[發明專利]一種基于Spiking神經網絡偽量測建模的配電網三相狀態估計方法

有效

• 申請號: 201610093682.4
• 申請日: 2016-02-19
• 公開（公告）號: CN105633956B
• 公開（公告）日: 2017-11-03
• 發明（設計）人: 黃蔓云;孫國強;衛志農;臧海祥
• 申請（專利權）人: 河海大學
• 主分類號: H02J3/00
• 分類號: H02J3/00
• 代理公司: 南京蘇高專利商標事務所(普通合伙)32204
• 代理人: 柏尚春

技術領域

發明涉及一種基于Spiking神經網絡偽量測建模的配電網三相狀態估計方法，屬于電力系統監測、分析和控制技術領域。

背景技術

隨著新能源發電的逐步接入，配電網管理系統需要更加全面、準確的數據進行實時控制。配電網狀態估計能夠提供系統實時運行狀態信息，是進行配電網控制的前提條件。而當前配電網狀態估計面臨的一個突出問題是實時量測數目不足。為了保證系統的可觀測性和提高量測冗余度，一般將超短期負荷預測軟件提供的負荷節點注入功率作為偽量測。但是，由于偽量測的量測誤差遠遠大于實時量測誤差，使狀態估計精度下降，難以為配電網運行提供精確、可靠的參考。因此，如何提高偽量測模型精度是值得深入研究的問題。

目前，國內外專家學者主要從配電網量測和狀態估計算法兩個方面來提高配電網狀態估計精度。通過優化配電網量測裝置的安裝地點，量測量變換，基于大規模電流量測的抗差估計算法來提高狀態估計精度。當實時量測類型和數量確定時，如何改進狀態估計算法也是國內外學者致力研究的問題。通過量測變換，采用基于負荷電流的抗差估計算法修正偽量測數據，給予偽量測和虛擬量測不同的權重以提高狀態估計精度。然而偽量測數據本身的誤差仍然是影響狀態估計精度的關鍵。在配電網量測數據不充分的情況下，保證配電網中偽量測信息的準確性對提高配電網三相狀態估計精度具有重要意義。

發明內容

針對現有技術存在的不足，本發明提供一種基于Spiking神經網絡偽量測建模的配電網三相狀態估計方法。

為解決上述技術問題，本發明所采用的技術方案如下：

一種基于Spiking神經網絡偽量測建模的配電網三相狀態估計方法，包括順序相接的如下步驟：

1)首先獲得配電網的網絡參數信息；

2)程序初始化；

3)將一年的節點負荷數據進行潮流計算，保存每一采樣時刻的支路功率值；通過一年的支路功率值訓練Spiking神經網絡，得到相應的訓練誤差，即每一采樣時刻負荷節點的注入功率與實際節點負荷的差值；

4)將步驟3中Spiking神經網絡訓練得到的誤差輸入高斯混合模型中，該模型根據輸出誤差分布進行擬合，通過邊緣密度函數分析得到相應時刻的偽量測誤差；

5)確定估計時刻k，將時刻k的實時支路功率量測值與部分歷史支路功率量測值輸入Spiking神經網絡，得到時刻k的節點注入功率即為該時刻的偽量測值；

6)通過估計時刻k對應一年中的某一時刻，根據高斯混合模型擬合的偽量測誤差分布確定該時刻k的偽量測誤差；

7)將偽量測、實時量測和虛擬量測輸入配電網狀態估計器中進行狀態估計，得到該時刻k的配電網狀態變量估計值。

為了進一步提高精度，上述步驟1)中參數信息包括：配電網的拓撲信息、各節點對地電容、各支路阻抗和對地電容。

為了更進一步提高精度，步驟2)中程序初始化包括：設定狀態變量初始值、狀態估計收斂精度和最大迭代次數。

本發明未提及的技術均參照現有技術。

本發明針對配電網中量測數據不充分情況，采用基于Spiking神經網絡的偽量測模型進行配電網三相狀態估計，該方法首先將實時和部分歷史支路功率量測輸入Spiking神經網絡進行節點注入功率建模，然后通過高斯混合模型生成相應量測誤差，最后將偽量測、實時量測和虛擬量測輸入狀態估計器進行配電網三相狀態估計。本發明建立的模型不僅能夠提高偽量測精度，減小狀態估計誤差，而且在配電網通信故障時能夠保持狀態估計正常運行并將誤差控制在合理范圍內，具有工程實用價值。

附圖說明

圖1：本發明Spiking神經網絡訓練流程圖；

圖2：本發明方法流程圖；

圖3：配電網IEEE13為標準測試系統圖；

圖4：IEEE13節點系統中節點2-B相Spiking神經網絡輸出對比圖；

圖5：IEEE13節點系統中節點2-B相Spiking神經網絡輸出放大圖；

圖6：不同情景下節點3-A相狀態估計對比圖。

具體實施方式

為了更好地理解本發明，下面結合實施例進一步闡明本發明的內容，但本發明的內容不僅僅局限于下面的實施例。

1配電網狀態估計