超大规模电网快速状态估计的实现方法

随着一体化互联大电网全局分析决策中心的建设,对实时状态估计计算速度提出了更高要求。采用多线程并行计算技术实现了快速分解状态估计信息矩阵的快速计算,在稀疏矩阵节点优化编号及其因子分解过程中采用标准模板库关联容器存储稀疏矩阵。基于新一代调控系统验证环境和实际电网拼接模型算例进行了验证。结果表明：在超大规模电网状态估计中,采用多线程并行计算信息矩阵及其因子分解具有较高的加速比,结合基于关联容器的稀疏矩阵存储格式,能够有效提升编程效率和程序品质以及状态估计的计算效率。     

以支路为基元的封闭格式潮流算法

针对潮流修正方程计算中新注入元处理繁琐的问题,以支路微增模型为基元,充分利用极坐标下牛顿潮流计算中因子分解过程、节点编号及稀疏存储三者间的关联,形成封闭格式的潮流算法。该算法采用支路微增模型的修正方程表达,并以追加形式与雅可比矩阵直接关联,无需导纳阵。依据节点编号同因子分解的关联性质,在节点编号的同时,跟踪未来与数值计算关联的拓扑结构,使前代自动定位,回代自动释放,形成封闭的计算格式,以期提高潮流计算算法的性能。以简单6节点电网为例详细阐述封闭计算格式的计算过程,通过3个IEEE标准系统算例,验证了所提方法在内存和计算速度上的优势。     

基于蚁群算法的电力网络节点编号多方案优化

为了寻求新增非零注入元素数目最少的节点编号方案以提高电网模型中节点导纳矩阵的求解速度,基于蚁群优化算法的思想提出了一种新的电力网络节点编号优化算法,并根据节点编号优化问题的特点,通过引入影响度参数和动态调节因子,对普通蚁群算法的选择概率算式进行了设计改进。和目前通常采取节点编号优化方法相比,所提出的方法可以有效地跳出局部最优,能很快找到最优解,并可一次性得到多种全局最优的节点编号方案。通过对IEEE 14和IEEE 30系统进行节点编号优化测试,证明了该算法的有效性和灵活性。     

电力系统大型稀疏矩阵的快速解法

本文介绍在电力系统大型稀疏矩阵的直接解法中,稀疏按列消去的程序技巧。 在电力系统网络方程的计算中,广泛应用了以三角分解为基础的按行的高斯消去法及按行的三角分解法。本文介绍的稀疏按列消去程序技巧,大大减少了寻找次数,由n~2阶次降低为n阶次,将使网络方程分解的计算速度有较大的提高。 实际计算表明,对于33节点系统的P—Q分解法潮流计算形成两个因子表的总时间,还不到一次迭代时间;而有的计算程序则需要5～10次迭代时间。对这个结果,文中做了分折。本文末尾还给出了这部分的DJS—21机ALGOL-60的标准程序。     

大规模电力系统潮流计算的分布式GESP算法

并行计算已成为大规模电力系统潮流计算的主要解决手段之一。为取得良好的加速比和并行效率,基于GESP算法提出牛顿法潮流迭代计算中修正方程组求解的分布式算法。根据方程组系数矩阵非零元主要集中于对角带及高度稀疏等特点确定系数矩阵的超节点,并基于超节点的边界将潮流修正方程组的系数矩阵划分为若干个2维分块矩阵以实现分块存储;在LU分解过程中,采用基于流水线技术的并行分解以提高计算速度。本文设计了分布式存储的并行算法,并应用于3000、12000节点等不同规模电力系统。算例分析表明:在网络达到2000节点及以上时,本文分布式GESP法相对串行计算和分布式牛顿法具有明显的速度优势。     

基于预测-校正原对偶内点法的无功优化新模型

在有载可调变压器模型中引入虚拟节点，并通过该节点的电压来表示理想变压器对功率、电压的转换关系，由此在直角坐标系中建立了无功优化问题的二阶新模型。该新模型的海森矩阵是精确的常系数矩阵，在内点法迭代过程中只需要计算一次，从而缩短了每次迭代的计算时间。利用AMD算法对内点法修正方程的系数矩阵进行节点优化编号，减少了其LU分解所产生的注入元。通过存储海森矩阵的非零元素值、其行、列号及对应的拉格朗日乘子编号，提出了一种新的非零元素存储方式，极大地减少了海森矩阵与乘子线性组合的计算量。基于节点数从14到1338的7个测试系统进行了仿真计算，结果验证了所建模型与方法的正确性与有效性。这种建立模型的思想还可以应用到需要计算海森矩阵的动态无功优化、最优潮流以及状态估计等问题的算法中，以提高其计算速度。     

基于改进的邻接矩阵分层搜索前推回代法在潮流计算中的应用

分析了现有配电网网基结构特点及计算方法,提出节点与节点的邻接矩阵进行分层搜索的配电网潮流算法。不需事先分析与定义支路,当邻接矩阵分层搜索后得到节点分层矩阵,通过节点分层矩阵赋值给支路完成对支路的定义,可快速实现对辐射状配电网拓扑结构识别并进行实用潮流计算。编程过程实用简单,清晰明了,并且运用稀疏化手段与矢量运算技巧提高程序的运行速度,仿真算例说明所提的方法是有效的。     

基于二维链表的稀疏矩阵在潮流计算中的应用

介绍了一种基于二维链表的稀疏矩阵存储方法,并将该方法应用到潮流计算中.通过改进二维链表的存储结构、用LU扩展的方法计算LU分解过程中的注入元位置、在稀疏矩阵中预先增加冗余元素存储注入元、针对LU分解的特点优化潮流方程的结构等技术,实现了对稀疏矩阵技术和潮流方程的优化,从而进一步提高了潮流计算的效率.对大系统的潮流计算证明,与传统的潮流算法相比,采用改进二维稀疏矩阵技术的潮流算法的计算速度显著提高,特别适合大规模电力系统的潮流计算.     

基于遗传算法的稀疏节点优化编号方法

稀疏技术在电力系统中的应用显著提高了电力系统矩阵运算的效率。节点优化编号问题是稀疏技术的关键内容之一,求其最优解比较困难。遗传算法具有寻优空间广,易达到或者接近全局最优解的特点。采用遗传算法进行节点优化编号,提出了适合节点优化编号的遗传编码和适应值函数。通过对IEEE4节点和IEEE30节点系统的计算和与Tinney-2算法的比较,表明基于遗传算法的节点优化编号方法能够找到更加优化的编号方式,从而提高了矩阵运算的效率。     

用TRS—80型微机计算电力系统短路

一、概述随着微型机的普及应用,利用微机计算电力系统简单故障,或对继电保护装置进行整定计算,可大大减少计算工作量,提高计算精度。为此,我们利用TRS—80型微机,使用BASIC—Ⅱ语言编制了电力系统简单故障计算程序。程序编制中采用了稀疏导纳阵技术,只对导纳阵的上三角非零元素部分进行存储,占用内存少,可实现小机算较大网络的功能。本程序采用因子表法对节点导纳阵求解,     

消去树理论及其在潮流计算中的应用

采用了基于消去树理论的符号因子分解技术以及改进的LU数值分解算法来提高牛顿法潮流计算的效率。介绍了消去树理论，并采用符号因子分解技术确定雅可比矩阵的结构，然后采用稀疏向量法求取L阵的每行和U阵的每列。这种算法和求取L阵每列和U阵每行的传统LU分解方法相比，具有编程简单、计算效率高的优点。另外，雅可比矩阵结构对称以及编译器优化的经验也应用到文中，使得算法不仅占用内存较少，且效率较高。算法的优越性在实际系统 中得到了验证。     

Sparse vector method improvements via minimum inverse fill-inordering

A practical ordering algorithm to enhance sparse vector methods without sacrificing the sparsity of the table of factors is presented. The proposed algorithm locally minimizes the number of new nonzero elements in the inverse of the lower triangular matrix during the factorization process. Two refined versions which can usually give the shortest length on factorization path of single and/or composite singletons are provided. Test results from previously published ordering algorithms based on minimum fill-in are also presented for comparison. The performance of applications to power system state estimation is evaluated. It is shown that the proposed ordering algorithm is a very effective strategy for the improvement of sparse vector methods     

Sparse matrix inverse factors [power systems]

The structural and computation properties of the sparse matrixes encountered in various power system network analysis problems are discussed. Specifically, the inverses of the factors of sparse matrixes produced by factorization or decomposition are discussed. These inverse factors are themselves sparse, at least under suitable ordering and partitioning, and lend themselves to parallel operations in the direct or repeat solution phase of sparse matrix problems. Partitioning reduces the buildup of nonzero elements in the inverse factors, and parallel computation reduces the number of serial steps in the multiplications     

小干扰稳定性分析中一种关键特征值计算的稀疏实现

该文提出了一种大规模电力系统小干扰稳定性分析中基于稀疏技术的关键特征值求解方法。该方法借助于Cayley变换，将关键特征值计算变为主特征值的计算，导出了基于稀疏增广状态矩阵的幂法迭代公式，并利用稀疏2×2分块矩阵及稀疏三角分解技术实现了该方法。2个示例系统的计算结果验证了算法的正确性和有效性。该方法不但可用于低频振荡抑制中控制器参数的协调优化，而且其中使用的多种基本技术也可以推广到基于子空间法求取部分关键特征值的各种迭代计算中。     

基于分块QR分解的一种状态估计算法

文中提出了一种基于分块QR分解的状态估计方法。该方法把虚拟测量处理为等式约束，避免了由于权因子分散而导致的数值病态问题。在每次迭代中，通过对两个分块矩阵的QR分解和一个稀疏三角线性方程组的求解，实现了系数矩阵的三角分解。与带有约束的正规方程(NE/C)法相比，不但消除了Jacobian矩阵叉乘造成的信息损失，而且保证了分解的数值稳定性。稀疏QR分解采用了基于Givens变换的方法并利用最小度列排序和变主元消元策略。减少注入元素的数目，提高了状态估计的计算效率。试验系统的仿真结果表明了该方法具有良好的数值稳定性和鲁棒性，而且有较高的计算效率，可以满足在线状态估计的要求。     

Towards faster Givens rotations based power system state estimator

Numerically stable and computationally efficient power system state estimation (PSSE) algorithms are designed using an orthogonalization (QR decomposition) approach. They use Givens rotations for orthogonalization which enables sparsity exploitation during factorization of the large sparse augmented Jacobian. A priori row and column ordering is usually performed to reduce intermediate and and overall fills. Column ordering methods, usually based on minimum degree algorithm (MDA), have matured. However, there exists a significant scope for improving the quality of row ordering. This paper introduces a new row ordering technique for Givens rotations based power system state estimators. The proposed row processing method (VPAIR) requires a shift from conventionally used row oriented QR decomposition implementation to a column oriented QR decomposition implementation. It is demonstrated that, the proposed column oriented QR decomposition algorithm which uses MDA for column ordering and VPAIR for row ordering can lead to a much faster PSSE. These aspects are justified by simulations on large power systems     

稀疏技术在电力系统状态估计中的应用

研究了电力系统状态估计中稀疏技术的应用方法。首先根据因子矩阵和消去树，讨论了稀疏向量法。然后基于给定的稀疏矩阵存储方法和符号因子化技术，提出了一种采用稀疏向量法进行LDLT分解的算法，最后结合量测残差方差计算给出了两种应用稀疏技术计算的方法。算法的有效性在IEEE 118和IEEE 300系统上得到了验证。