CN103326351B - 一种基于层次化聚类自动分区的分布式并行潮流计算方法 - Google Patents

Abstract

本发明针对电力系统问题并行求解的实际需求，提供一种基于层次化聚类自动分区的分布式并行潮流计算方法，首先通过凝聚层次聚类算法实现自动分区，其次通过区域间解耦方法实现分区并行计算，最后通过迭代收敛条件实现全局收敛，从而提供适合配电系统特点的、具有较强并行性而任务之间的数据相关性较小的配电网潮流并行求解方法。本发明采用的并行潮流计算方法可以充分发挥机群的优势，以较低的成本和较快的速度完成以往需要超大型计算机来完成的工作，在保证计算精度的前提下显著改善计算速度，满足分析和控制的实时性要求。

Description

一种基于层次化聚类自动分区的分布式并行潮流计算方法

技术领域

本发明属于电力系统技术领域，具体涉及一种基于层次化聚类自动分区的分布式并行潮流计算方法。

背景技术

电力系统潮流计算的作用是对给定的运行条件和网络结构确定整个系统的运行状态，属于求解大规模非线性方程组范畴。经典求解方法包括牛顿法、PQ分解法，前推回代法等。潮流计算算法的主要要求有算法的收敛性、计算速度、内存占用率及计算的方便性、灵活性等。

一方面，随着现代电力系统大系统强非线性与多元件的特点日益突出，其计算量与计算复杂度急剧增加，另一方面，随着并行机与并行计算技术不断发展和成熟，使得并行计算成为解决电力系统潮流及优化潮流问题的有效途径。现有的潮流并行算法主要是在共享存储结构的并行机上实现的，这种集中式并行算法存在着数据上传和命令下发的瓶颈问题，减慢了整体计算速度和实时控制速度。随着高性能价格比的可扩展集群式计算机及分布式并行程序库的逐步成熟及应用，可通过计算机集群实现电力系统潮流及优化潮流问题的分布式并行求解。

发明内容

针对配电系统规模的不断扩大和对在线分析与控制要求的不断提高，采用串行算法分析计算较大型的配电系统潮流及优化潮流问题往往存在计算机内存不足，以及收敛速度慢等维数灾难问题，本发明提供一种基于层次化聚类自动分区的分布式并行潮流计算方法，可以充分发挥机群的优势，以较低的成本和较快的速度完成以往需要超大型计算机来完成的工作，在保证计算精度的前提下显著改善计算速度，满足分析和控制的实时性要求。

为了实现上述发明目的，本发明采取如下技术方案：

提供一种基于层次化聚类自动分区的分布式并行潮流计算方法，所述方法包括以下步骤：

步骤1：进行配电系统自动分区，获得N个子区域；

步骤2：相邻子区域间断开区域联络线，将区域联络线上的阻抗平均分配于相邻子区域中，断点处添加虚拟节点；

步骤3：利用前推回代法求解各个子区域的区域内潮流；

步骤4：判断边界是否全部收敛，若是，则并行潮流计算结束；若否，则执行下一步；

步骤5：对应的虚拟节点之间交换PQ和Vθ值，利用更新后的边界信息重新执行步骤3和步骤4。

所述步骤1中，基于凝聚层次聚类算法进行配电系统自动分区，具体包括以下步骤：

步骤1-1：求取节点i和节点j之间的等效电气距离D_ij；

步骤1-2：修正类间距离；

步骤1-3：定义δ为每次聚合过程后类间距离的最小值，并对δ进行初始化，即将δ设为0；

步骤1-4：查找类间距离小于δ的类对，若没有小于δ的类对，则选取类间距离最小的类对；

步骤1-5：依次检验每个类对是否电气连通，若无区域联络线相连，则设置该类对之间电气距离为无穷大，若有区域联络线相连，将其合并为新类；

步骤1-6：更新δ；

步骤1-7：重复步骤1-4、1-5和1-6，直到所有节点归并为一个类；

步骤1-8：通过分析F统计量确定目标分类数目。

所述步骤1-1中，选取节点作为对象，求取节点i和节点j之间的等效电气距离作为节点特征；节点i和节点j之间的等效电气距离D_ij求取过程如下：

节点j上的电压幅值变化为ΔV_j时，节点i上的电压幅值变化表示为：

ΔV_i＝α_ijΔV_j   （1）

其中，ΔV_i为节点i上的电压幅值变化，α_ij为节点i电压对节点j电压的衰减率，其中，表示节点j上的无功功率变换引起节点i上的电压幅值的变化增量，表示节点j上的无功功率变换引起节点j上的电压幅值的变化增量，同理可知其中，表示节点i上的无功功率变换引起节点j上的电压幅值的变化增量，表示表示节点i上的无功功率变换引起节点i上的电压幅值的变化增量，且有α_ij≠α_ji；

于是，节点i和节点j之间的等效电气距离为：

D_ij=-lg|α_ij·α_ji|   （2）

其中，D_ij表示节点i和节点j之间的等效电气距离；

所述步骤1-2中，使用类中对象的质心来代表类，类间距离定义为类与类质心之间的距离，对类间距离进行如下两点修正：

1）对类间距离进行修正过程如下：

$D(K_i,K_j)=\mathrm{dis}(K_i,K_j)\×{\mathrm{\α}}^{({\mathrm{Nnk}}_i+{\mathrm{Nnk}}_j)}\×{\mathrm{\β}}^{({\mathrm{Ngk}}_i-{\mathrm{Nlk}}_i)\×({\mathrm{Ngk}}_j-{\mathrm{Nlk}}_j)}---\left(3\right)$

其中，K_i和K_j分别表示节点i和节点j所在的区域，D(K_i,K_j)为修正后的类间距离，dis(K_i,K_j)为通过质心距离定义的类间距离，α和β分别为规模因子和节点类型匹配因子，Nnk_i，Ngk_i和Nlk_i分别表示区域K_i中节点数目、发电机数目和负载数目；Nnk_j，Ngk_j和Ngk_j分别为区域K_j中节点数目、发电机数目和负载数目；

α和β可在1～1.05范围中选取，亦可按下公式求取：

$\mathrm{\α}=\mathrm{\β}=(1+1/n^{\frac{2}{3}})---\left(4\right)$

其中，n为电力系统中的节点数目；

2）对于不存在任何连接线直接相连的两个子区域，将其类间距离设置为无限大，保证子区域中所有节点被连接为一整体。

所述步骤1-6中，通过加速迭代法更新δ，且将δ设置为上次聚类过程完成后所有类间距离平均值的十分之一。

所述步骤1-8中，设r为类的数目，S_i为第i类对象的集合，n_i为第i类对象的数目，x_jk为第j类对象的第k个特征量，m为对象的特征数目，n为对象的数目；

记 表示第i类对象的第k个特征量的平均值；

记 表示全体对象的第k个特征量的平均值；

统计量F表示为：

$F=\frac{\underset{i=1}{\overset{r}{\mathrm{\Σ}}}{n}_i\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{(\stackrel{\‾}{x_{\mathrm{ik}}}-\stackrel{\‾}{x_k})}^2/(r-1)}{\underset{i=1}{\overset{r}{\mathrm{\Σ}}}\underset{j\∈S_i}{\mathrm{\Σ}}\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{(x_{\mathrm{jk}}-\stackrel{\‾}{x_{\mathrm{ik}}})}^2/(n-r)}---\left(5\right)$

由此可知目标分类数目为以下且F统计量值最大处所对应的分类数目。

所述步骤2中，各个子区域中，靠近变电站母线的虚拟节点设置为PQ节点，对应的远离变电站母线的虚拟节点设置为Vθ节点；PQ节点虚拟发电机有功、无功出力初始值均设为0，Vθ节点标幺电压初始值设为1，电压相角初始值设置为0。

所述步骤4中，若边界节点满足|ξ₁x_b1-ξ₂x_b2|≤ε，则可判断边界全部收敛，并行潮流计算结束；其中，ε为收敛精度，ξ₁＝diag(I,I,I,I)，ξ₂＝diag(-I,-I,I,I)，I表示单位阵；且x_b1和x_b2分别表示为：

$\left\{\begin{array}{c}{x}_{b1}=\{P_{\mathrm{xb}1},Q_{\mathrm{xb}1},V_{\mathrm{xb}1},{\mathrm{\θ}}_{\mathrm{xb}1}\}\\ x_{b2}=\{P_{\mathrm{xb}2},Q_{\mathrm{xb}2},V_{\mathrm{xb}2},{\mathrm{\θ}}_{\mathrm{xb}2}\}\end{array}\right.---\left(6\right)$

其中，P_xb1、Q_xb1、V_xb1和θ_xb1分别表示虚拟节点1的注入有功功率、无功功率、电压幅值和电压相角；P_xb2、Q_xb2、V_xb2和θ_xb2分别表示虚拟节点2的注入有功功率、无功功率、电压幅值和电压相角。

与现有技术相比，本发明的有益效果在于：

1.并行计算是将多任务映射到多处理机中执行或将现实的多维问题映射到具有特定拓扑结构的多处理机上求解的方法，并行潮流计算方法可以充分发挥机群的优势，以较低的成本和较快的速度完成以往需要超大型计算机来完成的工作，在保证计算精度的前提下显著改善计算速度，满足分析和控制的实时性要求。

2.本发明针对电力系统问题并行求解的实际需求，首先通过凝聚层次聚类算法实现自动分区，其次通过区域间解耦方法实现分区并行计算，最后通过迭代收敛条件实现全局收敛，从而提供适合配电系统特点的、具有较强并行性而任务之间的数据相关性较小的配电网潮流并行求解方法。

附图说明

图1是基于层次化聚类自动分区的分布式并行潮流计算方法流程图；

图2是本发明实施例中配电系统自动分区HAC流程图；

图3是本发明实施例中区域分解示意图。

具体实施方式

下面结合附图对本发明作进一步详细说明。

如图1，提供一种基于层次化聚类自动分区的分布式并行潮流计算方法，所述方法包括以下步骤：

步骤1：进行配电系统自动分区，获得N个子区域；

步骤2：相邻子区域间断开区域联络线，将区域联络线上的阻抗平均分配于相邻子区域中，断点处添加虚拟节点；

步骤3：利用前推回代法求解各个子区域的区域内潮流；

步骤4：判断边界是否全部收敛，若是，则并行潮流计算结束；若否，则执行下一步；

步骤5：对应的虚拟节点之间交换PQ和Vθ值，利用更新后的边界信息重新执行步骤3和步骤4。

所述步骤1中，基于凝聚层次聚类算法（Hierarchical Agglomerative Clustering，HAC）进行配电系统自动分区，通过该算法，整个电力系统可被快速有效的分解为适用于并行潮流计算的多个分区。如图2所示。

具体包括以下步骤：

步骤1-1：求取节点i和节点j之间的等效电气距离D_ij；

步骤1-2：修正类间距离；

步骤1-3：定义δ为每次聚合过程后类间距离的最小值，并对δ进行初始化，即将δ设为0；

步骤1-4：查找类间距离小于δ的类对，若没有小于δ的类对，则选取类间距离最小的类对；

步骤1-5：依次检验每个类对是否电气连通，若无区域联络线相连，则设置该类对之间电气距离为无穷大，若有区域联络线相连，将其合并为新类；

步骤1-6：更新δ；

步骤1-7：重复步骤1-4、1-5和1-6，直到所有节点归并为一个类；

步骤1-8：通过分析F统计量确定目标分类数目。

所述步骤1-1中，选取节点作为对象，求取节点i和节点j之间的等效电气距离作为节点特征；节点i和节点j之间的等效电气距离D_ij求取过程如下：

P-Q分解潮流无功迭代方程为：

$\mathrm{\ΔQ}=(\∂Q/\∂V)\mathrm{\ΔV}$

其中，为电压变化引起的无功功率Q的变化增量，反映无功功率对电压幅值变化的灵敏度；

对上式做逆变换可得：

$\mathrm{\ΔV}=(\∂V/\∂Q)\mathrm{\ΔQ}$

其中，为无功功率变换引起的电压幅值的变化增量，反映电压幅值对无功注入的灵敏度；

节点j上的电压幅值变化为ΔV_j时，节点i上的电压幅值变化表示为：

ΔV_i＝α_ijΔV_j   （1）

其中，ΔV_i为节点i上的电压幅值变化，α_ij为节点i电压对节点j电压的衰减率，其中，表示节点j上的无功功率变换引起节点i上的电压幅值的变化增量，表示节点j上的无功功率变换引起节点j上的电压幅值的变化增量，同理可知其中，表示节点i上的无功功率变换引起节点j上的电压幅值的变化增量，表示表示节点i上的无功功率变换引起节点i上的电压幅值的变化增量，且有α_ij≠α_ji；

于是，节点i和节点j之间的等效电气距离为：

D_ij=-lg|α_ij·α_ji|    （2）

其中，D_ij表示节点i和节点j之间的等效电气距离；

等效电气距离的远近表征两个节点之间电压幅值变化的耦合程度，距离越远，耦合程度越小，反之亦然。利用其能够比较准确的反映电力网络节点间电气连接关系，HAC将按照其描述的电气连接关系将节点自动划分到不同区域。以电网内每个节点为对象，将该节点与任一节点的等效电气距离作为该对象的特征量，可以构造n×n阶的特征矩阵，行号代表对象编号，列号代表对象特征编号，其中n为电网内节点个数。

所述步骤1-2中，使用类中对象的质心来代表类，类间距离定义为类与类质心之间的距离，对类间距离进行如下两点修正：

1）对类间距离进行修正过程如下：

$D(K_i,K_j)=\mathrm{dis}(K_i,K_j)\×{\mathrm{\α}}^{({\mathrm{Nnk}}_i+{\mathrm{Nnk}}_j)}\×{\mathrm{\β}}^{({\mathrm{Ngk}}_i-{\mathrm{Nlk}}_i)\×({\mathrm{Ngk}}_j-{\mathrm{Nlk}}_j)}---\left(3\right)$

其中，K_i和K_j分别表示节点i和节点j所在的区域，D(K_i,K_j)为修正后的类间距离，dis(K_i,K_j)为通过质心距离定义的类间距离，α和β分别为规模因子和节点类型匹配因子，Nnk_i，Ngk_i和Nlk_i分别表示区域K_i中节点数目、发电机数目和负载数目；Nnk_j，Ngk_j和Ngk_j分别为区域K_j中节点数目、发电机数目和负载数目；

α和β可在1～1.05范围中选取，亦可按下公式求取：

$\mathrm{\α}=\mathrm{\β}=(1+1/n^{\frac{2}{3}})---\left(4\right)$

其中，n为电力系统中的节点数目。

D(K_i,K_j)既可以反映类内节点数目对分区的影响，也可以反映节点类型对分区的影响。该类间距离定义方式能有效抑制诸如分区结果子区域间节点规模差距较大，电力网络中发电机、负荷分布严重不均衡等现象的发生。

2）对于不存在任何连接线直接相连的两个子区域，将其类间距离设置为无限大，保证子区域中所有节点被连接为一整体。

δ表示每一次聚合过程后类间距离的最小值，即在该次聚类过程中，类间距离小于δ的类对将同时被聚合。δ值在聚合迭代过程中需要不断更新以保证聚类过程的合理性，通过加速迭代法更新δ，且将δ设置为上次聚类过程完成后所有类间距离平均值的十分之一。

所述步骤1-8中，设r为类的数目，S_i为第i类对象的集合，n_i为第i类对象的数目，x_jk为第j类对象的第k个特征量，m为对象的特征数目，n为对象的数目；

记 表示第i类对象的第k个特征量的平均值；

记 表示全体对象的第k个特征量的平均值；

统计量F表示为：

$F=\frac{\underset{i=1}{\overset{r}{\mathrm{\Σ}}}{n}_i\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{(\stackrel{\‾}{x_{\mathrm{ik}}}-\stackrel{\‾}{x_k})}^2/(r-1)}{\underset{i=1}{\overset{r}{\mathrm{\Σ}}}\underset{j\∈S_i}{\mathrm{\Σ}}\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{(x_{\mathrm{jk}}-\stackrel{\‾}{x_{\mathrm{ik}}})}^2/(n-r)}---\left(5\right)$

其中，表征类与类之间的距离，分母表征类内元素之间的距离。F值越大，说明类间特征差异越明显，分类越合理。但分类数目过大会导致类间数据通信量增大，系统收敛速度变慢等问题，根据经验，分类数目不应超过其中n为节点数目。由此可知目标分类数目为以下且F统计量值最大处所对应的分类数目。

所述步骤2中，各个子区域中，靠近变电站母线的虚拟节点设置为PQ节点，对应的远离变电站母线的虚拟节点设置为Vθ节点；PQ节点虚拟发电机有功、无功出力初始值均设为0，Vθ节点标幺电压初始值设为1，电压相角初始值设置为0。如图3，配电网S依据自动分区算法被分割为N个子区域，其中子区域A和B通过联络线支路ij互联，在支路ij中点处靠近变电站母线的一端引入一个虚拟负荷，另一端引入一个虚拟发电机，从而“断开联络线”。

考虑到配电网的辐射型结构，其全局潮流的分布式并行求解可描述为主从式问题，靠近变电站母线的区域为主区域，其虚拟负荷节点为对应的虚拟发电机节点提供电压数据，远离变电站母线的区域为从区域，其虚拟发电机节点为虚拟负荷节点提供广义负荷的功率数据，两者交换信息反复迭代直至收敛。故靠近变电站母线的虚拟节点应设置为PQ节点，对应的远离变电站母线的虚拟节点应设置为Vθ节点。

若边界节点满足|ξ₁x_b1-ξ₂x_b2|≤ε，则可判断边界全部收敛，并行潮流计算结束；其中，ε为收敛精度，ξ₁＝diag(I,I,I,I)，ξ₂＝diag(-I,-I,I,I)，I表示单位阵；且x_b1和x_b2分别表示为：

$\left\{\begin{array}{c}{x}_{b1}=\{P_{\mathrm{xb}1},Q_{\mathrm{xb}1},V_{\mathrm{xb}1},{\mathrm{\θ}}_{\mathrm{xb}1}\}\\ x_{b2}=\{P_{\mathrm{xb}2},Q_{\mathrm{xb}2},V_{\mathrm{xb}2},{\mathrm{\θ}}_{\mathrm{xb}2}\}\end{array}\right.---\left(6\right)$

其中，P_xb1、Q_xb1、V_xb1和θ_xb1分别表示虚拟节点1的注入有功功率、无功功率、电压幅值和电压相角；P_xb2、Q_xb2、V_xb2和θ_xb2分别表示虚拟节点2的注入有功功率、无功功率、电压幅值和电压相角。

通过子区域内潮流的自行求解，使得每个计算单元潮流计算方程组维数降低。由于分区边界点的数目远远小于各子区域内的节点数目，所以各分区交换的数据量非常小，从而使各个分区之间的通信时间缩短。利用分布式并行潮流算法，可以极大简化大规模电网潮流计算的时间消耗和内存占用。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所述领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.一种基于层次化聚类自动分区的分布式并行潮流计算方法，其特征在于：所述方法包括以下步骤：

步骤1：进行配电系统自动分区，获得N个子区域；

步骤2：相邻子区域间断开区域联络线，将区域联络线上的阻抗平均分配于相邻子区域中，断点处添加虚拟节点；

步骤3：利用前推回代法求解各个子区域的区域内潮流；

步骤4：判断边界是否全部收敛，若是，则并行潮流计算结束；若否，则执行下一步；

步骤5：对应的虚拟节点之间交换PQ和Vθ值，利用更新后的边界信息重新执行步骤3和步骤4；

所述步骤1中，基于凝聚层次聚类算法进行配电系统自动分区，具体包括以下步骤：

步骤1-1：求取节点i和节点j之间的等效电气距离D_ij；

步骤1-2：修正类间距离；

步骤1-3：定义δ为每次聚合过程后类间距离的最小值，并对δ进行初始化，即将δ设为0；

步骤1-4：查找类间距离小于δ的类对，若没有小于δ的类对，则选取类间距离最小的类对；

步骤1-5：依次检验每个类对是否电气连通，若无区域联络线相连，则设置该类对之间电气距离为无穷大，若有区域联络线相连，将其合并为新类；

步骤1-6：更新δ；

步骤1-7：重复步骤1-4、1-5和1-6，直到所有节点归并为一个类；

步骤1-8：通过分析F统计量确定目标分类数目；

所述步骤1-2中，使用类中对象的质心来代表类，类间距离定义为类与类质心之间的距离，对类间距离进行如下两点修正：

1)对类间距离进行修正过程如下：

$D(K_i,K_j)=\mathrm{dis}(K_i,K_j)\×{\mathrm{\α}}^{(\mathrm{Nn}{k}_i+{\mathrm{Nnk}}_j)}\×{\mathrm{\β}}^{(\mathrm{Ng}{k}_i-\mathrm{Nl}{k}_i)\×(\mathrm{Ng}{k}_i-\mathrm{Nl}{k}_j)}---\left(1\right)$

其中，K_i和K_j分别表示节点i和节点j所在的区域，D(K_i,K_j)为修正后的类间距离，dis(K_i,K_j)为通过质心距离定义的类间距离，α和β分别为规模因子和节点类型匹配因子，Nnk_i，Ngk_i和Nlk_i分别表示区域K_i中节点数目、发电机数目和负载数目；Nnk_j，Ngk_j和Ngk_j分别为区域K_j中节点数目、发电机数目和负载数目；

α和β可在1～1.05范围中选取，亦可按下公式求取：

$\mathrm{\α}=\mathrm{\β}=(1+1/n^{\frac{2}{3}})---\left(2\right)$

其中，n为电力系统中的节点数目；

2)对于不存在任何连接线直接相连的两个子区域，将其类间距离设置为无限大，保证子区域中所有节点被连接为一整体；

所述步骤1-8中，设r为类的数目，S_i为第i类对象的集合，n_i为第i类对象的数目，x_jk为第j类对象的第k个特征量，m为对象的特征数目，n为对象的数目；

记 表示第i类对象的第k个特征量的平均值；

记 表示全体对象的第k个特征量的平均值；

统计量F表示为：

$F=\frac{\underset{i=1}{\overset{r}{\mathrm{\Σ}}}{n}_i\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{(\stackrel{\‾}{x_{\mathrm{ik}}}-\stackrel{\‾}{x_k})}^2/(r-1)}{\underset{i=1}{\overset{r}{\mathrm{\Σ}}}\underset{j\∈S_i}{\mathrm{\Σ}}\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{(x_{\mathrm{jk}}-\stackrel{\‾}{x_{\mathrm{ik}}})}^2/(n-r)}---\left(3\right)$

由此可知目标分类数目为以下且F统计量值最大处所对应的分类数目。

2.根据权利要求1所述的基于层次化聚类自动分区的分布式并行潮流计算方法，其特征在于：所述步骤1-1中，选取节点作为对象，求取节点i和节点j之间的等效电气距离作为节点特征；节点i和节点j之间的等效电气距离D_ij求取过程如下：

节点j上的电压幅值变化为ΔV_j时，节点i上的电压幅值变化表示为：

ΔV_i＝α_ijΔV_j     (4)

其中，ΔV_i为节点i上的电压幅值变化，α_ij为节点i电压对节点j电压的衰减率，其中，表示节点j上的无功功率变换引起节点i上的电压幅值的变化增量，表示节点j上的无功功率变换引起节点j上的电压幅值的变化增量，同理可知其中，表示节点i上的无功功率变换引起节点j上的电压幅值的变化增量，表示表示节点i上的无功功率变换引起节点i上的电压幅值的变化增量，且有α_ij≠α_ji；

于是，节点i和节点j之间的等效电气距离为：

D_ij＝-lg|α_ij·α_ji|     (5)

其中，D_ij表示节点i和节点j之间的等效电气距离。

3.根据权利要求1所述的基于层次化聚类自动分区的分布式并行潮流计算方法，其特征在于：所述步骤1-6中，通过加速迭代法更新δ，且将δ设置为上次聚类过程完成后所有类间距离平均值的十分之一。

4.根据权利要求1所述的基于层次化聚类自动分区的分布式并行潮流计算方法，其特征在于：所述步骤2中，各个子区域中，靠近变电站母线的虚拟节点设置为PQ节点，对应的远离变电站母线的虚拟节点设置为Vθ节点；PQ节点虚拟发电机有功、无功出力初始值均设为0，Vθ节点标幺电压初始值设为1，电压相角初始值设置为0。

5.根据权利要求1所述的基于层次化聚类自动分区的分布式并行潮流计算方法，其特征在于：所述步骤4中，若边界节点满足|ξ₁x_b1-ξ₂x_b2|≤ε，则可判断边界全部收敛，并行潮流计算结束；其中，ε为收敛精度，ξ₁＝diag(I,I,I,I)，ξ₂＝diag(-I,-I,I,I)，I表示单位阵；且x_b1和x_b2分别表示为：

$\left\{\begin{array}{c}{x}_{b1}=\{P_{\mathrm{xb}1},Q_{\mathrm{xb}1},V_{\mathrm{xb}1},{\mathrm{\θ}}_{\mathrm{xb}1}\}\\ x_{b2}=\{P_{\mathrm{xb}2},Q_{\mathrm{xb}2},V_{\mathrm{xb}2},{\mathrm{\θ}}_{\mathrm{xb}2}\}\end{array}\right.---\left(6\right)$

其中，P_xb1、Q_xb1、V_xb1和θ_xb1分别表示虚拟节点1的注入有功功率、无功功率、电压幅值和电压相角；P_xb2、Q_xb2、V_xb2和θ_xb2分别表示虚拟节点2的注入有功功率、无功功率、电压幅值和电压相角。