[发明专利]一种电力系统状态估计的并行计算方法

说明书

本发明公开了一种电力系统状态估计的并行计算方法，包括以下步骤：建立基于MapReduce框架的加权最小二乘法状态估计并行模型；对上述模型通过基于MapReduce框架实现预处理共轭梯度法的并行模式；进行电力系统状态估计模型的并行建立与计算求解；本发明整合了状态估计模型的并行形成与并行求解两个过程，易于结合相关并行平台实现该方法的并行化处理，且无需将完整系统网络划分为子系统形式，无需增加子系统与全局参考点相角的折算过程，为大规模电力系统快速、准确的安全分析与仿真计算提供一种可行的新途径。

技术领域

本发明涉及电力系统状态估计计算领域，具体涉及一种电力系统状态估计的并行计算方法。

背景技术

随着超大规模区域互联电网的发展，电力系统安全分析要求日渐提高；同时随着稳定分析的深入研究，其相关基础研究也持续深入；为应对超大规模互联电网状态估计的快速有效的计算问题，当前在技术层面上可采用分布式计算或集群系统并行处理技术；在算法层面上则需要研究计算量少，适于并行处理的算法；目前在进行电力系统状态估计时，传统的并行方法有三类：电网分块降维法、Krylov子空间法和优化算法；其中，电网分块降维法可被划分为三种形式：母线撕裂、联络线分割和扩展子区域法；通过此类形式可将电网划分为子系统和协调中心两部分；在求解过程中，各子系统先并行执行各自状态估计，后发送与边界信息相关的参数至协调中心并进行相应状态向量的修正计算；然而，此方法在判断子系统和协调中心的状态向量收敛后，会单独进行各子系统与全局参考节点相角的折算，而折算精度会受较多因素影响；如联络线模型精度、子系统数据和相连系统之间的联络线数量等；Krylov子空间法：状态估计修正线性方程组的系数矩阵A是正定对称矩阵，因此可采用Krylov子空间法中含预条件处理技术的共轭梯度法(preconditioned conjugategradient method,PCG)进行求解；然而，大规模电力系统潮流计算量集中在修正方程组的求解和雅克比矩阵的更新两个过程，而状态估计作为一种广义的潮流计算，其主要计算量也是如此；优化算法：具体指将遗传算法引入状态估计问题的求解中，并对遗传算法进行并行化处理，然而，此方法实现相对比较复杂，且其选择率、交叉率和变异率的选择主要依据经验，会严重影响状态向量解的品质。

发明内容

本发明提供一种用于大规模电力系统快速、准确的安全分析和计算的电力系统状态估计的并行计算方法。

本发明采用的技术方案是：一种电力系统状态估计的并行计算方法，包括以下步骤：

建立基于MapReduce框架的加权最小二乘法状态估计并行模型；

对上述模型通过基于MapReduce框架实现预处理共轭梯度法的并行模式；

进行电力系统状态估计模型的并行建立与计算求解。

进一步的，所述基于MapReduce框架的加权最小二乘法状态估计并行模型的建立方法包括如下步骤：

步骤1、从分布式文件系统HDFS中提取电网网络参数、状态向量和量测向量，电网网络参数包括节点、支路参数；

步骤2、根据分布式文件系统HDFS中量测数据集合划分的数据子集形成的键值对<key,value>，value中的量测类型、节点导纳矩阵和状态向量，根据下式计算当前量测量估计值、残差和相关雅克比矩阵元素；

z＝h(x)+v

对h(x)进行泰勒展开，保留一次项，并忽略二次以上非线性项，得到：

式中：z为量测向量，h(·)为量测函数；x为状态向量；v为量测误差向量，R为对角权重矩阵，对角元素R_ii＝1/σ_i²，σ_i为标准差，H(x)为h(x)的雅克比矩阵；