[发明专利]一种基于PMU的配电网运行趋势预测方法

权利要求书

1.一种基于PMU的配电网运行趋势预测方法，其特征在于，该方法包括下列步骤：

S1：获取包括PMU量测数据、SCADA数据和营销数据在内的配电网的量测数据，建立配电网运行量测数据库，并对不良量测数据进行预处理；

S2：建立多维灰色-神经网络混合协调预测模型，将配电网量测数据作为输入数据，对下一时刻系统各节点的出力情况进行预测；

S3：建立融合PMU的支路电流的前推回代潮流算法，利用该算法对步骤S2的预测结果计算各个预测时刻的电压，获取潮流结果；

S4：获取每个预测时刻的潮流结果，实现基于PMU的配电网运行趋势预测；

步骤S2中的多维灰色-神经网络混合协调预测模型进行预测的具体步骤包括：

21)设系统特征序列为：

式中，为特征元素，则相关多因素序列为：

……

其中，为的1-AGO序列，g＝1,2,…,N，则得到为的紧邻均值序列为：

则得到GM(1,N)模型为：

其中，为灰导数，为背景值，a为发展系数，为驱动项；

22)计算多维灰色GM(1,N)模型：

对作一次累加生成

其中：

灰色预测的精度与原始序列的光滑性有关，光滑性越好，预测的精度越高，对做准光滑性检验、指数规律检验，序列的光滑比ρ(k)的表达式为：

其中，若序列满足：

ρ(k)∈[0,0.5],k＝2,3,…,n；

则称为准光滑序列，可直接进行灰色建模，否则需要对原始序列进行预处理，假如k3且满足下式：

则判定符合指数规律；

由紧邻均值生成序列并求灰度参数；

其中：

设为参数列，且：

通过最小二乘法对参数估计确认获取灰度参数：

23)确定模型并求解，通过累减还原得出预测值：

令为GM(1,N)模型的白化方程，其表达式为：

求的模拟值：

当幅度变化很小时，为灰常量GM(1,N)的近似相应时间为：

其中，取还原求出的预测值为：

多维灰色-神经网络混合协调预测模型将平滑控制参数c引入到GM(1,N)中，在预测过程中对GM(1,N)的平滑条件进行限制，其限制条件的表达式为：

其中：k＝4,5,…,n，在GM(1,N)加入原始特征序列加入因子c，使新序列满足下式：

由上式可知获取合适的c使其满足上式，具体表达如下：

进一步求出：

由上式选取合适的c加入序列，并对已加入合适影响因子c的序列建立灰微分方程式为：

利用最小二乘法对参数进行估计，得到：

[b₁,b2,…b_n,μ]^T＝(B^TB)^-1B^TY_H

其中：

在初始条件下对累加序列进行预测可得：

对序列的预测还原值为：

最终对序列的每一项的预测的表达式为:

多维灰色-神经网络混合协调预测模型利用BP神经网络系统残差进行修正，具体步骤包括：

a)获取待预测的功率序列，以预处理后的负荷量测数据为特征序列，利用多变量灰色算法进行预测，计算出预测结果与功率序列之差为残差ε，利用BP神经网络对ε序列进行预测，并将预测结果序列表示为ε_BP；

b)计算出残差序列ε与BP神经网络对ε的预测结果序列ε_BP的差值序列ε₂，即ε₂＝ε-ε_BP，对ε₂进行BP神经网络预测，将预测的结果表示为ε_2BP；

c)将步骤a)和步骤b)的预测结果相加，获取最后的预测结果序列为S_GM1＝S_GM+ε_BP+ε_2BP；

步骤S3中，利用融合PMU的支路电流前推回代潮流算法获取潮流结果具体包括以下步骤：

31)从层节点开始，根据基尔霍夫电流定律，求得支路电流；

式中，为节点i到节点j点相电流，为j点相电压，为j点势在功率，P_j、Q_j为j点注入有功功率和无功功率；

32)从第二层开始逐步计算非末端节点的注入电流，根据基尔霍夫电流定律应等于上式与该节点流出电流之和；

式中，m为与节点j直接相连的所有支路，I_jT为与节点j相连的第T个支路电流；

33)根据步骤31)、32)获取的所有支路的支电流，利用已知的根节点电压，从根节点向后顺次求得各个负荷节点电压；

34)计算各节点的电压幅值修正量和最大电压幅值修正量：

35)判别收敛条件：

其中Λ为迭代次数，若最大电压修正量小于阈值ψ，则跳出循环，输出电压计算结果；否则重复上述步骤31)～步骤35)，直到满足上式的条件为止；

36)获取各个节点的电压电流后，计算各节点势在功率作为潮流结果。