一种综合聚类算法的谐波分区溯源方法技术

本发明专利技术提供了一种综合聚类算法的谐波分区溯源方法。首先，利用离散小波变换(DWT)对谐波数据进行分解重构，提出局部高频DWT方法进行降噪，减少后续计算的复杂度；其次，采用kmeans聚类方法对谐波进行分区；再次，应用最长公共子序列(LCSS)方法解决谐波分区中存在的时移问题；最后，根据各采样点功率方向不同确定谐波来源。本发明专利技术相比传统的谐波聚类溯源方法，无论是准确度还是在抗非主导谐波源干扰能力都具有一定优越性，并且更适用于复杂大电网下的谐波分区溯源工作。网下的谐波分区溯源工作。网下的谐波分区溯源工作。

【技术实现步骤摘要】
一种综合聚类算法的谐波分区溯源方法


[0001]本专利技术涉及谐波溯源领域，具体的说是一种综合聚类算法的谐波分区溯源方法。

技术介绍

[0002]随着分布式新能源和电力电子设备的大量接入，电力系统中谐波源呈现大幅增长，谐波污染问题逐步向复杂化、全网化发展，对电网的电能质量带来巨大影响。谐波溯源是谐波治理的前提，其关键在于明晰区域内主导谐波源位置及其影响范围，对改善电能质量、维持电网稳定具有重要意义。
[0003]当前的谐波溯源问题可分为定性溯源和定量溯源。定性溯源主要根据谐波的功率方向展开研究，通过判断PCC点处有功功率或无功功率的流向来确定主导谐波源位置。而定量溯源研究主要是利用实测的电流电压数据来量化谐波源在关注节点的谐波贡献度。对于仅有单个谐波源的电力网络，基于诺顿等效电路模型将网络划分为系统侧和用户侧，通过计算两侧的谐波阻抗即可得到谐波源对关注节点谐波畸变的影响程度。而对于含多谐波源的复杂网络，其关注母线的谐波畸变是由不同谐波源共同作用，交互影响的结果。
[0004]尽管谐波溯源问题在理论上取得了一定的进展，但是在谐波源高密度、分散化、全网化的背景下，上述方法的现实应用都面临以下困境：当系统可疑谐波源较多时，谐波责任量化算法的精度不够；中国现有电能质量监测平台数据以谐波电压为主，谐波电流监测数据应用少，且数据质量差；当需要安装额外的高精度电能质量监测装置或采用便携式电能质量监测装置时，往往通过经验或者负荷类型判断，无法准确判断主导谐波源位置，导致误差较大。因此，亟需一种谐波准确分区溯源的方法。

技术实现思路

[0005]为了解决谐波分区不准确的问题，本专利技术提出了一种综合聚类算法的谐波分区溯源方法，通过基于kmeans算法与LCSS算法相结合的聚类算法KLCS，该方法以kmeans算法为骨架，通过LCSS算法近似匹配来处理有噪声的时间序列，进而改善kmeans完成聚类，因此称其为KLCS，从而能够适用于大规模电力网络的区域化分析。
[0006]一种综合聚类算法的谐波分区溯源方法，包括：
[0007]S1:采用DWT小波变换对初始谐波数据进行降噪；
[0008]所述DWT小波变换的是在对经过阈值过滤处理后的小波系数进行重构时只对最后步骤的低频信息和除第一步以外的高频信息进行重构；
[0009]S2:依次用LCSS算法及kmeans聚类算法对谐波进行分区；
[0010]所述LCSS算法的曲线相似度测量是通过求两数据之间公共的子数据，通过统计子数据的长度实现两原始数据的相似性评估；
[0011]所述kmeans聚类方法是通过从数据集中随机选择k个样本对象，作为初始聚类中心，计算每个样本点到聚类中心的距离，通过迭代过程逐次更新聚类中心的位置，直到更新的聚类中心不再变化或变化小于某个阈值时，迭代算法终止，最终将整个数据集划分为k个
不同聚类；
[0012]S3:谐波溯源所述谐波溯源是通过判别功率方向，就是通过检测电压、电流信号，经过计算获得各次谐波功率的大小和方向，进而根据谐波功率的方向对所测点两侧的主要谐波污染源进行辨识定位。
[0013]优选的，所述DWT小波变换是在连续小波变换的基础上,对尺度参数和平移参数按2的幂级数进行离散化处理,并对时间进行均匀离散化取值，其公式可以表示如下：
[0014][0015]其中，为一个基本小波或者母小波，a为尺度因子，b为平移因子。
[0016]优选的，所述LCSS算法中的最长公共子序列的长度为：
[0017][0018]式中t＝1，2，3，
…
，n；i＝1，2，3，
…
，m；γ为设置的距离阈值；LCSS(a
t
,b
i
)为序列A在轨迹点和序列B在轨迹点前的最大公共子序列长度；dist(a
t
,b
i
)a
t
个点与B序列中第b
i
个点间的距离。
[0019]优选的，所述kmeans聚类算法使用欧氏距离作为样本相似性度量，样本点的距离越近，表明这2个样本点的相似度越高。样本点之间的欧式距离公式为：
[0020][0021]式中：D(a
i
,a
j
)表示样本点a
i
和a
j
之间的欧式距离；x
i
＝(x
i1
,x
i2
,x
i3
,...,x
ip
)
T
和x
j
＝(x
j1
,x
j2
,x
j3
,...,x
jp
)
T
均表示n维数据集中的任意2个样本点。
[0022]优选的，所述kmeans聚类算法使用误差平方和作为准则函数，其表达式为:
[0023][0024]式中k为聚类数；x为聚类集X
i
中的样本对象；μ
i
为聚类中心；S
SE
为样本点的密集程度。
[0025]积极效果：
[0026]本申请采用kmeans算法与LCSS算法相结合的方法解决了谐波中时移问题对分区造成的干扰，使谐波分区更准确，在分区的基础上简化了溯源的检测次数。KLCS综合聚类方法无论是准确度还是在抗非主导谐波源干扰能力都具有一定优越性，更适用于复杂大电网下的谐波分区溯源工作。
附图说明
[0027]图1为本专利技术实施例一种综合聚类方法分区溯源流程图；
[0028]图2为本专利技术实施例得到的谐波分区图；
[0029]图3为本专利技术实施例采用经典kmeans算法得到的谐波分区图。
具体实施方式
[0030]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0031]在本专利技术的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0032]在本专利技术中，在不矛盾或冲突的情况下，本专利技术的所有实施例、实施方式以及特征可以相互组合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种综合聚类算法的谐波分区溯源方法，其特征在于：S1:采用DWT小波变换对初始谐波数据进行降噪；所述DWT小波变换的是在对经过阈值过滤处理后的小波系数进行重构时只对最后步骤的低频信息和除第一步以外的高频信息进行重构；S2:依次用LCSS算法及kmeans聚类算法对谐波进行分区；所述LCSS算法的曲线相似度测量是通过求两数据之间公共的子数据，通过统计子数据的长度实现两原始数据的相似性评估；所述kmeans聚类方法是通过从数据集中随机选择k个样本对象，作为初始聚类中心，计算每个样本点到聚类中心的距离，通过迭代过程逐次更新聚类中心的位置，直到更新的聚类中心不再变化或变化小于某个阈值时，迭代算法终止，最终将整个数据集划分为k个不同聚类；S3:谐波溯源：所述谐波溯源是通过判别功率方向，就是通过检测电压、电流信号，经过计算获得各次谐波功率的大小和方向，进而根据谐波功率的方向对所测点两侧的主要谐波污染源进行辨识定位。2.根据权利要求1所述的一种综合聚类算法的谐波分区溯源方法，其特征在于：所述DWT小波变换是在连续小波变换的基础上,对尺度参数和平移参数按2的幂级数进行离散化处理,并对时间进行均匀离散化取值，其公式可以表示如下：其中，为一个基本小波或者母小波，a为尺度因子，b为平移因子。3.根据权利要求1所述的一种综合聚类算法的谐波分区溯源方法，其特征在于：所述LCSS算法中的最长公共子序列的长度为：式中t＝1，2，3，
…
，n；i＝1，2，3，
…
，m；γ为设置的距离阈值；LCSS(a
t
,b
i
)为序列A在轨迹点a
...

【专利技术属性】
技术研发人员：王顺江，王铎，左越，赵军，王兴财，栗鹏辉，于常乐，张硕，张博，句荣宾，寿曾，金宜放，许睿超，狄跃斌，眭冰，凌兆伟，刘佳明，张天一，宋清洋，石鑫，郑璐，刘爽，郭凯，
申请(专利权)人：国网辽宁省电力有限公司国家电网有限公司，
类型：发明
国别省市：