[发明专利]基于并行计算及粒子群算法的电力系统状态估计方法

说明书

本发明提出一种基于并行计算及粒子群算法的电力系统状态估计方法，克服了传统电力系统状态估计的方法不易收敛的缺陷，同时解决目前电力系统状态估计寻优算法运算时间过长的问题，首先采集电力系统状态估计所需参数，基于参数进行一系列的矩阵求解，然后在CPU中基于传统的PQ分解法进行电力系统状态估计，当传统PQ分解法不收敛时，在GPU中基于粒子群算法进行迭代寻优计算，提高状态估计的收敛性，另外，在传统PQ分解法迭代计算时，GPU中同时并行计算，大幅度降低粒子群算法的运行时间，保持电力系统状态估计的实时性。

技术领域

本发明涉及电力系统状态估计的技术领域，更具体地，涉及一种基于并行计算及粒子群算法的电力系统状态估计方法。

背景技术

电力系统状态估计是指根据电力系统的各种量测信息，估计出电力系统当前的运行状态。电力系统状态估计是电网调度系统中各大高级应用的基础，更是维持电力系统稳定、确保电力系统安全高效运行的基础，因此，电力系统状态估计的计算响应速度，决定了电网调度系统能否及时地反映电网的真实状态，也影响着其他电网自动控制系统的控制效果，对整个电力系统的稳定运行至关重要。

目前，实际电力系统运行的状态估计程序大部分是以量测残差最小二乘为目标函数基于牛顿拉夫逊方法或PQ分解法实现，此两种方法主要是应用于凸优化问题，而实际电力系统并不一定完全是一个凸优化问题，在这种情况下，存在容易不收敛的问题，对于电力系统的安全稳定分析有较大的影响。2010年，闫丽梅，张士元，任伟建等人在电力系统保护与控制期刊上发表“基于粒子群进化算法的电力系统状态估计研究”的文章，将改进的粒子群进化算法应用到状态估计当中，解决了传统状态估计不收敛问题，但该方法未与传统方法结合，计算时间较长，不能满足电力系统对实时性的要求，仅适用于离线分析。

发明内容

为了克服传统电力系统状态估计的方法不易收敛的缺陷，同时解决目前电力系统状态估计寻优算法运算时间过长的问题，本发明提出一种基于并行计算及粒子群算法的电力系统状态估计方法，提高状态估计收敛性的同时，大幅度降低运算时间。

为了达到上述技术效果，本发明的技术方案如下：

一种基于并行计算及粒子群算法的电力系统状态估计方法，至少包括：

S1.采集电力系统的量测参数和电力系统的网络参数，根据电力系统的网络参数生成支路导纳列表；

S2.分别计算有功雅各比矩阵H_P、无功雅各比矩阵H_Q、有功残差方程矩阵A_P以及无功残差方程矩阵A_Q；

S3.对有功残差方程矩阵A_P和无功残差方程矩阵A_Q分别进行LLT分解，得到有功下三角矩阵A_PL及无功下三角矩阵A_QL；

S4.初始化节点电压幅值和节点电压相角，在CPU中进行PQ分解法状态估计迭代计算，同时在GPU中利用有功下三角矩阵A_PL及无功下三角矩阵A_QL计算出有功基解组合与无功基解组合；

S5.判断PQ分解法状态估计迭代计算是否收敛，若是，迭代结束，输出状态估计结果；否则，确认PQ分解法最后一次迭代计算后未收敛的节点编号，执行步骤S6；

S6.基于有功基解组合与无功基解组合，结合粒子群算法，在GPU中对未收敛的节点进行状态估计迭代寻优计算；

S7.判断状态估计迭代寻优计算是否收敛，若是，迭代寻优计算结束，输出状态估计结果；否则，提示错误并退出。