一種配電網(wǎng)停電事件的負荷自適應(yīng)動態(tài)監(jiān)測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及配電網(wǎng)供電在線監(jiān)測、配網(wǎng)停復(fù)電和負荷動態(tài)監(jiān)測研究等技術(shù)領(lǐng)域， 具體設(shè)及一種配電網(wǎng)停電事件的負荷自適應(yīng)動態(tài)監(jiān)測方法。 技術(shù)背景
[0002] 電力系統(tǒng)是由發(fā)電廠、輸電網(wǎng)絡(luò)W及電力負荷S者共同組成的能量生產(chǎn)、傳輸和 使用的系統(tǒng)。發(fā)電廠發(fā)出的電能經(jīng)高壓輸電網(wǎng)和低壓配電網(wǎng)傳輸?shù)礁鱾€用戶，并由安裝在 用戶處的用電設(shè)備所消耗。電力負荷就是運些用電設(shè)備的總稱，其中有時也包括配電網(wǎng)絡(luò)， 簡稱為負荷。負荷有電壓、頻率等特性。用于描述負荷特性的數(shù)學(xué)方程就稱為負荷模型。
[0003] 描述配電網(wǎng)各節(jié)點運行狀態(tài)的數(shù)學(xué)模型W及由其構(gòu)成的全局數(shù)學(xué)模型是配電網(wǎng) 數(shù)字仿真的基礎(chǔ)，模型的準確與否直接影響仿真結(jié)果和控制決策方案。目前電力負荷的模 型仍比較簡單。隨著配電網(wǎng)規(guī)模的不斷擴大W及各種新型用電設(shè)備的不斷出現(xiàn)，電力負荷 的特性變得越來越復(fù)雜。負荷自適應(yīng)動態(tài)監(jiān)測模型的準確性對配電網(wǎng)的傳輸W及系統(tǒng)仿真 結(jié)果影響較大，不恰當?shù)哪Ｐ蜁顾媒Y(jié)果與系統(tǒng)實際情況不一致，甚至違背事實，從而構(gòu) 成系統(tǒng)的潛在威脅或造成不必要的投資浪費?，F(xiàn)有實際配電網(wǎng)仿真中的負荷模型，大都采 用基于靜態(tài)負荷模型。
[0004] 在配電網(wǎng)結(jié)構(gòu)的動態(tài)分析中，要經(jīng)常用到負荷的動態(tài)監(jiān)測模型。動態(tài)負荷監(jiān)測模 型對電力系統(tǒng)的動態(tài)電壓穩(wěn)定、暫態(tài)穩(wěn)定、小擾動穩(wěn)定分析等具有較大影響，有必要建立符 合實際情況的動態(tài)負荷監(jiān)測模型。然而由于負荷具有時變性，建立精確的動態(tài)負荷監(jiān)測模 型一直是電力系統(tǒng)領(lǐng)域的一個難題。
[0005] 基于負荷自適應(yīng)動態(tài)監(jiān)測技術(shù)的配電網(wǎng)停電事件打破傳統(tǒng)模擬式故障指示器的 技術(shù)，實現(xiàn)數(shù)字化監(jiān)測，采用量化停電監(jiān)測模型的方法，監(jiān)測線路各點的負荷電壓和負荷電 流等特性，提高了停電事件監(jiān)測的準確性和有效性。負荷自適應(yīng)動態(tài)監(jiān)測方法能夠應(yīng)對時 變性對建模造成的影響，并能夠?qū)γ恳粋€負荷點都進行負荷特性實測，由負荷實測點辨識 出的模型進行推廣到整個區(qū)域配電網(wǎng)中，且能夠根據(jù)配電網(wǎng)實時運行狀況對模型的參數(shù)進 行修正。一種配電網(wǎng)停電事件的負荷自適應(yīng)動態(tài)監(jiān)測方法具有參數(shù)辨識精度高、時變性和 地域分散性等優(yōu)勢特征。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是提供一種配電網(wǎng)停電事件的負荷自適應(yīng)動態(tài)監(jiān)測方法，通過建立 非機理模型（差分方程模型）和利用粒子群優(yōu)化算法進行參數(shù)辨識，并對配電網(wǎng)計量點負 荷數(shù)據(jù)進行建模，從而實現(xiàn)配電網(wǎng)停電事件準確監(jiān)測。
[0007] 本發(fā)明解決上述技術(shù)問題的技術(shù)方案如下：
[0008] 1. -種配電網(wǎng)停電事件的負荷自適應(yīng)動態(tài)監(jiān)測方法，首先從負荷特性測量裝置 和數(shù)據(jù)采集和監(jiān)控終端系統(tǒng)配電網(wǎng)業(yè)務(wù)數(shù)據(jù)進行采集、分析、管理，采集的數(shù)據(jù)包括計劃停 電、停電告警和計量點負荷數(shù)據(jù)等，利用賭權(quán)法計算出計劃停電時間、停電告警時間、停電 開始時間和停電持續(xù)時間4個指標的權(quán)重并整合成一個指標；然后根據(jù)所采集的數(shù)據(jù)序列 進行配電網(wǎng)數(shù)據(jù)建模，建立基于非機理方法建立差分方程模型，基于粒子群優(yōu)化算法對模 型的參數(shù)進行辨識；最后對所建立的負荷自適應(yīng)動態(tài)監(jiān)測模型進行模型計算和模型驗證， 根據(jù)負荷聚類群進行停電事件的診斷分析，并對模型的運用和計算結(jié)果進行了深入討論。
[0009] 上述的配電網(wǎng)業(yè)務(wù)數(shù)據(jù)的采集、分析、管理，是對配電網(wǎng)數(shù)據(jù)傳輸過程的數(shù)據(jù)進行 挖掘并抽取可能與停電事件相關(guān)的關(guān)鍵字段，包括表計編號、終端邏輯地址、電壓、電流、有 功功率和無功功率等。對提取的相關(guān)字段進行二次計算，同時對數(shù)據(jù)進行預(yù)處理，包括缺失 值處理、異常值處理和數(shù)據(jù)規(guī)約等。
[0010] 上述的非機理方法，是一種非等值機模型描述，該方法可W方便、準確地描述負荷 的動態(tài)特性，也被稱為輸入、輸出模型（I/O模型）。它將要研究的負荷看作是一個"黑箱"， 其輸入是負荷母線的電壓和電流，輸出是負荷吸收的有功功率和無功功率，構(gòu)造描述輸入 變量與輸出變量之間的模型方程，然后通過系統(tǒng)辨識理論確定模型參數(shù)。
[0011] 上述的粒子群優(yōu)化算法，是一種基于種群的隨機優(yōu)化技術(shù)。它將每個優(yōu)化問題的 解看作是捜索空間中的"粒子"，所有的粒子都有一個由被優(yōu)化的函數(shù)決定的適應(yīng)值，每個 粒子還有一個速度其方向和距離，然后粒子們就追隨當前的最優(yōu)粒子在解空間中捜索。PSO 算法是一種基于群體智能的新型演化計算技術(shù)，具有簡單易實現(xiàn)、設(shè)置參數(shù)少、全局優(yōu)化能 力強等優(yōu)點。已在函數(shù)優(yōu)化、模式識別、信號處理、機器人技術(shù)等許多領(lǐng)域取得了成功的應(yīng) 用。
[0012] 2.如1.所述的一種配電網(wǎng)停電事件的負荷自適應(yīng)動態(tài)監(jiān)測方法，具體步驟如下：
[0013] (1)配電網(wǎng)業(yè)務(wù)數(shù)據(jù)采集并確定關(guān)鍵字段：采集的數(shù)據(jù)包括計劃停電、停電告警 和計量點負荷數(shù)據(jù)等。其中計量點負荷數(shù)據(jù)包括表計編號MP_ID、終端邏輯地址TERM_ A孤R、A相電壓V0LT_A、A相電流CURR_A、A相有功功率P0W_A、A相無功功率NP0W_A等。
[0014] (2)基于非機理方法建立差分方程模型：把需要研究的負荷看作"黑箱"，輸入數(shù) 據(jù)未負荷母線的電壓和電流，輸出是負荷吸收的有功功率和無功功率，構(gòu)造輸入變量和輸 出變量之間的差分方程模型，然后通過系統(tǒng)辨識理論確定模型參數(shù)。
[0015] (3)基于粒子群優(yōu)化算法的系統(tǒng)辨識：根據(jù)步驟（2)確定的差分方程模型，對模型 中的參數(shù)進行估計和系統(tǒng)辨識。選擇與實測輸出數(shù)據(jù)擬合最好的模型，根據(jù)輸入、輸出數(shù)據(jù) 來辨識負荷自適應(yīng)動態(tài)監(jiān)測模型。
[0016] (4)負荷自適應(yīng)動態(tài)監(jiān)測：對已建好的數(shù)學(xué)模型進行計算和負荷的動態(tài)監(jiān)測，得 到輸出結(jié)果，即有功功率和無功功率。對負荷特性進行聚類，對于同類的負荷樣本，利用重 屯、法計算聚類中屯、作為等效的實測響應(yīng)樣本。
[0017] (5)停電事件診斷：將所建立的模型應(yīng)用于配電網(wǎng)停電事件數(shù)據(jù)分析中，并進行 模型驗證，對驗證結(jié)果進行分析評估。
[001引本發(fā)明的優(yōu)點：
[0019] 本發(fā)明提出的停電事件的負荷自適應(yīng)動態(tài)監(jiān)測方法，經(jīng)模型計算與驗證，效果明 顯優(yōu)于動態(tài)監(jiān)測模型。該方法可運用于實際業(yè)務(wù)數(shù)據(jù)的分析或其他相關(guān)領(lǐng)域，能有效地針 對輸入數(shù)據(jù)進行挖掘分析，對負荷特性進行分類和決策，提高了停電事件監(jiān)測的準確性和 有效性。
【附圖說明】
[0020] 圖1問題解決的流程圖。
[0021] 圖2停電事件的負荷自適應(yīng)動態(tài)監(jiān)測方法過程。
[0022] 圖3系統(tǒng)辨識原理圖。
[0023] 圖4 PSO算法流程圖。
[0024] 圖5配電網(wǎng)停電時間指標體系。
[00巧]圖6賭權(quán)法計算過程。
[0026] 圖7有功功率輸出結(jié)果誤差圖。
[0027] 圖8無功功率輸出結(jié)果誤差圖。
[002引圖9計劃停電指標和停電開始時間的脈沖響應(yīng)曲線圖。
[0029] 圖10聚類譜系圖。
【具體實施方式】
[0030] 下面結(jié)合附圖和實施例對本發(fā)明的技術(shù)方案進行詳細的說明。
[0031] 本發(fā)明問題解決的流程如圖1所示。
[0032] 圖2給出了一種配電網(wǎng)停電事件的負荷自適應(yīng)動態(tài)監(jiān)測方法過程，具體步驟如 下：
[0033] 步驟1 :配電網(wǎng)業(yè)務(wù)數(shù)據(jù)采集。
[0034] 采集的數(shù)據(jù)包括計劃停電、停電告警和計量點負荷數(shù)據(jù)等。其中計量點負荷數(shù)據(jù) 包括表計編號MP_ID、終端邏輯地址TERM_ADDR、A相電壓V0LT_A、A相電流CURR_A、A相有 功功率P〇W_A、A相無功功率NP0W_A等。
[0035] 步驟2 :基于非機理方法的差分方程模型。
[0036] 把需要研究的負荷看作"黑箱"，輸入數(shù)據(jù)未負荷母線的電壓和電流，輸出是負荷 吸收的有功功率和無功功率，構(gòu)造輸入變量和輸出變量之間的差分方程模型，然后通過系 統(tǒng)辨識理論確定模型參數(shù)。
[0037] 步驟3 :基于粒子群優(yōu)化算法的系統(tǒng)辨識。
[0038] 根據(jù)步驟2確定的差分方程模型，對模型中的參數(shù)進行估計和系統(tǒng)辨識。選擇與 實測輸出數(shù)據(jù)擬合最好的模型，根據(jù)輸入、輸出數(shù)據(jù)來辨識負荷自適應(yīng)動態(tài)監(jiān)測模型。系統(tǒng) 辨識建模的原理見圖3。
[0039] 步驟4 :負荷自適應(yīng)動態(tài)監(jiān)測。
[0040] 對已建好的數(shù)學(xué)模型進行計算和負荷的動態(tài)監(jiān)測，得到輸出結(jié)果，即有功功率和 無功功率。對負荷特性進行聚類，對于同類的負荷樣本，利用重屯、法計算聚類中屯、作為等效 的實測響應(yīng)樣本。
[00川步驟5:停電事件診斷：
[0042] 將所建立的模型應(yīng)用于配電網(wǎng)停電事件數(shù)據(jù)分析中，并進行模型驗證，對驗證結(jié) 果進行分析評估。
[0043] 所述的步驟1具體說明如下：
[0044] 運里對采集的計量點負荷數(shù)據(jù)予W說明，包括數(shù)據(jù)字段名稱、注釋、數(shù)據(jù)類型和關(guān) 鍵字等。如表1所示，用WLT、CURR、POW和NPOW分別表示電壓、電流、有功功率和無功功 率。對每一個字段標注數(shù)據(jù)類型。
[0045] 表1表計負荷實時曲線數(shù)據(jù)采集說明

[0048] 所述的步驟2具體說明如下：
[0049] 利用非機理模型可W對負荷特性進行實時描述與刻畫，使用方便。常用的非機理 動態(tài)負荷模型有差分方程模型、傳遞函數(shù)模型和狀態(tài)空間模型等。下面給出差分方程模型 的一般形式：
[0051] 式中，Pk,化分別表示k時刻的有功功率和無功功率；U，I分別表示電壓和電流。 叫，叫，n。，ni分別表示有功功率、無功功率、電壓和電流出現(xiàn)的次數(shù)。
[0052] 所述的步驟3具體說明如下：
[0053] S3. 1粒子群優(yōu)化算法的數(shù)學(xué)描述
[0054] 設(shè)總粒子數(shù)為N，捜索空間維數(shù)為D(即模型待識別參數(shù)個數(shù)）。第i個粒子的位置 表示為向量Xi=狂。，Xi2,…，XiD)，即第i組待識別負荷自適應(yīng)動態(tài)監(jiān)測模型參數(shù)；第i個 粒子Xi的個體最優(yōu)值為PidW= 1，2,…，D);所有粒子XiQ= 1，2,…，腳中，對應(yīng)最優(yōu)的作 為該粒子群的全局最優(yōu)值，記為巧；第i個粒子的位置變化率為向量Vi=(V11，Vi2,…，ViD)， 每個粒子的位置按如下方式進行變化：
[0057] 端'二而+皆
[0058]式中，T1，T2為大于0的常數(shù)，稱為加速因子a稱為慣性因子。
[0059] 適應(yīng)度函數(shù)采用均方百分比