一种基于改进离散粒子群算法的pmu配置方法
【技术领域】
[0001] 本发明涉及一种基于改进离散粒子群算法的PMU配置方法。
【背景技术】
[0002] PMU (Phasor Measurement Unit)是基于全球定位系统 GPS (global positioning system)技术的同步相量测量单元。依靠 GPS的授时信号能够获取高精度的电力系统节点 电压相量以及支路电流相量时标数据，为电力系统的状态状估计提供丰富的量测信息，为 整个电力系统安全运行提供必要的预测以及控制依据。目前由于PMU的价格昂贵，无法在 所有节点上配置，根据PMU量测特性，在不考虑设备备用情况下，在个别节点上配置PMU，以 满足观测整个网络节点状态为要求，即是PMU的最优配置问题。配置PMU -般运用智能算 法。
[0003] 经对现有技术文献的检索发现，例如蚁群算法（祝锐.蚁群算法在电力系统 PMU 优化配置中的应用[D]· 2013)，遗传算法（Sha Zhiming, Hao Yu qian, Hao Yushan. A New adaptive genetic algorithm and its application in optimizing phasor measurement units placement in electric powersystem[J]. Transac-tions of China Electrotechnical Society, 2004, 19 (8) :107-112.)，最小生成树算法（蔡田田，艾芊·电 力系统中PMU最优配置的研宄[J]·电网技术2006, 30(13) :32-37.)，禁忌搜索算法（吴 霜，卫志农，孙国强，郑玉平.考虑量测冗余度的多阶段PMU优化配置[J].河海大学 学报2013. 3,41(2):184-188)，模拟退火法（袁澎，艾芊，赵媛媛.基于改进的遗传_ 模拟退火算法和误差度分析原理的PMU多目标优化配置[J].中国电机工程学报2014. 5， 2014. 5, 34(13) :2178-2186.),二进制粒子群搜索法（刘斌，黄纯，李波，何朝辉.改 进二进制粒子群算法在PMU优化配置中的应用[J].电力系统及其自动化学报.2010. 4， 22 (2) : 5-10)，这些算法都运用到了 PMU配置中。但是这些文献中大多没有进行过PMU配置 性能的比较，只是单纯的用其实现PMU配置。文献"改进二进制粒子群算法在PMU优化配置 中的应用"提出了加概率偏移因子的离散粒子群法，并与上述其他智能算法比较证明了其 好于上述其他算法。近年来虽然上述的其他算法有了一些最新的改进，但是其主要还是用 于某些情况下PMU配置的实现，不是追求PMU配置时寻优效果好和搜索速度快，还是没有比 离散粒子群寻优能力强，搜索速度快。（张思为，牛胜锁，梁志瑞，张建华，苏海锋.基于小 生境优化技术的变权重粒子群算法在PMU优化配置中的应用[J].电网技术，2012, 2(4): 34-38)加入了小生境技术但使得算法时间复杂度变高且其对离散粒子群的收敛性分析不 够准确。对比加入概率偏移因子的算法其搜索到全局最优值的时间远远大于前者，其得到 的多组可行解是建立在耗费更多时间的基础上，实验对比发现处理节点规模更大的电网时 效果也没有前者好。然而加入概率偏移因子的离散粒子群法仍然有局部寻优部分，其求解 效率受影响，其求解效率并不是最好的。并且概率偏移因子的设定随网络的变化要调整普 适性较差。
[0004] 在随着电网之间的互联和建设，电力网络的规模也越来越大，配置PMU，满足电力 网络状态全维可观需求带来的难度也会增大，因此，PMU的配置需要一个计算速度快，全局 寻优能力强的算法是一个共识。
【发明内容】
[0005] 针对上述技术问题，本发明所要解决的技术问题是提供一种基于全新设计的离散 粒子群算法模型，针对电力网络进行快速搜索，获得电路网络最优PMU配置方案的基于改 进离散粒子群算法的PMU配置方法。
[0006] 本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于改进离 散粒子群算法的PMU配置方法，首先，获得对应于待布置电力网络的拓扑结构矩阵；然后， 根据拓扑结构矩阵，采用如下模型：
【主权项】
1. 一种基于改进离散粒子群算法的PMU配置方法，其特征在于：首先，获得对应于待布 置电力网络的拓扑结构矩阵；然后，根据拓扑结构矩阵，采用如下模型： Vij (k+1) = Wvij (k) +c2*rand () [Gbest-Xij (k)]
进行离散粒子群迭代计算，获得离散粒子群搜索到的全局最优解Gbest，即为对应于待 布置电力网络的最优PMU配置方案；最后，根据最优PMU配置方案在待布置电力网络中布置 PMU ;其中，Vyk)表示第i个粒子于第k次迭代在第j维的移动速度，1彡i彡I，I为预设 粒子数量，I < j < J，J为预设迭代次数，w为预设惯性权重，rand ()表示[0, 1]之间产生 的随机数，C2为预设学习因子，X u(k+l)表示第i个粒子于第（k+Ι)次迭代在第j维的位 置，sig()为 Sigmoid 函数。
2. 根据权利要求1所述一种基于改进离散粒子群算法的PMU配置方法，其特征在于： 所述获得对应于待布置电力网络的拓扑结构矩阵的过程为：根据待布置电力网络的节点数 量N，获得对应于待布置电力网络的NX N拓扑结构矩阵，NX N拓扑结构矩阵中的元素为a^， amg表示待布置电力网络中第m个节点与第g个节点之间的位置关系，I N，K g < N， 其中，若第m个节点与第g个节点相邻，则amg= 1，若第m个节点与第g个节点不相邻或者 m = g，则 amg= 0〇
3. 根据权利要求1所述一种基于改进离散粒子群算法的PMU配置方法，其特征在于： 所述根据最优PMU配置方案在待布置电力网络中布置PMU之后，还包括如下操作：首先，获 得对应于待布置电力网络的节点互导纳矩阵；然后，通过布置的PMU检测获得PMU布置节点 位置的电压、带时标的相角值，以及与该节点相连接的支路电流；最后，根据PMU布置节点 位置的电压、带时标的相角，以及与该节点相连接的支路电流和对应待布置电力网络的节 点互导纳矩阵，通过线性估计计算法则，计算获得待布置电力网络中所有节点位置的电压 值和带时标的相角值。
4. 根据权利要求3所述一种基于改进离散粒子群算法的PMU配置方法，其特征在于： 所述获得对应于待布置电力网络的节点互导纳矩阵的过程为：根据待布置电力网络的节点 数量N，获得对应于待布置电力网络的NXN节点互导纳矩阵，NXN节点互导纳矩阵中的元 素为b mg，bmg表示待布置电力网络中第m个节点与第g个节点之间的互导纳值，1彡m彡N， 1彡g彡N，其中，若m = g，则bmg= 0。
5. 根据权利要求3所述一种基于改进离散粒子群算法的PMU配置方法，其特征在于： 采用布置的PMU，通过过零检测法检测获得PMU布置节点位置的电压、带时标的相角值，以 及与该节点相连接的支路电流。
6. 根据权利要求3所述一种基于改进离散粒子群算法的PMU配置方法，其特征在于： 采用布置的PMU，通过傅里叶法检测获得PMU布置节点位置的电压、带时标的相角值，以及 与该节点相连接的支路电流。
【专利摘要】本发明涉及一种基于改进离散粒子群算法的PMU配置方法，基于现有离散粒子群算法进行深入研究，改进设计获得全新算法模型，针对待布置电力网络，进行PMU配置最优解的获取，合理地简化了离散粒子群公式，减少了算法的时间复杂度，使其搜索全局最优值的速率和效率更好，搜索到的最优可行解的数目更多；并且在同等条件下能更好地处理节点规模大的电力网络的PMU配置问题，同时在实际应用过程中，程序简洁高效，节省内存，能很好地应用于PMU配置模拟软件，服务于能量管理系统。
【IPC分类】G06Q50-06, G06Q10-04, G06N3-00
【公开号】CN104680249
【申请号】CN201510072066
【发明人】万佑红, 沈超, 杨经明
【申请人】南京邮电大学
【公开日】2015年6月3日
【申请日】2015年2月11日