基于自適應(yīng)FCM算法的智能母線負(fù)荷聚類(lèi)特性研究

吳茵，岳菁鵬，羅欣，楊小衛(wèi)

(1.廣西電網(wǎng)公司，廣西南寧530023;2.北京清軟創(chuàng)新科技有限公司，北京100085)

基于自適應(yīng)FCM算法的智能母線負(fù)荷聚類(lèi)特性研究

吳茵1，岳菁鵬2，羅欣2，楊小衛(wèi)1

(1.廣西電網(wǎng)公司，廣西南寧530023;2.北京清軟創(chuàng)新科技有限公司，北京100085)

隨著新一輪的科技革新和電力體制改革的不斷深入，電力調(diào)度的智能化和工作精細(xì)化的要求不斷提高。以母線負(fù)荷數(shù)據(jù)的有效信息提取和應(yīng)用為主線，結(jié)合廣西省母線負(fù)荷數(shù)據(jù)，基于自適應(yīng)FCM算法對(duì)區(qū)域電網(wǎng)母線建立聚類(lèi)C模型，從而針對(duì)不同母線的負(fù)荷特征進(jìn)行分析，為精確的負(fù)荷預(yù)測(cè)提供了一種新思路和算法參考。

自適應(yīng)FCM算法;母線聚類(lèi);負(fù)荷預(yù)測(cè)

0 引言

廣西電網(wǎng)地處“西電東送”主要通道的中部位置，是南方電網(wǎng)的重要組成部分。廣西電網(wǎng)供電面積達(dá)到23.67萬(wàn)平方公里，供電服務(wù)人口5 200多萬(wàn)人，供電客戶數(shù)960多萬(wàn)戶。廣西省母線數(shù)量龐大，覆蓋面廣，母線種類(lèi)錯(cuò)綜復(fù)雜;對(duì)于其特性也較難把握，導(dǎo)致母線負(fù)荷預(yù)測(cè)難度較大，而精確的母線負(fù)荷預(yù)測(cè)可以提高電網(wǎng)智能化調(diào)度水平，所以做好負(fù)荷分類(lèi)與特性分析工作是提高負(fù)荷預(yù)測(cè)的根本和前提條件。

目前母線負(fù)荷預(yù)測(cè)主要有兩大類(lèi)方法:一類(lèi)是基于母線負(fù)荷自身變化規(guī)律的預(yù)測(cè)方法。這類(lèi)方法全網(wǎng)負(fù)荷的分析相似，根據(jù)母線負(fù)荷自身的變化規(guī)律，用全網(wǎng)預(yù)測(cè)的某些方法進(jìn)行負(fù)荷預(yù)測(cè);但由于母線符合的波動(dòng)性和不穩(wěn)定性，用此種方法預(yù)測(cè)可能會(huì)產(chǎn)生較大誤差。另一類(lèi)是基于系統(tǒng)負(fù)荷分配的預(yù)測(cè)方法，該方法首先取得全網(wǎng)某一時(shí)刻的預(yù)測(cè)值，然后按照一定的比例因子將其分配到每一條母線上。此方法便捷易用，但缺少獨(dú)立的母線負(fù)荷規(guī)律性分析和預(yù)測(cè)手段［1－2］。

電網(wǎng)中母線數(shù)目眾多，各個(gè)母線負(fù)荷具有不規(guī)律波動(dòng)性和變化模式復(fù)雜性等特點(diǎn)，提高母線預(yù)測(cè)精度的途徑之一是通過(guò)對(duì)不同的母線特征進(jìn)行分析，研究自適應(yīng)策略。利用自適應(yīng)FCM算法找到科學(xué)合理的母線聚類(lèi)數(shù)C，將區(qū)域電網(wǎng)母線進(jìn)行分類(lèi)，進(jìn)而對(duì)不同的母線負(fù)荷特征進(jìn)行分析，為進(jìn)一步精確快速的母線負(fù)荷預(yù)測(cè)提供了有效算法。

1 母線負(fù)荷模型與數(shù)據(jù)

母線負(fù)荷建模即構(gòu)建母線負(fù)荷對(duì)象，基本模型一般為樹(shù)狀結(jié)構(gòu)，可以描述為分區(qū)、廠區(qū)、母線負(fù)荷的層級(jí)關(guān)系，其定義依據(jù)源自EMS電網(wǎng)模型。母線負(fù)荷模型可以通過(guò)電網(wǎng)模型中的負(fù)荷組定義、主變壓器端點(diǎn)定義或者線路端點(diǎn)定義進(jìn)行創(chuàng)建［5］。如圖1采用的母線負(fù)荷分層樹(shù)狀結(jié)構(gòu)中，第一層為系統(tǒng)負(fù)荷，第二層為區(qū)域負(fù)荷，第三層為變電站負(fù)荷，第四層為母線負(fù)荷。

母線負(fù)荷在數(shù)據(jù)統(tǒng)計(jì)上可以關(guān)聯(lián)到電力元件測(cè)量值，采用狀態(tài)估計(jì)或SCADA數(shù)據(jù)作為數(shù)據(jù)源，通常情況下針對(duì)日96點(diǎn)(每15 min一點(diǎn))的有功和無(wú)功負(fù)荷進(jìn)行統(tǒng)計(jì)和預(yù)測(cè)。其中單母線負(fù)荷在時(shí)段的相對(duì)誤差為

圖1 母線負(fù)荷分層樹(shù)狀結(jié)構(gòu)圖

平均日母線負(fù)荷預(yù)測(cè)準(zhǔn)確率為

2 自適應(yīng)FCM算法思想及關(guān)鍵技術(shù)

2.1 自適應(yīng)FCM算法

FCM算法是基于聚類(lèi)的劃分算法，其思想是認(rèn)為同一類(lèi)的分析對(duì)象相似度最大，不同類(lèi)之間相似度最小。用普通FCM算法可以對(duì)數(shù)據(jù)集合進(jìn)行有效聚類(lèi)，但聚類(lèi)數(shù)需事先人為給出，聚類(lèi)的“好壞”需進(jìn)行有效驗(yàn)證。

將FCM算法和自適應(yīng)方法進(jìn)行結(jié)合，在數(shù)據(jù)劃分上采用柔性模糊劃分，數(shù)據(jù)分類(lèi)時(shí)盡可能將類(lèi)間距離增大，而同類(lèi)的數(shù)據(jù)點(diǎn)距離減小，下面給出自適應(yīng)FCM算法的具體函數(shù)。

總體樣本的中心量為

聚類(lèi)數(shù)C的自適應(yīng)函數(shù)為

式中，L(C)的分子表示類(lèi)與類(lèi)之間的距離，分母表示類(lèi)內(nèi)數(shù)據(jù)點(diǎn)與該類(lèi)中心之間的距離，因此L(C)的值越大，說(shuō)明分類(lèi)越合理，對(duì)應(yīng)L(C)值最大的C為最佳值。

2.2 自適應(yīng)FCM算法步驟及實(shí)現(xiàn)

2.2.1 自適應(yīng)FCM算法的具體步驟

首先初始化:給出迭代標(biāo)準(zhǔn)ε＞0，聚類(lèi)數(shù)C= 2，聚類(lèi)數(shù)1的自適應(yīng)函數(shù)L(1)=0，初始分類(lèi)矩陣V(0)，K=0。

1)用式(3)計(jì)算U(K)

2)用式(4)計(jì)算V(K+1)

3)用一個(gè)矩陣范數(shù)‖·‖比較V(K+1)與V (K)，若‖V(K+1)－V(K)‖≤ε，則停止迭代，否則，置k=k+1，轉(zhuǎn)向步驟1)。

4)計(jì)算L(C)，在c＞2并且c＜2的情況下，若L(C－1)＞L(C－2)并且L(C－1)＞L(C)，則聚類(lèi)過(guò)程結(jié)束，否則，置c=c+1，轉(zhuǎn)向步驟1)。

FCM算法基于局部尋找點(diǎn)最小，故只需要在局部數(shù)據(jù)比較L(C)。

2.2.2 系統(tǒng)實(shí)現(xiàn)

系統(tǒng)根據(jù)離線的歷史負(fù)荷數(shù)據(jù)來(lái)獨(dú)立操作來(lái)完成自適應(yīng)網(wǎng)絡(luò)訓(xùn)練。自適應(yīng)系統(tǒng)應(yīng)具備按照外部環(huán)境的變化進(jìn)行調(diào)整和自身不斷學(xué)習(xí)的能力。通過(guò)循環(huán)訓(xùn)練過(guò)程以找到一套合理的預(yù)測(cè)參數(shù)和聚類(lèi)數(shù)C，將負(fù)荷進(jìn)行分類(lèi)后進(jìn)行預(yù)測(cè)，其效果明顯優(yōu)于固定參數(shù)估計(jì)的方法。

自適應(yīng)FCM預(yù)測(cè)技術(shù)是采用反饋型的預(yù)測(cè)思路，把得到合理的預(yù)測(cè)參數(shù)作為自適應(yīng)過(guò)程得到的模型參數(shù)，用于未來(lái)時(shí)間的母線負(fù)荷預(yù)測(cè)，這個(gè)過(guò)程構(gòu)成了預(yù)測(cè)行為的閉環(huán)和反饋。

主要實(shí)現(xiàn)過(guò)程如圖2。

由于母線節(jié)點(diǎn)數(shù)量多，預(yù)測(cè)參數(shù)及模型組合復(fù)雜等原因，基于自適應(yīng)機(jī)制實(shí)現(xiàn)的母線負(fù)荷預(yù)測(cè)計(jì)算量和實(shí)現(xiàn)難度較大，其中自適應(yīng)預(yù)測(cè)天數(shù)、母線的數(shù)量、母線的梳理預(yù)測(cè)模型庫(kù)中模型的數(shù)量、參數(shù)優(yōu)化組合、各模型參數(shù)的數(shù)量等因素決定了預(yù)測(cè)計(jì)算量的大小，并且隨著預(yù)測(cè)節(jié)點(diǎn)的增加自適應(yīng)訓(xùn)練的計(jì)算量也會(huì)成倍增長(zhǎng)。因此只有借助計(jì)算機(jī)軟件平臺(tái)才能完成如此大的計(jì)算量，且應(yīng)在負(fù)荷較輕的時(shí)間段完成訓(xùn)練。

3 應(yīng)用算例分析

選取廣西省某區(qū)域電網(wǎng)120條220 kV母線的96點(diǎn)負(fù)荷為觀測(cè)樣本，利用Matlab進(jìn)行FCM聚類(lèi)分析。目標(biāo)函數(shù)在循環(huán)68次后收斂，選擇的聚類(lèi)數(shù)C為2類(lèi)，圖3列出了兩種類(lèi)型的負(fù)荷聚類(lèi)曲線。

圖2 系統(tǒng)實(shí)現(xiàn)流程

圖3 220 kV母線96點(diǎn)負(fù)荷聚類(lèi)圖

表1將兩種類(lèi)型進(jìn)行了統(tǒng)計(jì)，具體統(tǒng)計(jì)如下。

表1 母線分類(lèi)情況統(tǒng)計(jì)表

由表1可知，本區(qū)域母線負(fù)荷大多為類(lèi)型1，為88條，占總母線數(shù)量比為73.3%，類(lèi)型2有32條，占總量的26.7%。

由表1還可知，類(lèi)型1的平均日負(fù)荷率達(dá)到0.6，負(fù)荷曲線在0到30點(diǎn)為較低值，在65到85點(diǎn)為較最高，同時(shí)平均峰谷差為0.8，可以判斷類(lèi)型1受時(shí)間的影響較大，應(yīng)以民用電為主。類(lèi)型2的平均日負(fù)荷率為0.42，且平均日峰谷差率為0.35，可以判斷應(yīng)以連續(xù)生產(chǎn)或三班倒的企業(yè)為主，受時(shí)間的影響較小。在電網(wǎng)運(yùn)行中的一項(xiàng)基本原則是，盡量提高負(fù)荷率、降低峰谷差。根據(jù)聚類(lèi)后母線負(fù)荷特性的分析結(jié)果，可以對(duì)突變較大的負(fù)荷采取有效方法來(lái)應(yīng)對(duì)峰谷差，進(jìn)行“削峰平谷”，使供電企業(yè)有較好的經(jīng)濟(jì)性能及有利于電網(wǎng)的穩(wěn)定安全運(yùn)行。

基于以上結(jié)果，對(duì)同一或相似區(qū)域電網(wǎng)母線或進(jìn)行負(fù)荷預(yù)測(cè)時(shí)，可將此區(qū)域電網(wǎng)負(fù)荷與已經(jīng)聚類(lèi)好母線進(jìn)行對(duì)比，由于不同類(lèi)型母線影響其負(fù)荷的因素不同，在對(duì)母線特征進(jìn)行綜合分析后，選擇成熟的有針對(duì)性的方法進(jìn)行預(yù)測(cè)，也可以有效提高母線負(fù)荷預(yù)測(cè)速度和準(zhǔn)度。

4 結(jié)論

針對(duì)廣西省某一區(qū)域電網(wǎng)母線數(shù)量多、不規(guī)律波動(dòng)及模式多樣性的特點(diǎn)，通過(guò)自適應(yīng)FCM算法對(duì)母線進(jìn)行聚類(lèi)，根據(jù)聚類(lèi)的結(jié)果對(duì)日負(fù)荷率和峰谷差率進(jìn)行分析。根據(jù)實(shí)例仿真，算法可以完成對(duì)該區(qū)域母線負(fù)荷較科學(xué)的分類(lèi)，在下一步進(jìn)行預(yù)測(cè)中根據(jù)不同的母線類(lèi)型分別進(jìn)行負(fù)荷預(yù)測(cè)，提高了預(yù)測(cè)速度和精度。對(duì)廣西地區(qū)母線負(fù)荷類(lèi)型具有針對(duì)性的掌控，同時(shí)也為進(jìn)一步建設(shè)“無(wú)人值守”的預(yù)測(cè)機(jī)制和智能化母線負(fù)荷預(yù)測(cè)平臺(tái)提供了參考。

［1］康重慶，夏清，劉梅.電力系統(tǒng)負(fù)荷預(yù)測(cè)［M］.北京:中國(guó)電力出版社，2007.

［2］Espinoza M，Joye C，Belmans R，et al.Short－term Load Forecasting Profile Identification and Customer Segmentation:A Methodology Based on Periodic Time Series［J］.IEEE Trans on Power Systems，2005，20(3):1622－1630.

［3］廖峰.220 kV母線負(fù)荷特性縫隙及其預(yù)測(cè)的研究［D］.長(zhǎng)沙:湖南大學(xué)，2012.

［4］李光珍.電網(wǎng)短期母線負(fù)荷數(shù)據(jù)預(yù)處理及預(yù)測(cè)模型研究［D］.保定:華北電力大學(xué)，2009.

［5］趙燃，康重慶，劉梅，等.面向節(jié)能發(fā)電調(diào)度的母線負(fù)荷預(yù)測(cè)平臺(tái)［J］.中國(guó)電力，2009，42(6):32－36.

［6］牛東曉，曹樹(shù)華，盧建昌，等.電力負(fù)荷預(yù)測(cè)技術(shù)及其應(yīng)用(第二版)［M］.北京:中國(guó)電力出版社，2009.

［7］陳小平.母線負(fù)荷預(yù)測(cè)的實(shí)用算法［J］.四川電力技術(shù)，2012，35(1):66－68.

［8］高峰，康重慶，程旭.短期負(fù)荷預(yù)測(cè)相關(guān)因素的自適應(yīng)訓(xùn)練［J］.電力系統(tǒng)自動(dòng)化，2002，26(18):6－10.

吳茵(1979)，碩士，高級(jí)工程師，主要從事電網(wǎng)運(yùn)行方式策劃管理工作;

楊小衛(wèi)(1982)，碩士，高級(jí)工程師，主要從事電網(wǎng)調(diào)度運(yùn)行管理工作;

岳菁鵬(1985)，碩士，助理工程師，主要研究電網(wǎng)負(fù)荷預(yù)測(cè)、分布式發(fā)電等;

羅欣(1983)，碩士，工程師，主要研究電力市場(chǎng)分析、電網(wǎng)負(fù)荷預(yù)測(cè)等。

表1 瀑布溝電站計(jì)劃電量完成率

CPS1指標(biāo)體現(xiàn)了控制區(qū)域?qū)ヂ?lián)電網(wǎng)頻率質(zhì)量貢獻(xiàn)的大小，該策略執(zhí)行前后相鄰年份某同一月份的CPS1日平均值比對(duì)情況如圖5所示。從圖中CPS1曲線可以看出，啟用新策略后四川電網(wǎng)CPS1考核指標(biāo)亦有所改善。

圖5 CPS1日平均值曲線對(duì)比

4 結(jié)語(yǔ)

AGC應(yīng)用作為電網(wǎng)實(shí)時(shí)控制的重要環(huán)節(jié)，承擔(dān)著安全穩(wěn)定運(yùn)行、頻率穩(wěn)定和聯(lián)絡(luò)線、電量考核的重要職責(zé)。從機(jī)組有功控制模式著手，探索實(shí)時(shí)發(fā)電計(jì)劃與AGC閉環(huán)控制策略，并闡述了AGC控制模式切換方案及多工況下模式切換策略，通過(guò)備用在不同控制模式機(jī)組間相互轉(zhuǎn)移，促進(jìn)不同控制模式機(jī)組調(diào)節(jié)備用的合理分布，降低了機(jī)組整體調(diào)節(jié)成本。

參考文獻(xiàn)

［1］張伯明，吳文傳，鄭太一，等.消納大規(guī)模風(fēng)電的多時(shí)間尺度協(xié)調(diào)的有功調(diào)度系統(tǒng)設(shè)計(jì)［J］.電力系統(tǒng)自動(dòng)化，2011，35(1):1－6.

［2］周劼英，張伯明，尚金成，等.河南電網(wǎng)實(shí)時(shí)調(diào)度系統(tǒng)若干功能與算法［J］.電力系統(tǒng)自動(dòng)化，2006，30 (2):99－104.

［3］滕賢亮，高宗和，張小白，等.有功調(diào)度超前控制和在線水火電協(xié)調(diào)控制策略［J］.電力系統(tǒng)自動(dòng)化，2008，32(22):16－20.

［4］李予州，張伯明，吳文傳，等.在線有功調(diào)度協(xié)調(diào)控制系統(tǒng)的研究與開(kāi)發(fā)［J］.電力自動(dòng)化設(shè)備，2008，28 (5):12－16.

［5］徐帆，丁恰，謝麗榮，等.實(shí)時(shí)發(fā)電計(jì)劃閉環(huán)控制模型與應(yīng)用［J］.電網(wǎng)技術(shù)，2014，38(11):3187－3192.

［6］鄧勇，朱澤磊，黃文英，等.日內(nèi)及實(shí)時(shí)發(fā)電計(jì)劃的遞進(jìn)協(xié)調(diào)方法［J］.電力系統(tǒng)自動(dòng)化，2015，39(1):141－146.

作者簡(jiǎn)介:

周劍(1972)，碩士，高級(jí)工程師，研究方向?yàn)橹悄茈娋W(wǎng)調(diào)度控制;

于昌海(1987)，碩士，工程師，研究方向?yàn)殡娋W(wǎng)調(diào)度自動(dòng)化、新能源協(xié)調(diào)控制;

吳繼平(1984)，碩士，工程師，研究方向?yàn)橹悄茈娋W(wǎng)調(diào)度自動(dòng);

滕賢亮(1978)，碩士，高級(jí)工程師，研究方向?yàn)殡娋W(wǎng)調(diào)度自動(dòng)化、新能源運(yùn)行控制。

(收稿日期:2015－08－10)

With a new round of technological innovation and the deepening of power system reform，the requirements for intelligent and refined power dispatching continue to increase.Taking the effective information extraction and application of bus load data as the main line and combined with the bus load data of Guangxi province，the C model of regional power grid is established based on adaptive FCM algorithm，and then the load characteristics of different buses are analyzed.It provides a new idea and algorithm reference for the accurate load forecasting.

adaptive FCM algorithm;bus clustering;load forecasting

TM76

A

1003－6954(2015)06－0068－04

2015－07－06)