[发明专利]基于伪蒙特卡罗粒子滤波的配电网状态估计方法及系统

说明书

本公开提出了基于伪蒙特卡罗粒子滤波的配电网状态估计方法及系统，步骤如下：采用伪蒙特卡罗采样法生成服从均匀分布的采样点；将服从均匀分布的采样点进行随机化处理；依据先验概率密度函数，将上述随机采样点置于样本空间中，以生成粒子滤波算法所需粒子；基于贝叶斯理论，利用上述随机化伪蒙特卡罗采样法生成的粒子，采用粒子滤波进行配电网三相状态估计，获取配电网运行状态估计值。本公开基于贝叶斯理论并发挥伪蒙特卡罗采样法在拟合误差收敛速度高的优势，计及配电网状态迁移过程，充分利用历史状态信息及当前量测信息，能够采用更少的粒子来达到与标准粒子滤波相同的估计精度，从而有效地降低配电网估计的计算量，实现配电网高精度估计。

技术领域

本公开涉及配电网状态估计相关技术领域，具体的说，是涉及基于伪蒙特卡罗粒子滤波的配电网状态估计方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，并不必然构成在先技术。

随着电力需求上升与化石能源短缺的矛盾日益凸显，主动配电系统成为现代配电系统发展的新趋势。它融合了信息通信、大数据与电力系统等多门技术，旨在通过灵活有效的主动控制及管理手段，协调系统内的可再生能源与其他可控资源，使之具备一定的主动调节、优化内部运行状态的能力。为实现这一功能，首要任务是对系统运行状态进行全面准确的掌控。

配电系统状态估计是感知系统运行状态的有效手段，是配电管理系统的核心功能。它可以利用量测信息的冗余度来提高数据精度，自动排除随机干扰所引起的错误信息，估计或预报系统的运行状态，为其他高级应用提供数据基础。精准高效的状态估计对实现配电系统运行状态的实时感知至关重要。

发明人发现，目前，配电系统状态估计方法存在以下问题：

(1)传统基于加权最小二乘的估计方法仅采用当前量测信息进行估计，但未能利用先验状态信息，当配电网负荷发生较大改变时，可能无法满足估计精度要求。基于卡尔曼滤波的动态估计方法尽管计及状态迁移过程，但受制于高斯噪声假设条件，较难适用于普遍存在非高斯噪声的实际情况。

(2)尽管粒子滤波适用于处理非线性、非高斯系统的状态估计问题，但其计算复杂度高，耗时长，难以满足在线状态估计的实时性需求。

发明内容

本公开为了解决上述问题，提出了基于伪蒙特卡罗粒子滤波的配电网状态估计方法,采用基于Sobol′低差异序列的伪蒙特卡罗采样法,保证估计精度的前提下，采用更少的粒子进行估计，从而降低配电网状态估计的计算量，提高估计效率。

为了实现上述目的，本公开采用如下技术方案：

一个或多个实施例提供了基于伪蒙特卡罗粒子滤波的配电网状态估计方法，包括如下步骤：

采用伪蒙特卡罗采样法生成服从均匀分布的采样点；

将服从均匀分布的采样点进行随机化处理，使原有确定性采样点转化为随机采样点；

依据先验概率密度函数，将上述随机采样点置于样本空间中，以生成粒子滤波算法所需粒子；

基于贝叶斯理论，利用上述随机化伪蒙特卡罗采样法生成的粒子，计及配电网状态迁移过程，获取历史状态信息及当前量测信息，采用粒子滤波进行配电网三相状态估计，获取配电网运行状态估计值。

一个或多个实施例提供了基于伪蒙特卡罗粒子滤波的配电网状态估计系统，包括：

确定性采样点确定模块：被配置为用于采用伪蒙特卡罗采样法生成服从均匀分布的采样点；

采样点随机化模块：被配置为用于将服从均匀分布的采样点进行随机化处理，使原有确定性采样点转化为随机采样点；

粒子确定模块：被配置为用于依据先验概率密度函数，将上述随机采样点置于样本空间中，以生成粒子滤波算法所需粒子；