计及薄弱节点监测需求的有源配电网PMU优化配置方法

本发明属于配电网pmu优化配置，尤其是涉及一种计及薄弱节点监测需求的有源配电网pmu优化配置方法。

背景技术：

1、近年来，大规模分布式电源(dg)接入配电网，使传统配电网逐步向多能源供电方向发展。由于dg出力的不确定性和间歇性给配电网的安全稳定运行造成一定的挑战，例如双向潮流、电压扰动加剧等，要求配电网的态势感知能力需进一步提升。状态估计作为态势感知技术的核心，为配电网安全稳定运行及监测提供实时数据保障。

2、目前，电力系统大多量测数据都来源于数据采集与监视控制(scada)系统，由于其采样周期较长、量测数据单一，无法提供状态估计所需的充足和精确的量测数据，同步相量测量单元(pmu)是一种基于gps的实时量测装置，能够准确采集配置节点的电压相量与其相关联节点支路的电流向量及功率信息，提供高精度数据的同时增加量测信息冗余度，通过与scada系统的数据结合，显著提升配电网状态估计性能。由于配电网节点数量众多且pmu的造价高昂，考虑技术与成本因素无法在所有节点上安装，而将pmu配置在关键节点处以尽可能降低配电网中的不确定性影响，提升节点的状态感知能力。

3、随着dg的接入导致配电网中节点电压扰动加剧，电压问题已成为威胁电网安全稳定运行的关键因素之一，现阶段在对配电网布置pmu时仅考虑了配电网状态估计精度和经济性，即便考虑了上述电压问题也只是单一分析了电压幅值越限及电压稳定性其一，并未综合考虑两者。

技术实现思路

1、1.所要解决的技术问题：

2、如何兼顾配电网状态估计精度及经济性的同时，实现薄弱节点电压越限和波动及时感知的作用。

3、2.技术方案：

4、为了解决以上问题，本发明提供了一种计及薄弱节点监测需求的有源配电网pmu优化配置方法，包括以下步骤：

5、步骤s1、获取配电网各节点量测数据信息，采用加权最小二乘算法求解节点状态量信息，引入各节点估计均差来定义系统全局状态估计精度；

6、步骤s2、针对有源配电网各节点电压监测需求的差异性，在电压灵敏度的基础上通过加权电压偏移的方法对pmu的最佳配置点进行选择；

7、步骤s3、基于经济性的原则，在保证配电网全局状态估计精度最优的同时将其配置在监测需求较高的节点处，建立考虑节点电压综合灵敏度、状态估计误差和配置成本的pmu多目标优化配置模型；

8、步骤s4、采用改进多目标灰狼算法，对不同场景下的pmu配置模型进行优化配置方案的求解。

9、进一步地，所述步骤s1中，获取配电网各节点量测数据信息，采用加权最小二乘算法求解节点状态量信息，引入各节点估计均差来定义系统全局状态估计精度，指标选取如下式所示：

10、平均节点电压幅值估计误差表示为：

11、

12、平均节点电压相角估计误差表示为：

13、

14、式中，n为系统节点个数；xiture、表示节点i的电压幅值和相角的真实值；表示节点i电压幅值和相角的状态估计值。

15、进一步地，所述步骤s2中，针对有源配电网各节点电压监测需求的差异性，对pmu的最佳配置点进行选择，对于一个n个节点的系统，在已知网络结构和线路参数的基础上，电压灵敏度实现各节点电压和功率的映射关系，展开后的表达式为：

16、

17、式中，△u和△θ为功率扰动引起的节点电压幅值相角变化量，spv表示有功电压灵敏度矩阵；sqv表示无功电压灵敏度矩阵，灵敏度矩阵第i行中的元素代表网络中其他节点注入有功-无功功率波动对节点i电压的影响情况；第j列中的元素代表节点j注入有功-无功功率波动对网络中其他节点电压的影响情况，对两个灵敏度矩阵第i行的第j列进行求和得到节点j处接入光伏对节点i的电压灵敏度指标为：

18、

19、式中，w1、w2表示电压有功-无功灵敏度权重系数。

20、进一步地，所述步骤s2中，在电压灵敏度的基础上通过加权电压偏移的方法对电压综合灵敏度作进一步调整和权衡，包括以下步骤：

21、(1)t时刻下两节点间的加权灵敏度：

22、

23、式中，表示t时刻节点j功率波动对节点i的有功和无功电压灵敏度值；ai,t表示考虑节点电压水平的灵敏度权重因子，其值以当前t时刻节点i电压偏移程度指标来衡量；ui,t表示t时刻节点i的电压；un,t表示t时刻节点i的额定电压，

24、(2)节点电压综合灵敏度指标计算：

25、

26、式中，zsi表示节点i电压综合灵敏度值，其值越高，代表该节点的监测需求较高；zsi,t表示t时刻节点i的综合灵敏度值；s表示光伏接入节点集合；t表示时间段的总时长，选择光伏开始出力点前一时刻为分析起始时刻至光伏无出力时刻作为分析结束时刻点。

27、进一步地，所述步骤s3中，建立考虑节点电压综合灵敏度和状态估计精度的pmu多目标优化配置模型的目标函数表达式为：

28、

29、式中，σu95％、σθ95％分别表示平均节点电压幅值和电压相角估计误差中95％的累计概率分布值；α、β分别表示电压幅值和电压相角误差权重；m为pmu的配置节点集合，zsi表示节点综合灵敏度指数，目标函数f1考虑了电压幅值和相角的估计误差之和，目标函数f2则考虑了由分布式电源并网产生的电压薄弱节点。

30、状态估计精度约束为：

31、

32、pmu配置数量约束为：

33、

34、式中，σumax表示允许的电压幅值误差上限；σθmax表示允许的最大电压相角误差上限值；式中，pi表示在节点i是否装配有pmu；n为系统节点总数；nset为配置pmu数量限制。

35、进一步地，所述步骤s4中，引入基于sobol序列与随机反向学习的种群初始化策略，对初始灰狼个体i的第j维分量xi,j进行初始化，根据以下公式生成与初始个体xi,j反向的随机个体x′i,j，并与初始种群个体合并通过非支配排序生成初始灰狼种群，如下式所示：

36、xi,j＝xj·min+(xj·max-xj·min)kn

37、x′i,j＝kn(xj·min+xj·max)-xi,j

38、式中，xj,max、xj,min分别代表个体i第j维上变量上的最大和最小值；kn代表sobol序列生成[0,1]范围内的随机数。

39、进一步地，所述步骤s4中，对算法求解过程中的收敛因子进行非线性化调整如下式所示：

40、

41、式中，k为当前迭代次数；kmax为最大迭代次数。

42、进一步地，所述步骤s4中，当pmu配置个数不确定时，采用将pmu逐个配置于系统中进行优化配置的方法，算法求解过程及整体配置流程包括：

43、步骤1：获取配电网各节点的精确潮流值以服务于目标函数中的状态估计误差计算，同时对pmu的配置个数进行约束；

44、步骤2：初始化灰狼算法的各个参数，包括种群规模，最大迭代次数，利用改进多目标灰狼算法求解模型搜寻最佳配置方案；

45、步骤3：在算法搜寻过程当中，当某些节点配置pmu时，在传统scada量测的基础上，更新将该节点及其间接量测节点上的电压相量数据；

46、步骤4：对各时段进行多次状态估计并计算其95％的累积概率分布值，结合灵敏度指标大小进行迭代，完成后输出最优解集；

47、步骤5：更新pmu最大配置个数约束再次进行步骤1-步骤4。

48、进一步地，所述步骤s4中，对不同场景下的pmu配置模型进行优化配置方案的求解，设置三种场景进行测试：

49、场景一：基于系统现有传统量测装置量测数据进行状态估计分析；

50、场景二：仅考虑配置成本和状态估计精度的pmu优化配置分析；

51、场景三：考虑配置成本、状态估计精度及节点电压薄弱性的pmu优化配置分析。3.有益效果：

52、本发明考虑大规模分布式电源接入对配电网电压扰动特性的影响，认为从薄弱节点的监测需求角度，应同时考虑节点对于光伏并网点功率变化的敏感性以及节点自身电压的越限裕度，并在传统电压灵敏度的基础上结合节点自身电压偏移量并综合考虑时序性，提出表征薄弱节点监测需求的综合灵敏度指标。

53、本发明利用pmu高频率和高精度量测特性的优势，在确保状态估计精度最优的同时，旨在尽量将pmu配置在监测需求较高的电压薄弱节点处，利用直接监测获得高精度信息来避免对此类节点估计误差过大，在保证经济性及系统全局状态估计精度最优的同时，引入节点电压综合灵敏度指标建立多目标pmu优化配置模型，实现对薄弱节点状态量信息的准确感知和监测，

54、本发明采用改进多目标灰狼算法对pmu优化配置模型进行求解，克服了传统灰狼算法容易陷入局部最优和迭代次数多的缺点，依据算法迭代求解直到找到最优解，从而满足兼顾状态估计精度和薄弱节点可观测性的多目标综合最优。