分布式新能源接入電網(wǎng)的電能質(zhì)量異常監(jiān)測方法研究

周鳳華,王艷芹,張海寧,燕 凱,苗宏佳

(國網(wǎng)承德供電公司計量中心,河北 承德 067000)

0 引言

分布式新能源系統(tǒng)能夠?qū)⑶鍧嵭履茉春涂稍偕茉崔D(zhuǎn)換為電能接入電網(wǎng)[1]。但受新能源不可預(yù)測性影響,將其接入電網(wǎng)可能引起電壓波形畸變、電壓波動等問題[2],造成配電網(wǎng)和輸電網(wǎng)異常。構(gòu)建電能質(zhì)量異常監(jiān)測能夠?qū)崟r監(jiān)控并掌握電網(wǎng)電能質(zhì)量狀態(tài),分析電能質(zhì)量問題出現(xiàn)的規(guī)律,實現(xiàn)電網(wǎng)高質(zhì)量電能輸出[3]。因此,研究分布式新能源接入電網(wǎng)的電能質(zhì)量異常監(jiān)測具有重要意義。

劉杰等[4]引入控制圖中心控制線以替代傳統(tǒng)電能質(zhì)量數(shù)據(jù)變化趨勢,轉(zhuǎn)換直線控制線為曲線,采用差分整合移動平均自回歸模型對控制線進(jìn)行動態(tài)計算,從而實現(xiàn)電能質(zhì)量異常監(jiān)測。李波等[5]采用小波分解法分解常規(guī)電壓和常見電能質(zhì)量擾動信號,以得到小波系數(shù)能量熵;通過遺傳算法訓(xùn)練支持向量機(jī),將小波系數(shù)的能量熵輸入訓(xùn)練后的支持向量機(jī)中,以實現(xiàn)電能質(zhì)量異常監(jiān)測。凌萬水等[6]通過直方圖提取大部分電能質(zhì)量異常類并采用離散小波變換提取電能質(zhì)量特征,將提取的特征輸入極限學(xué)習(xí)機(jī)中以實現(xiàn)電能質(zhì)量異常監(jiān)測。

分布式新能源接入電網(wǎng)易沖擊電網(wǎng)電能質(zhì)量。電能質(zhì)量異常監(jiān)測需要結(jié)合異常電壓數(shù)據(jù)。但是這種沖擊破壞了電壓數(shù)據(jù)的完整性。以上方法沒有考慮采集到數(shù)據(jù)的信息缺失問題,導(dǎo)致查準(zhǔn)率和查全率較低、訓(xùn)練和測試所用時間較長。

為了解決上述方法中存在的問題,本文提出分布式新能源接入電網(wǎng)的電能質(zhì)量異常監(jiān)測方法。該方法采用最小二乘支持向量機(jī),以填補(bǔ)電壓信號中的缺失數(shù)據(jù)、提高數(shù)據(jù)質(zhì)量,從而得到更理想的查準(zhǔn)率和查全率。該方法利用小波變換提取電能質(zhì)量特征,使用反向傳播(back propagation,BP)神經(jīng)網(wǎng)絡(luò)作為電能質(zhì)量異常監(jiān)測模型,基于樽海鞘群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)對電能質(zhì)量的異常監(jiān)測,以此縮短訓(xùn)練時間和測試時間,為電網(wǎng)的穩(wěn)定運行奠定基礎(chǔ)。

1 提取電能質(zhì)量擾動電壓數(shù)據(jù)特征

1.1 電能質(zhì)量缺失電壓數(shù)據(jù)填補(bǔ)

針對分布式新能源電壓信號非線性特點,所提方法引入最小二乘支持向量機(jī)[7]以填補(bǔ)電壓信號中的缺失數(shù)據(jù)。本文以{xi,yi}表示電壓數(shù)據(jù)樣本集,i∈[1,m],xi為m維向量,yi為一維向量;采用函數(shù)H(x)映射輸入向量x至n維特征空間;設(shè)σ和b均為待求參數(shù)。本文假設(shè)函數(shù)y(x)滿足以下關(guān)系:

y(x)=σH(x)+b

(1)

參數(shù)σ和b是決定最小二乘支持向量機(jī)回歸精度的關(guān)鍵。因此,本文引入綜合學(xué)習(xí)粒子群算法優(yōu)化σ和b[8]。主要優(yōu)化流程如下。

①將多維數(shù)據(jù)輸入最小二乘支持向量機(jī)后,輸出一維數(shù)據(jù)。

②初始化綜合學(xué)習(xí)粒子群算法相關(guān)參數(shù)。

③采用綜合學(xué)習(xí)粒子群算法確定σ和b的初始值σ0和b0。

④通過當(dāng)前σ和b的最優(yōu)值構(gòu)建最小二乘支持向量機(jī)模型,對每個個體和全局適應(yīng)度加以計算,從而獲取下一個最優(yōu)超參數(shù)σbest和bbest。

⑤重復(fù)執(zhí)行步驟④,直到滿足終止條件。

⑥利用得到的σbest和bbest生成歸一化插補(bǔ)值,將該值反歸一化處理即可得到電壓信號數(shù)據(jù)插補(bǔ)值,從而實現(xiàn)缺失數(shù)據(jù)填補(bǔ)。

1.2 電能質(zhì)量數(shù)據(jù)分布特征

小波變換是用于信號時頻特征分析的有效工具[9],能夠依據(jù)信號頻率變換情況對窗口大小加以調(diào)節(jié)。為了減少后續(xù)電能質(zhì)量異常監(jiān)測模型輸入向量的波動,本文采用每層小波變換系數(shù)生成小波變換電能質(zhì)量數(shù)據(jù)分布,以表述分解層能量。其方法如下。

①假設(shè)對信號實行J層分解,設(shè)信號長度為n,并將生成的小波變換系數(shù)記作dj(n)和aj(n)(j=1,2,…,J),則小波變換能量分布Edj和Eaj如式(2)所示。

(2)

通過式(2)計算可得到(J+1)個特征量。本文將全部向量匯總記作向量Esig=[Ed1,Ed2,…,Edj,Eaj]。

②依據(jù)常見電能質(zhì)量擾動信號特征和標(biāo)準(zhǔn)信號參數(shù)模型方程,對相應(yīng)能量分布加以計算。計算過程中,能量取值全部為正值。由于各能量特征之間差異較小,導(dǎo)致最終電能質(zhì)量異常監(jiān)測困難。

因此,本文計算參考信號能量分布,匯總生成向量Eref=[End1,End2,…,Endj,Enaj],并計算兩者差值以得到差值能量ΔE=Esig-Eref=[ΔEd1,ΔEd2,…,ΔEdj,ΔEnaj]。ΔE特征性較強(qiáng)。將ΔE作為電能質(zhì)量異常監(jiān)測輸入向量,有利于提高監(jiān)測精度。

2 電能質(zhì)量異常監(jiān)測方法

2.1 BP神經(jīng)網(wǎng)絡(luò)設(shè)計

本文采用BP神經(jīng)網(wǎng)絡(luò)[10]作為電能質(zhì)量異常監(jiān)測模型,將輸入值輸入模型以執(zhí)行正向傳播,經(jīng)隱含層激勵函數(shù)處理后與真實數(shù)據(jù)進(jìn)行比較。若誤差不符合期望精度,則執(zhí)行誤差BP[11],通過不斷調(diào)節(jié)權(quán)值和閾值以達(dá)到訓(xùn)練要求。

①確定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和初始權(quán)值、閾值。

②設(shè)f(·)為隱含層激勵函數(shù),則經(jīng)信號正向傳播可得zj和yk。

(3)

(4)

④設(shè)η為學(xué)習(xí)效率。權(quán)值和閾值的更新規(guī)則如式(5)所示。

(5)

⑤重復(fù)以上計算過程,直至達(dá)到最大訓(xùn)練次數(shù)或精度滿足預(yù)期要求。

2.2 樽海鞘群算法設(shè)計

(6)

(7)

本文對樽海鞘的適應(yīng)度進(jìn)行持續(xù)計算,在達(dá)到最大迭代次數(shù)前不斷更新領(lǐng)導(dǎo)樽海鞘和追隨樽海鞘位置,直至獲取最佳適應(yīng)度所處位置。

2.3 電能質(zhì)量異常監(jiān)測方法設(shè)計

BP神經(jīng)網(wǎng)絡(luò)的監(jiān)測性能受初始權(quán)值和閾值的直接影響,采用樽海鞘群算法優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)可對電能質(zhì)量進(jìn)行異常監(jiān)測。其主要通過以下步驟實現(xiàn)電能質(zhì)量異常監(jiān)測。

①參數(shù)初始化:對相關(guān)參數(shù)進(jìn)行預(yù)處理,并確定適應(yīng)度函數(shù)。

②計算適應(yīng)度:對樽海鞘群進(jìn)行初始化,確定食物位置和樽海鞘位置后對其進(jìn)行更新,以計算適應(yīng)度值。

③判斷:若達(dá)到最高迭代次數(shù),則繼續(xù)步驟④;否則,重新計算食物位置和樽海鞘位置。

④誤差計算:確定神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)后,對權(quán)值和閾值進(jìn)行初始化處理,并計算輸出層輸出與期望輸出的誤差。

⑤獲取異常監(jiān)測結(jié)果:根據(jù)計算結(jié)果更新權(quán)值和閾值。若滿足訓(xùn)練終止條件,則訓(xùn)練完成,輸出最終監(jiān)測結(jié)果;若不滿足訓(xùn)練終止條件,則返回步驟④ 。

本文將小波變換能量分布與參考信號能量分布差值ΔE輸入至訓(xùn)練后BP神經(jīng)網(wǎng)絡(luò)輸入層中,并輸出監(jiān)測結(jié)果,以實現(xiàn)電能質(zhì)量異常監(jiān)測。

3 試驗與結(jié)果

為了驗證分布式新能源接入電網(wǎng)的電能質(zhì)量異常監(jiān)測方法的有效性,本文選取某市監(jiān)測點電壓數(shù)據(jù)作為試驗數(shù)據(jù),以文獻(xiàn)[5]方法和文獻(xiàn)[6]方法作為對照。監(jiān)測指標(biāo)選取常見的電壓偏差指標(biāo)。

試驗數(shù)據(jù)波形如圖1所示。

圖1 試驗數(shù)據(jù)波形圖

由圖1可知,某市監(jiān)測點電壓數(shù)據(jù)存在一定程度的波動情況。其中,正常數(shù)據(jù)的電壓波動范圍在-0.6～-0.2 V之間,而異常數(shù)據(jù)的電壓波動范圍在-0.1～+0.2 V之間,波動范圍較大。根據(jù)試驗數(shù)據(jù)波形測試三種方法的監(jiān)測效果。

不同方法的監(jiān)測結(jié)果如圖2所示。由圖2可知,利用所提方法監(jiān)測到的異常數(shù)據(jù)和正常數(shù)據(jù)波形與原始數(shù)據(jù)波形更為接近,而文獻(xiàn)[5]和文獻(xiàn)[6]方法監(jiān)測結(jié)果與原始數(shù)據(jù)波形相比均存在一定偏差。這說明所提方法具有良好的監(jiān)測效果。所提方法通過綜合學(xué)習(xí)粒子群算法獲取模型超參數(shù),優(yōu)化最小二乘支持向量機(jī)模型,填補(bǔ)了電壓信號缺失數(shù)據(jù),可準(zhǔn)確監(jiān)測電網(wǎng)數(shù)據(jù)。

圖2 不同方法的監(jiān)測結(jié)果

為了進(jìn)一步對比所提方法、文獻(xiàn)[5]方法和文獻(xiàn)[6]方法的監(jiān)測結(jié)果,本文引入查準(zhǔn)率和查全率,以量化三種方法的監(jiān)測結(jié)果。查準(zhǔn)率和查全率越接近于100%,則對應(yīng)方法監(jiān)測效果越好。

查準(zhǔn)率和查全率監(jiān)測結(jié)果如表1所示。

表1 查準(zhǔn)率和查全率監(jiān)測結(jié)果

由表1可知,在電壓偏差監(jiān)測試驗中,所提方法的查準(zhǔn)率和查全率均在95%以上,始終高于文獻(xiàn)[5]方法和文獻(xiàn)[6]方法。這說明所提方法的電能質(zhì)量異常監(jiān)測結(jié)果優(yōu)于另外兩種方法。因為所提方法在監(jiān)測電能質(zhì)量異常前對采集到的數(shù)據(jù)進(jìn)行了預(yù)處理,采用最小二乘支持向量機(jī)填補(bǔ)其中的缺失數(shù)據(jù),提高了數(shù)據(jù)質(zhì)量,所以得到了更理想的查準(zhǔn)率和查全率。

電能質(zhì)量異常監(jiān)測對實時性有較高要求,因此需對所提方法、文獻(xiàn)[5]方法和文獻(xiàn)[6]方法監(jiān)測模型的訓(xùn)練時間和測試時間加以統(tǒng)計。

訓(xùn)練和測試時間監(jiān)測結(jié)果如表2所示。

表2 訓(xùn)練和測試時間監(jiān)測結(jié)果

由表2可知,所提方法訓(xùn)練時間在15 ms左右,而文獻(xiàn)[5]方法和文獻(xiàn)[6]方法均在40 ms以上;所提方法測試時間在15 ms以內(nèi),而文獻(xiàn)[5]方法和文獻(xiàn)[6]方法均在15 ms以上。由此可知,所提方法訓(xùn)練和測試所用時間均小于另外兩種方法,表明所提方法更符合電能質(zhì)量監(jiān)測的實時性要求。

4 結(jié)論

本文提出了分布式新能源接入電網(wǎng)的電能質(zhì)量異常監(jiān)測方法。該方法首先采用通過綜合學(xué)習(xí)粒子群算法優(yōu)化后的最小二乘支持向量機(jī)填補(bǔ)電壓信號缺失數(shù)據(jù);然后引入小波變換分解電壓信號獲取能量分布與標(biāo)準(zhǔn)信號能量分布的差值;最后采用樽海鞘群優(yōu)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò),將差值輸入至訓(xùn)練后BP神經(jīng)網(wǎng)絡(luò)中,以實現(xiàn)電能質(zhì)量異常監(jiān)測。該方法能夠有效地提升查準(zhǔn)率和查全率、縮短訓(xùn)練時間和測試時間,從而保證電網(wǎng)的穩(wěn)定運行。