基于PMU量测数据的配电网运行关键因素辨识方法技术

本发明专利技术提供了基于PMU量测数据的配电网运行关键因素辨识方法，涉及配电网领域，所述方法为：基于欧式距离相似性聚类的特性对PMU量测数据进行预处理；基于传统K

【技术实现步骤摘要】
基于PMU量测数据的配电网运行关键因素辨识方法


[0001]本专利技术涉及配电网PMU数据挖掘分析及应用领域，具体为基于PMU量测数据的配电网运行关键因素辨识方法。

技术介绍

[0002]随着分布式电源以及电动汽车等带有随机性的设备在配电网中的接入比例不断升高，配电网系统的正体不确定性显著增强，运行情况更为复杂，为配电网的状态可观、故障可观、运行可控要求带来极大挑战，这就对配电系统的量测水平提出了更高的要求。同步相量量测技术(PMU,Phase Measurement Unit)能够大幅提高了量测的实时性、精确性和同步性，能够为配电网的运行控制和能量管理提供强大的数据支撑和新的决策手段。
[0003]目前，对于配电网PMU提供的大量运行数据，已有的研究方向集中于对配电网中的故障识别与定位、拓扑结构识别与参数辨识、状态估计与电能质量监测等、谐波监测与谐波源定位等。如通过移动和动态时间窗口对PMU数据进行特征挖掘，并进行事件标记；对标记后的数据使用各类机器学习算法，得到训练后的分类器/神经网络，并利用其对新数据进行识别与分类。再如基于PMU和SCADA混合量测进行谐波状态估计，并利用谐波估计结果计算各节点谐波有功功率进行多谐波源识别；利用配电网PMU数量有限、主要装设于重要节点的分布特性，进行分层分区谐波责任划分模型等。
[0004]但此类研究没有从配电网的系统层面角度去进行分析，未能对配电网的运行方式进行识别与判断，也未能识别出对于配电网的运行方式具有重要影响的关键因素，因而对于配电网的PMU数据的利用停留在事后阶段，而不能利用PMU历史数据识别出配电网典型运行状态与典型功率源，并分析它们之间的关联性强弱，以对未来的运行起到一定的指导意义。

技术实现思路

[0005]本专利技术针对现有技术中存在的上述不足，提供了一种基于PMU量测数据的配电网运行关键因素辨识方法。
[0006]本专利技术是通过以下技术方案实现的。
[0007]根据本专利技术的一个方面，提供了一种基于PMU数据的配电网运行方式识别方法，包括：
[0008]S1、基于欧式距离相似性聚类的特性对PMU量测数据进行预处理；
[0009]S2、基于传统K
‑
means聚类进行自适应改进，对预处理后PMU数据进行聚类迭代获得高质量聚类结果；
[0010]S3、基于高质量聚类结果及其物理意义，定义配电网运行方式和典型功率源；
[0011]S4、基于多元线性回归进行配电网典型运行方式受典型功率源影响的分析，得到表征影响强弱的回归系数矩阵；
[0012]S5、基于回归系数矩阵定义典型运行方式关键性系数和典型功率源关键性系数，
作为关键性指标以辨识影响配电网运行的关键因素。
[0013]优选地，所述步骤S1基于欧式距离相似性聚类的特性对PMU量测数据进行预处理的方法，具体为：
[0014]对于PMU采集的配电网量测数据样本，需要基于欧式距离进行K
‑
means聚类。欧式距离的计算公式如下：
[0015][0016]式中，x,y分别为两个不同PMU量测点对相同物理量的量测数据样本；x
i
,y
i
是它们对应的第i个元素。
[0017]使用基于欧式距离的K
‑
means聚类，目的在于对量测数据样本的时序曲线进行形态相似性聚类。为避免不同量测点之间量测值数量级上的差异带来的干扰，对进行聚类的数据进行归一化预处理，具体如下所示：
[0018][0019]式中，为归一化后的数据；x
i
为归一化前的数据；x
range
为该数据样本对应PMU的量程。
[0020]优选地，所述步骤S2基于传统K
‑
means聚类进行自适应改进，对预处理后PMU数据进行聚类迭代获得高质量聚类结果的方法，具体为：
[0021]对于K
‑
means聚类的聚类数K，采用基于迭代的自适应方法确定，迭代量为聚类数K：基于聚类质量评价指标I
K
，计算相邻聚类数K和K
‑
1之间评价指标的变化率ΔI
K
，设定聚类质量评价指标变化率阈值ΔI
th
，若ΔI
K
≤ΔI
th
，则对应的K值即为所求聚类数。
[0022]聚类质量评价指标I
K
如下所示：
[0023][0024]式中，x是聚类簇C
k
中的数据样本；c
k
是聚类簇C
k
的聚类中心。
[0025]聚类质量评价指标变化率ΔI
K
如下所示：
[0026][0027]对于聚类质量评价指标变化率阈值ΔI
th
，一般取值范围为[0.02,0.1]。
[0028]对于聚类所得的簇，用各簇的聚类中心作为其典型运行特性的代表，也即是最终聚类结果。
[0029]优选地，所述步骤S3基于聚类结果及其物理意义，定义配电网运行方式和典型功率源的方法，具体为：
[0030]利用上述自适应迭代的K
‑
means聚类方法，对交流线路、主要负荷、开关站PQ潮流的PMU量测数据进行聚类。交流线路是配电网主体结构，因此交流线路潮流聚类结果是配电网典型运行方式(潮流分布)的代表；开关站潮流主要受新能源发电、负荷的影响，代表着主要节点的功率注入，因此主要负荷与开关站潮流聚类结果是配电网功率源的典型代表。基于上述分析，定义m类交流线路潮流聚类结果为配电网的m类典型运行方式；定义p类主要负
荷、开关站潮流聚类结果为配电网的p类典型功率源。
[0031]优选地，所述步骤S4基于多元线性回归进行配电网典型运行方式受典型功率源影响的分析，得到表征影响强弱的回归系数矩阵的方法，具体为：
[0032]取配电网典型运行方式中的一种作为因变量，将所有配电网典型功率源作为自变量，进行多元线性回归分析。对所有配电网典型运行方式重复上述过程。多元线性回归的回归方程可表示为：
[0033]y＝Xβ+ε
[0034]式中，y为因变量向量；X为自变量矩阵，由p个数据样本(主要负荷、开关站)的行向量与1构成；β为回归系数向量；ε为误差向量。具体形式如下所示。
[0035][0036]基于回归方程，使用最小二乘法最小化误差函数来获得因变量估计值和回归系数估计值误差函数如下所示：
[0037][0038]对所有配电网典型运行方式进行多元回归分析后得到如下回归系数矩阵
[0039][0040]式中，m为配电网典型运行方式数量。考虑到潮流中正负号仅代表潮流的方向性，因此矩阵中元素绝对值|β
i,j
|就代表了配电网的第i种典型运行方式受第j种功率源的影响程度，|β
i,j
|越大则影响越强。
[0041本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于PMU量测数据的配电网运行关键因素辨识方法，其特征在于，包括如下步骤：S1、基于欧式距离相似性聚类的特性对PMU量测数据进行预处理；S2、基于传统K
‑
means聚类进行自适应改进，对预处理后PMU数据进行聚类迭代获得高质量聚类结果；S3、基于高质量聚类结果及其物理意义，定义配电网运行方式和典型功率源；S4、基于多元线性回归进行配电网典型运行方式受典型功率源影响的分析，得到表征影响强弱的回归系数矩阵；S5、基于回归系数矩阵定义典型运行方式关键性系数和典型功率源关键性系数，作为关键性指标以辨识影响配电网运行的关键因素。2.根据权利要求1所述的基于PMU量测数据的配电网运行关键因素辨识方法，其特征在于，所述步骤S1具体为：基于欧式距离对PMU采集的配电网量测数据样本进行K
‑
means聚类，欧式距离的计算公式如下：式中，x,y分别为两个不同PMU量测点对相同物理量的量测数据样本；x
i
,y
i
是它们对应的第i个元素；对进行聚类的数据进行归一化预处理，具体如下所示：式中，为归一化后的数据；x
i
为归一化前的数据；x
range
为该数据样本对应PMU的量程。3.根据权利要求1或2所述的基于PMU量测数据的配电网运行关键因素辨识方法，其特征在于，所述步骤S2具体为：对于K
‑
means聚类的聚类数K，采用基于迭代的自适应方法确定，迭代量为聚类数K：基于聚类质量评价指标I
K
，计算相邻聚类数K和K
‑
1之间评价指标的变化率ΔI
K
，设定聚类质量评价指标变化率阈值ΔI
th
，若ΔI
K
≤ΔI
th
，则对应的K值即为所求聚类数；聚类质量评价指标I
K
如下所示：式中，x是聚类簇C
k
中的数据样本；c
k
是聚类簇C
k
的聚类中心；聚类质量评价指标变化率ΔI
K
如下所示...

【专利技术属性】
技术研发人员：刘舒，柳劲松，方陈，赵文恺，施路炜，严正，徐潇源，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：