一种基于DBSCAN聚类的电能质量分区方法和装置制造方法及图纸

本发明专利技术提供了一种基于DBSCAN聚类的电能质量分区方法和装置，方法包括：在电力系统出现电能质量问题时，获取的电能质量监测数据；提取出所述电力系统中所有节点的电能质量关键特征；计算所述电力系统每两个节点之间的灰色关联度；通过DBSCAN密度聚类算法，对所述电力系统所有的节点进行分区；其中，聚类距离根据灰色关联度的均值进行设置。相比于现有技术，基于电力系统的电能质量监测数据为驱动，无需建立系统潮流方程，对电力系统的监测更直接、有效，并且摆脱了潮流计算对监测效果的影响；量化和提取了各节点之间的相似度，实现对电力系统的有效分区，解决了现代电网电能质量污染源高密度和分散性引起的监测困难的问题。污染源高密度和分散性引起的监测困难的问题。污染源高密度和分散性引起的监测困难的问题。

【技术实现步骤摘要】
一种基于DBSCAN聚类的电能质量分区方法和装置


[0001]本专利技术涉及配网电能质量监测领域，尤其涉及一种基于DBSCAN聚类的电能质量分区方法和装置。

技术介绍

[0002]传统的电网电能质量污染源一般集中在特点类型的用户，污染源数量少但是集中度高，污染量大。而随着高密度新能源的接入以及配电网电力电子化的发展趋势，电网污染程度更加严重，且污染分布呈现分散化、全网化。新型的设备具有不确定时变行为的特性，因此导致电网电能质量运行场景更加复杂，治理难度进一步增加。
[0003]现有技术通过系统潮流方程和电气距离计算来制定治理方案，需要构建污染模型以及电网结构参数模型。例如从全网角度来建立治理优化模型，通过调控各馈线的谐波补偿电流来同时治理自身馈线以及各个连接点的谐波污染。但是由于电网电能质量污染源呈现高密度、分散性和运行不确定性的特点，使得这类基于机理建模的电能质量治理方案不能满足要求，无法充分挖掘配电网中潜在的污染关系。

技术实现思路

[0004]本专利技术提供了一种基于DBSCAN聚类的电能质量分区方法和装置，以解决现有技术对配电网潜在污染关系的挖掘效率低下的技术问题。
[0005]为了解决上述技术问题，本专利技术实施例提供了一种基于DBSCAN聚类的电能质量分区方法，包括；
[0006]在电力系统出现电能质量问题时，获取所述电力系统的电能质量监测数据；
[0007]根据所述电能质量监测数据，提取出所述电力系统中所有节点的电能质量关键特征；
[0008]根据所述电能质量关键特征，计算所述电力系统每两个节点之间的灰色关联度；
[0009]通过DBSCAN密度聚类算法，对所述电力系统所有的节点进行分区；其中，所述DBSCAN密度聚类算法的聚类距离根据所有所述灰色关联度的均值进行设置。
[0010]作为优选方案，所述电能质量监测数据包括多个类别；
[0011]所述提取出所述电力系统中所有节点的电能质量关键特征，具体为：
[0012]根据下式提取所述电力系统中所有节点的电能质量关键特征；
[0013][0014]其中，X
(i)
和X
(j)
为离散型随机变量，M
I
(X
(i)
；X
(j)
)为第i类电能质量监测数据与第j类电能质量监测数据之间的互信息大小，λ为属于X
(i)
的元素，τ为属于X
(j)
的元素，p(λ,τ)为λ和τ之间的联合分布概率，p(λ)为λ的概率，p(τ)为τ的概率。
[0015]作为优选方案，所述计算所述电力系统每两个节点之间的电能质量关键特征之间的灰色关联度，具体为：
[0016]对所述电力系统中每一节点的第j个电能质量特征分别构建分析矩阵(Y
j
，X)：
[0017][0018]其中，y(t)为所述电力系统中第一节点第t个时段的电能质量关键特征，T为电能质量关键特征时间序列，x
i
(t)为除所述第一节点外第i个节点第t个时段的电能质量关键特征，m为除所述第一节点外的节点总数；
[0019]根据所有所述每一节点第j个电能质量特征分别对应的分析矩阵，对所述每一节点的电能质量关键特征时间序列进行归一化，形成与所述每一节点第j个电能质量特征分别对应的初值像矩阵；
[0020]对所有初值像矩阵根据下式进行差值运算，获得与每一节点分别对应的序列矩阵：
[0021]Δ(t)＝|y
′
(t)
‑
x
i
′
(t)|(i＝1,2,
…
,m)；
[0022]其中，y
′
(t)为所述第一节点第t个时段经过归一化的电能质量关键特征，x
i
′
(t)为所述电力系统中除所述第一节点外第i个节点第t个时段经过归一化的电能质量关键特征；
[0023]根据所有所述序列矩阵，计算两级极差的最大值和最小值，进而根据所述两级极差的最大值和最小值，计算每两个节点之间的灰色关联度。
[0024]作为优选方案，所述对所述电力系统所有的节点进行分区，具体为：
[0025]以所有灰色关联度的平均值的两倍作为聚类距离，以所述电力系统的节点总数的五分之一作为最少MinPts数量，通过DBSCAN聚类对所述电力系统所有的节点进行分区。
[0026]作为优选方案，所述电能质量监测数据包括多个类别；所述电能质量监测数据的类别包括三相不平衡度、谐波失真、电压偏差、谐波含量和谐波电压电流因数。
[0027]相应的，本专利技术实施例还提供了一种基于DBSCAN聚类的电能质量分区装置，包括：
[0028]数据获取模块，用于在电力系统出现电能质量问题时，获取所述电力系统的电能质量监测数据；
[0029]特征提取模块，用于根据所述电能质量监测数据，提取出所述电力系统中所有节点的电能质量关键特征；
[0030]相似度计算模块，用于根据所述电能质量关键特征，计算所述电力系统每两个节点之间的灰色关联度；
[0031]分区模块，用于通过DBSCAN密度聚类算法，对所述电力系统所有的节点进行分区；其中，所述DBSCAN密度聚类算法的聚类距离根据所有所述灰色关联度的均值进行设置。
[0032]作为优选方案，所述电能质量监测数据包括多个类别；
[0033]所述特征提取模块提取出所述电力系统中所有节点的电能质量关键特征，具体为：
[0034]所述特征提取模块根据下式提取所述电力系统中所有节点的电能质量关键特征；
[0035][0036]其中，X
(i)
和X
(j)
为离散型随机变量，M
I
(X
(i)
；X
(j)
)为第i类电能质量监测数据与第j类电能质量监测数据之间的互信息大小，λ为属于X
(i)
的元素，τ为属于X
(j)
的元素，p(λ,τ)为λ和τ之间的联合分布概率，p(λ)为λ的概率，p(τ)为τ的概率。
[0037]作为优选方案，所述相似度计算模块计算所述电力系统每两个节点之间的电能质量关键特征之间的灰色关联度，具体为：
[0038]所述相似度计算模块对所述电力系统中每一节点的第j个电能质量特征分别构建分析矩阵(Y
j
，X)：
[0039][0040]其中，y(t)为所述电力系统中第一节点第t个时段的电能质量关键特征，T为电能质量关键特征时间序列，x
i
(t)为除所述第一节点外第i个节点第t个时段的电能质量关键特征，m为除所述第一节点外的节点总数；
[0041]根据所有所述每一节点第j个电能质量特征分别对应的分析矩阵，对所述每一节点的电能质量关键特征时间序列进行归一化，形成与所述每一节点第j个电能质量特征分别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于DBSCAN聚类的电能质量分区方法，其特征在于，包括：在电力系统出现电能质量问题时，获取所述电力系统的电能质量监测数据；根据所述电能质量监测数据，提取出所述电力系统中所有节点的电能质量关键特征；根据所述电能质量关键特征，计算所述电力系统每两个节点之间的灰色关联度；通过DBSCAN密度聚类算法，对所述电力系统所有的节点进行分区；其中，所述DBSCAN密度聚类算法的聚类距离根据所有所述灰色关联度的均值进行设置。2.如权利要求1所述的一种基于DBSCAN聚类的电能质量分区方法，其特征在于，所述电能质量监测数据包括多个类别；所述提取出所述电力系统中所有节点的电能质量关键特征，具体为：根据下式提取所述电力系统中所有节点的电能质量关键特征；其中，X
(i)
和X
(j)
为离散型随机变量，M
I
(X
(i)
；X
(j)
)为第i类电能质量监测数据与第j类电能质量监测数据之间的互信息大小，λ为属于X
(i)
的元素，τ为属于X
(j)
的元素，p(λ,τ)为λ和τ之间的联合分布概率，p(λ)为λ的概率，p(τ)为τ的概率。3.如权利要求2所述的一种基于DBSCAN聚类的电能质量分区方法，其特征在于，所述计算所述电力系统每两个节点之间的电能质量关键特征之间的灰色关联度，具体为：对所述电力系统中每一节点的第j个电能质量特征分别构建分析矩阵(Y
j
，X)：其中，y(t)为所述电力系统中第一节点第t个时段的电能质量关键特征，T为电能质量关键特征时间序列，x
i
(t)为除所述第一节点外第i个节点第t个时段的电能质量关键特征，m为除所述第一节点外的节点总数；根据所有所述每一节点第j个电能质量特征分别对应的分析矩阵，对所述每一节点的电能质量关键特征时间序列进行归一化，形成与所述每一节点第j个电能质量特征分别对应的初值像矩阵；对所有初值像矩阵根据下式进行差值运算，获得与每一节点分别对应的序列矩阵：Δ(t)＝|y
′
(t)
‑
x
i
′
(t)|(i＝1,2,
…
,m)；其中，y
′
(t)为所述第一节点第t个时段经过归一化的电能质量关键特征，x
i
′
(t)为所述电力系统中除所述第一节点外第i个节点第t个时段经过归一化的电能质量关键特征；根据所有所述序列矩阵，计算两级极差的最大值和最小值，进而根据所述两级极差的最大值和最小值，计算每两个节点之间的灰色关联度。4.如权利要求1所述的一种基于DBSCAN聚类的电能质量分区方法，其特征在于，所述对所述电力系统所有的节点进行分区，具体为：
以所有灰色关联度的平均值的两倍作为聚类距离，以所述电力系统的节点总数的五分之一作为最少MinPts数量，通过DBSCAN聚类对所述电力系统所有的节点进行分区。5.如权利要求1至4任意一项所述的一种基于DBSCAN聚类的电能质量分区方法，其特征在于，所述电能质量监测数据包括多个类别；所述电能质量监测数据的类别包括三相不平衡度、谐波失真、电压偏差、谐波含量和谐波电压电流因数。6.一种基于DBSCAN聚类的电能质量分区装置，其特征在于，包括：数据获取模块，用...

【专利技术属性】
技术研发人员：王玲，朱远哲，杜婉琳，吕鸿，邰彬，汪进峰，苏华锋，王传旭，
申请(专利权)人：广东电网有限责任公司电力科学研究院，
类型：发明
国别省市：