(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110217889.9 (22)申请日 2021.02.26 (65)同一申请的已公布的文献号 申请公布号 CN 112883627 A (43)申请公布日 2021.06.01 (73)专利权人 山东大学 地址 250061 山东省济南市历下区经十路 17923号 (72)发明人 张文　张婷婷　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 闫圣娟 (51)Int.Cl. G06F 30/25(2020.01) G06F 30/27(2020.01)G06K 9/62(2022.01) G06N 3/00(2006.01) G06N 7/00(2006.01) G06F 111/08(2020.01) G06F 113/04(2020.01) (56)对比文件 CN 112287561 A,2021.01.2 9 张苗辉等.基 于MCMC无味粒子滤波的目标跟 踪算法. 《系统工程与电子技 术》 .2009,(第08 期),全文. 罗付岩等.拟蒙特卡罗模拟方法在金融计算 中的应用研究. 《数理 统计与管理》 .20 08,(第04 期),全文. 审查员 侯瑜 (54)发明名称 基于伪蒙特卡罗粒子滤波的配电网状态估 计方法及系统 (57)摘要 本公开提出了基于伪蒙特卡罗粒子滤波的 配电网状态估计方法及系统， 步骤如下： 采用伪 蒙特卡罗采样法生成服从均匀分布的采样点； 将 服从均匀分布的采样点进行随机化处理； 依据先 验概率密度函数， 将上述随机采样点置于样本空 间中， 以生成粒子滤波算法所需粒子； 基于贝 叶 斯理论， 利用上述随机化伪蒙特卡罗采样法生成 的粒子， 采用粒子滤波进行配电网三相状态估 计， 获取配电网运行状态估计值。 本公开基于贝 叶斯理论并发挥伪蒙特卡罗采样法在拟合误差 收敛速度高的优势， 计及配电网状态迁移过程， 充分利用历史状态信息及当前量测 信息， 能够采 用更少的粒子来达到与标准粒子滤波相同的估 计精度， 从而有效地降低配电网估计的计算量， 实现配电网高精度估计 。 权利要求书2页 说明书7页 附图3页 CN 112883627 B 2022.11.18 CN 112883627 B 1.基于伪蒙特卡罗粒子滤波的配电网状态估计方法， 其特 征是， 包括如下步骤： 采用伪蒙特卡罗采样法生成服从均匀分布的采样点； 具体为： 基于Sobol'低差异序列 在s维单位超立方体[0,1)s生成服从均匀分布的采样点； 将服从均匀分布的采样点进行随机化处 理， 使原有确定性采样点 转化为随机采样点； 依据先验概率密度函数， 将上述随机采样点置于样本空间中， 以生成粒子滤波算法所 需粒子； 基于贝叶斯理论， 利用上述随机化伪蒙特卡罗 采样法生成的粒子， 计及配电网状态迁 移过程， 获取历史状态信息及当前量测信息， 采用粒子滤波进 行配电网三相状态估计， 获取 配电网运行状态估计值； 包括如下步骤： 建立基于配电网离 散时间状态空间模型建立配电网三相状态估计模型； 针对前一 时刻配电网运行状态获得的各粒子， 基于三相状态估计模型中的配电网状态 转移方程， 求取当前时刻的状态预测值； 针对预测后的粒子， 计算归一化权重， 采用采样 ‑重要性‑重采样方法， 对权重高的粒子 的复制并淘汰权值低的粒子实现滤波， 基于归一化权重以及对应的重采样粒子， 获得配电 网运行状态估计值。 2.如权利要求1所述的基于伪蒙特卡罗粒子滤波的配电网状态估计方法， 其特征是： 将 服从均匀分布的采样点进行随机化处理的方法为： 采用线性矩阵置乱法， 将生成的服从均 匀分布的采样点 转化为随机采样点。 3.如权利要求2所述的基于伪蒙特卡罗粒子滤波的配电网状态估计方法， 其特征是： 线 性矩阵置乱法包括如下步骤： 采用随机矩阵将基于Sobo l'序列生成的服从均匀分布确定性采样点的方向数置乱； 将每个确定性Sobol'采样点与一个以2为基数的随机向量相加， 获得置乱后的采样点， 即为服从均匀分布的随机采样点。 4.如权利要求1所述的基于伪蒙特卡罗粒子滤波的配电网状态估计方法， 其特征是： 基 于给定的先验概率密度分布求取相应的分位点， 将服 从均匀分布的Sobol'采样点转换为服 从状态量先验概率密度函数的采样点： Sobol'序列前 N个Sobol'点， 以各Sobol'点坐标作为 累积概率值， 基于给定的先验概率密度分布求取相应的分位点， 作为粒子滤波算法中采用 的粒子， 用于状态估计中。 5.如权利要求1所述的基于伪蒙特卡罗粒子滤波的配电网状态估计方法， 其特 征是： 针对预测后的粒子， 计算归一化权重的方法为： 通过量测方程计算量测估计值， 从而得 到其量测残差， 依据给定的量测误差概率分布函数， 基于贝叶斯理论， 计算粒子的重要性权 重并进行归一 化。 6.基于伪蒙特卡罗粒子滤波的配电网状态估计系统， 其特 征是， 包括： 确定性采样点确定模块： 被配置为用于采用伪蒙特卡罗采样法生成服从均匀分布的采 样点； 具体为： 基于Sobol'低差异序列在 s维单位超立方体[0,1)s生成服从均匀分布的采样 点； 采样点随机化模块： 被配置为用于将服从均匀分布的采样点进行随机化处理， 使原有 确定性采样点 转化为随机采样点； 粒子确定模块： 被配置为用于依据先验概率密度函数， 将上述随机采样点置于样本空权　利　要　求　书 1/2 页 2 CN 112883627 B 2间中， 以生成粒子滤波算法所需粒子； 状态估计模块： 被配置为用于基于贝叶斯理论， 利用上述随机化伪蒙特卡罗 采样法生 成的粒子， 计及配电网状态迁移过程， 获取历史状态信息及当前量测信息， 采用粒子滤波进 行配电网三相状态估计， 获取配电网运行状态估计值； 包括如下步骤： 建立基于配电网离 散时间状态空间模型建立配电网三相状态估计模型； 针对前一 时刻配电网运行状态获得的各粒子， 基于三相状态估计模型中的配电网状态 转移方程， 求取当前时刻的状态预测值； 针对预测后的粒子， 计算归一化权重， 采用采样 ‑重要性‑重采样方法， 对权重高的粒子 的复制并淘汰权值低的粒子实现滤波， 基于归一化权重以及对应的重采样粒子， 获得配电 网运行状态估计值。 7.一种电子设备， 其特征是， 包括存储器和处理器以及存储在存储器上并在处理器上 运行的计算机指 令， 所述计算机指 令被处理器运行时， 完成权利要求 1‑5任一项方法所述的 步骤。 8.一种计算机可读存储介质， 其特征是， 用于存储计算机指令， 所述计算机指令被处理 器执行时， 完成权利要求1 ‑5任一项方法所述的步骤。权　利　要　求　书 2/2 页 3 CN 112883627 B 3