本发明涉及电力系统，尤其涉及电力系统网络方程低秩更新求解方法和系统。
背景技术：
1、电力系统网络方程的求解在电力系统分析和优化中扮演着至关重要的角色。这些方程描述了电力系统中各个节点之间的电压、电流和功率之间的关系，是进行电力系统分析、规划和优化的基础。通过求解这些方程，可以实现对电力系统的状态估计、潮流计算、电力负荷预测、故障分析等关键任务。
2、目前，传统的电力系统网络方程求解方法主要包括直接法和迭代法。直接法如高斯消元法将方程组直接分解为上三角矩阵，并通过回代得到解，为了提高求解效率，采用因子表记录分解过程，使得左端系数矩阵不变而右端待求解常数项变化时，无需重复分解过程，只需要一次回代就可以求解结果。另外，研究人员利用稀疏技术，先求出因子化路径，避免对零元素运算，从而提高求解速度。迭代法则通过不断迭代更新解向量，直到收敛到一定精度，预处理技术是迭代法的重要组成部分，通过对方程组进行变换，提高迭代收敛速度和稳定性。近年来，研究人员提出了许多新的预处理技术，如不完全因子分解预处理、多重网格预处理等，这些技术能够更有效地加速迭代过程，并在实际应用中取得了显著的性能提升。
3、上述求解方法在电力系统网络方程求解的实际运用中均取得了不错的效果，但仍存在不足的方面。由于电力系统网络方程的阶数大，直接法和迭代法在求解过程中需要消耗大量的计算资源和时间。其次，是迭代法在处理存在高阻抗或低阻抗路径的网络方程求解中，容易收敛困难甚至发散。再次，电力系统运行中常常发生系统结构和参数的变化，传统方法在适应这些变化时效率较低，需要重新进行矩阵分解或迭代过程，大大影响了计算效率。最后，上述的方法均没有针对电力系统区域性、网络稀疏性和低连通度的特点进行改进。
技术实现思路
1、本发明提供了一种电力系统网络方程低秩更新求解方法和系统，解决了现有的电力系统网络方程求解方法需要消耗大量的计算资源和时间，适应性差，导致求解效率低的技术问题。
2、本发明提供的一种电力系统网络方程低秩更新求解方法，包括：
3、获取电力系统的节点运行数据，采用所述节点运行数据进行电力系统网络方程构建，生成电力系统网络方程；
4、将所述电力系统网络方程中的节点导纳矩阵进行分层非对角块低秩分解，构建左低秩基大矩阵；
5、基于所述左低秩基大矩阵对所述节点导纳矩阵进行分解，构建目标节点导纳大矩阵；
6、基于所述目标节点导纳大矩阵对所述电力系统网络方程进行低轶求解，生成所述电力系统对应的求解数据。
7、可选地，所述将所述电力系统网络方程中的节点导纳矩阵进行分层非对角块低秩分解，构建左低秩基大矩阵的步骤，包括：
8、将所述电力系统网络方程中的节点导纳矩阵对应的系数矩阵进行非对角块划分，生成第一初始系数分块矩阵；
9、将所述第一初始系数分块矩阵的两边分别乘以所述第一初始系数分块矩阵中对角块矩阵对应的逆矩阵，生成初始更新矩阵；
10、采用伍德伯里矩阵恒等式更新所述初始更新矩阵，生成目标更新矩阵；
11、将所述目标更新矩阵进行下标转换，生成第一目标系数分块矩阵；
12、将所述第一目标系数分块矩阵进行非对角块划分，生成第二系数分块矩阵；
13、采用所述第一目标系数分块矩阵对所述第二系数分块矩阵对应的方程组进行参数修正，生成低秩基方程组；
14、将所述低秩基方程组中的全部左低秩基构建大矩阵，生成左低秩基大矩阵。
15、可选地，所述基于所述左低秩基大矩阵对所述节点导纳矩阵进行分解，构建目标节点导纳大矩阵的步骤，包括：
16、采用所述左低秩基大矩阵对所述节点导纳矩阵进行初始化，生成初始节点导纳大矩阵；
17、将所述初始节点导纳大矩阵对应的树结构的叶节点和非叶节点分别按照下到上的顺序进行编号，生成叶节点序列和非叶节点序列；
18、将所述叶节点序列中的第一个叶节点为初始叶节点；
19、将所述初始叶节点对应的对角块矩阵进行lu分解，生成叶节点分解数据并统计叶节点分解次数；
20、采用所述叶节点分解数据对所述初始节点导纳大矩阵对应的对角块分解方程进行原地求解，生成对角块求解数据；
21、当所述叶节点分解次数小于所述叶节点序列的叶节点数量时，将所述初始叶节点对应的下一个叶节点作为新的初始叶节点，叶节点分解次数加1，并跳转执行所述将所述初始叶节点进行lu分解并原地储存，生成叶节点分解数据并统计叶节点分解次数的步骤；
22、当所述叶节点分解次数等于所述叶节点数量时，采用当前时刻的对角块求解数据更新所述初始节点导纳大矩阵，得到中间节点导纳大矩阵；
23、基于所述非叶节点序列对所述中间节点导纳大矩阵进行非叶节点分解，得到目标节点导纳大矩阵。
24、可选地，所述基于所述非叶节点序列对所述中间节点导纳大矩阵进行非叶节点分解，得到目标节点导纳大矩阵的步骤，包括：
25、将所述非叶节点序列中的第一个非叶节点作为初始非叶节点；
26、将所述初始非叶节点对应的校正矩阵进行lu分解，生成非叶节点分解数据并统计非叶节点分解次数；
27、采用所述非叶节点分解数据对所述中间节点导纳大矩阵对应的第一预设校正方程进行原地求解，生成第一中间变量；
28、计算所述第一初始中间变量与所述中间节点导纳大矩阵对应的子节点矩阵之间的乘积，生成第一变量矩阵；
29、将所述中间节点导纳大矩阵与所述第一变量矩阵作差，生成非叶节点导纳大矩阵；
30、当所述非叶节点分解次数小于所述非叶节点序列的非叶节点数量时，将所述初始非叶节点对应的下一个非叶节点作为新的初始非叶节点，非叶节点分解次数加1，并跳转执行所述将所述初始非叶节点对应的校正矩阵进行lu分解，生成非叶节点分解数据并统计非叶节点分解次数的步骤；
31、当所述非叶节点分解次数等于所述非叶节点数量时，采用当前时刻的非叶节点导纳大矩阵作为目标节点导纳大矩阵。
32、可选地，所述基于所述目标节点导纳大矩阵对所述电力系统网络方程进行低轶求解，生成所述电力系统对应的求解数据的步骤，包括：
33、基于所述目标节点导纳大矩阵对所述电力系统网络方程进行低轶求解，生成所述电力系统对应的求解数据；
34、当所述节点导纳矩阵发生低秩更新时，采用更新的区域数据对应的多个节点，构建更新路径；
35、基于所述目标节点导纳大矩阵对应的叶节点导纳大矩阵数据对所述更新路径对应的对角块矩阵进行叶节点分解，生成叶节点导纳大矩阵；
36、基于所述路径叶节点序列对所述叶节点导纳大矩阵进行非叶节点分解，得到目标路径节点导纳大矩阵；
37、将所述目标路径节点导纳大矩阵作为新的目标节点导纳大矩阵，并跳转执行基于所述目标节点导纳大矩阵对所述电力系统网络方程进行低轶求解，生成所述电力系统对应的求解数据的步骤。
38、可选地，所述基于所述目标节点导纳大矩阵对所述电力系统网络方程进行低轶求解，生成所述电力系统对应的求解数据的步骤，包括：
39、将所述电力系统网络方程对应的线性方程组的常数项对所述线性方程组中的待求解参数进行初始化，生成初始待求解参数；
40、采用所述目标节点导纳大矩阵对应的叶节点分解数据集对所述初始待求解参数对应的各待求解叶节点的对角块求解方程进行遍历原地求解，生成叶节点求解数据；
41、将所述初始待求解参数对应的各待求解非叶节点按照下到上的顺序进行排序，生成待求解非节点序列；
42、将所述初始待求解非节点序列中的第一个待求解非节点作为初始待求解非节点；
43、采用所述目标节点导纳大矩阵对应的非叶节点分解数据集和所述叶节点求解数据求解所述初始待求解非节点对应的第二预设校正方程进行求解，生成第二中间变量并统计求解次数；
44、计算所述第二中间变量与所述目标节点导纳大矩阵对应的子节点矩阵之间的乘积，生成第二变量矩阵；
45、计算所述叶节点求解数据与所述第二变量矩阵之间的差值，生成所述初始待求解非节点对应的节点求解数据；
46、当所述求解次数小于所述初始待求解非节点序列的待求解非节点数量时，将所述采用所述目标节点导纳大矩阵对应的非叶节点分解数据集和所述叶节点求解数据求解所述初始待求解非节点对应的第二预设校正方程进行求解，生成第二中间变量并统计求解次数的步骤；
47、当所述求解次数等于所述待求解非节点数量时，采用当前时刻的全部所述节点求解数据，构建所述电力系统对应的求解数据。
48、可选地，所述基于所述目标节点导纳大矩阵对应的叶节点导纳大矩阵数据对所述更新路径对应的对角块矩阵进行叶节点分解，生成叶节点导纳大矩阵的步骤，包括：
49、将所述更新路径的叶节点和非叶节点分别按照下到上的顺序进行编号，生成路径叶节点序列和路径非叶节点序列；
50、将所述路径叶节点序列中的第一个路径叶节点为初始路径叶节点；
51、将所述初始路径叶节点对应的对角块矩阵进行lu分解并原地存储，生成路径叶节点分解数据并统计路径叶节点分解次数；
52、采用所述路径叶节点分解数据对所述目标节点导纳大矩阵对应的叶节点导纳大矩阵数据对应的对角块分解方程进行原地求解，生成路径对角块求解数据；
53、当所述路径叶节点分解次数小于所述路径叶节点序列的路径叶节点数量时，将所述初始路径叶节点对应的下一个路径叶节点作为新的初始路径叶节点，路径叶节点分解次数加1，并跳转执行所述将所述初始路径叶节点对应的对角块矩阵进行lu分解并原地存储，生成路径叶节点分解数据并统计路径叶节点分解次数的步骤；
54、当所述路径叶节点分解次数等于所述路径叶节点数量时，采用当前时刻的路径对角块求解数据更新所述叶节点导纳大矩阵数据中对应的叶节点导纳大矩阵，得到叶节点导纳大矩阵。
55、可选地，所述基于所述路径叶节点序列对所述叶节点导纳大矩阵进行非叶节点分解，得到目标路径节点导纳大矩阵的步骤，包括：
56、将所述路径非叶节点序列中的第一个路径非叶节点作为初始路径非叶节点；
57、将所述初始路径非叶节点对应的校正矩阵进行lu分解，生成路径非叶节点分解数据并统计路径非叶节点分解次数；
58、采用所述路径非叶节点分解数据对所述叶节点导纳大矩阵对应的第一预设校正方程进行原地求解，生成初始路径变量；
59、计算所述初始路径变量与所述叶节点导纳大矩阵对应的子节点矩阵之间的乘积，生成路径变量矩阵；
60、将所述叶节点导纳大矩阵与所述路径变量矩阵作差，生成路径非叶节点导纳大矩阵；
61、当所述路径非叶节点分解次数小于所述路径非叶节点序列的路径非叶节点数量时，将所述初始路径非叶节点对应的下一个路径非叶节点作为新的初始路径非叶节点，路径非叶节点分解次数加1，并跳转执行所述将所述初始路径非叶节点对应的校正矩阵进行lu分解，生成路径非叶节点分解数据并统计路径非叶节点分解次数的步骤；
62、当所述路径非叶节点分解次数等于所述路径非叶节点数量时，采用当前时刻的路径非叶节点导纳大矩阵作为目标路径节点导纳大矩阵。
63、本发明还提供了一种电力系统网络方程低秩更新求解系统，包括：
64、电力系统网络方程生成模块，用于获取电力系统的节点运行数据，采用所述节点运行数据进行电力系统网络方程构建，生成电力系统网络方程；
65、左低秩基大矩阵构建模块，用于将所述电力系统网络方程中的节点导纳矩阵进行分层非对角块低秩分解，构建左低秩基大矩阵；
66、目标节点导纳大矩阵构建模块，用于基于所述左低秩基大矩阵对所述节点导纳矩阵进行分解，构建目标节点导纳大矩阵；
67、求解数据生成模块，用于基于所述目标节点导纳大矩阵对所述电力系统网络方程进行低轶求解，生成所述电力系统对应的求解数据。
68、本发明还提供了一种电子设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行实现如上述任一项电力系统网络方程低秩更新求解方法的步骤。
69、从以上技术方案可以看出，本发明具有以下优点：
70、本发明通过基于分层非对角低秩结构对电力系统网络方程进行低秩更新求解，能够在电力系统参数或结构发生变化时，仅对变化部分进行更新，而不是重新计算整个系统，从而显著提高了计算效率。本发明针对电力系统网络的区域性和低连通性进行了特别优化，通过空间换时间的策略显著提升了求解效率，尤其在系统结构或参数发生变化时，能够快速适应并减少计算资源消耗。经过实际测试，本发明在大规模系统上展现出比现有技术更快的求解速度，同时优化了内存使用，具有强大的适应性、并行计算能力和广泛的应用前景。解决了现有的电力系统网络方程求解方法需要消耗大量的计算资源和时间，适应性差，导致求解效率低的技术问题。
1.一种电力系统网络方程低秩更新求解方法，其特征在于，包括：
2.根据权利要求1所述的电力系统网络方程低秩更新求解方法，其特征在于，所述将所述电力系统网络方程中的节点导纳矩阵进行分层非对角块低秩分解，构建左低秩基大矩阵的步骤，包括：
3.根据权利要求1所述的电力系统网络方程低秩更新求解方法，其特征在于，所述基于所述左低秩基大矩阵对所述节点导纳矩阵进行分解，构建目标节点导纳大矩阵的步骤，包括：
4.根据权利要求3所述的电力系统网络方程低秩更新求解方法，其特征在于，所述基于所述非叶节点序列对所述中间节点导纳大矩阵进行非叶节点分解，得到目标节点导纳大矩阵的步骤，包括：
5.根据权利要求1所述的电力系统网络方程低秩更新求解方法，其特征在于，所述基于所述目标节点导纳大矩阵对所述电力系统网络方程进行低轶求解，生成所述电力系统对应的求解数据的步骤，包括：
6.根据权利要求5所述的电力系统网络方程低秩更新求解方法，其特征在于，所述基于所述目标节点导纳大矩阵对所述电力系统网络方程进行低轶求解，生成所述电力系统对应的求解数据的步骤，包括：
7.根据权利要求5所述的电力系统网络方程低秩更新求解方法，其特征在于，所述基于所述目标节点导纳大矩阵对应的叶节点导纳大矩阵数据对所述更新路径对应的对角块矩阵进行叶节点分解，生成叶节点导纳大矩阵的步骤，包括：
8.根据权利要求5所述的电力系统网络方程低秩更新求解方法，其特征在于，所述基于所述路径叶节点序列对所述叶节点导纳大矩阵进行非叶节点分解，得到目标路径节点导纳大矩阵的步骤，包括：
9.一种电力系统网络方程低秩更新求解系统，其特征在于，包括：
10.一种电子设备，其特征在于，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至8任一项所述的电力系统网络方程低秩更新求解方法的步骤。
