[发明专利]基于GPU二次加速的配电网分布式抗差状态估计方法及装置

权利要求书

1.一种基于GPU二次加速的配电网分布式抗差状态估计方法，其特征在于，包括：

将待估计的配电网按照网络结构进行分区，得到若干分区；

基于各分区的电力网络参数，构建各分区对应的电力参数模型，其中，所述电力参数模型包括：支路功率量测模型、节点功率量测模型、节点电压量测模型和支路电流幅值量测模型；

根据各分区的所述电力参数模型的雅可比矩阵，构建对应的抗差状态估计模型；

求解各分区的所述抗差状态估计模型，得到各分区对应的抗差状态估计子结果；

根据所有所述抗差状态估计子结果，确定所述配电网的抗差状态估计结果。

2.根据权利要求1所述的基于GPU二次加速的配电网分布式抗差状态估计方法，其特征在于，将待估计的配电网按照网络结构进行分区，得到若干分区，具体包括：

基于图论算法中的邻接矩阵描述表示待估计的配电网的有向图，并基于所述邻接矩阵获取所述配电网的路径矩阵；

基于所述邻接矩阵、所述路径矩阵，获取所述配电网中各节点的节点信息值；

获取所述配电网所含的节点总数和所要分区的分区数目；

在各分区计算量均衡的条件下，根据所述节点总数和所述分区数目，确定各分区包含的最大节点数；

考虑各分区的所述最大节点数，根据各节点对应的节点信息值，结合深度优先搜索算法和广度优先搜索算法，对所述配电网进行分区，得到若干分区。

3.根据权利要求2所述的基于GPU二次加速的配电网分布式抗差状态估计方法，其特征在于，考虑各分区的所述最大节点数，根据各节点对应的节点信息值，结合深度优先搜索算法和广度优先搜索算法，对所述配电网进行分区，得到若干分区，具体包括：

将所述配电网中的电源作为主根节点；

根据所述节点信息值中的线段数，搜寻末端节点距离所述主根节点最远的馈线，其中，所述线段数为对应节点至所述主根节点的线段数；

沿所述馈线，从所述馈线的末端节点往所述主根节点搜索，当搜索到节点i时，搜索i节点的上级节点j；

当节点j的第一节点数与对应分区的第二节点数之间的差值为所述最大节点数以上的数值时，停止搜索，并将节点i就为该分区的起始根节点，其中，所述第一节点数为节点j的所有后续节点数，所述第二节点数为该分区所有末端节点的所连所有后续节点数；

基于各分区对应的所述起始根节点进行搜索，得到对应的分区。

4.根据权利要求1所述的基于GPU二次加速的配电网分布式抗差状态估计方法，其特征在于，根据各分区的所述电力参数模型的雅可比矩阵，构建对应的抗差状态估计模型，具体包括：

根据各分区的所述电力参数模型，对所述电力参数模型进行求解，得到对应的雅可比矩阵；

根据各分区的所述雅可比矩阵，基于标准化残差的指数型函数，构建对应的抗差状态估计模型，所述抗差状态估计模型为：

式中，c(x)为联络端点的零注入功率等式约束方程，J(x)为目标函数，为量测设备所得到的量测值，h(x)为雅可比矩阵，W为指数型权函数对角阵。

5.根据权利要求4所述的基于GPU二次加速的配电网分布式抗差状态估计方法，其特征在于，求解各分区的所述抗差状态估计模型，得到各分区对应的抗差状态估计子结果，具体包括：

在各所述抗差状态估计模型中，引入拉格朗日乘子λ，得到增广拉格朗日函数L(x,λ)的无约束最优化问题，其中，所述无约束最优化问题为：min L(x,λ)＝J(x)+λ^Tc(x)；

采用牛顿法求解各所述无约束最优化问题，得到所述抗差状态估计模型的修正方程；

基于GPU加速的最小残差法来求解各所述修正方程，得到各分区对应的抗差状态估计子结果。

6.根据权利要求1所述的基于GPU二次加速的配电网分布式抗差状态估计方法，其特征在于，根据各分区的所述电力参数模型的雅可比矩阵，构建对应的抗差状态估计模型为：

并行地，根据各分区的所述电力参数模型的雅可比矩阵，构建对应的抗差状态估计模型。