[发明专利]一种配电网分布式状态估计方法

权利要求书

1.一种配电网分布式状态估计方法，其特征在于：所述配电网分布式状态估计方法包括以下步骤：

步骤1：获取配电网中分布式电源的历史出力时间序列，基于所述配电网中分布式电源的历史出力时间序列进行Gram-Charlier级数拟合而得到预测误差概率密度函数，利用所述预测误差概率密度函数对Elman神经网络算法进行改进，利用改进后的所述Elman神经网络得到所述配电网中分布式电源出力的概率预测模型；

步骤2：根据所述配电网的拓扑结构建立衡量节点间电气距离的指标，利用所述指标并基于社区发现算法和社区合并算法对所述配电网进行分区而将所述配电网划分为若干个非重叠的子区域；

步骤3：利用所述配电网中分布式电源出力的概率预测模型获得所述配电网中分布式电源出力的概率预测结果，根据所述配电网中分布式电源出力的概率预测结果和所述配电网的分区结果，建立各个所述子区域的本地状态估计模型，基于最小二乘准则对各所述本地状态估计模型进行分布式求解，得到配电网的分布式状态估计结果。

2.根据权利要求1所述的一种配电网分布式状态估计方法，其特征在于：所述步骤1中，基于所述配电网中分布式电源的历史出力时间序列进行Gram-Charlier级数拟合而得到预测误差概率密度函数的方法为：将所述配电网中分布式电源的历史出力时间序列作为预测误差序列而将Gram-Charlier级数展开，由前四阶Gram-Charlier级数展开得到所述预测误差概率密度函数：

式中，H₃(x)、H₄(x)分别为三阶和四阶的埃尔米特多项式，w为神经网络权值矩阵，为标准正态分布N(0,1²)的概率密度函数。

3.根据权利要求1所述的一种配电网分布式状态估计方法，其特征在于：所述步骤1中，利用所述预测误差概率密度函数对Elman神经网络算法进行改进的方法为：将所述预测误差概率密度函数在目标置信区间内的积分作为所述Elman神经网络算法的损失函数，则利用所述预测误差概率密度函数在目标置信区间内的积分更新所述Elman神经网络算法中的神经网络权值。

4.根据权利要求3所述的一种配电网分布式状态估计方法，其特征在于：所述预测误差概率密度函数在目标置信区间内的积分为：

式中，区间[e_-,e₊]为设定的置信区间，其中e_-＜0，e₊＞0，分别代表负绝对误差和正绝对误差，p(x,w)表示由神经网络输出的预测误差位于置信区间内的概率；

所述Elman神经网络算法中的神经网络权值更新的公式为：

w_k+1＝w_k+Δw_k

式中p(x,w)作为神经网络的损失函数进行参数更新迭代，将其关于w的正偏导方向作为所述神经网络权值的更新方向。

5.根据权利要求1所述的一种配电网分布式状态估计方法，其特征在于：所述步骤1中，利用改进后的所述Elman神经网络得到所述配电网中分布式电源出力的概率预测模型的方法为：预设目标置信度，输入训练数据集并计算得到所述预测误差概率密度函数在目标置信区间内的积分，当所述预测误差概率密度函数在目标置信区间内的积分大于所述目标置信度时结束训练，从而得到所述配电网中分布式电源出力的概率预测模型。