【技术实现步骤摘要】
一种基于模板逐步回归分析的负荷构成辨识方法及系统
[0001]本专利技术涉及电力系统及其自动化
,更具体地说,它涉及一种基于模板逐步回归分析的负荷构成辨识方法及系统。
技术介绍
[0002]负荷建模对电网安全稳定分析结论有重要的影响,例如:随着电动机负荷比例上升时,电网负荷侧的暂态电压安全水平将下降,同时负荷站点的短路电流将上升。
[0003]电源和各类输电设备的模型参数一般可从设备铭牌获取,设备出厂后参数不再改变。变电站一般包含多条馈线,而每条馈线亦对多个不同类型的用电负荷进行供电。同时,各站点、各馈线的负荷类型组成比例有所差异、而不同负荷在不同时段的用电需求特性亦有所差异,因此,变电站的负荷模型具有时空复杂性特征。
[0004]现有负荷建模方法主要为统计综合法和总体测辨法。统计综合法需要详细调研变电站的负荷类型组成比例以及各类型负荷的动静态模型,工作量较繁重,同时未考虑各类型负荷用电的时变特性。总体测辨法利用故障录波数据对综合负荷模型进行参数辨识,但辨识结果仅对故障录波时段有效。
[0005]因此,亟需一种可靠的负荷构成辨识方法,考虑各类型负荷用电的时变特性,提高辨识结果的普适性。
技术实现思路
[0006]本申请的目的是提供一种基于模板逐步回归分析的负荷构成辨识方法及系统,利用半监督聚类、逐步线性回归等数据挖掘技术,从海量负荷数据中辨识变电站的负荷构成情况,为电网规划及运行相关计算分析工作提供负荷建模的重要依据。
[0007]本申请一方面提供一种基于模板逐步 ...
【技术保护点】
【技术特征摘要】
1.一种基于模板逐步回归分析的负荷构成辨识方法,其特征是:包括S1、采集电力用户的日负荷曲线数据和变电站主变的日有功功率曲线数据;S2、对所述电力用户的日负荷曲线数据和所述变电站主变的日有功功率曲线数据进行数据清洗和归一化预处理,获得日负荷曲线数据集;S3、基于半监督聚类算法对所述日负荷曲线数据集进行聚类分析,获得各类型负荷的日负荷曲线模板;S4、基于逐步线性回归算法,通过所述各类型负荷的日负荷曲线模板对所述变电站主变的日有功功率曲线数据进行拟合分析,获得所述变电站主变的日有功功率曲线数据中负荷的类型和各类型负荷的占比。2.根据权利要求1所述的一种基于模板逐步回归分析的负荷构成辨识方法,其特征是:在步骤S1中,利用电网公司负荷管控系统采集所述电力用户的日负荷曲线数据,利用电网公司能量管理系统采集所述变电站主变压器的日有功功率曲线数据。3.根据权利要求1所述的一种基于模板逐步回归分析的负荷构成辨识方法,其特征是:在步骤S2中,包括:取任意数据点的前后相邻数据点并计算其平均值,若该数据点与相邻数据点的平均值的偏差在20%以上,视该数据点为异常数据点并剔除。4.根据权利要求1所述的一种基于模板逐步回归分析的负荷构成辨识方法,其特征是:在步骤S2中,包括:针对采集设备故障、通信故障、以及异常数据剔除造成的数据缺失情况,取缺失点的前后数据点进行样条插值,利用插值函数在该点的函数值补全缺失数据,若当缺失数据达到一条日负荷曲线数据总量的10%以上,视该曲线为无效样本并剔除。5.根据权利要求1所述的一种基于模板逐步回归分析的负荷构成辨识方法,其特征是:在步骤S2中,包括:按下式对电力用户的日负荷曲线数据进行归一化处理:其中,P
i
={P
i
(1),P
i
(2),...,P
i
(n)}表示第i个电力用户的日负荷曲线;min(P
i
)和max(P
i
)分别表示该用户的最小有功功率和最大有功功率;t表示时刻点,由采样频率决定;表示第i个电力用户t时刻点的归一化负荷数据。6.根据权利要求1所述的一种基于模板逐步回归分析的负荷构成辨识方法,其特征是:在步骤S3中,包括:S3
‑
1、从所述日负荷曲线数据集中筛选各负荷类型的代表性用户的日负荷曲线数据并标记,得到带标记样本集;S3
‑
2、基于所述带标记样本集,计算各负荷类型的初始聚类中心;S3
‑
3、通过所述带标记样本集初始化各聚类簇,计算所述日负荷曲线数据集中未归类到任意聚类簇的样本与各聚类中心的欧氏距离,将所述样本放入欧式距离最近的聚类簇,更新各聚类簇;S3
‑
4、根据更新后的聚类簇重新计算各负荷类型的聚类中心,若聚类中心恒定,则输出各聚类中心作为各类型负荷的日负荷曲线模板,否者返回步骤S3
‑
3。...
【专利技术属性】
技术研发人员:刘方,苏韵掣,汤思蕊,刘阳,张永杰,晁化伟,陈玮,王潇笛,乔云池,吕学海,
申请(专利权)人:国网四川省电力公司经济技术研究院,
类型:发明
国别省市:
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。