[发明专利]一种电力系统状态估计的并行计算方法

摘要

本发明公开了一种电力系统状态估计的并行计算方法，包括以下步骤：建立基于MapReduce框架的加权最小二乘法状态估计并行模型；对上述模型通过基于MapReduce框架实现预处理共轭梯度法的并行模式；进行电力系统状态估计模型的并行建立与计算求解；本发明整合了状态估计模型的并行形成与并行求解两个过程，易于结合相关并行平台实现该方法的并行化处理，且无需将完整系统网络划分为子系统形式，无需增加子系统与全局参考点相角的折算过程，为大规模电力系统快速、准确的安全分析与仿真计算提供一种可行的新途径。

主权项

1.一种电力系统状态估计的并行计算方法，其特征在于，包括以下步骤：建立基于MapReduce框架的加权最小二乘法状态估计并行模型；MapReduce框架基于Hadoop集群；对上述模型通过基于MapReduce框架实现预处理共轭梯度法的并行模式；进行电力系统状态估计模型的并行建立与计算求解；所述基于MapReduce框架的加权最小二乘法状态估计并行模型的建立方法包括如下步骤：步骤1、从分布式文件系统HDFS中提取电网网络参数、状态向量和量测向量，电网网络参数包括节点、支路参数；步骤2、根据分布式文件系统HDFS中量测数据集合划分的数据子集形成的键值对<key,value>，value中的量测类型、节点导纳矩阵和状态向量，根据下式计算当前量测量估计值、残差和相关雅克比矩阵元素；z＝h(x)+v对h(x)进行泰勒展开，保留一次项，并忽略二次以上非线性项，得到：式中：z为量测向量，h(·)为量测函数；x为状态向量；v为量测误差向量，R为对角权重矩阵，对角元素R_ii＝1/σ_i²，σ_i为标准差，H(x)为h(x)的雅克比矩阵；步骤3、根据步骤2计算结果，更新h(x)、残差向量和H(x)；步骤4、获取信息矩阵、右端向量，其中为信息矩阵，为右端向量；步骤5、将步骤4中向量、矩阵的元素拆分为键值对<key,value>形式；步骤6、根据键值对中的key值，计算信息矩阵、右端向量的组成元素；所述基于MapReduce框架的预处理共轭梯度法的并行实现步骤如下：A、初始化状态向量，根据下式计算D^‑1、M^‑1、r₀、z₀和p₀，设置迭代次数k、最大迭代次数iterlMax和表征状态向量收敛最大误差容限dxlMax；M^‑1＝2D^‑1‑D^‑1AD^‑1x₀＝0r₀＝b‑Ax₀z₀＝M^‑1r₀p₀＝z₀式中：A为状态估计信息矩阵，D^‑1为矩阵A对角矩阵的逆矩阵，r₀、z₀和p₀为迭代所需的中间向量；b表示状态估计求解模型的右端向量；B、基于MapReduce，实现预处理共轭梯度法PCG算法中的矩阵并行计算；C、如果max|abs(x_k+1‑x_k)|<dxlMax，求解过程结束，若不是则转入步骤D；D、如果k<iterlMax，则执行k+1后转入步骤B，如果不是则计算过程结束；所述矩阵并行计算包括：Θ(·)运算：计算(r_k,z_k)和(p_k,Ap_k)，得到α_k系数；Θ(+)运算：执行x_k+α_kp_k，获取状态向量x_k+1；Θ(×)、Θ(‑)运算：先A×α_kp_k；后r_k‑Aα_kp_k，获取r_k+1；Θ(×)运算：计算M^‑1×r_k+1，得到z_k+1；Θ(·)运算：计算(r_k+1,z_k+1)后，并结合(r_k,z_k)，获取β_k+1；Θ(+)运算：执行z_k+1+β_k+1p_k，得到p_k+1；α_k＝(r_k,z_k)/(p_kAp_k)x_k+1＝x_k+α_kp_kr_k+1＝r_k‑α_kAp_kz_k+1＝M^‑1r_k+1β_k+1＝(r_k+1,z_k+1)/(r_k,z_k)式中：α和β是迭代系数。