单点变异算子对待变异组元进行变异，具体如下所示：
6.一种电力系统相量测量单元配置装置，其特征在于，包括：
7.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述权利要求1-5任一所述的电力系统相量测量单元配置方法。
8.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执
...【技术特征摘要】
1.一种电力系统相量测量单元配置方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种电力系统相量测量单元配置方法，其特征在于，所述目标函数如下所示：
3.如权利要求2所述的一种电力系统相量测量单元配置方法，其特征在于，所述局部适应值通过下式进行获取：
4.如权利要求1所述的一种电力系统相量测量单元配置方法，其特征在于，所述概率选择函数为p(k)∝k-τ，其中，p为概率，k-τ为单调下降函数，τ为概率选择参数，所述待变异组元为第k差组元。
5.如权利要求1所述的一种电力系统...
【专利技术属性】
技术研发人员：丁进，赵洁超，孙勇智，李津蓉，谭平，
申请(专利权)人：浙江科技大学，
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。