本發(fā)明涉及一種基于改進(jìn)粒子群優(yōu)化的、為實(shí)現(xiàn)計(jì)及分布式電源并網(wǎng)的智能配電網(wǎng)的電能質(zhì)量全面監(jiān)測和擾動事件智能診斷而對電能質(zhì)量監(jiān)測點(diǎn)進(jìn)行智能優(yōu)化配置的方法，屬電氣工程和電能質(zhì)量領(lǐng)域。

背景技術(shù)：
隨著電力市場化和社會經(jīng)濟(jì)發(fā)展，電力故障和電能質(zhì)量(PowerQuality,PQ)問題造成的經(jīng)濟(jì)損失不斷增加。同時，當(dāng)今的能源危機(jī)與生態(tài)環(huán)境問題，使得以新能源為基礎(chǔ)的分布式電源(DistributedGenerator,DG)受到越來越多的重視。然而，分布式電源并網(wǎng)會對電網(wǎng)的節(jié)點(diǎn)電壓、功率潮流和電能質(zhì)量產(chǎn)生一定影響。對配電網(wǎng)進(jìn)行全面監(jiān)測有助于快速排除電力故障和解決PQ問題，降低經(jīng)濟(jì)損失以及明確事件責(zé)任?？紤]到電能質(zhì)量監(jiān)測儀(PowerQualityMonitor,PQM)的成本問題，必須對PQM的安裝數(shù)量和位置進(jìn)行優(yōu)化，在滿足全局可觀的條件下降低經(jīng)濟(jì)成本，即電能質(zhì)量監(jiān)測點(diǎn)的優(yōu)化配置，它對供電可靠性具有重要意義。現(xiàn)有的PQM監(jiān)測點(diǎn)配置方法仍存在明顯的缺陷和較大的局限性，且未考慮DG并網(wǎng)的影響。其中一些監(jiān)測點(diǎn)配置方法僅考慮基爾霍夫電流準(zhǔn)則KCL，只能滿足電流的全局可觀，而不滿足電壓的全局監(jiān)測；另外一些監(jiān)測點(diǎn)配置方法僅考慮電壓凹陷域問題，雖然滿足了電壓的全局可觀，卻無法滿足電流信息的完備性。因此，現(xiàn)有配置方法無法滿足對PQ擾動事件的智能診斷和精確定位需求。目前，已有相關(guān)成果主要集中在電能質(zhì)量的擾動識別、擾動定位和在線監(jiān)測、綜合評估等幾個研究方面：申請?zhí)枮镃N201510113962.2提出了一種基于不完全S變換的電能擾動識別與定位方法，CN201510223195.0提出了一種基于證據(jù)理論的電能質(zhì)量擾動源定位方法、CN201510308581.X提出了一種數(shù)字化電能質(zhì)量監(jiān)測終端監(jiān)測裝置及其數(shù)據(jù)轉(zhuǎn)換方法，CN201510313399.3提出了一種根據(jù)故障電阻矩陣消除電壓暫降監(jiān)測盲區(qū)的監(jiān)測節(jié)點(diǎn)配置方案。這些相關(guān)研究均未能充分考慮DG并網(wǎng)因素以及電流電壓同時全局可觀的優(yōu)化策略，且均未涉及在這些情況下用改進(jìn)的二進(jìn)制粒子群優(yōu)化算法(BinaryParticleSwarmOptimization,BPSO)實(shí)現(xiàn)電能質(zhì)量監(jiān)測點(diǎn)的優(yōu)化配置。

技術(shù)實(shí)現(xiàn)要素：
本發(fā)明要克服現(xiàn)有優(yōu)化配置方法無法同時滿足電壓電流的全局可觀的缺點(diǎn)，同時以較低的成本實(shí)現(xiàn)含分布式電源的智能配電網(wǎng)的電能質(zhì)量全面監(jiān)測和滿足擾動事件智能診斷需求，提供一種基于改進(jìn)粒子群優(yōu)化的、計(jì)及分布式電源且滿足電壓電流同時全局可觀的電能質(zhì)量監(jiān)測點(diǎn)優(yōu)化配置的方法，并具有較好的經(jīng)濟(jì)性和系統(tǒng)優(yōu)化效果。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：一種基于改進(jìn)二進(jìn)制粒子群優(yōu)化的、計(jì)及分布式電源且滿足電壓電流同時全局可觀的電能質(zhì)量監(jiān)測點(diǎn)優(yōu)化配置的方法，所述分布式電源并網(wǎng)是指新能源開發(fā)利用和分布式發(fā)電技術(shù)背景下的分布式電源接入智能配電網(wǎng)，所述電能質(zhì)量監(jiān)測點(diǎn)是指電能質(zhì)量監(jiān)測儀在配電網(wǎng)中的潛在安裝位置，所述優(yōu)化配置方法是指滿足全面監(jiān)測和智能診斷條件下的電能質(zhì)量監(jiān)測儀PQM安裝的最佳數(shù)量和具體位置。本發(fā)明所述的計(jì)及分布式電源的電能質(zhì)量監(jiān)測點(diǎn)配置方法，包括以下步驟：1)對計(jì)及分布式電源并網(wǎng)的電能質(zhì)量監(jiān)測點(diǎn)優(yōu)化配置中的相關(guān)概念進(jìn)行定義；定義計(jì)及分布式電源DG情況下的“配電網(wǎng)的全面監(jiān)測”，是指能滿足電能質(zhì)量擾動事件的智能診斷要求而需要獲取的電壓和電流信息監(jiān)測程度；定義“電壓和電流的全局可觀”，是指基于配置安裝的PQM獲取信息，再通過狀態(tài)估計(jì)進(jìn)一步獲取其他未安裝線路和節(jié)點(diǎn)的信息，使得配電網(wǎng)全網(wǎng)所有線路和節(jié)點(diǎn)的電壓和電流信息可觀測。定義監(jiān)測點(diǎn)的“配電權(quán)重系數(shù)”，是指依據(jù)某個潛在監(jiān)測點(diǎn)的額度容量占所有監(jiān)測點(diǎn)額定容量總和的比重而得到的一項(xiàng)系數(shù)，用于潛在監(jiān)測點(diǎn)的優(yōu)先權(quán)排序；特別是計(jì)及DG并網(wǎng)，當(dāng)潮流方向發(fā)生反轉(zhuǎn)時，使得權(quán)重系數(shù)優(yōu)先次序發(fā)生改變；2)定義為滿足基爾霍夫電流定律KCL的最少個數(shù)NKCL，即PQM的配置數(shù)量滿足電流全局可觀的最少個數(shù)；定義“優(yōu)化配置的可行域”，是指優(yōu)化配置結(jié)果的安裝數(shù)量不少于NKCL；KCL原則表明從一條母線上流出N條線路，一條支路的電流能通過另外N-1條支路計(jì)算得出，對于單個節(jié)點(diǎn)而言，N-1是避免支路電流不明確的PQM最少安裝個數(shù)；并考慮PQM安裝在支路的端點(diǎn)，即剛從母線分離位置上，PQM監(jiān)測范圍將包括整條線路；因此，NKCL的定義式如下式中，Na表示系統(tǒng)中潛在安裝PQM監(jiān)測點(diǎn)數(shù)，計(jì)及分布式電源情況下任一條線路的兩端都是潛在的安裝點(diǎn)；β表示系統(tǒng)中的母線數(shù)量；i是計(jì)數(shù)變量；bi是母線的屬性判斷值，當(dāng)母線上連接兩條以上線路時，bi判定返回1，否則返回0；3)定義電壓可觀測區(qū)域MRA，是指系統(tǒng)發(fā)生電能質(zhì)量擾動事件時，某監(jiān)測點(diǎn)所能觀測到該擾動事件的區(qū)域；實(shí)現(xiàn)全網(wǎng)的電壓可觀測性，即使系統(tǒng)監(jiān)測點(diǎn)的MRA組合能夠覆蓋全網(wǎng)；系統(tǒng)中故障點(diǎn)數(shù)用Fa表示，則系統(tǒng)全部節(jié)點(diǎn)的MRA能用一個維數(shù)是Na×Fa的可觀測矩陣MMRA表示，其元素賦值m(di,fj)如下式中，Vij表示第j個故障點(diǎn)fj發(fā)生短路故障時di節(jié)點(diǎn)的電壓值，Vt為設(shè)置的監(jiān)測電壓閾值；和表示任意i和任意j；當(dāng)m(di,fj)等于1，表示故障點(diǎn)fj屬于節(jié)點(diǎn)di的MRA；當(dāng)m(di,fj)等于0，表示故障點(diǎn)fj不屬于節(jié)點(diǎn)di的MRA；4)對二進(jìn)制粒子群優(yōu)化BPSO模型進(jìn)行改進(jìn)；改進(jìn)后的BPSO中，各個粒子是具有速度參數(shù)的一個解，其粒子位置是對應(yīng)于Na個潛在安裝位置的向量,向量維數(shù)1×Na，其元素取值為1或0，表示是否安裝PQM，所有可行解構(gòu)成了搜索空間中的位置狀態(tài)；各粒子的飛翔方向和距離由速度值和當(dāng)前位置值決定，通過評價函數(shù)進(jìn)行適應(yīng)值評價，然后粒子群在解空間中追尋當(dāng)前最優(yōu)解進(jìn)行快速搜索，找出最優(yōu)粒子；改進(jìn)后PSO模型的迭代過程包括粒子位置和速度的迭代；第n個粒子的速度值的第k次迭代如下：式中，下標(biāo)n表示第n個粒子，上標(biāo)k或k+1表示迭代次數(shù)；ω為慣性權(quán)重，代表速度的慣性系數(shù)；c1和c2為加速因子，代表粒子與當(dāng)前較優(yōu)位置的差距而產(chǎn)生加速的系數(shù)；r0、r1和r2是[0～+1]區(qū)間的隨機(jī)實(shí)數(shù)；個體極值表示第n個粒子自身的當(dāng)前找到過的最優(yōu)位置，全局極值表示所有粒子當(dāng)前找到過的最優(yōu)位置；或表示向量v或的第i個元素，任意i＝1,2,…,Na；為中間變量，將復(fù)雜的迭代式分為兩條使表述明晰化；其中sigmoid(·)函數(shù)的定義如下式(5)中，z代表任意變量；速度迭代式(3)表達(dá)了粒子群追隨當(dāng)前較優(yōu)粒子的特性，迭代式(4)用sigmoid(·)函數(shù)將速度的取值范圍轉(zhuǎn)換為[-1～+1]間的連續(xù)值；r0的作用是防止速度趨近于零時，搜索長期停滯而陷入局部極值；第n個粒子的位置迭代，用其元素表示如下：式中，r3為[0～+1]間的隨機(jī)實(shí)數(shù)；上標(biāo)k或k+1表示迭代次數(shù)；表示第n個粒子的第i個元素的取值，任意i＝1,2,…,Na；判斷條件的含義是：若第k次粒子位置與其速度之和大于動態(tài)閾值時，則第k+1次位置取值為1，否則為0，且每個元素分別計(jì)算；模型改進(jìn)的目的，是使算法在粒子迭代過程中，保持向當(dāng)前較優(yōu)粒子方向搜索的能力，克服二進(jìn)制運(yùn)算在優(yōu)化過程中的適用性問題，而且其閾值具有動態(tài)性能，防止過早陷入局部收斂；5)構(gòu)建新的評價函數(shù)，將粒子群代入所構(gòu)建評價函數(shù)計(jì)算適應(yīng)值，對應(yīng)的適應(yīng)值越小，表示其解越優(yōu)良；評價函數(shù)由4個子函數(shù)及其系數(shù)構(gòu)成：式中，μ1為單個PQM的成本因子，為權(quán)重函數(shù)；μ2表示不滿足KCL原則而產(chǎn)生的冗余因子，為相應(yīng)的冗余函數(shù)；λ1表示不滿足MRA時的懲罰因子，為相應(yīng)的判定函數(shù)；λ2表示覆蓋因子，為相應(yīng)的覆蓋函數(shù)；其中第一項(xiàng)，權(quán)重函數(shù)表示對所有安裝PQM監(jiān)測點(diǎn)進(jìn)行的權(quán)重累加，若監(jiān)測點(diǎn)數(shù)越少其值越小，其定義式如下式中，Si為第i個安裝點(diǎn)的額定容量，ΣSN為所有額定容量總和；ξ(i)表示對應(yīng)的配電權(quán)重系數(shù)，其取值為略小于數(shù)值1的正數(shù)；配電權(quán)重系數(shù)是基于安裝點(diǎn)的額度容量占總?cè)萘康谋壤偾蟪銎渑c數(shù)值1的差值，該系數(shù)越小反而表示其優(yōu)先權(quán)的權(quán)重越大；其中第二項(xiàng)，冗余函數(shù)計(jì)算了不滿足N-1原則而產(chǎn)生的冗余度；其中第三項(xiàng)，判定函數(shù)用于判定是否滿足電壓全局可觀；式中，y(j)表示向量y的第j個元素；為電壓可觀測矩陣MMRA的1×Fa維向量y過渡中間向量；式(12)用下標(biāo)注釋了運(yùn)算維數(shù)，若的運(yùn)算結(jié)果y中存在數(shù)值為0的項(xiàng)，表明當(dāng)前解在對應(yīng)的行列處存在無法監(jiān)測到的故障點(diǎn)，則式(11)的連乘積條件將等于0，使得判定返回值等于1，進(jìn)而觸發(fā)評價函數(shù)式(10)中的懲罰因子λ1；其中第四項(xiàng)，覆蓋函數(shù)表達(dá)監(jiān)測點(diǎn)的利用效率；||y1||＝[y1(1)2+y1(2)2+…y1(Fa)2]1/2(14)式中，||y1||表示求向量y1的歐氏范數(shù)，代表1×Fa維的全1向量，y(j)數(shù)值的物理含義是故障點(diǎn)被多個監(jiān)測點(diǎn)同時監(jiān)測到的個數(shù)；當(dāng)y1的歐氏范數(shù)趨近于零時，表明所有故障點(diǎn)均能監(jiān)測且僅被一個監(jiān)測點(diǎn)測到，利用率最高；反之其范數(shù)越大，表明存在過多的監(jiān)測點(diǎn)被覆蓋在配電網(wǎng)的某塊區(qū)域；6)初始化粒子群位置和速度，將粒子群代入評價函數(shù)式計(jì)算適應(yīng)值，并對初始的極值進(jìn)行賦值；7)根據(jù)粒子位置和速度的迭代式，更新所有粒子；對可行域進(jìn)行反饋校驗(yàn)，若不滿足可行域，則對該粒子的隨機(jī)一個元素置1變異，再反饋校驗(yàn)，直到滿足可行域；8)再將所有粒子群代入評價函數(shù)式計(jì)算適應(yīng)值；若粒子的適應(yīng)值優(yōu)于此前的個體極值，則更新個體極值，否則不變；若最佳的個體極值優(yōu)于此前的全局極值，則更新全局極值，否則不變；9)當(dāng)達(dá)到最大迭代次數(shù)，則跳出循環(huán)，并輸出當(dāng)前的全局極值作為優(yōu)化結(jié)果；否則返回步驟7繼續(xù)迭代；根據(jù)全局極值中取值為1的元素，來確定PQM的安裝位置，并累加的所有元素值得到安裝總個數(shù)。本發(fā)明針對分布式電源并網(wǎng)、配電網(wǎng)的全面監(jiān)測、擾動事件智能診斷和精確定位的綜合需求等影響因素進(jìn)行電能智能監(jiān)測點(diǎn)的優(yōu)化配置研究，提出了計(jì)及DG并網(wǎng)情況下同時考慮電壓和電流全局可觀的優(yōu)化配置思路，改進(jìn)了的BPSO模型并構(gòu)建了新的評價函數(shù)，通過帶可行域反饋校驗(yàn)的粒子群迭代過程，尋找PQM配置方案的最優(yōu)解。實(shí)現(xiàn)了一種基于改進(jìn)BPSO的、計(jì)及分布式電源且滿足電壓電流同時全局可觀的電能質(zhì)量監(jiān)測點(diǎn)優(yōu)化配置的方法，且能滿足配電網(wǎng)的全面監(jiān)測、擾動事件智能診斷和精確定位的綜合需求。本發(fā)明的有益效果主要表現(xiàn)在：1、定義了計(jì)及分布式電源情況下的智能配電網(wǎng)的全面監(jiān)測、電壓和電流全局可觀、配電權(quán)重系數(shù)概念；2、改進(jìn)了二進(jìn)制粒子群優(yōu)化BPSO模型以及構(gòu)建了一種新的評價函數(shù)，并提出了一種基于改進(jìn)BPSO的電能質(zhì)量監(jiān)測點(diǎn)的優(yōu)化配置方法；3、所提優(yōu)化配置方法能以較低的成本實(shí)現(xiàn)了含DG配電網(wǎng)的電能質(zhì)量全面監(jiān)測，并滿足電壓和電流全局可觀、滿足擾動事件的智能診斷和精確定位需求。附圖說明圖1為本發(fā)明方法的具體實(shí)施流程圖。圖2為DG對配電權(quán)重的影響示意圖。圖3為添加DG的IEEE13節(jié)點(diǎn)配電網(wǎng)拓?fù)鋱D。圖4為粒子群的個體極值收斂過程圖。圖5為粒子群的全局極值收斂過程圖。具體實(shí)施方式下面結(jié)合實(shí)施例及附圖對本發(fā)明作進(jìn)一步的詳細(xì)說明，但本發(fā)明的實(shí)施方式不限于此。實(shí)施例中計(jì)及分布式電源的電能質(zhì)量監(jiān)測點(diǎn)優(yōu)化配置方案總體框圖如附圖1所示，本發(fā)明所述的計(jì)及分布式電源的電能質(zhì)量監(jiān)測點(diǎn)配置方法，包括以下步驟：1)對計(jì)及分布式電源DG并網(wǎng)的電能質(zhì)量監(jiān)測點(diǎn)優(yōu)化配置中的相關(guān)概念進(jìn)行定義；定義計(jì)及DG情況下的“配電網(wǎng)的全面監(jiān)測”，是指能滿足電能質(zhì)量擾動事件的智能診斷要求而需要獲取的電壓和電流信息監(jiān)測程度；定義“電壓和電流的全局可觀”，是指基于配置安裝的PQM獲取信息，再通過狀態(tài)估計(jì)進(jìn)一步獲取其他未安裝線路和節(jié)點(diǎn)的信息，使得配電網(wǎng)全網(wǎng)所有線路和節(jié)點(diǎn)的電壓和電流信息可觀測；定義監(jiān)測點(diǎn)的“配電權(quán)重系數(shù)”，是指依據(jù)某個潛在監(jiān)測點(diǎn)的額度容量占所有監(jiān)測點(diǎn)額定容量總和的比重而得到的一項(xiàng)系數(shù)，用于可選監(jiān)測點(diǎn)的優(yōu)先權(quán)排序；如圖2所示，計(jì)及DG并網(wǎng)且潮流方向發(fā)生反轉(zhuǎn)時，使得圖2中{S1至S5}的權(quán)重系數(shù)大小次序發(fā)生改變；2)定義NKCL為滿足基爾霍夫電流定律KCL的最少個數(shù)，即PQM的配置數(shù)量滿足電流全局可觀的最少個數(shù)；定義“優(yōu)化配置的可行域”，是指優(yōu)化配置結(jié)果的安裝數(shù)量不少于NKCL；KCL原則表明從一條母線上流出N條線路，一條支路的電流能通過另外N-1條支路計(jì)算得出；并考慮PQM安裝在支路的端點(diǎn)，PQM監(jiān)測范圍將包括整條線路；因此，NKCL的定義如式(1)所示；3)定義電壓可觀測區(qū)域MRA，是指系統(tǒng)發(fā)生電能質(zhì)量擾動事件時，某監(jiān)測點(diǎn)所能觀測到該擾動事件的區(qū)域；用Fa表示系統(tǒng)中故障點(diǎn)數(shù)，則系統(tǒng)全部節(jié)點(diǎn)的MRA用一個維數(shù)是Na×Fa的可觀測矩陣MMRA表示，其元素值m(di,fj)如式(2)所示；4)對二進(jìn)制粒子群優(yōu)化BPSO模型進(jìn)行改進(jìn)；改進(jìn)后的BPSO中，各個粒子是具有速度參數(shù)的一個解，其粒子位置是對應(yīng)于Na個潛在安裝位置的向量，向量維數(shù)1×Na，其元素取值為1或0來表示是否安裝PQM，所有可行解構(gòu)成了搜索空間中的位置狀態(tài)；各粒子的飛翔方向和距離由速度值和當(dāng)前位置值決定，通過評價函數(shù)進(jìn)行適應(yīng)值評價，然后粒子群在解空間中追尋當(dāng)前最優(yōu)解進(jìn)行快速搜索，找出最優(yōu)粒子；改進(jìn)后PSO模型的迭代過程包括粒子位置和速度的迭代；第n個粒子的速度值的第k次迭代如式(3-5)所示；第n個粒子的位置迭代，用其元素表示如式(6)所示；模型改進(jìn)的目的，是使算法在粒子迭代過程中，保持向當(dāng)前較優(yōu)粒子方向搜索的能力，克服二進(jìn)制運(yùn)算在優(yōu)化過程中的適用性問題，而且其閾值具有動態(tài)性能，防止過早陷入局部收斂；5)構(gòu)建新的評價函數(shù)，將粒子群代入所構(gòu)建評價函數(shù)計(jì)算適應(yīng)值，對應(yīng)的適應(yīng)值越小，表示其解越優(yōu)良；評價函數(shù)由4個子函數(shù)及其系數(shù)構(gòu)成，如式(7-14)所示，包括了配電權(quán)重、電流全局可觀、電壓全局可觀和覆蓋效率四個方面；6)初始化粒子群位置和速度，將粒子群代入評價函數(shù)式計(jì)算適應(yīng)值，并對初始的極值進(jìn)行賦值；7)根據(jù)粒子位置和速度的迭代式，更新所有粒子；對可行域進(jìn)行反饋校驗(yàn)，若不滿足可行域，則對該粒子的隨機(jī)一個元素置1變異，再反饋校驗(yàn)，直到滿足可行域；8)再將所有粒子群代入評價函數(shù)式計(jì)算適應(yīng)值；若粒子的適應(yīng)值優(yōu)于此前的個體極值，則更新個體極值，否則不變；若最佳的個體極值優(yōu)于此前的全局極值，則更新全局極值，否則不變；9)當(dāng)達(dá)到最大迭代次數(shù)，則跳出循環(huán)，并輸出當(dāng)前的全局極值作為優(yōu)化結(jié)果；否則返回步驟7繼續(xù)迭代；根據(jù)全局極值中取值為1的元素，來確定PQM的安裝位置，并累加的所有元素值得到安裝總個數(shù)。下面以圖3所示的IEEE13節(jié)點(diǎn)配電網(wǎng)為實(shí)施例，進(jìn)一步說明本發(fā)明的操作過程，添加的DG在Bus611處并網(wǎng)，圖中的黑色方框PQM為待定信息，需要通過所提優(yōu)化配置方法得到結(jié)果后來確定。用MATLAB/simulink建模仿真，電能質(zhì)量擾動源位于線路L6，擾動事件為能量注入型的短時投切?；谝汛_定的線路拓?fù)浣Y(jié)構(gòu)信息，根據(jù)式(1)獲取滿足基爾霍夫電流定律KCL的最少個數(shù)NKCL等于6。并獲得由0或1構(gòu)成的、22×12維的可觀測矩陣MMRA，每個具體元素的取值按照式(2)來確定，其中監(jiān)測電壓閾值設(shè)置為額定值的百分之九十。對改進(jìn)算法中的初始參數(shù)進(jìn)行設(shè)定：粒子群種群數(shù)量設(shè)置為40，迭代次數(shù)為300次。其他參數(shù)設(shè)置如下：成本因子μ1取1.1，冗余因子μ2取0.15，懲罰因子λ1取2.0，覆蓋因子λ2取0.2。按照所述參數(shù)設(shè)置，先初始化粒子群，隨機(jī)取40個粒子，代入評價函數(shù)獲得適應(yīng)值，并將其賦值給初始的個體極值和全局極值。然后進(jìn)行粒子群迭代搜索，得到其個體極值的收斂過程如圖4所示，為保持圖形的清晰度，每5次迭代標(biāo)注一個星點(diǎn)“*”符號。從圖4的總體趨勢得到個體極值的適應(yīng)值以類似于指數(shù)衰減的規(guī)律，不斷地逼近全局最優(yōu)解。粒子向當(dāng)前較優(yōu)位置的追隨效果，使得算法具有較快的收斂速度。如圖4中第100～150次迭代過程中，能夠清晰地觀察到一部分位置較差的粒子在追隨作用下，跳出局部收斂區(qū)域，快速地逼近最優(yōu)解。粒子群的全局極值的收斂過程如圖5所示，顯示了其收斂速度接近于指數(shù)收斂。根據(jù)粒子群迭代最后輸出的全局極值，按照中取值為1的元素，來確定PQM的安裝位置，并累加其所有元素值得到安裝總個數(shù)，如表1所示，其中650-632表示從節(jié)點(diǎn)650向節(jié)點(diǎn)632連接的出線位置。將優(yōu)化結(jié)果在拓?fù)浣Y(jié)構(gòu)圖上標(biāo)注出PQM配置的具體信息，如圖3中黑色方框所示。表1PQM優(yōu)化數(shù)量和位置根據(jù)表1得優(yōu)化結(jié)果具有73.9％的節(jié)省率，即23個潛在安裝位置只需要安裝6個PQM。進(jìn)一步驗(yàn)算所得優(yōu)化結(jié)果是否滿足電壓和電流的全局可觀：首先根據(jù)公式(1)驗(yàn)算PQM總個數(shù)等于KCL的最佳個數(shù)NKCL，并驗(yàn)證任一條未安裝PQM的線路是否滿足KCL定律由已安裝PQM推算得到電流信息；然后按照公式(2)的MRA矩陣，驗(yàn)證其符合電壓全局可觀。因此，驗(yàn)證了所提方法能自動、有效地實(shí)現(xiàn)監(jiān)測點(diǎn)優(yōu)化配置，且能適用于DG并網(wǎng)的情況，而且所提方法能以較低的成本實(shí)現(xiàn)了配電網(wǎng)的電能質(zhì)量全面監(jiān)測，滿足電壓和電流全局可觀，從而能滿足擾動事件的智能診斷和精確定位需求。如上所述，便可較好地實(shí)現(xiàn)本發(fā)明，上述實(shí)施例僅為本發(fā)明的典型實(shí)施例，并非用來限定本發(fā)明的實(shí)施范圍，即凡依本發(fā)明內(nèi)容所作的均等變化與修飾，都為本發(fā)明權(quán)利要求所要求保護(hù)的范圍所涵蓋。