一种配电网潮流算法的自动选择方法及装置与流程

本发明一种配电网潮流算法的自动选择方法，具体讲涉及一种配电网潮流算法的自动选择方法及装置。

背景技术：

潮流计算，指在给定电力系统网络拓扑、元件参数和发电、负荷参量条件下，计算有功功率、无功功率及电压在电力网中的分布。潮流计算是根据给定的电网结构、参数和发电机、负荷等元件的运行条件，确定电力系统各部分稳态运行状态参数的计算。通常给定的运行条件有系统中各电源和负荷点的功率、枢纽点电压、平衡点的电压和相位角。待求的运行状态参量包括电网各母线节点的电压幅值和相角，以及各支路的功率分布、网络的功率损耗等。

当前配电网一般通过手动方式指定潮流计算方法，潮流算法被“写死”在配电网信息系统中，不利于模块重用与降本增效。由于配电网性质及特点变化多样，对潮流算法的通用性提出了非常高的要求。通用性的提高，使得潮流算法趋于中庸，不能有效利用配电网特性提升算法性能；同时也造成算法计算及数据处理过程的复杂化，不利于新技术与新方法在潮流计算中的推广应用。

因此，需要提供一种配电网潮流算法的自动选择方法及装置，来克服手动指定潮流算法带来的不利影响，解决手动方式指定潮流算法灵活性不足的问题，解决对潮流算法通用性要求过高引起性能降低的问题，解决单一潮流算法模块计算及数据处理过程的过于复杂的问题。

技术实现要素：

为克服手动指定潮流算法带来的不利影响，本发明提供了一种配电网潮流算法的自动选择方法及装置。

一种配电网潮流算法的自动选择方法，所述方法包括：

i、建立潮流算法适用性模型，包括功能指标、性能指标和潮流算法；

ii、针对配电网对象和用户需求，通过与所述潮流算法适用性模型的匹配计算，自动选择配电网潮流算法。

进一步的，所述潮流算法包括直接潮流、优化数学方法求解和优化智能方法求解；

所述功能指标由数据集表示，所述数据集的每个数组元素由一个功能指标和一个潮流算法确定，当所述潮流算法支持该功能指标时，数组元素取值为1，否则为0；

所述性能指标是用潮流算法对标准算例库计算并统计。

进一步的，所述性能指标包括：精度指标、收敛性指标和计算速度指标；

所述精度指标至少包括0、1、2、3；0表示无约束对应的精度指标、1表示优化智能方法求解对应的精度指标、2表示优化数学方法求解对应的精度指标，3表示直接潮流对应的精度指标；

所述收敛性指标用统计方法表示，包括：由所有潮流算法计算标准算例库中的算例，统计最终迭代次数，得出期望值与方差；

所述计算速度指标用节点数量与计算时间的函数关系表示，包括用所述潮流算法计算标准算例库的算例，统计节点数量与计算时间，使用多项式拟合方法处理多组节点数量与计算时间值，存储函数关系式。

进一步的，所述步骤ii包括：

ii-1、获取需要进行潮流计算的配电网络对象和用户需求；所述配电网对象包括：配电网中的设备类型和配电网的网络指标特征；所述用户需求包括：功能指标、精度指标、收敛性指标和计算速度指标；

ii-2、提取所述配电网络特征的数学模型，所述数学模型用数组表示；

ii-3、建立用户需求模型；

ii-4、根据配电网络特征的数学模型和用户需求模型，确定潮流算法。

进一步的，所述步骤ii-2包括：

ii-2-1、判断是否存在所述配电网络特征的数学模型，若存在且运行方式未变化的配电网络，直接使用之前生成的配电网络特征数学模型，否则进行下一步；

ii-2-2、建立与潮流算法适用性模型功能指标结构相同的配电网络特征数学模型，包括：统计网络中设备的类型，若模型中包含该设备类型，则对应数组元素的值为1，否则为0；提取配电网的网络指标特征，若模型具有该特征，则对应数组元素的值为1，否则为0；

ii-2-3、统计并存储该配电网络中的节点数量。

进一步的，所述用户需求模型包括，功能指标、精度指标、收敛性指标和计算速度指标；

所述用户需求模型的功能指标结构和精度指标表示方法均与所述潮流算法适用性模型相同，收敛性指标和计算速度指标分别各用一浮点数表示；

所述用户需求模型功能指标与所述潮流算法适用性模型结构相同，初始化值为0，当所述用户需求存在该功能需求时，对应数组元素值为1，否则为0。

进一步的，所述步骤ii-4包括：

ii-4-1、建立潮流算法约束模型，所述潮流算法模型为所述用户需求模型的拷贝副本；

ii-4-2、将所述配电网络特征数学模型通过按元素或的方式添加到潮流算法约束模型的功能数组中；

ii-4-3、遍历潮流算法库中的每一个潮流算法适用性模型，若满足潮流算法约束模型中的所有功能指标，则将该算法添加到候选潮流算法集中；

ii-4-4、选出候选潮流算法集中适应度最高的潮流算法。

进一步的，所述步骤ii-4-4包括：

若所述候选潮流算法集为空，则反馈信息设置为“找不到适用算法！”；

若所述候选潮流算法集为非空，则按适用性模型精度从高到低进行排序对候选潮流算法集中的算法依次遍历；当适用性模型中的收敛性期望值小于约束模型的收敛性指标，且适用性模型中的计算时间估计值小于约束模型的计算时间上限，则以当前算法为最终选择结果；否则继续遍历，直到遍历玩候选潮流算法集中所有算法；

当遍历结束后未找到满足条件的算法，以候选潮流算法集中适用性模型收敛性期望值最小的算法为最终结果，并反馈信息“找不到完全适用的算法，提供算法仅供参考”。

进一步的，功能指标包括：设备指标和网络指标；

所述设备指标包括线路、电容、电抗、负荷、调压器/二卷变/三卷变、开关、分布式电源；

所述网络指标包括三相不平衡、辐射网、弱环网、环网、星型连接、三角形连接。

一种配电网潮流算法的自动选择装置，所述装置包括：

模型建立模块，用于建立潮流算法适用性模型，包括功能指标、性能指标和潮流算法；

自动选择模块，用于配电网对象和用户需求，通过与所述潮流算法适用性模型的匹配计算，自动选择配电网潮流算法。

进一步的，所述模型建立模块，用于，

所述潮流算法包括直接潮流、优化数学方法求解和优化智能方法求解；

所述功能指标由数据集表示，所述数据集的每个数组元素由一个功能指标和一个潮流算法确定，当所述潮流算法支持该功能指标时，数组元素取值为1，否则为0；

所述性能指标是用潮流算法对标准算例库进行计算并统计；

优选的，所述性能指标包括：精度指标、收敛性指标和计算速度指标；

所述精度指标用0、1、2、3分别表示无约束对应的精度指标为0、优化智能方法求解对应的精度指标为1、优化数学方法求解对应的精度指标为2和直接潮流对应的精度指标为3；

所述收敛性指标用统计方法表示，包括：由所有潮流算法计算标准算例库中的算例，统计最终迭代次数，得出期望值与方差；

所述计算速度指标用节点数量与计算时间的函数关系表示，包括用所述潮流算法计算标准算例库的算例，统计节点数量与计算时间，使用多项式拟合方法处理多组节点数量与计算时间值，存储函数关系式；

优选的，所述自动选择模块，用于，

根据配电网络对象和用户需求提取所述配电网络特征的数学模型并建立用户需求模型，最终确定潮流算法；

所述配电网对象包括：配电网中的设备类型和配电网的网络指标特征；

所述用户需求包括：功能指标、精度指标、收敛性指标和计算速度指标；

优选的，所述自动选择模块，用于，

判断是否存在所述配电网络特征的数学模型，若存在且运行方式未变化的配电网络，直接使用之前生成的配电网络特征数学模型；否则建立与潮流算法适用性模型功能指标结构相同的配电网络特征数学模型，包括：统计配电网中设备的类型，若包含该设备类型，则对应数组元素的值为1，否则为0；提取配电网的网络指标特征，若具有该特征，则对应数组元素的值为1，否则为0；最后统计并存储该配电网中的节点数量；

优选的，所述自动选择模块，用于，

所述用户需求模型包括，功能指标、精度指标、收敛性指标和计算速度指标；

所述用户需求模型的功能指标结构和精度指标表示方法均与所述潮流算法适用性模型相同，收敛性指标和计算速度指标分别各用一浮点数表示；

所述用户需求模型功能指标与所述潮流算法适用性模型结构相同，初始化值为0，当所述用户需求存在该功能需求时，对应数组元素值为1，否则为0；

优选的，所述自动选择模块，用于，

建立潮流算法约束模型，所述潮流算法模型为所述用户需求模型的拷贝副本；然后将所述配电网络特征数学模型通过按元素或的方式添加到潮流算法约束模型的功能数组中；遍历潮流算法库中的每一个潮流算法适用性模型，若满足潮流算法约束模型中的所有功能指标，则将该算法添加到候选潮流算法集中；最后选出候选潮流算法集中适应度最高的潮流算法；

优选的，所述自动选择模块，用于，

若所述候选潮流算法集为空，则反馈信息设置为“找不到适用算法！”；

若最终候选潮流算法集为非空，则按适用性模型精度从高到低进行排序对候选潮流算法集中的算法依次遍历；当适用性模型中的收敛性期望值小于约束模型的收敛性指标，且适用性模型中的计算时间估计值小于约束模型的计算时间上限，则以当前算法为最终选择结果；否则继续遍历，直到遍历玩候选潮流算法集中所有算法；

当遍历结束后未找到满足条件的算法，以候选潮流算法集中适用性模型收敛性期望值最小的算法为最终结果，并反馈信息“找不到完全适用的算法，提供算法仅供参考”；

优选的，所述模型建立模块，用于，

功能指标包括：设备指标和网络指标；

所述设备指标包括线路、电容、电抗、负荷、调压器/二卷变/三卷变、开关、分布式电源；

所述网络指标包括三相不平衡、辐射网、弱环网、环网、星型连接、三角形连接。

与最接近的现有技术比，本发明提供的技术方案具有以下有益效果：

本发明提供的配电网网络特征自动选择匹配的潮流算法，克服了手动指定潮流算法带来的不利影响，解决手动方式指定潮流算法灵活性不足的问题，解决对潮流算法通用性要求过高引起性能降低的问题，解决单一潮流算法模块计算及数据处理过程的过于复杂的问题。

附图说明

图1为本发明配电网潮流算法的自动选择方法的流程图；

图2为本发明自动选择配电网潮流算法过程的流程图。

具体实施方式

下面结合附图对本发明做进一步详细说明。为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

具体实施方案：

一种配电网潮流算法的自动选择方法，其特征在于，所述方法包括两个阶段：如附图1所示：

阶段一、向潮流算法库中导入潮流算法模块，建立潮流算法适用性模型；

阶段二、针对计算对象，自动选择配电网潮流算法。

阶段一所述的潮流算法适用性模型，包含功能指标和性能指标。导入潮流算法模块的过程，即是对潮流算法适用性模型进行初始化的过程。

功能指标包括设备及其模型指标和网络指标。设备指标包括线路(集中等值电路模型、ii型等值电路模型、简化阻抗模型)、电容、电抗、负荷(恒阻抗模型、恒电流模型、恒功率模型、混合模型)、调压器/二卷变/三卷变(理想调压器模型、小阻抗调压器模型、ii型等值电路模型)、开关(理想开关模型、小阻抗模型、正负阻抗模型)、分布式电源(pq模型、pv模型)。网络指标包括三相不平衡、辐射网、弱环网、环网、星型连接、三角形连接。功能指标用一个数组进行表示，每一项子指标对应一个数组元素，若该潮流算法支持该指标，则该数组元素的值为1，否则为0。功能指标初始化时其数组的每一个元素均需要赋值，每一个数组元素的默认值均为0。

若算法支持电容、电抗、负荷…，则为{1,1,1,0,0,0,…}；

若支持调压器/二卷变/三卷变、开关…，则为{0,0,0,1,1,0,…}；

若支持电容、负荷、分布式电源…，则为{1,0,1,0,0,1,…}。

性能指标包括精度指标、收敛性指标与计算速度指标。潮流算法首先被分为三种类型：直接潮流、优化数学求解、优化智能方法求解。三种类型潮流算法的精度由高到低依次为直接潮流、优化数学求解、优化智能方法求解；同一种类型的精度不再继续细分。精度指标用0、1、2、3分别表示无约束精度、优化智能方法精度、优化数学方法精度和直接潮流方法精度。收敛性指标用统计方法表示，即用该潮流算法对标准算例库中的算例进行计算，统计最终迭代次数，得出其期望值与方差(潮流算法的输入是网架参数、节点注入功率，输出是节点电压幅值和相角)；期望值越小收敛性越好，期望值相同情况下方差越小收敛性越好。计算速度指标用节点数量与计算时间的函数关系表示，使用该潮流算法对标准算例库进行计算，统计其节点数量与计算时间，使用多项式拟合方法处理多组节点数量与计算时间值，存储该函数关系式(计算时间t，节点数量n，其形式为t＝a0+a1*n+a2*n^2+a3*n^3+…，多项式拟合的过程即为确定系数a*的过程)。

通常情况下，性能指标统计中每一个潮流算法计算的标准算例库相同。标准算例库中的算例有ieee4、ieee13、ieee34、ieee37、ieee123、ieee8500、ieee33、p&g69。若该算法功能指标不能支持该算例，则在收敛性统计中使用其最大迭代次数，计算速度测试中则不对该算例进行统计。

阶段二如附图2所示：所述的自动选择配电网潮流算法，包括如下步骤：

(1)载入潮流计算的配电网网络及其运行数据、用户精度与速度需求；

(2)提取网络特征的数学模型；

(3)建立用户需求模型；

(4)筛选潮流算法；

(5)选出适应度最高的潮流算法；

(6)输出结果与反馈信息。

所述的提取网络特征的数学模型，包括如下步骤：

(1)若为提取过网络特征且运行方式未曾发生变化的配电网络，直接使用之前生成的网络特征数学模型，否则转步骤(2)。

(2)建立与潮流算法适用性模型功能指标结构相同的网络特征数学模型；统计配电网络中设备的类型，若包含该设备类型，则对应数组元素的值为1，否则为0；提取配电网的网络指标特征，若具有该特征，则对应数组元素的值为1，否则为0。

(3)统计并存储该配电网络中的节点数量。

所述的建立用户需求模型，包括如下步骤：

(1)建立用户需求模型。其功能指标结构与潮流算法适用性模型的功能指标结构相同；其精度指标表示方法与潮流算法适用性模型的精度指标相同，收敛性指标、计算速度指标分别各用一浮点数表示。

如用户收敛性指标e1＝1e-5，计算速度指标t1＝1秒；算法的收敛指标e2也是一个数字，若e2<e1，则满足需求；算法计算速度指标代入节点数量后也是一个数值t2，若t2<t1，则满足需求。

(2)根据用户需求的功能描述，初始化用户需求模型中的功能数组；存在该功能需求时对应数组元素值为1，否则为0。

(3)建立用户需求的性能描述，初始化精度指标、收敛性指标与计算速度指标。

所述的筛选潮流算法，包括如下步骤：

(1)以用户需求模型的拷贝副本作为潮流算法约束模型，并将网络特征数学模型通过按元素或的方式添加到潮流算法约束模型的功能数组中。“元素或”表示两个集合对应元素进行或操作后形成一个新的集合。

(2)遍历潮流算法库中的每一个潮流算法适用性模型，若满足潮流算法约束模型中的所有功能指标，则将该算法添加到候选潮流算法集中。

所述的选出适应度最高的潮流算法，包括如下步骤：

(1)若最终候选潮流算法集为空，则设置反馈信息为“找不到适用算法！”，选择过程结束；否则转步骤(2)。

(2)对候选潮流算法集中的算法按照适用性模型精度从高到低进行排序。

(3)依次遍历候选潮流算法集。针对当前算法，若适用性模型中的收敛性期望值小于约束模型的收敛性指标，且适用性模型中的计算时间估计值小于约束模型的计算时间上限，则以当前算法为最终选择结果；否则继续遍历。若一次遍历后未找到满足条件的算法，则以候选潮流算法集中适用性模型收敛性期望值最小的算法为最终结果，并反馈信息“找不到完全使用的算法，提供算法仅供参考”。

所述方法用的装置包括：

模型建立模块，用于建立潮流算法适用性模型，包括功能指标、性能指标和潮流算法；

自动选择模块，用于配电网对象和用户需求，通过与所述潮流算法适用性模型的匹配计算，自动选择配电网潮流算法。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd‐rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用于说明本申请的技术方案而非对其保护范围的限制，尽管参照上述实施例对本申请进行了详细的说明，所属领域的普通技术人员应当理解：本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请特批的权利要求保护范围之内。