The invention provides an unsupervised clustering method and device for power system operation conditions, which includes: obtaining power flow sections of power system to be analyzed at different times, constructing corresponding power flow vectors for each power flow section, and forming power flow vector space with all power flow vectors; using t-distribution stochastic nearest neighbor embedding algorithm to reduce data dimension for the power flow vector space; and using layer. The sub-clustering algorithm carries out clustering analysis on reduced dimension power flow vector space, and obtains the clustering results of operation conditions of the power system to be analyzed. In clustering analysis of power system operation conditions, besides considering power flow information, the power network topology information is also utilized. The dimensionality of power flow vector is reduced by using t-distribution stochastic nearest neighbor embedding algorithm, which can effectively reduce the amount of computation while preserving the local structure of original data. The dimensionality-reduced power flow vector is clustered by using hierarchical clustering algorithm. Analysis shows that it performs better in dealing with complex distribution of samples.
【技术实现步骤摘要】
电力系统运行工况无监督聚类方法及装置
本专利技术涉及
,更具体地,涉及一种电力系统运行工况无监督聚类方法及装置。
技术介绍
电力系统的运行方式指的是电力系统调度部门编写制定的指导电力系统生产和运行的总体技术方案。确定一个输电网的运行方式的典型步骤主要包括:确定网架结构,主要考虑区域电网内高压输电线路、变压器和大型机组的投切规划,参考检修计划,同时还要考虑连接到相邻电网的输电线路的运行情况;预测负荷水平,输电网种各节点负荷指的是本节点所承担的负荷的总和。输电网络的负荷考虑冬大、冬小、夏大、夏小四种典型的方式;开机方式,考虑电网中各种类型的发电机的出力情况,本网负荷节点情况,与相邻电网功率交换的情况等等,输电网中机组开停与系统的负荷水平和负荷分布有很强的关系,而且互相制约。然而,随着电网的不断建设,电网的复杂度进一步的上升;越来越多带有不确定性的新能源的接入,比如风电和光伏发电,这类能源在系统总能源中的占比不断上升,使得运行人员对电力系统运行方式的分析难度逐渐上升;电动汽车、分布式储能等的发展,使得电网的规律性与过去相比发生了很大的变化,这同样也给人工分析带来了难度。目前主要采用无监督聚类方法分析电网运行方式。无监督聚类方法在电力系统中的应用主要包含以下几个方面:负荷特性的聚类分析;光伏、风电等可再生能源的出力曲线聚类分析;利用历史数据对单个电力系统设备的运行状态进行聚类分析。使用聚类算法对整个电力系统的运行工况进行分析的场景较少,在计入电力系统运行方式进行分析的时候,使用的是系统的负荷水平和发电出力作为聚类的对象,而且聚类算法较为简单,一般使用的是k- ...
【技术保护点】
1.一种电力系统运行工况无监督聚类方法,其特征在于,包括:获取待分析的电力系统在不同时刻的潮流断面,构造每个潮流断面对应的潮流向量,所有潮流向量组成潮流向量空间;对所述潮流向量空间使用t分布随机近邻嵌入算法进行数据降维;使用层次聚类算法对降维后的潮流向量空间进行聚类分析,获得所述待分析的电力系统的运行工况聚类结果。
【技术特征摘要】
1.一种电力系统运行工况无监督聚类方法,其特征在于,包括:获取待分析的电力系统在不同时刻的潮流断面,构造每个潮流断面对应的潮流向量,所有潮流向量组成潮流向量空间;对所述潮流向量空间使用t分布随机近邻嵌入算法进行数据降维;使用层次聚类算法对降维后的潮流向量空间进行聚类分析,获得所述待分析的电力系统的运行工况聚类结果。2.根据权利要求1所述的方法,其特征在于,所述构造每个潮流断面对应的潮流向量的步骤,具体为:根据每个潮流断面中各母线上的电压和各输电线上的潮流,采用标幺值的方法构造所述潮流断面对应的潮流向量;其中,在所述构造潮流向量的过程中,不同的潮流断面中对应线路的潮流的正方向保持一致,并将未投入运行的母线或者未投入运行的传输线对应的潮流向量元素的取值置为零。3.根据权利要求1所述的方法,其特征在于,所述对所述潮流向量空间使用t分布随机近邻嵌入算法进行数据降维的步骤,具体为:基于高斯分布,计算所述潮流向量空间中任意两个潮流向量之间用条件概率表示的相似性,获得高维空间的条件概率分布;基于t分布,将降维后的潮流向量空间中任意两个潮流向量之间的相似性用条件概率的形式表示,获得低维空间的条件概率分布;将所述高维空间的条件概率分布和低维空间的条件概率分布之间的KL散度作为损失函数,利用梯度下降法对所述损失函数进行训练,获得降维后的潮流向量空间中各潮流向量的二维表示。4.根据权利要求1所述的方法,其特征在于,所述使用层次聚类算法对降维后的潮流向量空间进行聚类分析的步骤,具体为:将降维后的潮流向量空间中的每个潮流向量作为聚类集合中的一个子集;判断所述聚类集合中子集的个数;若聚类集合中子集的个数不唯一,则重复执行聚类操作,直至所述聚类集合中子集的个数唯一;其中所述聚类操作包括:计算聚类集合中任意两个子集间的相似度,将最大相似度对应的两个子集合并为一个新子集,记录所述新子集,并从所述聚类集合中删除所述最大相似度对应的两个子集。5....
【专利技术属性】
技术研发人员:关慧哲,陈颖,李晓萌,黄少伟,徐得超,
申请(专利权)人:清华大学,国网河南省电力公司电力科学研究院,中国电力科学研究院有限公司,国家电网有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。