稀疏技术在电力系统状态估计中应用.docVIP

稀疏技术在电力系统状态估计中应用 　　【摘 要】首先依据因子矩阵及消去树，对稀疏向量法进行探讨，其次基于给定的符号因子化技术及稀疏矩阵的存储方法，提出了采用稀疏向量法进行LDLT分解的一种算法，最终通过结合量测残差方差的计算，分析研究，给出了两种应用稀疏技术计算的计算方法，并将此算法在IEEE118及IEEE300系统上进行了验证，分析探讨了稀疏技术在电力系统状态估计中的应用。 　　【关键词】稀疏技术；电力系统状态估计；应用 　　在电网的计算过程中，往往会涉及很多的关于矩阵与向量之间或是向量与向量之间的计算，由于电网本身存在的接线特点，这些参与计算的向量或是矩阵中的非零元素非常的少，就将这种向量或矩阵称之为稀疏向量或稀疏矩阵。稀疏技术就是指根据向量或矩阵中的非零元素的分布特点，从排零运算及排零存储两个方面来提高计算的计算效率。 　　在电力系统计算中稀疏技术已经得到广泛应用。电力系统分析计算的电网故障计算、静态安全分析、潮流计算等各个领域都广泛的应用到稀疏技术。 　　能量管理系统（EMS）的核心功能即为状态估计，状态估计也为 EMS 高级应用软件实用化的基础。与其它计算方式相比，状态估计处理具有运算结构复杂、矩阵规模大、量测的数目大、种类多样的特点，在进行状态估计处理计算时，不仅仅涉及到稀疏矩阵的存储技术，还会涉及到矩阵的转置、相乘等操作。因此要提高电力系统的状态估计的处理技术，就应该加强稀疏技术的应用技术，本文就将结合消去树及因子矩阵，对稀疏向量法进行探讨，并提出一种应用稀疏向量法进行LDLT分解的算法。 　　1 状态估计的数学模型 　　在给定支路参数、给定网络接线的条件下，给定相应的量测模型： 　　（1） 　　在此情况下，状态估计的问题所在就是要得到如下目标函数所能达到的最小的x值，目标函数如下： 　　（2） 　　其中，z是指量测矢量；v是指量测的误差；h（x）是指非线性量测的方程式矢量，它包括节点潮流注入方程式、支路潮流方程式等；R-1是指量测权重的对角阵，即是每个量测方差2的倒数的对角阵。 　　对上述方程采用牛顿法求解，进行状态估计计算的过程为一个反复迭代求解的过程，对状态量x进行修正，直到其能够满足指定的收敛判据： 　　（3） 　　式中，G是指信息矩阵，H是指量测雅可比矩阵，Δz是指量测残差矢量，Δx是指状态量修正量。 　　2 稀疏技术 　　2.1 稀疏矩阵的存储技术 　　本文所涉及的稀疏技术主要有两方面的内容，即为稀疏向量技术和稀疏矩阵的存储技术，稀疏向量技术的主要研究内容为在前代回代运算中如何避免不必要的运算操作，以此来提高运算的效率；而稀疏矩阵的存储技术的主要研究内容为稀疏矩阵的索引技巧、存储策略等，在节省内存的同时还能快速的定位矩阵元素。 　　稀疏矩阵的存储方法一般有两种，一种是传统存储方法是基于数组的；另一种存储方法是基于链表的。基于数组的存储方法是目前大多数计算程序所采用的存储方法， Fortran 程序即采用此类存储方法；基于链表的存储方法比起基于数组的存储方法占有更多的内存，但是其计算效率明显高于传统的数组存储方法。本文虽然采用了基于数组的存储方式，但在进行数组的计算时根据计算需要对数组进行了加链，以此来提高稀疏矩阵的元素的查找效率。这种计算方法与基于链表的存储方法相比起来，这种存储方法只需要对传统程序稍作修改，在查找效率不变的情况下，反而能够更加节省内存。 　　2.2 稀疏向量技术 　　通过因子分解可以将信息矩阵的G表示为： 　　其中U表示对角元为1的上三角矩阵，而D表示n维的对角阵，如果将Uk定义为U阵中保留第k行元素其他的对角元都为1的n阶因子矩阵，即表示为： 　　上式中的，mk是U阵中除去对角元后的第 k行，是一个行向量；Ik是单位阵中的第k列，是一个列向量，其中 ，那么就可以将U阵及其逆矩阵表示为相应的序列因子的矩阵乘积，如下式所示： 　　运用快速回代进行运算的求解方程为： 　　由此可见，提高稀疏向量法效率的措施有两种，一种是尽可能减少参与计算的因子矩阵的个数，即是通过消去树路径的长度的方式来减少参与计算的因子矩阵的总个数；另一种方法是尽量的减少U矩阵中元素的个数，减少因子分解过程中产生的注入元，参与计算的元素的个数减少了，计算效率就会得到相应的提高。计算前的节点优化编号正是采用减少参与计算的因子矩阵个数的方法来提高稀疏向量法的计算效率的。 　　3 稀疏技术在状态估计中的应用 　　3.1 法放程式的求解 　　队方程式（3）进行直接求解时，可以采用正交分解法进行求解，也可以采用LDLT因子分解法进行求解，正交分解法虽然拥有很稳定的数值，但是计算量很大，编程方法也很复杂，需要对G阵进行多次的分解，计算效率很低。LDLT计算法的计算量比起正交分