一种基于数据驱动的电能质量多层级协同治理方法技术

本发明专利技术公开了一种基于数据驱动的电能质量多层级协同治理方法，包括以下步骤：

【技术实现步骤摘要】
一种基于数据驱动的电能质量多层级协同治理方法


[0001]本专利技术涉及本专利技术属于电力系统的电能质量管理的
，具体涉及一种基于数据驱动的电能质量多层级协同治理方法
。

技术介绍

[0002]电能质量问题是电力系统长期存在的问题之一，近年来，随着新能源发电并网
、
电网电力电子化程度增大与非线性负荷占比越来越高，电网的电能质量问题越来越受到关注
。
如今随着电网规模的扩大，用电负荷的复杂多样，电能质量问题已经逐渐由单一指标转向多种并存
。
因此，需要从电网层面，对电网分散
、
叠加的污染成分进行多层级协同治理，才能有效解决现代电网电能质量问题
。
[0003]传统电能质量管理设备配置策略多采用点对点局部补偿的形式，缺乏协调，实际效率较低
。
电能质量扰动源逐渐呈现高渗透
、
多样化
、
分散化的特点，传统的谐波电压地方治理模式已不再适用
。
基于聚类的异常检测方法更适合电能质量数据的综合管理
。
大部分电能质量监测指标数据是动态的，随时间变化
。
但是忽略了扰动对电能质量数据整体动态特性的影响
。
因此，有必要找到一种能够准确测量时间序列动态特性的关联度计算方法
。
灰色关联算法能较好地反映序列的整体动态特征，但在处理高维时间序列时效率较低，这会严重影响治理效率
。
需要运用数据驱动建模思想，结合各节点电能质量运行数据，提出一种优化的基于数据驱动的多级协同电能质量管理策略
。
[0004]在所述
技术介绍
部分公开的上述信息仅用于加强对本申请的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息
。

技术实现思路

[0005]本专利技术的目的是解决电力网络分区不合理和区域治理效率差的问题，提出了一种基于数据驱动的电能质量多层级协同治理方法，通过数据驱动的方式引入各节点电能质量运行数据，通过
k
近邻插值寻优方法保证获取的电能质量运行数据的质量，实现了全域分区以及综合治理，提高了电力网络治理分区和治理的效率
。
[0006]本专利技术实施例中提供的一种技术方案是一种基于数据驱动的电能质量多层级协同治理方法，包括以下步骤：
S1
，通过提取电力网络各节点电能质量时间序列中的重要特征点，基于
k
近邻寻优法构建等时维序列数组；
S2
，针对监测数据的不均衡结构特征，采用改进灰色关联理论分析等时维序列数组内节点数据的相关性，基于
k
‑
means++
聚类进行电能质量系统级评估，根据耦合度分区判别规则划分综合治理区域；
S3
，基于综合治理区域确定多区域协同下的主导治理母线和治理装置补偿率，实现电能质量污染的全局治理
。
[0007]作为优选，
S1
中，重要特征点的提取步骤包括：
S11
，定义原始时间序列数据
X
＝
{(x
i
,t
i
)}
i
＝
1n
，
t
i
为第
i
个特征点与相邻特征点之间的时间跨度；原始时间序列特征点
X
c
提取规则如下：选定当
x
i
满足以下4个关系式中任意一个便可作为特征点；具体公式为：
S12
，从选出的特征点中提取出重要特征点，所述重要特征点为：极值点和拐点
。
[0008]作为优选，
S12
中，提取重要特征点之前，还包括：
S121
，若重要特征点
x
jc
为极值点，则仅在纵向维度上利用垂直距离
d
判断其是否超过规定阈值
ε
，若超过规定阈值
ε
则判定为重要极值点，反之则忽略该点；
S122
，若重要特征点
x
jc
为拐点，则仅在纵向和横向维度上利用垂直距离
d
和时间跨度
t
判断其是否超过规定阈值
ε
和
ξ
，若超过则为重要极值点，反之则忽略该点；
S123
，基于步骤
S121
～
S122
按照序列特征点顺序依次判断
x
jc
是否为重要特征点，用直线段连接所有相邻重要特征点构成分段序列
。
[0009]作为优选，
S2
中，采用改进灰色关联理论分析等时维序列数组内节点数据的相关性的步骤包括：
S21
，确定反映电力网络行为特征的数据序列，对数据序列中的数据采取无量纲处理；
S22
，采用
Min
‑
Max
规范化方法将数据映射到区间
[0,1]内，生成灰色关联度
r(i,j)
，
r(i,j)
第
i
个参考时间序列与第
j
个比较时间序列之间电能质量的相似性，获取各电力节点之间的电能质量数据的相关系数；
S23
，使用特征尺度对相关系数序列进行处理得到灰色关联度矩阵；
S24
，令
i
＝
i+1
，更换电能质量时间序列数组中的参考序列，其余的时间序列则继续作为比较序列，重复步
S22
和
S23
计算新的
l
‑1行比较序列与第
i
行参考序列的灰色关联度，直到
i>l
时，则停止计算
。
[0010]作为优选，相关系数计算公式如下：式中，
ε
k
(i)
为待分析节点与节点
k
电能质量数据的相关系数，
min
i
|x
i
‑
y
i
|
为待分析节点间数据差值绝对值的最小值，
max
i
|x
i
‑
y
i
|
为最大值；
ρ
为分辨系数
。
[0011]作为优选，
S2
中，基于
k
‑
means++
聚类进行电能质量系统级评估步骤为：将电能质量时间序列中的电能质量数据作为样本集，随机选取一个样本作为初始质心，然后计算其余样本到初始质心的距离；计算样本被选为下一个初始质心的概率
P(i)
；重复迭代遍直到选择第
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于数据驱动的电能质量多层级协同治理方法，其特征在于，包括以下步骤：
S1
，通过提取电力网络各节点电能质量时间序列中的重要特征点，基于
k
近邻寻优法构建等时维序列数组；
S2
，针对监测数据的不均衡结构特征，采用改进灰色关联理论分析等时维序列数组内节点数据的相关性，基于
k
‑
means++
聚类进行电能质量系统级评估，根据耦合度分区判别规则划分综合治理区域；
S3
，基于综合治理区域确定多区域协同下的主导治理母线和治理装置补偿率，实现电能质量污染的全局治理
。2.
根据权利要求1所述的一种基于数据驱动的电能质量多层级协同治理方法，其特征在于，
S1
中，重要特征点的提取步骤包括：
S11
，定义原始时间序列数据
X
＝
{(x
i
,t
i
)}
i
＝
1n
，
t
i
为第
i
个特征点与相邻特征点之间的时间跨度；原始时间序列特征点
X
c
提取规则如下：选定当
x
i
满足以下4个关系式中任意一个便可作为特征点；具体公式为：
S12
，从选出的特征点中提取出重要特征点，所述重要特征点为：极值点和拐点
。3.
根据权利要求2所述的一种基于数据驱动的电能质量多层级协同治理方法，其特征在于，
S12
中，提取重要特征点之前，还包括：
S121
，若重要特征点
x
jc
为极值点，则仅在纵向维度上利用垂直距离
d
判断其是否超过规定阈值
ε
，若超过规定阈值
ε
则判定为重要极值点，反之则忽略该点；
S122
，若重要特征点
x
jc
为拐点，则仅在纵向和横向维度上利用垂直距离
d
和时间跨度
t
判断其是否超过规定阈值
ε
和
ξ
，若超过则为重要极值点，反之则忽略该点；
S123
，基于步骤
S121
～
S122
按照序列特征点顺序依次判断
x
jc
是否为重要特征点，用直线段连接所有相邻重要特征点构成分段序列
。4.
根据权利要求1所述的一种基于数据驱动的电能质量多层级协同治理方法，其特征在于，
S2
中，采用改进灰色关联理论分析等时维序列数组内节点数据的相关性的步骤包括：
S21
，确定反映电力网络行为特征的数据序列，对数据序列中的数据采取无量纲处理；
S22
，采用
Min
‑
Max
规范化方法将数据映射到区间
[0,1]
内，生成灰色关联度
r(i,j)
，
r(i,j)
第
i
个参考时间序列与第
j
个比较时间序列之间电能质量的相似性，获取各电力节点之间的电能质量数据的相关系数；
S23
，使用特征尺度对相关系数序列进行处理得到灰色关联度矩阵；
S24
，令
i
＝
i+1

【专利技术属性】
技术研发人员：张驰，曾晓，余才阳，郭锋，杨坚，朱敏捷，赵一园，陈翔，朱逸芝，罗啸远，徐旭，洪道鉴，周丹阳，姜朝明，高翔，于杰，
申请(专利权)人：国网浙江省电力有限公司台州供电公司，
类型：发明
国别省市：