[发明专利]一种基于凸优化的智能电网隐藏拓扑结构识别方法

说明书

一种基于凸优化的智能电网隐藏拓扑结构识别方法，包括：根据低压配电网的拓扑结构，基于智能电表实时用户数据和电能守恒原理建立多元线性回归的数学模型；由所有终端用户电量数据矩阵X、所有配电变压器电量数据矩阵Y和拓扑结构的线性回归矩阵B三者构造目标函数，利用范数逼近原理将低压配电网拓扑识别问题转化为可解的凸优化问题；通过CVX工具箱对凸优化问题进行求解，计算出拓扑结构的线性回归矩阵B。本发明的一种基于凸优化的智能电网隐藏拓扑结构识别方法，能够提高对低压配电网拓扑识别准确率。

技术领域

本发明涉及一种电网隐藏拓扑结构识别方法。特别是涉及一种基于凸优化的智能电网隐藏拓扑结构识别方法。

背景技术

随着科学技术的进步，智能电网的建设得到了快速发展，其规模和复杂性也日益增加。低压配电网作为智能电网的重要组成部分，直接连接着大量变电站和用户，对社会生活的影响最为直接。低压配电网拓扑信息是数据系统计算、停电范围控制和负荷传递分析的基础，基于准确的低压配电网拓扑结构，可以产生精确的状态监测数据和智能仪表数据。由于低压配电网的拓扑结构会因设备更新、修复和维护而发生改变，通常电网运营商不能及时获得拓扑结构的变化信息，这将会给电网公司的运营带来麻烦，因此快速获取准确的低压配电网拓扑信息具有重要的现实意义。

使用电压相位测量装置对配电网拓扑结构和拓扑变化进行识别的方法增加了设备成本，不便于对拥有大量节点的低压配电网进行操作；基于皮尔逊相关系数校验低压配电网拓扑结构的方法会受用户地理位置的影响而导致无法实现准确识别；如粒子群等仿生算法对优化模型进行求解的优点在于方便求解多目标问题，缺点是容易陷入局部最优，且搜索速度较慢。随着智能电表的普及，产生了基于智能电表测量数据的拓扑识别方法，智能电表能够收集海量用户实时用电信息，通过将总电表数据和其下所有电表数据进行对比，可以及时发现潜在的窃电行为。由于智能电表具有强大的数据信息交互能力，基于智能电表测量数据的低压配电网拓扑结构识别问题将是一项重要的研究课题。因此本发明提出一种基于凸优化的低压配电网拓扑结构辨识算法，利用智能电表的电量测量数据进行拓扑识别。

发明内容

本发明所要解决的技术问题是，提供一种能够提高对低压配电网拓扑识别准确率的基于凸优化的智能电网隐藏拓扑结构识别方法。

本发明所采用的技术方案是：一种基于凸优化的智能电网隐藏拓扑结构识别方法，包括如下步骤：

1)根据低压配电网的拓扑结构，基于智能电表实时用户数据和电能守恒原理建立多元线性回归的数学模型；

2)由所有终端用户电量数据矩阵X、所有配电变压器电量数据矩阵Y和拓扑结构的线性回归矩阵B三者构造目标函数，利用范数逼近原理将低压配电网拓扑识别问题转化为可解的凸优化问题；

3)通过CVX工具箱对凸优化问题进行求解，计算出拓扑结构的线性回归矩阵B。

步骤1)包括：

设有n个终端用户连接到m个配电变压器，以瓦特每小时为单位按设定的时间间隔对智能电表进行数据采样，设U＝{1,…,n}为终端用户节点的索引集合，T＝{1,…,m}为配电变压器节点的索引集合，K＝{1,…,k}为基于时间序列的电量测量索引集合；b_ij代表第i个终端用户和第j个配电变压器的连接关系，得到：

其中，i∈U,j∈T；设x_i＝[x_i,1,…,x_i,k]^T定义为第i个终端用户的电量测量数据序列，定义y_i＝[y_j,1,…,y_j,k]^T为第j个配电变压器的电量测量数据序列；

电量测量值受到随机噪声的干扰，存在误差：