大數(shù)據(jù)分析技術(shù)的非線性諧波負(fù)荷預(yù)測(cè)

劉海濤 黃鳴宇 牛健

摘? 要： 為了獲得理想的非線性諧波負(fù)荷預(yù)測(cè)結(jié)果，設(shè)計(jì)基于大數(shù)據(jù)分析技術(shù)的非線性諧波負(fù)荷預(yù)測(cè)方法。首先分析當(dāng)前非線性諧波負(fù)荷預(yù)測(cè)的研究進(jìn)展，找到引起當(dāng)前非線性諧波負(fù)荷預(yù)測(cè)效果差的原因;然后采集非線性諧波負(fù)荷歷史數(shù)據(jù)，引入大數(shù)據(jù)分析技術(shù)對(duì)非線性諧波負(fù)荷歷史數(shù)據(jù)進(jìn)行建模和學(xué)習(xí)，并對(duì)非線性諧波負(fù)荷預(yù)測(cè)模型的參數(shù)進(jìn)行優(yōu)化，從而建立最優(yōu)的非線性諧波負(fù)荷預(yù)測(cè)模型;最后在Matlab 2017平臺(tái)上對(duì)非線性諧波負(fù)荷預(yù)測(cè)模型的性能進(jìn)行了驗(yàn)證性測(cè)試，結(jié)果表明，該文方法的非線性諧波負(fù)荷預(yù)測(cè)精度超過(guò)95%，非線性諧波負(fù)荷預(yù)測(cè)的偏差明顯小于當(dāng)前其他非線性諧波負(fù)荷預(yù)測(cè)方法，同時(shí)加快了非線性諧波負(fù)荷預(yù)測(cè)的建模效率，獲得更優(yōu)的非線性諧波負(fù)荷預(yù)測(cè)結(jié)果。

關(guān)鍵詞： 非線性諧波負(fù)荷; 負(fù)荷預(yù)測(cè); 大數(shù)據(jù)分析技術(shù); 參數(shù)優(yōu)化; 預(yù)測(cè)建模; 驗(yàn)證性測(cè)試

中圖分類號(hào)： TN919?34; TP391? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2020）18?0114?04

Abstract： The nonlinear harmonic negative based on big data analysis technology is designed to obtain the ideal results of the nonlinear harmonic load forecasting. The research progress of existing nonlinear harmonic load forecasting is analyzed to find out the reason of the poor effect of nonlinear harmonic load forecasting. The historical data of nonlinear harmonic load is collected， and the big data analysis technology is introduced to model and learn it. The parameters of nonlinear harmonic load forecasting model are optimized to establish the optimal nonlinear harmonic load forecasting model. The performance of the nonlinear harmonic load forecasting model is tested on the Matlab 2017 platform. The results show that the accuracy of the nonlinear harmonic load forecasting of this method is more than 95%， the deviation of the nonlinear harmonic load forecasting is obviously smaller than that of other current methods of the nonlinear harmonic load forecasting， the modeling efficiency of the nonlinear harmonic load forecasting is accelerated， and the better nonlinear harmonic load forecasting results are obtained.

Keywords： nonlinear harmonic load; load forecasting; big data analysis technology; parameter optimization; forecasting modeling; verification test

0? 引? 言

隨著人們生活水平的不斷提高，人們的用電量也急劇上升，對(duì)電力系統(tǒng)的穩(wěn)定性和供電質(zhì)量要求日益提高[1?3]。諧波會(huì)對(duì)電力系統(tǒng)的穩(wěn)定性和供電質(zhì)量產(chǎn)生一定的影響，因此高精度諧波負(fù)荷建模與預(yù)測(cè)對(duì)電力系統(tǒng)分析具有重要意義[4?5]。

最初諧波負(fù)荷預(yù)測(cè)采用線性建模方法，如多元線性回歸算法，其認(rèn)為諧波負(fù)荷是一種固定的變化趨勢(shì)，而實(shí)際上諧波負(fù)荷與多種因素相關(guān)，具有十分強(qiáng)烈的非線性、時(shí)變特性，當(dāng)前非線性諧波負(fù)荷預(yù)測(cè)方法無(wú)法描述其變化規(guī)律，使得諧波負(fù)荷預(yù)測(cè)的誤差大[6?8]。隨后人們提出基于人工神經(jīng)網(wǎng)絡(luò)的諧波負(fù)荷預(yù)測(cè)方法，其可以對(duì)諧波負(fù)荷的非線性化特點(diǎn)進(jìn)行分析，獲得了比線性建模方法更優(yōu)的諧波負(fù)荷預(yù)測(cè)效果[9?11];但是人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)復(fù)雜，諧波負(fù)荷預(yù)測(cè)結(jié)果極不穩(wěn)定，而且收斂速度慢，影響諧波負(fù)荷預(yù)測(cè)的建模效率。因此，諧波負(fù)荷預(yù)測(cè)有待進(jìn)一步研究[12?14]。

為了獲得理想的非線性諧波負(fù)荷預(yù)測(cè)結(jié)果，設(shè)計(jì)基于大數(shù)據(jù)分析技術(shù)的非線性諧波負(fù)荷預(yù)測(cè)方法，并通過(guò)具體實(shí)驗(yàn)分析了本文非線性諧波負(fù)荷預(yù)測(cè)方法的有效性和優(yōu)越性。

1? 大數(shù)據(jù)分析技術(shù)的非線性諧波負(fù)荷預(yù)測(cè)

1.1? 聚類分析算法

聚類分析算法將數(shù)據(jù)[X=x1，x2，…，xn]劃分為C類，隸屬矩陣為：

1.2? 支持向量機(jī)

1.3 粒子群優(yōu)化算法

xi和vi為第i個(gè)粒子的位置向量和速度，pi和pg為個(gè)體和群體的當(dāng)前最優(yōu)位置，那么粒子狀態(tài)更新為：

1.4 大數(shù)據(jù)分析技術(shù)的非線性諧波負(fù)荷預(yù)測(cè)步驟

1） 采集非線性諧波負(fù)荷的歷史數(shù)據(jù)，對(duì)歷史數(shù)據(jù)進(jìn)行縮放處理，使它們的值處于[0，1]的區(qū)間內(nèi)。

2） 采用聚類分析算法對(duì)非線性諧波負(fù)荷的歷史數(shù)據(jù)進(jìn)行處理，建立相應(yīng)的訓(xùn)練樣本集合和測(cè)試樣本集合。

3） 采用大數(shù)據(jù)分析技術(shù)——支持向量機(jī)對(duì)非線性諧波負(fù)荷訓(xùn)練樣本進(jìn)行學(xué)習(xí)。

4） 采用粒子群優(yōu)化算法確定支持向量機(jī)的非線性諧波負(fù)荷預(yù)測(cè)模型的參數(shù)。

5） 根據(jù)參數(shù)構(gòu)建非線性諧波負(fù)荷預(yù)測(cè)模型，并采用測(cè)試樣本分析該模型的有效性。

大數(shù)據(jù)分析技術(shù)的非線性諧波負(fù)荷預(yù)測(cè)流程如圖1所示。

2? 仿真實(shí)驗(yàn)

2.1 實(shí)驗(yàn)環(huán)境

為了分析基于大數(shù)據(jù)分析技術(shù)的非線性諧波負(fù)荷預(yù)測(cè)效果，搭建了一個(gè)仿真實(shí)驗(yàn)環(huán)境，具體如表1所示。

為了使大數(shù)據(jù)分析技術(shù)的非線性諧波負(fù)荷預(yù)測(cè)結(jié)果具有可比性，選擇BP神經(jīng)網(wǎng)絡(luò)的非線性諧波負(fù)荷預(yù)測(cè)方法進(jìn)行對(duì)比實(shí)驗(yàn)。

2.2? 實(shí)驗(yàn)數(shù)據(jù)

為了增強(qiáng)實(shí)驗(yàn)結(jié)果的說(shuō)服力，選擇5類非線性諧波負(fù)荷數(shù)據(jù)作為實(shí)驗(yàn)對(duì)象，每一類的非線性諧波負(fù)荷歷史樣本數(shù)據(jù)如表2所示。

采用聚類分析算法對(duì)表2中的非線性諧波負(fù)荷的歷史數(shù)據(jù)進(jìn)行預(yù)處理，構(gòu)建非線性諧波負(fù)荷預(yù)測(cè)的訓(xùn)練樣本和測(cè)試樣本，它們的比例大約為3∶1。

2.3 非線性諧波負(fù)荷預(yù)測(cè)精度分析

采用本文方法和BP神經(jīng)網(wǎng)絡(luò)對(duì)聚類分析方法產(chǎn)生的非線性諧波負(fù)荷訓(xùn)練樣本進(jìn)行學(xué)習(xí)，對(duì)測(cè)試樣本進(jìn)行預(yù)測(cè)，統(tǒng)計(jì)每一類非線性諧波負(fù)荷的預(yù)測(cè)精度，結(jié)果如圖2所示。

對(duì)圖2的非線性諧波負(fù)荷預(yù)測(cè)精度進(jìn)行對(duì)比與分析可以發(fā)現(xiàn)，對(duì)于5類非線性諧波負(fù)荷的歷史數(shù)據(jù)，本文方法的精度均要高于BP神經(jīng)網(wǎng)絡(luò)。這表明本文方法可以更好地描述非線性諧波負(fù)荷變化特點(diǎn)，能夠?qū)ζ渥兓厔?shì)進(jìn)行高精度的跟蹤，減少了非線性諧波負(fù)荷預(yù)測(cè)的偏差。

2.4? 非線性諧波負(fù)荷預(yù)測(cè)效率分析

為了分析非線性諧波負(fù)荷預(yù)測(cè)效率，采用非線性諧波負(fù)荷預(yù)測(cè)建模的訓(xùn)練時(shí)間和測(cè)試時(shí)間作為評(píng)價(jià)指標(biāo)，統(tǒng)計(jì)5類非線性諧波負(fù)荷的訓(xùn)練時(shí)間和測(cè)試時(shí)間，結(jié)果如表3所示。

從表3可以看出，2種方法的非線性諧波負(fù)荷測(cè)試時(shí)間相差無(wú)幾，但是本文方法的非線性諧波負(fù)荷訓(xùn)練時(shí)間明顯減少，因此非線性諧波負(fù)荷預(yù)測(cè)總建模時(shí)間更短，提高了非線性諧波負(fù)荷預(yù)測(cè)效率，可以對(duì)大規(guī)模的非線性諧波負(fù)荷進(jìn)行建模與分析。

3? 結(jié)? 語(yǔ)

為了提高非線性諧波負(fù)荷預(yù)測(cè)精度，本文設(shè)計(jì)基于大數(shù)據(jù)分析技術(shù)的非線性諧波負(fù)荷預(yù)測(cè)方法。在Matlab 2017平臺(tái)上的非線性諧波負(fù)荷預(yù)測(cè)仿真實(shí)驗(yàn)結(jié)果表明，本文方法的非線性諧波負(fù)荷預(yù)測(cè)精度高、建模效率高，為非線性諧波負(fù)荷的預(yù)測(cè)提供了一種新的研究工具。

參考文獻(xiàn)

[1] 孫媛媛，張凌菡，謝香敏，等.基于諧波耦合主導(dǎo)分量模型的居民負(fù)荷集合性諧波評(píng)估[J].中國(guó)電機(jī)工程學(xué)報(bào)，2019，39（16）：4775?4785.

[2] 王莉虹，肖先勇，張逸，等.非線性負(fù)荷諧波貢獻(xiàn)畸變功率評(píng)估指標(biāo)與方法[J].電力系統(tǒng)保護(hù)與控制，2017，45（9）：41?47.

[3] 劉欣，李尚盛，吳楠，等.基于諧波源注入的SAPF補(bǔ)償容量確定方法[J].電力系統(tǒng)保護(hù)與控制，2017，45（2）：22?27.

[4] 陳民武，劉洋，韓旭東，等.高速鐵路牽引負(fù)荷諧波分布的非參數(shù)估計(jì)模型與預(yù)測(cè)評(píng)估[J].電網(wǎng)技術(shù)，2017，41（8）：2598?2603.

[5] 尹志勇，陳永光，劉正春，等.基于實(shí)測(cè)數(shù)據(jù)的諧波負(fù)荷模型控制策略[J].電網(wǎng)技術(shù)，2016，40（10）：3192?3198.

[6] 湯波，馬世偉，林順富，等.基于云理論的居民負(fù)荷集體諧波概率分布[J].電力系統(tǒng)自動(dòng)化，2016，40（3）：39?45.

[7] 張航，毛欣，王佳佳，等.單相整流負(fù)荷諧波功率需求建模分析[J].電力系統(tǒng)保護(hù)與控制，2015，43（20）：8?14.

[8] 曾正，邵偉華，趙偉芳，等.多功能并網(wǎng)逆變器與并網(wǎng)微電網(wǎng)電能質(zhì)量的分?jǐn)偪刂芠J].中國(guó)電機(jī)工程學(xué)報(bào)，2015，35（19）：4947?4955.

[9] 雍靜，肖兵.典型單相非線性負(fù)荷的精確諧波模型及其諧波衰減特性[J].中國(guó)電機(jī)工程學(xué)報(bào)，2014，34（19）：3210?3219.

[10] 張炳達(dá)，荊志朋.一種基于BP神經(jīng)網(wǎng)絡(luò)的負(fù)荷諧波電流辨識(shí)方法[J].電力系統(tǒng)保護(hù)與控制，2012，40（20）：89?93.

[11] 范瑞祥，孫旻，羅安，等.大容量整流負(fù)荷諧波和無(wú)功功率綜合補(bǔ)償裝置設(shè)計(jì)[J].電網(wǎng)技術(shù)，2008（11）：18?23.

[12] 金勝赫，孫秋野，周建國(guó)，等.孤島運(yùn)行微網(wǎng)中分布式諧波功率分配控制策略[J].控制工程，2018，25（2）：335?340.

[13] 湯波，林順富，陳光，等.居民配電網(wǎng)負(fù)荷諧波電流發(fā)射水平評(píng)估方法[J].電工技術(shù)學(xué)報(bào)，2018，33（3）：533?542.

[14] 翁利國(guó)，朱鐵銘，壽挺，等.單相分布式發(fā)電接入臺(tái)區(qū)電網(wǎng)的諧波補(bǔ)償控制[J].電力系統(tǒng)保護(hù)與控制，2017，45（19）：1?11.

[15] 周念成，魏能嶠，王佳佳，等.三相不控整流負(fù)荷的諧波功率實(shí)測(cè)建模[J].中國(guó)電機(jī)工程學(xué)報(bào)，2017，37（19）：5583?5593.

[16] WANG Jinquan， YAN Jun， XU Ye，? et al. Power flow calcul?ation method for isolated microgrid considering the influence of harmonic power [J]. The journal of engineering， 2017（14）： 2615?2621.

[17] 肖勇，趙偉，黃松嶺.基于離散傅里葉級(jí)數(shù)的非同步采樣下諧波功率測(cè)量算法[J].電工技術(shù)學(xué)報(bào)，2017（7）：1570?1578.