(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210888863.1 (22)申请日 2022.07.27 (71)申请人 重庆大学 地址 400044 重庆市沙坪坝区沙正 街174号 (72)发明人 仇玉亭　欧乙丁　唐蕴绮　王芝琳　 程可昕　雷俊豪　杨鸣　司马文霞 　 (74)专利代理 机构 重庆缙云专利代理事务所 (特殊普通 合伙) 50237 专利代理师 王翔 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/12(2006.01) G06K 9/00(2022.01) G06F 17/13(2006.01) G06Q 50/06(2012.01)G06F 119/06(2020.01) G06F 113/04(2020.01) (54)发明名称 基于宽频电压检测的PMU两阶段自适应优化 配置方法 (57)摘要 本发明涉及一种基于宽频电压检测的PMU两 阶段自适应优化配置方法， 包括通过宽频电压测 量装置采集电力系统PT二次电压， 经过反算得到 精确的PT 一次电压波形； 所得一次电压波形输入 至PMU装置， 经过GPS 对时模块、 采样 模块、 数据处 理模块、 数据存储模块和数据传输模块操作后， 实现对电压(电流)幅值和相角等信息的分析； 利 用遗传算法和递推最小二乘法实现PMU两阶段优 化配置； 针对优化配置初级阶段， 使用具有较强 全局寻优能力和鲁棒性的遗传算法， 避免算法从 优化初期即向次优解靠近， 保证算法最终的全局 最优解； 针对优化配置次级阶段， 使用具有较强 局部寻优能力的递推最小二乘法， 保证求解的速 度与精度； 针对遗传算法和递推最小二乘法引入 自适应律， 避免算法早熟和求解速率慢的问题。 该方法针对优化配置两阶段分别采用自适应遗 传算法和自适应递推最小二乘法 处理， 保证了算法求解速率和优化配 置方案的最优性。 权利要求书2页 说明书10页 附图4页 CN 115358140 A 2022.11.18 CN 115358140 A 1.一种基于宽频电压检测的PMU两阶段自适应优化配置方法， 其特征在于， 包括以下步 骤： 通过宽频电压测量装置采集电力系统二次电压， 经 过反算得到精确的一次电压波形； 对所述一次电压波形输入至PMU装置， 经过GPS对时模块、 采样模块、 数据处理模块、 数 据存储模块和数据传输模块操作后， 实现对电压(电流)幅值和相角等信息的分析； 利用自适应遗传算法和带动态遗 忘因子的递推最小二乘法实现PMU两阶段优化配置 。 2.根据权利要求1所述的利用自适应遗传算法和带遗忘因子的递推最小二乘法实现 PMU两阶段优化配置， 其特 征在于， 对所述PMU两阶段优化配置包括： 对优化配置两阶段分别采用自适应遗传算法和自适应递推最小二乘法处理， 保证了算 法求解速率和优化配置方案的最优性； 对所述优化配置初级阶段， 使用具有较强全局寻优能力和鲁棒性的遗传算法， 避免算 法从优化初期即向次优解靠 近， 保证算法最终的全局最优解； 对所述优化配置次级阶段， 使用具有较强局部寻优能力的递推最小二乘法， 保证求解 的速度与精度； 针对遗传算法和递推最小二乘法引入自适应律， 避免算法早熟和求解速率 慢的问题。 3.根据权利要求1所述的自适应遗传算法， 其特征在于采取自适应遗传算法的步骤包 括： 以电力系统规模大小为依据， 随机初始化 一个大小为M的种群； 计算每一个 个体的适应度， 为后续筛 选准备； 根据适应度确定个体是否保留,为避免算法陷入局部最优， 不应以适应度大小作为个 体是否保留的唯一依据， 应该使高适应度个体被保留几率高， 对于低适应度个体仍然具有 保留的可能； 对子代种群进行交叉互换。 首先遍历保留下来的个体， 个体以一定交叉概率Pe与种群的 随机的另一个 体进行交叉互换； 执行突变， 对于交叉互换后的个 体， 以一定概 率变异Pm将自己的某些基因进行突变； 根据遗传的不同阶段， 动态选择交叉概率Pe和变异概率Pm的取值， 其依据主要为适应度 函数的值。 4.根据权利要求3所述的自适应遗传算法， 其特征在于， 动态选择交叉概率Pe和变异概 率Pm的取值包括： 5.根据权利要求1所述的带动态遗忘因子的递推最小二乘法， 其特征在于， 采取带动态 遗忘因子的递推最小二乘法的步骤 包括： y＝xTθ + ε 在式中： y为输出量,在这里指的是递推后的输出量， xT为可观测的数据量， ε为 误差量； 为保证新数据的意义高于原本的数据， 缓解算法收敛能力的削弱， 引入带遗忘因子的 递推最小二乘法的核心递推公式如下： 权　利　要　求　书 1/2 页 2 CN 115358140 A 2在式中： λ为遗 忘因子； 实际的研究工况， 遗忘因子λ 的值不应该是一成不变的， 而应该随着 实际工况的改变而 进行调整， 故引入带动态遗 忘因子的递推最小二乘法， 使得 结果更为 准确； 获取新的数据， 逐步 递推； 依据最优估计原理， 使目标函数 求得值最小的参数矩阵θ 即为目 标矩阵。 6.根据权利要求5所述的带动态遗忘因子的递推最小二乘法， 其特征在于， 对遗忘因子 的动态调整包括： 遗忘因子λ 的值影响着参数辨识结果的稳定性、 响应速度、 实时性差、 模型精度等， 根据 情况适当选择遗 忘因子 λ可以兼顾实时性和稳定性； 当模型误差较大时， 需要快速消除误差， 就将遗 忘因子 λ减小， 快速缩小误差； 当模型误差 很小时， 将遗 忘因子 λ增大， 稳定为当前状态； 为了根据实际工况得到更为合理的遗忘因子λ 的值， 对其采用模糊算法， 通过设置合理 的输入输出 隶属度函数和模糊规则， 得到相应确定的合理的遗 忘因子 λ 的值。 7.一种基于宽频电压检测的PMU两阶段自适应优化配置方法， 其特征在于， 包括以下步 骤： 优化配置初级阶段、 优化配置次级阶段： 所述优化配置初级阶段， 用于初步全局寻优， 使用具有较强全局寻优能力和鲁棒性的 遗传算法， 避免算法从优化初期即向次优解靠 近， 保证算法最终的全局最优解； 所述优化配置次级阶段， 对所述优化配置初级阶段所得结果作进一步处理， 使用具有 较强局部寻优能力的递推最小二乘法， 保证求 解的速度与精度。权　利　要　求　书 2/2 页 3 CN 115358140 A 3