基于異常數(shù)據(jù)溢出的配電網(wǎng)暫態(tài)負荷監(jiān)測預(yù)警方法

王 丹，高梓翔，張 萍，程 飛

（國網(wǎng)湖北省電力有限公司十堰供電公司，湖北十堰 442000）

隨著配電網(wǎng)輸送規(guī)模的增大，由于配電網(wǎng)暫態(tài)負荷的不穩(wěn)定性，導(dǎo)致用戶停電事故的數(shù)量在不斷增加，同時也造成配電網(wǎng)異常數(shù)據(jù)溢出的控制能力較差，因此需要實時監(jiān)測預(yù)警配電網(wǎng)在運行過程中產(chǎn)生的暫態(tài)負荷，以保證配電網(wǎng)的安全、穩(wěn)定運行[1-2]。配電網(wǎng)中暫態(tài)負荷較為復(fù)雜，其網(wǎng)絡(luò)拓撲種類較多，暫態(tài)負荷監(jiān)測預(yù)警設(shè)備分布相對較為分散，且配電網(wǎng)中的潮流數(shù)據(jù)、頻率數(shù)據(jù)、電壓電流等數(shù)據(jù)隨機性較強，很難通過分析網(wǎng)絡(luò)拓撲與狀態(tài)數(shù)據(jù)的機理而保持配電網(wǎng)暫態(tài)負荷的穩(wěn)定性[3-4]。

基于此，國內(nèi)的學(xué)者們對其進行了細致地研究。有些學(xué)者綜合考慮了配電網(wǎng)發(fā)生停電事故概率，對其中的配電網(wǎng)暫態(tài)負荷各類指標(biāo)進行了量化，以此實現(xiàn)對配電網(wǎng)暫態(tài)負荷的監(jiān)測預(yù)警，有些學(xué)者提出了基于數(shù)據(jù)挖掘的配電網(wǎng)暫態(tài)負荷監(jiān)測預(yù)警方法，通過對配電網(wǎng)暫態(tài)負荷中各類狀態(tài)數(shù)據(jù)的挖掘?qū)崿F(xiàn)對暫態(tài)負荷的監(jiān)測預(yù)警，以上監(jiān)測預(yù)警方法中基于數(shù)據(jù)挖掘的監(jiān)測預(yù)警方法應(yīng)用效果更為理想，但監(jiān)測預(yù)警準(zhǔn)確度較低、監(jiān)測預(yù)警等級劃分不明確。

為了解決以上出現(xiàn)的問題，提出了基于異常數(shù)據(jù)溢出的配電網(wǎng)暫態(tài)負荷監(jiān)測預(yù)警方法，該方法通過設(shè)置預(yù)警等級，確定異常數(shù)據(jù)閾值，實現(xiàn)配電網(wǎng)暫態(tài)負荷的監(jiān)測預(yù)警，最后通過實驗驗證了所提方法的實際應(yīng)用效果。

1 配電網(wǎng)暫態(tài)負荷數(shù)據(jù)分析

配電網(wǎng)是一個大型的網(wǎng)絡(luò)系統(tǒng)，內(nèi)部數(shù)據(jù)包括電壓、電流、功率等數(shù)據(jù)，電力負荷作為能量的消耗者，在電力系統(tǒng)的控制中扮演著十分重要的角色。負荷數(shù)據(jù)具有隨機性、分散性和多樣性，非線性的分布特點使配電網(wǎng)暫態(tài)負荷數(shù)據(jù)分析難度加大，采用空間信息聚類分析法對異常數(shù)據(jù)特征進行辨識處理，以便通過異常數(shù)據(jù)溢出轉(zhuǎn)換控制得到配電網(wǎng)負荷數(shù)據(jù)模型[5-6]。

電力系統(tǒng)異常耗能擴散矩陣BN×1，其表達式為：

式中，TL×1為時間序列矩陣；SN×L為暫態(tài)數(shù)據(jù)屬性融合矩陣。根據(jù)配電網(wǎng)暫態(tài)負荷特征提取線路異常狀態(tài)的相同特征數(shù)據(jù)，得到配電網(wǎng)暫態(tài)線路輸出功耗特征量fij(n+1)。

基于確定的配電網(wǎng)分布特性f(si)，隨機負荷yR,j(n)，建立異常數(shù)據(jù)溢出密度函數(shù)：

根據(jù)AI 自主學(xué)習(xí)理論暫態(tài)負荷數(shù)據(jù)控制方法，得到負荷數(shù)據(jù)均衡輸出為：

2 配電網(wǎng)暫態(tài)負荷數(shù)據(jù)處理

配電網(wǎng)系統(tǒng)的負荷成分具有多樣化的特點，現(xiàn)有的負荷分析模型通常將其分為靜態(tài)和動態(tài)兩種方式分析，從而模擬現(xiàn)場負荷情況，但不能很好地體現(xiàn)負荷的暫態(tài)特性。因此該文采用神經(jīng)網(wǎng)絡(luò)方法建模，根據(jù)電流輸出大小，以受控電流為主體分析暫態(tài)負荷數(shù)據(jù)[9-12]。暫態(tài)負荷數(shù)據(jù)特性的神經(jīng)網(wǎng)絡(luò)控制模型如圖1 所示。

觀察圖1 可知，該模型原理是將負荷視為不可測但可以用受控電源代替的黑箱數(shù)據(jù)，將負荷實際電源輸入神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)，輸出電流作為神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的輸出。通過實際負荷群的實測電壓和電流數(shù)據(jù)神經(jīng)網(wǎng)絡(luò)控制進行訓(xùn)練，將實際電壓和電流歸一化處理，經(jīng)頻率為4 000 Hz 的濾波器處理，提取經(jīng)BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到的替代負荷的數(shù)據(jù)特征，下一步為實現(xiàn)配電網(wǎng)暫態(tài)負荷監(jiān)測和預(yù)警[13-14]。

3 實現(xiàn)配電網(wǎng)暫態(tài)負荷監(jiān)測預(yù)警

配電網(wǎng)系統(tǒng)的暫態(tài)數(shù)據(jù)具有功率特征，因此分析異常數(shù)據(jù)溢出的概率密度特征，統(tǒng)計特征量并量化表示，得到異常數(shù)據(jù)溢出的負荷數(shù)據(jù)特征量，配電網(wǎng)系統(tǒng)互動特征值計算公式為：

式中，為配電網(wǎng)系統(tǒng)互動特征值；為數(shù)據(jù)的負荷量；為方差矩陣，得到配電網(wǎng)系統(tǒng)監(jiān)測預(yù)警負載數(shù)據(jù)X的整體分布方式。

結(jié)合配電網(wǎng)工作特性對故障樣本數(shù)據(jù)處理，得到n+m+k(k＞0）時刻配電網(wǎng)工作特征分布函數(shù)為：

式中，dm(0) 為配電網(wǎng)系統(tǒng)工作狀態(tài)特征集；Xm+1(i) 為配電網(wǎng)系統(tǒng)監(jiān)測負載均衡度；Xi+1(i) 為樣本個數(shù)。

當(dāng)然，病毒感染會在一定程度上削弱孩子免疫系統(tǒng)的功能，細菌可能乘虛而入，會在原發(fā)病毒感染的基礎(chǔ)上出現(xiàn)二次感染。

根據(jù)調(diào)制分量，結(jié)合負荷樣本施加結(jié)果，采用模糊監(jiān)測方法控制配電網(wǎng)異常溢出數(shù)據(jù)，監(jiān)測預(yù)警過程如圖2 所示。

觀察圖2 可知，由于故障監(jiān)測特征曲線會受配電網(wǎng)均衡性影響，為矯正配電網(wǎng)均衡性造成的數(shù)據(jù)溢出控制能力減弱，除采用量化表征和模糊監(jiān)測方法控制配電網(wǎng)異常數(shù)據(jù)溢出外，引入異常數(shù)據(jù)溢出控制方法控制配電網(wǎng)系統(tǒng)均衡性，提高控制能力。在配電網(wǎng)數(shù)據(jù)異常監(jiān)測系統(tǒng)監(jiān)測到數(shù)據(jù)正常、異常及嚴(yán)重異常等狀態(tài)下，進行監(jiān)測預(yù)警，計算得出配電網(wǎng)系統(tǒng)關(guān)鍵特征量預(yù)測值，公式如下：

式中，N為特征量總數(shù)；為數(shù)據(jù)點的預(yù)測值。通過預(yù)測值可以分析配電網(wǎng)受異常數(shù)據(jù)影響的響應(yīng)特性，進而確定評價系數(shù)和指標(biāo)參數(shù)集，根據(jù)異常數(shù)據(jù)溢出控制方法控制系統(tǒng)均衡性，得到空間均衡聚類函數(shù)A：

利用式（8）確定權(quán)限閾值，建立預(yù)警模型，將配電網(wǎng)實施運行數(shù)據(jù)的時空特征引入到系統(tǒng)的監(jiān)測預(yù)警模型，以實現(xiàn)對配電網(wǎng)暫態(tài)負荷數(shù)據(jù)的監(jiān)測預(yù)警，權(quán)限閾值計算公式為：

式中，Je(k+1)為配電網(wǎng)系統(tǒng)監(jiān)測數(shù)據(jù)在第k+1時刻的預(yù)測值；為系統(tǒng)彈性模型量；Qα為下限參數(shù)；xcor(k+1)為上限參數(shù)，根據(jù)閾值權(quán)限公式設(shè)置預(yù)警等級：

根據(jù)預(yù)警等級，構(gòu)建配電網(wǎng)暫態(tài)負荷數(shù)據(jù)監(jiān)測預(yù)警模型如下：

式中，Q為監(jiān)測數(shù)據(jù)極限閾值，f1、f2分別為極大值和極小值狀態(tài)的判定參數(shù)，α1、α2分別為兩個不同的計算條件[15-16]。

4 實驗研究

為了驗證該文提出的基于異常數(shù)據(jù)溢出的配電網(wǎng)暫態(tài)負荷監(jiān)測預(yù)警方法的實際應(yīng)用效果，將基于數(shù)據(jù)挖掘的配電網(wǎng)暫態(tài)負荷預(yù)警方法（文獻[14]）與該文所提監(jiān)測預(yù)警方法進行了對比實驗。

為保證實驗結(jié)果的有效性和嚴(yán)謹(jǐn)性，首先需要分析配電中暫態(tài)負荷的關(guān)聯(lián)因素。以配電網(wǎng)100 條饋線、兩個配電網(wǎng)中采集的暫態(tài)負荷狀態(tài)數(shù)據(jù)為實驗基礎(chǔ)，以每條饋線上的暫態(tài)負荷數(shù)據(jù)為一個統(tǒng)計單位，對兩個配電網(wǎng)中的暫態(tài)負荷數(shù)據(jù)進行清洗和集成，并剔除暫態(tài)負荷數(shù)據(jù)中的離群樣本，得到剔除后的負荷關(guān)聯(lián)特征。采用深度殘差算法分析負荷關(guān)聯(lián)因素，獲得由負荷關(guān)聯(lián)特征組成的最優(yōu)負荷特征子集，利用深度殘差算法獲得最優(yōu)負荷特征值的權(quán)重取值范圍為0～1，并對其進行歸一化處理，特征值的權(quán)重表示負荷特征集中關(guān)聯(lián)因素的多少，特征集中的關(guān)聯(lián)信息達到94%，則可以確定負荷特征集中包含了大部分的負荷關(guān)聯(lián)因素。歸一化處理后的特征值的權(quán)重能夠表示負荷關(guān)聯(lián)因素的重要程度，篩選特征值中的閾值，將關(guān)聯(lián)度達到94%的負荷關(guān)聯(lián)因素進行有選擇性地剔除，留下關(guān)聯(lián)度在94%以下的負荷關(guān)聯(lián)因素，以降低因監(jiān)測預(yù)警配電網(wǎng)暫態(tài)負荷產(chǎn)生的影響，從負荷關(guān)聯(lián)因素分析的結(jié)果可知，影響配電網(wǎng)暫態(tài)負荷的因素不僅與配電網(wǎng)饋線的長度和暫態(tài)負荷分布有關(guān)，還與溫度、濕度等外界因素有關(guān)，剔除關(guān)聯(lián)度較高的負荷關(guān)聯(lián)因素后，可保證實驗的嚴(yán)謹(jǐn)性和有效性。

分析完配電網(wǎng)中暫態(tài)負荷的關(guān)聯(lián)因素后，選擇分析過程中的部分最優(yōu)負荷特征子集，表示配電網(wǎng)暫態(tài)負荷中的失負荷，由此表示此次配電網(wǎng)中異常數(shù)據(jù)溢出的嚴(yán)重程度，由于在配電網(wǎng)運行過程中，配電網(wǎng)饋線上暫態(tài)負荷的總量不同，對配電網(wǎng)暫態(tài)負荷進行監(jiān)測預(yù)警的信號頻率也不相同，因此在監(jiān)測預(yù)警時，需要根據(jù)不同的信號頻率和不同的暫態(tài)負荷總量劃分監(jiān)測預(yù)警等級，監(jiān)測預(yù)警等級不同，配電網(wǎng)暫態(tài)負荷監(jiān)測預(yù)警的效果不同，監(jiān)測預(yù)警等級劃分越多、越細致，則監(jiān)測預(yù)警效果越好。采用該文所提的監(jiān)測預(yù)警方法和基于數(shù)據(jù)挖掘的配電網(wǎng)暫態(tài)負荷監(jiān)測預(yù)警方法，劃分的監(jiān)測預(yù)警等級結(jié)果如圖3所示。

圖3 中，暫態(tài)負荷量實際值由負荷動態(tài)測試儀獲取。由圖3 可知，劃分暫態(tài)負荷量預(yù)警等級為四級，分別為正常、較高、嚴(yán)重和警示，采用數(shù)據(jù)挖掘的配電網(wǎng)暫態(tài)負荷監(jiān)測預(yù)警方法與暫態(tài)負荷量實際值相差較大，若發(fā)生數(shù)據(jù)異常，可能無法實時預(yù)警；該文提出的基于異常數(shù)據(jù)溢出的配電網(wǎng)暫態(tài)負荷監(jiān)測預(yù)警方法達到了標(biāo)準(zhǔn)預(yù)警等級，且與暫態(tài)負荷量實際值較為接近，說明當(dāng)數(shù)據(jù)異常時，該文方法可以實現(xiàn)積極預(yù)警，達到良好的預(yù)警效果。由此證明該文所提方法比基于數(shù)據(jù)挖掘的方法監(jiān)測預(yù)警效果好。

基于以上給出的配電網(wǎng)暫態(tài)負荷監(jiān)測預(yù)警等級劃分結(jié)果，并選擇部分最優(yōu)負荷特征子集，以監(jiān)測電流與實際電流的差異性為判斷標(biāo)準(zhǔn)，分析不同方法對配電網(wǎng)暫態(tài)負荷的監(jiān)測預(yù)警準(zhǔn)確性，對比實驗結(jié)果如圖4 所示。

由圖4 可知，在該文提出的監(jiān)測預(yù)警方法中，在不同的監(jiān)測預(yù)警等級下，監(jiān)測預(yù)警的準(zhǔn)確率與實際值基本一致，監(jiān)測預(yù)警失誤率非常低，在基于數(shù)據(jù)挖掘的配電網(wǎng)暫態(tài)負荷監(jiān)測預(yù)警方法中，在三種監(jiān)測預(yù)警等級下，監(jiān)測預(yù)警的準(zhǔn)確率相較于所提方法更高，監(jiān)測失誤率高于該文所提方法的失誤率，由此可驗證，該文所提的方法在監(jiān)測預(yù)警配電網(wǎng)暫態(tài)負荷時，具有較高準(zhǔn)確性。

5 結(jié)束語

由于配電網(wǎng)系統(tǒng)暫態(tài)負荷數(shù)據(jù)具有隨機性、分散性、多樣性和非線性的特點，導(dǎo)致監(jiān)測預(yù)警效果不理想。為此，該文提出了一種基于異常數(shù)據(jù)溢出的配電網(wǎng)暫態(tài)負荷數(shù)據(jù)的監(jiān)測預(yù)警方法，通過設(shè)置電力調(diào)度系統(tǒng)監(jiān)測預(yù)警等級，建立了監(jiān)測預(yù)警模型，實現(xiàn)了配電網(wǎng)暫態(tài)負荷數(shù)據(jù)監(jiān)測和預(yù)警。該文方法對配電網(wǎng)暫態(tài)數(shù)據(jù)的監(jiān)測預(yù)警精度較高，效果較好，提高了自動化監(jiān)測預(yù)警能力。