基于熵權法的智能電網(wǎng)管理水平評價指標量化方法

謝瀚陽， 江疆， 彭澤武， 楊秋勇， 蔡雄

(廣東電網(wǎng)有限責任公司， 廣東， 廣州 610106)

0 引言

隨著智能電網(wǎng)管理建設不斷推進，智能電網(wǎng)管理水平評價指標分析是提高電力資源服務能力的重要一環(huán)，促進智能電網(wǎng)管理水平的不斷提升，相關的智能電網(wǎng)管理水平評價指標量化分析方法研究受到人們的極大關注[1-4]。

智能電網(wǎng)管理水平評價指標量化分析的方法主要有關聯(lián)特征檢測方法、模糊度尋優(yōu)控制方法和特征空間融合聚類分析方法等。其中，文獻[5]提出了基于關聯(lián)指標參數(shù)融合聚類的智能電網(wǎng)管理水平評價指標量化方法，通過大數(shù)據(jù)融合聚類分析，進行智能電網(wǎng)管理水平評價和模糊決策，但該方法進行智能電網(wǎng)管理水平評價的決策性不好，尋優(yōu)能力不強。文獻[6]提出了基于大容量輸電傳輸控制的智能電網(wǎng)管理水平評價指標量化方法，利用繼電保護控制，進行輸出可靠性設計，提高電網(wǎng)的智慧化管理水平，但該方法進行智能電網(wǎng)管理水平評價指標量化分析的計算可靠性不高。針對上述問題，本文提出了基于熵權法的智能電網(wǎng)管理水平評價指標量化方法，提取智能電網(wǎng)管理水平評價體系的熵權特征量，結合大數(shù)據(jù)挖掘和智能調度，實現(xiàn)了智能電網(wǎng)管理水平評價指標的量化評價，展示了本文方法在提高智能電網(wǎng)管理水平和量化分析能力方面的優(yōu)越性能。

1 智能電網(wǎng)管理水平評價的約束參數(shù)和特征分析

1.1 智能電網(wǎng)管理水平評價的約束參數(shù)

為了實現(xiàn)智能電網(wǎng)管理水平評價指標量化分析，采用多直流饋入方法構建智能電網(wǎng)管理水平評價指標體系與構建約束參數(shù)模型。首先，采用零序功率法[7]，得到智能電網(wǎng)管理水平評價的標準量化時間序列為{xn}，智能配電網(wǎng)的空間采樣時間延遲為n、五次諧波時值為t，首次諧波時值為t0，采用配電線路的諧波振蕩抑制的方法，得到折反射行波分布為

xn=h(t0+nΔt)+ωn

(1)

式中，h(·)為智能電網(wǎng)管理水平評價指標量化評價的統(tǒng)計時間序列，ωn為配電網(wǎng)運行的三相工頻電氣量。

智能電網(wǎng)管理水平評價指標定量評價的參考指標，模糊約束重構[8]，初始電壓電流行波分量，得到智能電網(wǎng)管理水平評價指標的關聯(lián)維分布矩陣為

L=a1a1+τ…a1+(m-1)τ

a2a2+τ…a2+(m-1)τ

??…?

aN-1aN-1+τ…aN-1+(m-1)τ

(2)

式中，m為工頻電氣變化量，τ為潮流參數(shù)。N為智能電網(wǎng)管理水平評價指標數(shù)量，a為電壓電流行波分量。通過子空間約束重組的方法，得到智能電網(wǎng)管理水平的量化評價分布序列[9]，在重構的維相空間內，構建智能電網(wǎng)管理水平評價指標量化分析的主成分分量為M，M=U*S*C。通過電壓電流行波分析的方法，得到智能電網(wǎng)管理水平評價指標的層次分析模型，智能電網(wǎng)管理水平評價的標準屬性集為S，多元指標參數(shù)為U和C，得到電網(wǎng)管理水平的指標量化線性相關矩陣。利用小波變換模極大值分解的方法，得到特征分布映射，初始電壓電流行波分量，得到相空間中的初始電壓電流行波分布，初始電壓電流行波分量，得到智能電網(wǎng)管理水平評價的標準屬性集為

S=diag(σ1,σ2,…,σk),σ1≥σ2≥…≥σk≥0

(3)

式中，σ為智能電網(wǎng)管理水平評價標準量，k為標準屬性集的元素數(shù)量。對任意一個正交矩陣，通過高頻分量衰減約束的方法，得到智能電網(wǎng)管理水平評價指標質量的屬性特征集重構軌跡矩陣S′，結合無功潮流耦合分析方法進行智能電網(wǎng)管理水平參數(shù)分析。通過恒功率、恒電流補償進行量化指標參數(shù)約束[10]。

1.2 智能電網(wǎng)管理水平評價特征分析

建立智能電網(wǎng)管理的代價約束模型，通過電壓電流變化約束分析的方法[11]，求得維數(shù)為N×m的智能電網(wǎng)管理水平評價指標質量量化評價特征數(shù)據(jù)的相空間重構矩陣?？紤]到配電網(wǎng)分支線路的關聯(lián)系數(shù)J(1)x，J(N)x，通過第m個零模信號進行智能電網(wǎng)管理水平評價指標管理，得到智能電網(wǎng)管理水平評價的潮流參數(shù)：

δxi+1=J(1)xi(yi-xi)

(4)

式中，yi表示模糊特征向量。有效地獲得了理想的電壓參數(shù)，分析了智能電網(wǎng)管理水平評價的量化特征，得到了電網(wǎng)管理水平評價指標的量化參數(shù)，得出了智能電網(wǎng)管理水平評價指標量化參數(shù)的相關系數(shù)。通過對智能電網(wǎng)管理水平評價指標的定量評價，得到配電網(wǎng)系統(tǒng)運行可靠性參數(shù)ωn。根據(jù)工頻電壓電流的相位差來評價智能電網(wǎng)的管理水平。結合數(shù)據(jù)特征挖掘方法，得到了電壓和電流的幅值和相位分布為

A=(1-ω)xi+ωn∑i=1yi

i=1,2,…,n

(5)

利用凱倫貝爾變換進行解耦分析，對于智能電網(wǎng)管理水平評價的系統(tǒng)有功功率點?i∈S，通過電網(wǎng)智能調度[12]，功率方向模塊因子為

βi=Ri1yi+∑k∈SRikQk

(6)

式中，Rik為第k個元素下的電阻，Qk為第k個元素下的電能。在負荷側，通過電流的幅值分布，進行零序電壓特征分析，得到零序電壓：

V=∑i=1vivσ-w

(7)

式中，vi為第i個零模信號下的電壓，vσ為智能電網(wǎng)管理水平評價標準電壓，w為電流幅值，根據(jù)智能電網(wǎng)管理水平評價指標特征分析，進行量化分解和信息融合管理[13]。

2 智能電網(wǎng)管理水平評價指標管理優(yōu)化

2.1 熵權分析

進行智能電網(wǎng)管理水平評價的熵權指標參數(shù)分析，提取智能電網(wǎng)管理水平評價體系的熵權特征量，結合大數(shù)據(jù)挖掘和智能調度[14]，得到智能電網(wǎng)管理水平評價指標量化評價的工頻零序電壓為

Vxn=ωxci-(1+ω)xc-1i+V

i=1,2,…,n

(8)

式中，c表示迭代次數(shù)。輸出的智能電網(wǎng)管理水平評價指標量化評價的熵權分布為

E=∑σi=1V2i+∑ni=1Vixn

(9)

基于最大負荷電流檢測方法，得到負荷端的關聯(lián)函數(shù)C(τ)定義為

C(τ)=E+limA→∞1A∫-AAx(t)x(t+τ)dτ

(10)

式中，d表示t和t+τ時刻智能電網(wǎng)管理水平評價指標量化評價統(tǒng)計數(shù)據(jù)A變化的關聯(lián)度，根據(jù)關聯(lián)度進行智能電網(wǎng)管理水平評價指標量化評價統(tǒng)計數(shù)據(jù)的模糊度檢測，得到智能電網(wǎng)管理水平評價指標評價的三階自相關特征：

Bor3=〈(qn+)(qn-g+)(qn-G+)〉〈(qn-)3〉

(11)

式中，qn表示智能電網(wǎng)管理水平評價指標的線性離散時間序列，g表示采樣時延，得到智能電網(wǎng)管理水平評價指標分布的空間時間間隔G=2g，表示均值，〈q(n)〉表示對q(n)取均值：

〈q(n)〉=1N∑Nn=1q(n)

(12)

根據(jù)電網(wǎng)中交流節(jié)點輪換調度的方法，得到智能電網(wǎng)管理水平評價的熵權特征量為

Y(τ)=E-lnxn(τ)σ

(13)

通過熵權分析智能電網(wǎng)管理水平評價的熵權特征量以及全網(wǎng)條件下的電壓電流變化分布，進行智能電網(wǎng)管理水平評價。

2.2 智能電網(wǎng)管理水平評價量化處理

對智能電網(wǎng)管理水平評價的熵權指標參數(shù)進行分析，提取智能電網(wǎng)管理水平評價體系的熵權特征量，結合大數(shù)據(jù)挖掘和智能調度，實現(xiàn)智能電網(wǎng)管理水平評價指標的量化評價[15]。根據(jù)智能電網(wǎng)管理水平評價指標量化評價的電流輸出I進行關聯(lián)分析，得到關聯(lián)權重系數(shù)為

D=(d1,I1),(d2,I2),…,(dn,In)，dn∈[0,1]

(14)

分析網(wǎng)絡節(jié)點導納，得到母線電壓幅值，通過熵權調度，得到智能電網(wǎng)管理水平評價指標量化回歸分析結果為

Jα(E)=∑ci=1ωαic(dic)2-V

(15)

式中，α表示智能電網(wǎng)管理水平評價指標量化評價的解耦系數(shù)，通過上述分析，實現(xiàn)智能電網(wǎng)管理水平評價指標量化評估。

3 仿真實驗分析

在Five ThirtyEight Datasets(https://github.com/fivethirtyeight/data)中選擇某智能電網(wǎng)的年際數(shù)據(jù)，以此為實驗樣本進行通過MATLAB仿真實驗驗證本文方法分析效能。其中，智能電網(wǎng)管理水平評價參數(shù)采樣的頻率為140 kHz，采樣時間寬度為T=4 ms，逆變側視在功率為120 kW，智能電網(wǎng)的側定電流控制定值為 2 kA，等值阻抗為10 kΩ。

將本文方法(模式1)與文獻[5](模式2)和文獻[6](模式3)兩種模式進行對比，比較直流電流和直流電壓的變化情況，得到智能電網(wǎng)的輸出電流、電壓參數(shù)如圖1所示。

(a) 模式1

以圖1的輸入?yún)?shù)為約束指標，建立智能電網(wǎng)管理水平評價指標參數(shù)模型，結合無功潮流耦合分析方法進行智能電網(wǎng)管理水平參數(shù)分析，得到優(yōu)化的管理水平評價，輸出結果如圖2所示。

(a) 模式1

分析圖2得知，本文方法進行智能電網(wǎng)管理水平評價指標量化評價，輸出的穩(wěn)定性較高。

測試輸出可靠性，得到對比結果見表1。

表1 可靠性測試

分析表1得知，本文方法進行智能電網(wǎng)管理水平評價指標量化評價的輸出可靠性較高。

4 總結

本文通過多參數(shù)指標融合和特征識別的方法，對智能電網(wǎng)管理水平的評價指標進行量化，提高了智能電網(wǎng)的管理水平。

結合無功潮流耦合分析方法，對智能電網(wǎng)管理水平的參數(shù)進行了分析，有效地得到了理想的電壓參數(shù)，分析了智能電網(wǎng)管理水平評價的量化特征。

結合大數(shù)據(jù)挖掘和智能調度，采用karenberg變換進行解耦分析，得到了反映智能電網(wǎng)管理水平的定量評價指標工頻零序電壓。采用熵權分析法對智能電網(wǎng)的管理水平進行評價。分析表明，定量分析智能電網(wǎng)管理水平評價指標的可靠性和穩(wěn)定性較高。