一種大規(guī)模電力系統(tǒng)節(jié)點的潮流計算方法
【技術領域】
[0001] 本發(fā)明涉及電力系統(tǒng)自動化分析技術領域，具體涉及一種大規(guī)模電力系統(tǒng)節(jié)點的 潮流計算方法。
【背景技術】
[0002] 所謂電力系統(tǒng)潮流，是指系統(tǒng)中所有運行參數(shù)的主體，包括各母線電壓和相位，各 發(fā)電機負荷的功率和電流，各變壓器及線路的功率、電流及其損耗等。而潮流計算是在已知 某些運行參數(shù)的情況下，計算出系統(tǒng)的全部運行參數(shù)，是電力系統(tǒng)運行和規(guī)劃中最基本和 最常用的計算。
[0003] 近年來，電力系統(tǒng)的互聯(lián)及其規(guī)模的不斷擴大，系統(tǒng)節(jié)點數(shù)越來越多，潮流計算的 規(guī)模也隨之越來越大，傳統(tǒng)的潮流計算方法也越來越力不從心?；诔绷饔嬎闼惴ū旧韺?面的改進如PQ快速分解法、根據(jù)遺傳算法優(yōu)化的潮流計算等，對于效率的提升效果甚微， 無法從根本上解決大電網(wǎng)互聯(lián)的潮流計算問題，因此，需要從技術層面考慮算法的優(yōu)化改 進?；诓⑿谢夹g的潮流計算優(yōu)化是目前一個熱門研宄方向。目前基于多線程技術、多 核心技術和GPU方式的并行潮流計算的研宄較為常見，但其計算方式還是基于一臺主機， 對于未來的更大規(guī)模的計算會愈發(fā)吃力?？紤]適用于計算集群的潮流計算方式，可以實現(xiàn) 計算資源的動態(tài)擴展，對于未來的大電網(wǎng)大數(shù)據(jù)的潮流計算更具優(yōu)勢?，F(xiàn)存的一些MPI、 OpenMP等集群計算技術需要考慮底層資源分配、通信協(xié)同和負載均衡等問題，實現(xiàn)較為復 雜。而利用時下流行的云計算技術可以實現(xiàn)計算集群的虛擬化和封裝，使算法無需考慮底 層細節(jié)，只需依照MapReduce并行框架設計，即可實現(xiàn)物理計算集群上的并行計算。
[0004] 對于潮流計算，目前較為常用的也是最基礎的是牛頓-拉夫遜法，其他方法是在 該法的基礎上的優(yōu)化改進。牛頓-拉夫遜法是一個迭代至收斂的過程，該方法最費時的階 段在造修正方程式和求解修正方程式的階段。按照傳統(tǒng)的計算方式，雅可比矩陣的構造需 要各元素依次進行計算，雅可比矩陣的階數(shù)為n+m-1，其中，n為系統(tǒng)中節(jié)點個數(shù)，m為系統(tǒng) 中PQ節(jié)點個數(shù)，因此雅可比矩陣的構造需要計算次數(shù)為（n+m-1)2。當節(jié)點數(shù)增長時，其計 算量呈指數(shù)型急劇增長，計算效率大大下降。
[0005] 因此，如何設計一種適用于大規(guī)模電力系統(tǒng)節(jié)點的計算效率高且計算量小的潮流 計算方法，是本領域亟待解決的問題。

【發(fā)明內容】

[0006] 有鑒于此，本發(fā)明提供的一種大規(guī)模電力系統(tǒng)節(jié)點的潮流計算方法，該方法中的 雅可比矩陣元素的生成可以通過Hadoop云計算平臺，能夠在多臺計算機上并行計算，真正 實現(xiàn)了多臺物理計算機計算能力的迭加，從而大大提高了計算效率、云平臺的容錯性及潮 流計算結果的可靠性，進而保證了電力系統(tǒng)的正常運行和高效規(guī)劃。
[0007]本發(fā)明的目的是通過以下技術方案實現(xiàn)的：
[0008] -種大規(guī)模電力系統(tǒng)節(jié)點的潮流計算方法，所述方法在云計算平臺的MapReduce 框架中進行；所述方法包括如下步驟：
[0009] 步驟1.將電力系統(tǒng)節(jié)點的原始數(shù)據(jù)以鍵值對的形式存儲為導納矩陣；并將迭代 計數(shù)k設置為k= 0 ;
[0010] 步驟2.根據(jù)電力系統(tǒng)節(jié)點的各給定初值計算各功率不平衡量，并判斷各所述功 率不平衡量是否小于其所對應的各容許值；
[0011] 若是，則轉向步驟7 ;若否，則進入步驟3 ;
[0012] 步驟3.計算建立雅可比矩陣所需的各個元素；
[0013] 步驟4.合并所述元素，得到雅可比矩陣及修正方程式；
[0014] 步驟5.求解所述修正方程式，并根據(jù)所述修正方程式的解修正所述各給定初值；
[0015] 步驟6.將所述迭代計數(shù)k設置為k=k+1，返回步驟2根據(jù)修正后結果進行下一 輪迭代；
[0016] 步驟7.計算所述電力系統(tǒng)的各潮流值，并輸出計算結果。
[0017] 優(yōu)選的，所述步驟1之前，包括：
[0018] a.采集電力系統(tǒng)節(jié)點的原始數(shù)據(jù)；其中，所述原始數(shù)據(jù)包括所述電力系統(tǒng)節(jié)點的 有功功率、無功功率、電流和電壓；
[0019] b.給定所述電力系統(tǒng)的各初值，所述初值包括電壓初值Uw和相角向量初值Q((1)。
[0020] 優(yōu)選的，所述步驟2包括：
[0021] 2-1根據(jù)電壓初值Uw和相角向量初值Q((1)計算有功不平衡量AP(k)和無功不平 衡量AQ(k);
許值；
[0023] 若是，則轉向步驟7 ;若否，則進入步驟3 ;
[0024] 其中，i代表系統(tǒng)中的節(jié)點編號，e代表設定的有功或無功不平衡量的容許值； APf為系統(tǒng)中第i個節(jié)點的有功不平衡量；為系統(tǒng)中第i個節(jié)點的無功不平衡量。
[0025] 優(yōu)選的，所述步驟3包括：
[0026] 3-1.調用Map函數(shù)，使得其中的每一個Mapper均從所述導納矩陣的庫中讀取一個 鍵值對；
[0027] 3-2.在map函數(shù)中計算建立雅可比矩陣所需的各個元素的值；
[0028] 3-3.將全部所述Mapper的輸出結果進行排序。
[0029] 優(yōu)選的，所述步驟4包括：
[0030] 4-1?調用reduce函數(shù)；
[0031] 4-2.在reduce函數(shù)中合并全部所述元素，得到雅可比矩陣及修正方程式。
[0032] 優(yōu)選的，所述步驟5中的修正所述各給定初值，包括：將所述給定相角初值0和給 定電壓初值U修正為修正后的相角0 (k+1)和修正后的電壓U(k+1)。
[0033] 優(yōu)選的，所述步驟7中的各潮流值包括所述電力系統(tǒng)中各母線電壓和相位、各發(fā) 電機負荷的功率和電流、各變壓器及線路的功率、電流及其損耗、PV節(jié)點、平衡節(jié)點的注入 功率。
[0034] 從上述的技術方案可以看出，本發(fā)明提供了一種大規(guī)模電力系統(tǒng)節(jié)點的潮流計算 方法，將傳統(tǒng)的導納矩陣和參數(shù)向量數(shù)據(jù)以鍵值對形式存儲；每一個Mapper從K-V數(shù)據(jù)庫 中讀出一個鍵值對〈key,value〉，作為輸入；每個Mapper根據(jù)輸入計算一個雅可比矩陣元 素；將所有Mapper的輸出結果進行排序，以備Reducer合并；Reducer合并所有Mapper輸 出的雅可比矩陣元素，形成矩陣和修正方程式；求解修正方程式并對電壓相角進行修正； 以修正結果進行下一輪迭代。該方法中的雅可比矩陣元素的生成可以通過Hadoop云計算 平臺，能夠在多臺計算機上并行計算，真正實現(xiàn)了多臺物理計算機計算能力的迭加，從而大 大提高了計算效率、云平臺的容錯性及潮流計算結果的可靠性，進而保證了電力系統(tǒng)的正 常運行和高效規(guī)劃。
[0035] 與最接近的現(xiàn)有技術比，本發(fā)明提供的技術方案具有以下優(yōu)異效果：
[0036] 1、本發(fā)明所提供的技術方案中，將傳統(tǒng)的導納矩陣和參數(shù)向量數(shù)據(jù)以鍵值對形式 存儲；每一個Mapper從K-V數(shù)據(jù)庫中讀出一個鍵值對〈key,value〉，作為輸入；每個Mapper 根據(jù)輸入計算一個雅可比矩陣元素；使得該方法中的雅可比矩陣元素的生成可以通過 Hadoop云計算平臺，能夠在多臺計算機上并行計算，真正實現(xiàn)了多臺物理計算機計算能力 的迭加，從而大大提高了計算效率、云平臺的容錯性及潮流計算結果的可靠性，進而保證了 電力系統(tǒng)的正常運行和高效規(guī)劃。
[0037] 2、本發(fā)明所提供的技術方案，將所有Mapper的輸出結果進行排序，以備Reducer 合并；Reducer合并所有Mapper輸出的雅可比矩陣元素，形成矩陣和修正方程式；實現(xiàn)了多 臺物理計算機計算能力的迭加；提高了潮流計算結果的可靠性。
[0038] 3、本發(fā)明所提供的技術方案，求解修正方程式并對電壓相角進行修正；以修正結 果進行下一輪迭代；從而大大提高了計算效率、云平臺的容錯性及潮流計算結果的可靠性， 進而保證了電力系統(tǒng)的正常運行和高效規(guī)劃。
[0039] 4、本發(fā)明所提供的技術方案，應用Hadoop云計算平臺下的MapReduce編程機制， 使計算任務并行地在若干臺計算機上執(zhí)行，計算能力相當于多臺計算機計算能力的總和， 相應的效率會大大提升
[0040] 5、本發(fā)明提供的技術方案，應用廣泛，具有顯著的社會效益和經濟效益。
【附圖說明】
[0041] 圖1是本發(fā)明的一種大規(guī)模電力系統(tǒng)節(jié)點的潮流計算方法的流程示意圖；
[0042] 圖2是本發(fā)明的潮流計算方法的步驟2的流程示意圖；
[0043] 圖3是本發(fā)明的潮流計算方法的步驟3的流程示意圖；
[0044] 圖4是本發(fā)明的潮流計算方法的步驟4的流程示意圖；
[0045] 圖5是本發(fā)明的潮流計算方法的應用例的流程示意圖。
【具體實施方式】
[0046] 下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；?本發(fā)明的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實 施例，都屬于本發(fā)明保護的范圍。
[0047] 如圖1所示，本發(fā)明提供一種大規(guī)模電力系統(tǒng)節(jié)點的潮流計算方法，該方法將潮 流計算中雅可比矩陣的構造過程并行化，將導納矩陣和雅可比矩陣均以鍵值對形式存儲， 便于并行存取。每次迭代過程分為Map階段和Reduce階段，在Map階段計算雅可比矩陣中 各元素，形成修正方程式；Reduce階段求解修正方程式，進行修正，以備下次迭代；
[0048] 包括如下步驟：
[0049] 步驟1.在云計算平臺的MapReduce框架（MapReduce是一種編程模型，用于大規(guī) 模數(shù)據(jù)集（大于1TB)的并行運算。概念"Map(映射）〃和〃Reduce(歸約）〃，和它們的主要 思想，都是從函數(shù)式編程語言里借來的，還有從矢量編程語言里借來的特性。它極大地方便 了編程人員在不會分布式并行編程的情況下，將自己的程序運行在分布式系統(tǒng)上。當前的 軟件實現(xiàn)是指定一個Map(映射）函數(shù)，用來把一組鍵值對映射成一組新的鍵值對，指定并 發(fā)的Reduce(歸約）函數(shù)，用來保證所有映射的鍵值對中的每一個共享相同的鍵組。）中， 將電力系統(tǒng)節(jié)點的原始數(shù)據(jù)以鍵值對的形式存儲為導納矩陣；并將迭代計數(shù)k設置為k= 〇 ；
[0050] 步驟2.根據(jù)電力系統(tǒng)節(jié)點的各給定初值計算各功率不平衡量，并判斷各功率不 平衡量是否小于其所對應