基于大数据填补与聚类的电力系统日前调度方法和系统技术方案

本发明专利技术提供一种基于大数据填补与聚类的电力系统日前调度方法和系统，其中方法包括获取电力系统历史负荷数据；采用K

【技术实现步骤摘要】
基于大数据填补与聚类的电力系统日前调度方法和系统


[0001]本专利技术属于电力系统调度策略
，尤其涉及一种基于大数据填补与聚类的电力系统日前调度方法和系统。

技术介绍

[0002]随着电网自动化程度的不断提高和电网数据智能采集系统的广泛应用，电网数据收集体系日趋成熟。然而，电网数据在采集过程中难免存在频次、精度的缺乏问题，导致数据存在部分缺失值，以至于干扰数据分析的过程，影响模型最终的识别效果。因此，如何有效填补电网数据缺失值逐渐成为亟待解决的难题。
[0003]现有的日前调度策略，在历史数据不完整的情况下存在一些缺陷。一是没有考虑到缺失数据所在场景横向和纵向的对比，不能恰当地填补缺失值，干扰了模型的识别效果；二是大量负荷数据缺乏有效利用，不能预见负荷特性的时间变化，日前调度策略合理性有待完善，调度结果不能满足含新能源电网的发展需求。

技术实现思路

[0004]本专利技术针对现有技术中的不足，提供一种基于大数据填补与聚类的电力系统日前调度方法和系统。
[0005]第一方面，本专利技术提供一种基于大数据填补本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据填补与聚类的电力系统日前调度方法，其特征在于，包括：获取电力系统历史负荷数据；采用K
‑
means聚类对电力系统历史负荷数据进行处理，得到负荷和风光的场景集；根据聚类生成的负荷和风光的场景集对负荷和风光数据进行填补；构建含风光电力系统日前调度模型；根据填补后的负荷和风光数据和粒子群算法对日前调度模型进行求解，得到各可调设备的动作方案。2.根据权利要求1所述的电力系统日前调度方法，其特征在于，所述采用K
‑
means聚类对电力系统历史负荷数据进行处理，得到负荷和风光的场景集，包括：S101，获取聚类数目N和最大迭代次数M；S102，在负荷和风光出力数据中选取N个对象作为初始聚类中心；S103，计算负荷和风光出力数据到N个初始聚类中心之间的欧式距离；S104，根据欧式距离将负荷和风光出力数据归类；S105，计算各类对象的平均值，更新初始聚类中心；S106，根据负荷和风光出力数据和更新后的聚类中心构建平方误差准则函数；S107，判断平方误差准则函数是否收敛；S108，如果收敛，则确认聚类结束；S109，如果不收敛，则判断迭代次数是否大于M；S110，如果是，则确认聚类结束；S111，如果否，则返回步骤S103的操作；S112，采用轮廓系数评价聚类质量；所述轮廓系数的表达式为：其中，S为轮廓系数；n为负荷和风光出力数据的总数；s
a
为第a个负荷和风光出力数据的轮廓系数；x
a
为第x类对象中第a个负荷和风光出力数据与第x类对象中剩余负荷和风光出力数据的距离平均值，以作为类中凝聚度；y
a
为x
a
与除第x类对象之外的剩余所有类中负荷和风光出力数据距离的平均值的最小值。3.根据权利要求1所述的电力系统日前调度方法，其特征在于，所述根据聚类生成的负荷和风光的场景集对负荷和风光数据进行填补，包括：根据波动互相关分析算法计算相同时间各已知属性电力系统历史负荷数据与缺失属性电力系统历史负荷数据的波动互相关系数；判断波动互相关系数是否超过比较阈值；如果是，则保留已知属性电力系统历史负荷数据；分别计算已知属性和缺失属性的组合权重值；对含缺失属性的小时进行场景分析，并在电力系统的历史负荷数据中选取H个相似场
景的小时；将含缺失属性的小时作为缺失小时；将选取到的H个相似场景的小时作为H个相似小时；获取缺失属性电力系统历史负荷数据在缺失日期中的时间段；对每一个相似日期的相同时间段，通过动态时间弯曲距离来计算缺失小时的各已知属性电力系统历史负荷数据与各相似小时的各已知属性电力系统历史负荷数据的相似度；根据已知属性和缺失属性的组合权重值，使用以下公式计算每个相似场景的缺失属性的综合相似度：式中：C
h
为缺失属性在第h个相似场景中的综合相似度，h＝1,2,
…
,H；S
(m,h)
为第m个已知属性在第h个相似小时和缺失小时的相似度，m＝1,2,
…
,M，M为保留下的电力系统历史负荷数据已知属性的数量；w
m
为已知属性和缺失属性的组合权重值；获取缺失属性的综合相似度符合阈值范围的场景；从第c个场景中提取场景时的缺失属性电力系统历史负荷数据作为纵向填充数据；采用曲线的线性拟合获取第c个场景时的电力系统历史负荷数据作为横向填充数据；如果否，则舍弃已知属性电力系统历史负荷数据。4.根据权利要求3所述的电力系统日前调度方法，其特征在于，所述构建含风光电力系统日前调度模型，包括：构建含风光电力系统日前调度模型目标函数为：其中，P
loss
为电力系统有功损耗；U
i
和U
j
分别为节点i和节点j电压幅值；N
l
为电力系统支路数量；G
k
为支路k的电导；θ
ij
为节点i和节点j间的电压相角差；构建约束条件，所述约束条件包括系统潮流约束、节点电压约束和风光机组运行约束；其中，系统潮流约束的条件为：其中，P
Li
为节点i注入的有功功率；Q
Li
为节点i注入的无功功率；P
DGi
为风光发电注入节点i的有功功率；Q
DGi
为风光发电注入节点i的无功功率；δ
ij
为节点i和节点j间的相角差；G
ij
为节点i和节点j间支路k上导纳的实部；B
ij
为节点i和节点j间支路k上导纳的虚部；节点电压约束的条件为：U
imin U
i U
imax
,i＝1,2,
…
,node；其中，node为电力系统节点数；U
imin
为节点i电压幅值的最小值；U
imax
为节点i电压幅值的最大值；风光机组运行约束的条件为：Q
DGimin Q
DGi Q
DGimax
；其中，Q
DGimin
为风光发电注入节点i的无功功率的最小值；Q
DGimax
为风光发电注入节点i的无功功率的最大值；
构建风光出力模型，所述风光出力模型包括双馈异步风机出力模型和光伏发电阵列出力模型；其中，双馈异步风机出力模型包括：双馈异步风机有功出力P
DFIG
和风速v的关系式：其中，P
e
为双馈异步风机额定功率；v
i
为切入风速；v
e
为额定风速；v
o
为切出风速；k1和k2均为风机发电系统参数；双馈异步风机有功出力与无功出力的关系式：其中，P
DFIG
为双馈异步风机有功功率；Q
DFIG
为双馈异步风机无功功率；s为转差率；U
s
为定子侧电压；I
s
为定子绕组电流；X
s
为定子漏抗；X
m
为励磁电抗；I
r
为转子侧变流器电流；光伏发电阵列出力模型的表达式为：其中，η为光电转换效率；A为有效光照面积；|Q
PV
|
max
为光伏发电阵列最大无功调节能力；S
PV
为光伏发电阵列并网逆变器容量；P
PV
为光伏发电阵列有功功率；E为光伏发电阵列单位面积所受辐射量。5.根据权利要求4所述的电力系统日前调度方法，其特征在于，所述根据填补后的负荷和风光数据和粒子群算法对日前调度模型进行求解，得到各可调设备的动作方案，包括：S501，根据填补后的电力系统历史负荷数据初始化粒子种群，包括随机位置和速度，设置gama参数以及学习因子；S502，以含风光电力系统日前调度模型目标函数作为适应度函数，在约束条件和风光出力模型下，把初始粒子带入适应度函数进行模拟计算；S503，更新每个粒子的个体最优值以及全局最优值；S504，更新每个粒子的位置和速度；S505，判断是否达到迭代次数；S506，如果是，则输出全局最优值作为可调设备的动作方案；S507，如果否，则返回S502执行的操作。6.一种基于大数据填补与聚类的电力系统日前调度系统，其特征在于，包括：数据获取模块，用于获取电力系统历史负荷数据；数据聚类模块，用于采用K
‑
means聚类对电力系统历史负荷数据进行处理，得到负荷和风光的场景集；数据填补模块，用于根据聚类生成的负荷和风光的场景集对负荷和风光...

【专利技术属性】
技术研发人员：祁峰，王强，魏晓强，白松鹤，张轶平，赫东阳，武文斌，
申请(专利权)人：国网黑龙江省电力有限公司鸡西供电公司，
类型：发明
国别省市：