一種基于螢火蟲算法的配電網(wǎng)狀態(tài)估計方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種估計方法，具體涉及一種基于螢火蟲算法的配電網(wǎng)狀態(tài)估計方 法。
【背景技術(shù)】
[0002] 配電網(wǎng)狀態(tài)估計是一種利用量測數(shù)據(jù)的相關(guān)性和冗余度，應用計算機處理技術(shù)， 采用數(shù)學處理方法對配電網(wǎng)運行參數(shù)進行預測和糾錯處理，從而提高數(shù)據(jù)的可靠性和完整 性，有效獲得配電網(wǎng)實時運行狀態(tài)信息。
[0003] 隨著電網(wǎng)調(diào)度自動化水平的發(fā)展要求，電網(wǎng)調(diào)度中心要全面準確掌握電網(wǎng)運行的 各種數(shù)據(jù)，因此需要高質(zhì)量的狀態(tài)估計作為實時數(shù)據(jù)提供的保障；配電網(wǎng)具有不同于輸電 網(wǎng)的顯著特點，許多輸電網(wǎng)狀態(tài)估計算法無法直接應用于配電網(wǎng)狀態(tài)估計，而且配電網(wǎng)實 時量測配置少，數(shù)據(jù)冗余度不足，因此需要對配電網(wǎng)狀態(tài)估計進行深入研究。
[0004] 目前配電網(wǎng)狀態(tài)估計方法較多，其中最常用的是加權(quán)最小二乘法狀態(tài)估計，其基 本原理是找到一組狀態(tài)量，使得其計算得到的網(wǎng)絡(luò)功率與量測量的方差的和最??；加權(quán)最 小二乘法的求解可以看成是對一個目標函數(shù)的優(yōu)化問題，傳統(tǒng)求解方法有牛頓迭代法、梯 度法等，一般用牛頓法求解，但牛頓法求解對迭代初值要求較高，如果給定初值與正確值相 差太遠則不能準確收斂，甚至造成迭代發(fā)散的結(jié)果。
[0005] 螢火蟲算法是一種新的群智能仿生算法，它具有很好的求取全局極值和搜索多極 值的能力，已經(jīng)在多極值函數(shù)的求解、信號源的局部化等諸多方面得到應用，并取得了良好 的效果。
[0006] 螢火蟲算法源于對自然界中螢火蟲發(fā)光求偶，溝通等行為的研究，它是一種群體 智能算法，其基本原理是利用螢火蟲的熒光素誘導螢火蟲發(fā)光來吸引伴侶或獵物，光亮越 強越有吸引力，熒光素質(zhì)也越高，螢火蟲向熒光素值最高的螢火蟲位置移動；熒光素值對應 適應度函數(shù)值，因此螢火蟲通過在動態(tài)決策域內(nèi)尋找最高熒光素螢火蟲的位置而確定適應 度函數(shù)的最優(yōu)值。

【發(fā)明內(nèi)容】

[0007] 在為了克服上述現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于螢火蟲算法的配電網(wǎng)狀 態(tài)估計方法，以節(jié)點電壓為狀態(tài)變量，計算節(jié)點注入復功率，支路電流和支路首末段復功 率，取加權(quán)最小二乘法計算的目標函數(shù)值為螢火蟲的適應度函數(shù)值，并將適應度函數(shù)值轉(zhuǎn) 化為螢火蟲的熒光素，不斷更新狀態(tài)變量，最終求取熒光素最大的螢火蟲位置即為最佳狀 態(tài)估計結(jié)果，實驗結(jié)果表明該方法具有良好的精確度、適應性和收斂性。
[0008] 為了實現(xiàn)上述發(fā)明目的，本發(fā)明采取如下的技術(shù)方案： 提供一種基于螢火蟲算法的配電網(wǎng)狀態(tài)估計方法，所述方法包括以下步驟： 步驟（1):載入配電網(wǎng)系統(tǒng)及量測，分析生成節(jié)點導納矩陣； 步驟（2):初始化每個螢火蟲個體的熒光素及動態(tài)決策域； 步驟（3):計算每螢火蟲代表的解的目標函數(shù)，更新每個螢火蟲的熒光素； 步驟（4):計算每個螢火蟲的與其他螢火蟲的距離，并結(jié)合熒光素大小獲得螢火蟲的鄰 域； 步驟（5):計算每個螢火蟲的與其領(lǐng)域螢火蟲的移動概率； 步驟（6):選擇最好的移動方向進行移動，更新螢火蟲位置； 步驟（7):更新每個螢火蟲的動態(tài)決策域； 步驟（8):判斷是否滿足收斂條件，若滿足則狀態(tài)估計結(jié)束，執(zhí)行步驟（9)，否則執(zhí)行步 驟（3); 步驟（9):輸出目標函數(shù)最大的螢火蟲位置即為最優(yōu)解。
[0009] 所述步驟（1)中，進行配電網(wǎng)絡(luò)的拓撲分析，生成節(jié)點導納矩陣。
[0010] 所述步驟（2 )中，在D維目標搜索空間中，隨機分布n個螢火蟲個體，每個螢火蟲具 有的熒光素值為人；螢火蟲個體都發(fā)出熒光相互影響周圍的螢火蟲個體，并且擁有各自的 動態(tài)決策域(〇〈 ;螢火蟲個體的熒光素大小與自己所在位置的目標函數(shù)有關(guān)， 熒光素越大，說明螢火蟲的位置越好，即具有較好的目標值。
[0011] 螢火蟲會在決策域內(nèi)尋找鄰居集合jVy在集合中，熒光素越大的螢火蟲擁有越 高的吸引力，吸引其它螢火蟲往這個方向移動，每一次移動的方向會隨著選擇的鄰居不同 而改變；決策域的大小會受到鄰居數(shù)量的影響，鄰居密度越小，螢火蟲的決策半徑會加大以 便尋找更多的鄰居；鄰居密度越大，螢火蟲的決策半徑則會縮小。
[0012] 所述步驟（3)中，每只螢火蟲#在第f次迭代的位置Xi?對應的目標函數(shù)值 ,轉(zhuǎn)換為熒光素值為
【主權(quán)項】
1. 一種基于螢火蟲算法的配電網(wǎng)狀態(tài)估計方法，其特征在于，所述方法包括以下步 驟： 步驟（1):載入配電網(wǎng)系統(tǒng)及量測，分析生成節(jié)點導納矩陣； 步驟（2):初始化每個螢火蟲個體的熒光素及動態(tài)決策域； 步驟（3):計算每螢火蟲代表的解的目標函數(shù)，更新每個螢火蟲的熒光素； 步驟（4):計算每個螢火蟲的與其他螢火蟲的距離，并結(jié)合熒光素大小獲得螢火蟲的鄰 域； 步驟（5):計算每個螢火蟲的與其領(lǐng)域螢火蟲的移動概率； 步驟（6):選擇最好的移動方向進行移動，更新螢火蟲位置； 步驟（7):更新每個螢火蟲的動態(tài)決策域； 步驟（8):判斷是否滿足收斂條件，若滿足則狀態(tài)估計結(jié)束，執(zhí)行步驟（9)，否則執(zhí)行步 驟（3); 步驟（9):輸出目標函數(shù)最大的螢火蟲位置即為最優(yōu)解。
2. 根據(jù)權(quán)利要求1所述的基于螢火蟲算法的配電網(wǎng)狀態(tài)估計方法，其特征在于：所述 步驟（1)中，進行配電網(wǎng)絡(luò)的拓撲分析，生成節(jié)點導納矩陣。
3. 根據(jù)權(quán)利要求1所述的基于螢火蟲算法的配電網(wǎng)狀態(tài)估計方法，其特征在于： 在D維目標搜索空間中，隨機分布n個螢火蟲個體，每個螢火蟲具有的熒光素值為 I;螢火蟲個體都發(fā)出熒光相互影響周圍的螢火蟲個體，并且擁有各自的動態(tài)決策域 (0〈 );螢火蟲個體的熒光素大小與自S所在位置的目標函數(shù)有關(guān)，熒光素越大，說 明螢火蟲的位置越好，即具有較好的目標值。
4. 根據(jù)權(quán)利要求1所述的基于螢火蟲算法的配電網(wǎng)狀態(tài)估計方法，其特征在于：螢火 蟲會在決策域內(nèi)尋找鄰居集合JVp在集合中，熒光素越大的螢火蟲擁有越高的吸引力，吸 引其它螢火蟲往這個方向移動，每一次移動的方向會隨著選擇的鄰居不同而改變；決策域 的大小會受到鄰居數(shù)量的影響，鄰居密度越小，螢火蟲的決策半徑會加大以便尋找更多的 鄰居；鄰居密度越大，螢火蟲的決策半徑則會縮小。
5. 根據(jù)權(quán)利要求1所述的基于螢火蟲算法的配電網(wǎng)狀態(tài)估計方法，其特征在于：每只 螢火蟲#在第f次迭代的位置J：#)對應的目標函數(shù)值%：#?，轉(zhuǎn)換為熒光素值ii仿為
其中，7為熒光素更新率。
6. 根據(jù)權(quán)利要求1所述的基于螢火蟲算法的配電網(wǎng)狀態(tài)估計方法，其特征在于：每個 螢火蟲個體在其動態(tài)決策域半徑內(nèi)，選擇熒光素值比自己高的螢火蟲個體組成其領(lǐng) 域集
其中，0<<(〇 </%，a為螢火蟲個體的感知半徑。
7. 根據(jù)權(quán)利要求1所述的基于螢火蟲算法的配電網(wǎng)狀態(tài)估計方法，其特征在于：每個 螢火蟲個體在其動態(tài)決策域半徑內(nèi)，選擇移向領(lǐng)域集內(nèi)個體i的概率 為：
8. 根據(jù)權(quán)利要求1所述的基于螢火蟲算法的配電網(wǎng)狀態(tài)估計方法，其特征在于：螢火 蟲每次進行位置更新表達式為
其中s為移動步長。
9. 根據(jù)權(quán)利要求1所述的基于螢火蟲算法的配電網(wǎng)狀態(tài)估計方法，其特征在于：螢火 蟲每次進行動態(tài)決策域半徑更新表達式為
其中為&領(lǐng)域螢火蟲個數(shù)閥值。
10. 根據(jù)權(quán)利要求5所述的目標函數(shù)，其特征在于：取加權(quán)最小二乘法計算的目標函 數(shù)值為螢火蟲的適應度函數(shù)值，并將適應度函數(shù)值轉(zhuǎn)化為螢火蟲的熒光素；第i只螢火 蟲第t次迭代的適應度函數(shù)值取為最小二乘法計算的目標函數(shù)值,該螢火蟲的目標函數(shù) 取為適應度函數(shù)值的倒數(shù)
其中，WU為量測量的數(shù)量，^為第m個量測量的量測權(quán)重為第m個量測量， 為第m個量測量的狀態(tài)函數(shù)。
【專利摘要】本發(fā)明提供了一種基于螢火蟲算法的配電網(wǎng)狀態(tài)估計方法，包括以下步驟：步驟1：生成配電網(wǎng)節(jié)點導納矩陣；步驟2：初始化螢火蟲的熒光素及動態(tài)決策域；步驟3：更新螢火蟲的熒光素；步驟4：計算螢火蟲之間的距離，獲得鄰域；步驟5：計算螢火蟲的移動概率，步驟6：更新螢火蟲位置，步驟7：更新螢火蟲動態(tài)決策域，步驟8：判斷是否收斂，若滿足則結(jié)束，執(zhí)行步驟9，否則執(zhí)行步驟3；步驟9：輸出最優(yōu)解。本發(fā)明以節(jié)點電壓為狀態(tài)變量，計算節(jié)點注入功率，取最小二乘法的目標函數(shù)值為螢火蟲適應度函數(shù)值，并轉(zhuǎn)化為螢火蟲熒光素，不斷更新狀態(tài)變量，求取熒光素最大的螢火蟲位置為最佳狀態(tài)估計結(jié)果。實驗表明該方法具有良好的精確度和適應性。
【IPC分類】H02J3-00, G06Q50-06
【公開號】CN104578051
【申請?zhí)枴緾N201410825779
【發(fā)明人】張海梁, 孫婉勝, 周薇
【申請人】張海梁
【公開日】2015年4月29日
【申請日】2014年12月28日