欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022110787643
申请人: 江苏大淀能源科技有限公司
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于改进灰狼算法的配电网PMU优化配置方法,其特征在于包括以下步骤:步骤1:在系统完全可观测的条件下,建立PMU优化配置数学模型;

步骤2:考虑零注入节点的影响、以及单个PMU中断和单条线路停电下的系统可观测问题,对步骤1建立的PMU优化配置数学模型约束条件进行修改;

步骤3:在灰狼优化算法的基础上对种群初始化、非线性收敛因子和位置更新权重系数进行改进;

步骤4:采用步骤3改进灰狼优化算法,对不同情景下的PMU配置模型进行优化配置方案的求解;

所述步骤3中,使用基于正弦函数的非线性收敛因子更新策略,如公式(16)所示:(16) ;

式(16)中,为收敛因子;表示当前迭代次数;为常数,表示算法在收敛过程中能够达到的最大迭代次数;为控制系数,其值大小决定该算法前期探索与后期开发的平衡问题;

灰狼优化算法中狼的位置更新公式是通过取更新后的、、灰狼位置的平均值,在位置更新公式中引入动态权重系数,如公式(17)、公式(18)、公式(19)和公式(20)所示:(17);

(18);

(19);

(20);

式(17)、式(18)、式(19)和式(20)中,、、分别表示、、狼相对应的权重系数;、、表示在灰狼群体中底层狼根据、、进行的位置更新;表示狼群最后更新的位置。

2.根据权利要求1所述基于改进灰狼算法的配电网PMU优化配置方法,其特征在于:所述步骤1中, PMU优化配置数学模型表示为公式(1)所示:(1);

式(1)中,表示在节点安装PMU所需要的成本,不考虑不同节点安装成本所带来PMU配置的差异,统一选取;是一个二进制变量,表示节点是否安装PMU,如果在节点安装了PMU则为1,否则为0;表示求最小值符号;为求和符号;表示节点个数;表示第个节点;为约束条件表达式符号;表示约束符号;表示系统各节点配置PMU的情况;为元素均为1的维列向量;为维节点关联矩阵,其元素表示为。

3.根据权利要求2所述基于改进灰狼算法的配电网PMU优化配置方法,其特征在于:所述步骤2中,考虑零注入节点将减少实现完全可观测所需的PMU数量,其可观测性规则如下:若存在一个间接可观测的零注入节点,且相邻母线的电压相量除一个外均已知,则未知节点的电压相量可用KCL计算;

若零注入节点电压相量未知且其所有相邻节点的电压相量已知,则零注入节点电压相量可通过节点电压方程获得;

故考虑零注入节点的影响时,PMU优化配置数学模型中的约束条件转换如公式(2)所示:(2);

式(2)中,是一个二进制变量,表示节点是否安装PMU,如果在节点安装了PMU则为1,否则为0;为求和符号;表示节点个数;表示第个节点;为第个节点的约束条件表达式符号;可表示为;

引入辅助二进制变量,取值为1时,表示可以根据相邻零注入节点的测量数据使得节点可观测;取值为0时,表示节点不能被观察到;为系统节点集合;表示任意符号;表示第个节点;也为二进制变量,值为1时表示节点为零注入节点,值为0时表示节点为非零注入节点。

4.根据权利要求2所述基于改进灰狼算法的配电网PMU优化配置方法,其特征在于:所述步骤2中,单个PMU中断是指系统中任一个PMU故障,此时模型转换为如公式(3)所示:(3);

式(3)中,为约束条件表达式符号;表示系统各节点配置PMU的情况;为元素均为1的维列向量;为维节点关联矩阵,其元素可表示为;

当考虑到零注入节点时,将PMU优化配置数学模型中的约束条件进行更改,如公式(4)所示:(4);

式(4)中,是一个二进制变量,表示节点是否安装PMU,如果在节点安装了PMU则为1,否则为0;为求和符号;表示节点个数;表示第个节点;表示第个节点;为第个节点的约束条件表达式符号;可表示为;引入辅助二进制变量,取值为1时,表示可以根据相邻零注入节点的测量数据使得节点可观测;取值为0时,表示节点不能被观察到;也为二进制变量,值为1时表示节点为零注入节点,值为0时表示节点为非零注入节点;为元素均为1的维列向量;表示任意符号;为系统节点集合。

5.根据权利要求2所述基于改进灰狼算法的配电网PMU优化配置方法,其特征在于:所述步骤2中,单条线路停电指的是系统中任一条线路停电,此时PMU优化配置数学模型中的约束条件转换如公式(5)所示:(5);

式(5)中,为约束条件表达式符号;表示系统各节点配置PMU的情况;为元素均为1的维列向量;为阶单位矩阵;为维节点关联矩阵,其元素可表示为;

当考虑零注入节点时,将PMU优化配置数学模型中的约束条件进行更改,如公式(6)所示:(6);

式(6)中,是一个二进制变量,表示节点是否安装PMU,如果在节点安装了PMU则为1,否则为0;为求和符号;表示节点个数;表示第个节点;表示第个节点;为第个节点的约束条件表达式符号;可表示为;

引入辅助二进制变量,取值为1时,表示可以根据相邻零注入节点的测量数据使得节点可观测;取值为0时,表示节点不能被观察到;也为二进制变量,值为1时表示节点为零注入节点,值为0时表示节点为非零注入节点;为元素均为1的维列向量;表示任意符号;为系统节点集合。

6.根据权利要求1所述基于改进灰狼算法的配电网PMU优化配置方法,其特征在于:所述步骤3中,引入Bernoulli混沌映射来改善GWO算法在初始化时狼群的分布属性,Bernoulli混沌映射如公式(15)所示:(15) ;

式(15)中,为第个混沌变量;为维度大小;为第个混沌变量;为调节因子,。

7.根据权利要求1所述基于改进灰狼算法的配电网PMU优化配置方法,其特征在于:所述步骤4包括如下步骤:S1:根据IEEE-33节点系统的网络拓扑结构,以及各节点之间的关系,求出该系统节点关联矩阵;

S2:初始化灰狼算法的各个参数,包括种群规模,最大迭代次数,参数、、;

S3:随机初始化系统中PMU的位置;

S4:根据当前位置,计算适应度函值并定义猎物位置;

S5:更新前三个最佳搜索代理、、,更新系数向量、、,以及更新灰狼位置、、;

S6:重复步骤S4、S 5,直到最大迭代次数,最后输出结果。

8.根据权利要求1所述基于改进灰狼算法的配电网PMU优化配置方法,其特征在于:所述步骤4中,在考虑零注入节点的影响,以及单个PMU中断和单条线路停电的情况下,不同的测试情景包括以下六种:情景一为不考虑零注入节点下的仿真分析;

情景二为考虑零注入节点下的仿真分析;

情景三为不考虑零注入节点下单个PMU中断的仿真分析;

情景四为考虑零注入节点下单个PMU中断的仿真分析;

情景五为不考虑零注入节点下单条线路停电的仿真分析;

情景六为考虑零注入节点下单条线路停电的仿真分析。