[发明专利]电力系统状态估计方法、装置及设备

权利要求书

1.一种电力系统状态估计方法，其特征在于，包括：获取电力系统中各节点在多个历史时刻的电力数据，并将获取到的电力数据构成初始数据矩阵；

根据主成分分析算法对所述初始数据矩阵进行降维处理，得到投影矩阵；

建立最小二乘深度支持向量机模型，根据改进的粒子群算法对最小二乘深度支持向量机模型的指定参数进行优化；其中，所述改进的粒子群算法中更新公式的权重系数根据带控制因子的非线性变换公式确定；根据所述投影矩阵，对优化后的最小二乘深度支持向量机模型进行训练，以得到状态估计模型；

获取电力系统各节点在采样时刻的电力数据，并根据所述采样时刻的电力数据和所述状态估计模型对电力系统进行状态估计，得到目标时刻电力系统的状态估计值；

其中，所述指定参数包括标准差和惩罚系数；所述带控制因子的非线性变换公式如下：

其中，ω为权重系数，ω_max为最大权重系数，ω_min为最小权重系数，t为迭代次数，T为最大迭代次数，k为控制因子；

所述根据改进的粒子群算法对最小二乘深度支持向量机模型的指定参数进行优化，包括：将所述改进的粒子群算法的参数以及粒子位置进行初始化；获取当前的粒子位置；根据当前的粒子位置和适应度函数，确定当前的粒子适应度值；根据所述粒子适应度值和更新公式，更新当前的粒子位置；若更新后的粒子位置不满足预设精度要求且迭代次数小于预设次数，则跳转至获取当前的粒子位置的步骤；若更新后的粒子位置满足预设精度要求或迭代次数等于预设次数，则将当前的粒子位置作为参数优化结果输出；所述适应度函数如下：

其中，MSE为适应度，m为粒子个数，x_i为当前的粒子位置，为目标粒子位置；所述更新公式如下：

其中，v_i(t)为第t次迭代前第个i粒子的速度，v_i(t+1)为第t+1次迭代前第个i粒子的速度，n为搜索空间维度，c₁和c₂为学习因子，r₁和r₂为均匀分布在[0,1]之间的随机数，a_i(t)为第t次迭代前第个i粒子的位置，a_i(t+1)为第t+1次迭代前第个i粒子的位置，p_i(t)为第t次迭代时第个i粒子的最优位置，p_g(t)为第t次迭代时在整个粒子群最优的位置；

所述方法还包括：对所述初始数据矩阵进行预处理，以得到预处理矩阵；

根据主成分分析算法对所述初始数据矩阵进行降维处理，得到投影矩阵，包括：

根据交叉验证算法确定主成分分析的维度数；对所述预处理矩阵的所有元素进行中心化处理；算中心化处理后的预处理矩阵的协方差矩阵；对所述协方差矩阵进行特征值分解，得到多个特征值和多个特征向量；所述特征值和所述特征向量一一对应；根据所述多个特征值、所述多个特征向量和所述维度数，构建投影矩阵；

根据多组特征值和所述特征向量和所述维度数，构建投影矩阵，包括：

将所述多个特征值从大到小排序，并选取排序后的数列中靠前的指定数目的特征值所对应的特征向量，组成投影矩阵，其中，指定数目为所述主成分分析的维度数。

2.根据权利要求1所述的电力系统状态估计方法，其特征在于，所述对所述初始数据矩阵进行预处理，得到预处理矩阵，包括：

对所述初始数据矩阵进行坏数据处理、填充处理和归一化处理，得到所述预处理矩阵；

所述对所述初始数据矩阵进行坏数据处理，包括：

将所述初始数据矩阵中不满足功率平衡方程的各节点的有功功率和无功功率删除；

所述对所述初始数据矩阵进行填充处理，包括：

针对有功功率和/或无功功率缺失的每个节点，根据母线负荷预测算法得到该节点的伪量测数据，并以此填充所述初始数据矩阵中该节点缺失的有功功率和/或无功功率；

所述对所述初始数据矩阵进行归一化处理，包括：

根据归一化公式，对所述初始数据矩阵进行归一化处理；

所述归一化公式为：

其中，x'为所述预处理矩阵的元素，x为所述初始数据矩阵的元素，x_min为所述初始数据矩阵元素中的最小值，x_max为所述初始数据矩阵元素中的最大值。