[发明专利]基于进化计算的电力系统分数阶预测辅助状态估计方法

说明书

本发明公开一种基于进化计算的电力系统分数阶预测辅助状态估计方法，以预测辅助状态估计为基础，通过分数阶微积分理论建立分数阶状态转移矩阵表示电力系统动态特性，采用分数阶拓展卡尔曼滤波器作为滤波方法，然后从优化角度，将系统估计结果与参考值之间误差的平均值作为优化目标函数，以遗传优化求解方法进行优化求解克服分数阶参数整定难题，设计最优分数阶拓展卡尔曼滤波方法，实现电力系统分数阶辅助状态估计。该发明的有益效果为：相比基于整数阶的系统建模，本发明能更加准确建立电力系统的动态特性模型，且具有更高的状态估计准确度；相比基于经验规则整定方法，本发明可以更加智能的整定分数阶阶次，实施更为简单，整定效率更高。

技术领域

本发明属于电力系统状态估计技术领域，尤其涉及一种基于进化计算的电力系统分数阶预测辅助状态估计方法。

背景技术

电力系统状态估计滤波器的主要功能是为能量管理系统(EMS)提供准确的信息，是EMS中的核心部分，精确的状态估计结果是现代电力系统维持安全、可靠、优质、经济运行不可或缺的关键部分。预测辅助状态估计的基本原理是对过去时刻的状态变量分析利用，从而估计下一时刻的系统状态值，其优点在于可以刻画电力系统的动态特性，有着较强的实时性。因此，如何设计有效的预测辅助状态估计方法保证现代电力系统稳定运行具有重要的工程应用价值。

目前，预测辅助技术状态估计方法的主流技术主要包括迭代最小二乘法、扩展卡尔曼滤波、无迹卡尔曼滤波等，虽然在部分工况下取得了不错的结果，但考虑到现代电力系统具有时变性、动态特性等复杂情况，模型的建立仍然存在着不足。现有技术都基于传统的整数阶模型设计，难以应对现代电力系统对于安全稳定运行有着较高要求环境下的应用。因此，针对现代电力系统复杂特性，如何建立更为精确的模型设计更有效的状态估计方法是电力系统状态估计领域必须解决的重要技术难题之一。

分数阶微积分理论是整数阶微积分的拓展，已在电力电子、化工过程、无线充电等系统建模领域取得了较为成功的应用，但在电力系统预测辅助状态估计中还鲜有应用。但在建模过程中如何确定分数阶阶次也是建立精确模型的关键技术难题之一。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于进化计算的电力系统分数阶预测辅助状态估计方法。

本发明的目的是通过以下技术方案来实现的：一种基于进化计算的电力系统分数阶预测辅助状态估计方法，该方法包括以下步骤：

(1)通过机理分析法和分数阶微积分理论建立基于分数阶状态转移矩阵电力系统预测辅助状态估计模型。

(2)设置进化计算的参数值。

(3)随机产生一个实数编码的种群PG。

(4)根据分数阶卡尔曼滤波方法，按照优化目标对当前种群PG中的所有个体进行适应度函数评价，个体根据适应度函数值进行由小到大排序。

(5)选择操作：从种群PG中选择适应度函数值较小的一半种群规模的个体，并复制，一起组成新的种群PS。

(6)交叉操作：种群PS中所有个体两个为一组，针对每一组产生0-1之间的随机数，只有随机数大于预设的交叉概率时进行交叉生成两个新个体，否则不变，最后得到新的种群PC。

(7)变异操作：针对种群PC中的每个个体，产生0-1之间的随机数，只有随机数大于预设的变异概率时进行变异生成一个新个体，否则不变，最后得到新的种群PG；其中，新种群PG保留上一代种群PG中适应度函数值最小的个体。

(8)重复步骤(4)～(7)直到遗传优化求解器的迭代次数达到预设的最大迭代次数。

(9)将最后一次迭代得到的适应度函数值最小的个体，作为电力系统分数阶状态转移矩阵的最优阶次输出，并将其应用到电力系统的能量管理系统中，实时获取电力系统中所有节点电压幅值和电压相角的状态估计值。