[发明专利]电力系统状态估计方法、装置及设备

说明书

本发明公开了一种电力系统状态估计方法、装置及设备，所述方法包括：获取多个历史时刻电力系统各节点的电力数据，并以此构成初始数据矩阵；根据主成分分析算法对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该模型的指定参数进行优化；根据投影矩阵，对优化后的模型进行训练，得到状态估计模型；获取采样时刻各节点的电力数据，并根据采样时刻的电力数据和状态估计模型对电力系统进行状态估计，得到目标时刻的状态估计值。通过带控制因子的非线性变换公式对粒子群算法进行改进，然后采用改进后的算法对深度支持向量机参数进行寻优，能够提供更加精确的参数，降低电力系统状态估计误差。

技术领域

本申请属于电力技术领域，尤其涉及一种电力系统状态估计方法、装置及设备。

背景技术

随着分布式电源、风能、太阳能等不断接入电网，电网的结构日趋复杂。为了保证电网安全、可靠、稳定运行，处理电网中出现的各种问题，这要求电力系统调度中心能够快速、无误的掌握电力系统的运行状态。

现有技术中，通常使用加权最小二乘法、快速分解法、加权最小绝对值法等混合量测的静态估计方法对电力系统的运行状态进行估计，但都存在状态估计误差大的缺点。

发明内容

有鉴于此，本发明提供了一种电力系统状态估计方法、装置及设备，旨在解决电力系统状态估计误差大的问题。

本发明实施例的第一方面提供了一种电力系统状态估计方法，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，并根据所述当前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。

本发明实施例的第二方面提供了一种电力系统状态估计装置，包括：

获取模块，用于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；

降维模块，用于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；

优化模块，用于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；

训练模块，用于根据所述投影矩阵，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；

估计模块，用于获取电力系统各节点在采样时刻的电力数据，并根据所述当前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。

本发明实施例的第三方面提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面所述电力系统状态估计方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上的第一方面所述电力系统状态估计方法的步骤。

本发明与现有技术相比存在的有益效果是：