系統(tǒng)諧波阻抗估計的自適應K均值聚類方法

吳永云，陳適，尹紹陽，姜韜，華回春

(1.云南電網(wǎng)有限責任公司曲靖供電局，云南 曲靖655000；2. 新能源電力系統(tǒng)國家重點實驗室(華北電力大學)，河北 保定071003)

?

系統(tǒng)諧波阻抗估計的自適應K均值聚類方法

吳永云1，陳適1，尹紹陽1，姜韜1，華回春2

(1.云南電網(wǎng)有限責任公司曲靖供電局，云南 曲靖655000；2. 新能源電力系統(tǒng)國家重點實驗室(華北電力大學)，河北 保定071003)

傳統(tǒng)系統(tǒng)諧波阻抗估計的主導波動量法以及阻抗歸一化法，需要人工手動調(diào)整篩選參數(shù)和邊界條件，主觀性強且不易精確。為了彌補這些缺陷，提出諧波阻抗計算的自適應K均值聚類方法。首先對測量點處的諧波電壓和諧波電流數(shù)據(jù)進行分組回歸，計算一系列系統(tǒng)諧波阻抗的近似值；然后利用自適應K均值聚類方法對近似值進行聚類；最后，在定義緊密度指標的基礎上，選擇緊密度最優(yōu)的聚類中心作為系統(tǒng)諧波阻抗估計結果。仿真驗證和實測數(shù)據(jù)表明：與傳統(tǒng)主導波動量法和阻抗歸一化法相比較，自適應K均值聚類方法不僅能夠提高估計精度，而且能夠實現(xiàn)無需人工干預的自適應計算。

電能質(zhì)量；諧波阻抗；分組回歸；K均值聚類；自適應

全國范圍內(nèi)頻發(fā)的霧霾天氣，凸顯了大規(guī)模開發(fā)利用化石能源帶來的環(huán)境危機，以新能源大規(guī)模開發(fā)利用為特征的能源變革正在世界范圍內(nèi)蓬勃興起。在這一背景下，2009年5月，國家電網(wǎng)公司正式啟動了堅強智能電網(wǎng)的發(fā)展戰(zhàn)略。經(jīng)過多年的發(fā)展，根據(jù)國家能源局2014年10月公布的數(shù)據(jù)，中國可再生能源發(fā)電累計裝機容量突破400 GW，在電力裝機總容量中所占比例超過30%，是全球可再生能源利用規(guī)模的第一大國。在此基礎上，2015年2月國家電網(wǎng)公司啟動了能源互聯(lián)網(wǎng)計劃。未來的能源互聯(lián)網(wǎng)是網(wǎng)架堅強、廣泛互聯(lián)、高度智能、開放互動的堅強智能電網(wǎng)，能源互聯(lián)網(wǎng)將最大限度地適應新能源的接入。

大量接入的新能源所產(chǎn)生的諧波將會惡化能源互聯(lián)網(wǎng)的電能質(zhì)量，因此在新能源并網(wǎng)過程中需要評估新能源在并網(wǎng)點的諧波是否超限。諧波發(fā)射水平是常用的衡量指標，準確計算系統(tǒng)諧波阻抗是計算諧波發(fā)射水平的關鍵[1-4]。

針對系統(tǒng)諧波阻抗的計算，在實際工程中應用較多的是波動量法[5]。波動量法有一個重要的前提，即假設公共連接點的諧波波動均由用戶側主導產(chǎn)生，忽略了背景諧波波動對計算結果的影響。為此，有關學者提出了波動量法的改進方法，即主導波動量法[6-8]和阻抗歸一化法[9]。主導波動量法在傳統(tǒng)波動量法的基礎上引入了奈爾篩選方法，通過設定奈爾系數(shù)對公共連接點的采樣數(shù)據(jù)進行篩選，得到由用戶側主導產(chǎn)生的諧波波動數(shù)據(jù)，以此進行系統(tǒng)諧波阻抗的估算。阻抗歸一化法利用公共連接點的全部采樣數(shù)據(jù)計算系統(tǒng)諧波阻抗，然后以系統(tǒng)諧波阻抗的計算結果為縱坐標，以用戶側諧波電流波動量為橫坐標，描繪阻抗歸一化趨勢圖，通過設定聚合區(qū)邊界條件估算系統(tǒng)諧波阻抗。改進方法雖在一定程度上提高了計算結果的精度，但對奈爾系數(shù)和聚合區(qū)邊界條件的選擇依賴性太強，而二者的選擇具有很強的主觀性，若選擇不當，會造成部分有效估計信息的刪失，使誤差變大。同時，從數(shù)學角度看，系統(tǒng)諧波阻抗?jié)M足的模型是部分線性回歸模型[10-15]。

考慮到測量數(shù)據(jù)均為電壓、電流相量值，本文擬在復數(shù)域引入自適應K均值聚類[16-19]方法求解部分線性回歸模型。首先基于分組回歸估計系統(tǒng)諧波阻抗的近似值，再定義緊密度指標，根據(jù)緊密度越小越優(yōu)的原則，以期在最優(yōu)聚類結果的基礎上得到諧波阻抗的準確值。此方法避免了外界主觀因素對系統(tǒng)諧波阻抗計算結果的影響，仿真驗證與實測數(shù)據(jù)分析都表明此方法的有效性。

1　基于分組回歸估計系統(tǒng)諧波阻抗的近似值

圖1　關注母線處多負荷接入模型

(1)

(2)

其中：

進一步假設在第p組數(shù)據(jù)內(nèi)背景諧波電壓基本不變，將式(1)近似為復線性回歸模型，即

(3)

記：

因此可將式(2)表示為矩陣形式，即

y=Ax.

則第p組諧波阻抗和背景諧波電壓的求解結果為

將每組x的第一維分量取出來，可得系統(tǒng)諧波阻抗的近似值：

在復線性回歸模型中，系統(tǒng)諧波阻抗基本不變的假設是可以滿足的，但是背景諧波電壓往往是變化的。當背景諧波電壓變化時，式(3)的求解會有很大的誤差，相應地會造成諧波阻抗估計結果不準確。但是，由于分組線性回歸只取很短時間內(nèi)相鄰的5個諧波測量數(shù)據(jù)進行回歸，因此在某些組內(nèi)背景諧波電壓基本不變的概率很大，通過這些組計算得到的系統(tǒng)諧波阻抗結果會非常準確，并且呈現(xiàn)聚集特征，因此可以通過聚類分析的方法將這些準確的系統(tǒng)諧波阻抗確定出來。下面提出通過自適應K均值算法和緊密度指標尋找近似值中系統(tǒng)諧波阻抗的準確值。

2　自適應K均值聚類與諧波阻抗估計值

2.1自適應K均值聚類

傳統(tǒng)的K均值聚類需要預先給定聚類數(shù)k，k值是否合適決定了聚類效果的好壞。本文將聚類數(shù)k在最小可能值到最大可能值之間進行遍歷，在每一個k值下進行聚類分析，選用Silhouette指標評估聚類質(zhì)量，將最優(yōu)聚類質(zhì)量對應的聚類輸出。

用于評估聚類質(zhì)量的Silhouette指標

式中：a(i)為樣本i與類內(nèi)所有其他樣本的平均距離，b(i)為樣本i到其他每個類中樣本平均距離的最小值。Silhouette指標表達了每個樣本與同一聚類樣本的相似度以及與其他聚類樣本的不相似度，因此可以用于檢驗聚類的有效性。Silhouette指標的取值在[-1,1]范圍內(nèi)變動，所有樣本的Silhouette指標平均值越大，表示聚類質(zhì)量越好。

自適應的K均值算法步驟：

b)對于k=kmin，kmin+1，…，kmax，選定k個初始聚類中心z1，z2，…，zk。

c)對每個諧波阻抗樣本ZhX,A(i)，找到離它最近的聚類中心zv，并將其分配到zv所在的類。

d)采用平均值法計算重新分類后的聚類中心。

f)如果D值收斂，計算Silhouette指標平均值Sk，否則返回步驟c。

g)比較各Silhouette指標平均值，其中最大值所對應的k為最佳聚類數(shù)kopt。

h)輸出kopt對應的聚類結果。

2.2初始聚類中心

初始聚類中心可以隨意選定，但容易導致聚類結果不穩(wěn)定。為了避免這個問題，采用最大最小距離原則確定初始聚類中心。最大最小距離原則的基本思想是取盡可能遠的對象作為聚類中心，從而避免初值選取時初始聚類中心過于鄰近的情況。最大最小距離原則確定初始聚類中心的算法步驟描述如下：

a)根據(jù)數(shù)據(jù)集的特征，選取距離所有樣本中心(均值)最近的一個樣本作為第1個初始聚類中心z1。

b)當搜索聚類數(shù)為2時，從待分類的樣本中選出距離z1最遠的樣本作為第2個聚類中心z2，輸出2個聚類中心。

c)當搜索聚類數(shù)為3時，計算未被作為聚類中心的各樣本與z1、z2之間的距離，并求出它們之中的最小值di，根據(jù)Dt=max{di}，選擇第t個樣本作為第3個初始聚類中心。

d)當搜索聚類數(shù)為k，并且k≤kmax時，針對已存在的k-1個初始聚類中心，計算未被作為聚類中心的各樣本到各聚類中心的距離dij，并算出Dr=max{di1，di2，…，di(k-1)}，選擇第r個樣本作為第k個初始聚類中心，輸出k個初始聚類中心。

在諧波阻抗的近似值中，準確的諧波阻抗值會以較大的概率出現(xiàn)，從而形成一個聚集類。所呈現(xiàn)的聚集特點用緊密度指標來表征，緊密度指標越小越好。緊密度指標定義為：

式中：A(i)為第i個聚類的緊密度，ni為第i類的數(shù)據(jù)個數(shù)，xij為第i類的第j個數(shù)據(jù)。

根據(jù)緊密度指標可以在最優(yōu)聚類中將準確諧波阻抗聚集類選擇出來，并將準確諧波阻抗聚集類的中心確定為諧波阻抗的準確值。

3　仿真驗證

圖2為IEEE-14節(jié)點系統(tǒng)，該系統(tǒng)中包含2臺發(fā)電機、3臺同步調(diào)相機、14條母線、15條輸電線路以及3臺變壓器。在仿真過程中，將次暫態(tài)電抗等值為發(fā)電機和同步調(diào)相機，將阻抗等值為變壓器，并以π型等值電路等效輸電線路。本文仿真環(huán)境設置為背景諧波源幅值變動，相位恒定為74.25°。

圖2　IEEE-14節(jié)點系統(tǒng)

在PSCAD/EMTDC環(huán)境中仿真，假設關注母線為母線11，HL1和HL2為接入母線11處的2個諧波源，其中HL1為關注諧波源，諧波源HL2和系統(tǒng)中發(fā)電機產(chǎn)生的諧波構成背景諧波，仿真計算除諧波源HL1以外的系統(tǒng)其余部分的等效諧波阻抗。根據(jù)置零法，可得此系統(tǒng)的諧波阻抗真值為2.901 5∠80.490 1° Ω。

以5次諧波為例，諧波源HL1和HL2的5次諧波電流采用文獻[20]中的經(jīng)典曲線(分別如圖3和圖4所示)，1 min 1個樣本點，一天1 440個樣本點。

圖3　諧波源HL1注入母線的5次諧波電流信號

圖4　諧波源HL2注入母線的5次諧波電流信號

分別測量母線11處電壓的幅值和相位，以及諧波源HL1注入母線處電流的幅值和相位，經(jīng)過快速傅里葉變換分解后，5次諧波電壓、電流測量值分別如圖5和圖6所示。

圖5　母線11處5次諧波電壓測量值

圖6　諧波源HL1注入母線11處5次諧波電流測量值

仿真得到1 440組電壓和電流數(shù)據(jù)，將這些采樣數(shù)據(jù)進行分組回歸。按每5個數(shù)據(jù)為1組，可分為288組，將每組的第1維分量提取出來，得到288個系統(tǒng)諧波阻抗值，即系統(tǒng)諧波阻抗的近似值。得到近似值后，便可以通過自適應K均值聚類的方法，確定出背景諧波電壓基本不變時所在組的系統(tǒng)諧波阻抗。最優(yōu)聚類結果如圖7所示，其中初始聚類中心由最大最小原則確定。

圖7　輸出最優(yōu)聚類結果

由圖7可知，最優(yōu)聚類數(shù)為2，聚類中心分別為2.761 9∠78.481 8° Ω與21.374 3∠63.406 1° Ω，其緊密度分別為1.612 2與10.018 7。根據(jù)緊密度越小聚類結果越優(yōu)的性質(zhì)，可得系統(tǒng)諧波阻抗準確值為2.761 9∠78.481 8° Ω，與真實值的相對誤差為5.902 7%。

將仿真數(shù)據(jù)分別用主導波動量法及阻抗歸一化法計算系統(tǒng)諧波阻抗，結果見表1。

表1等效諧波阻抗各算法結果比較

算法等效諧波阻抗/Ω誤差/%阻抗歸一化法3.4272∠68.6176°28.2837主導波動量法2.9113∠77.0863°5.9594本文方法2.7619∠78.4818°5.9027

由表1可知：本文方法的誤差幾乎是阻抗歸一化法的1/6，與主導波動量法相比，估計結果也更為準確。此外，本文方法是自適應計算的結果，整個估計過程中無需手動調(diào)整參數(shù)或條件。

4　實測數(shù)據(jù)分析

實測數(shù)據(jù)來自某35 kV變電站，測試點為用戶進線處，35 kV母線的短路容量為300 MVA，用戶接入系統(tǒng)的主接線如圖8所示。

圖8　系統(tǒng)接線

用戶目前所用的電能質(zhì)量檢測儀器往往只能夠得到諧波電壓和諧波電流的幅值，以及它們之間的相位差，故在實測數(shù)據(jù)中利用以上3組數(shù)據(jù)來求解系統(tǒng)諧波阻抗。11次諧波電壓、電流的有效值，以及電壓與電流的相位差如圖9所示。

U—負荷并網(wǎng)點處11次諧波電壓，I—諧波源負荷的11次諧波電流，φ—11次諧波電壓超前諧波電流的角度。圖9　實測數(shù)據(jù)

在實際系統(tǒng)中，一般無法準確得知系統(tǒng)諧波阻抗的真實值，因而采用主導波動量法、阻抗歸一化法以及本文方法進行比較。此數(shù)據(jù)共計420組，利用分組回歸的方法得到84個系統(tǒng)諧波阻抗值，此為系統(tǒng)諧波阻抗近似值。由自適應K均值算法輸出最優(yōu)聚類結果，如圖10所示。

圖10　實測數(shù)據(jù)輸出最優(yōu)聚類結果

由圖10可得：最佳聚類數(shù)為2，聚類中心分別為40.931 9∠83.858 6° Ω與144.245 3∠-50.167 7° Ω，緊密度分別為8.913 7與53.697 3。緊密度越小聚類結果越好，且聚類結果最優(yōu)一類的聚類中心即為所求系統(tǒng)諧波阻抗值，因此采用本文方法、主導波動量法、阻抗歸一化法得到的系統(tǒng)諧波阻抗值分別為40.931 9∠83.858 6° Ω、43.617 6∠84.195 6° Ω、44.496 2∠97.241 4° Ω。3種方法結果相近，由此可知本文所提方法可行且有效。

5　結論

準確計算系統(tǒng)諧波阻抗是估計用戶諧波發(fā)射水平的前提。主導波動量法需要設置奈爾系數(shù)以篩選用戶側占主導的數(shù)據(jù)，阻抗歸一化法需要主觀調(diào)整聚合區(qū)邊界條件，因此這兩種方法均需要人工干預。本文提出一種利用分組回歸與自適應K均值算法相結合的方法，來替代上述方法中的手動設置，從而實現(xiàn)系統(tǒng)諧波阻抗計算的自適應估計。仿真驗證與實測數(shù)據(jù)均表明，與傳統(tǒng)的主導波動量法和阻抗歸一化法相比較，本文方法能夠有效避免人工主觀干預，同時輸出更加準確的系統(tǒng)諧波阻抗估計結果。

[1] 肖湘寧.電能質(zhì)量分析與控制[M]. 北京：中國電力出版社，2010：187-191.

[2] SRINIVASAN K.On Separating Customer and Supply Side Harmonic Contributions[J].IEEE Transactions on Power Delivery，1996，11(12): 1003-1012.

[3] MOUSTAFA A A，MOUSSA A M，EL-GAMMAL M A.Separation of Customer and Supply Harmonics in Electrical Power Distributions Systems[C]//9th ICHQP Proceedings，October 1-4,2000,Orlando,Florida,USA. Piscataway: IEEE，2000：1035-1040.

[4] XU Wilsun，LIU Yilu.A Method for Determining Customer and Utility Harmonic Contribution at the Point of Common Coupling[J].IEEE Transactions on Power Delivery，2000，15(2)：3-16.

[5] 龔華麟，肖先勇，劉亞梅，等.基于主導波動量篩選原理的用戶諧波發(fā)射水平估計方法[J].中國電機工程學報，2010，30(4): 22-27.

GONG Hualin，XIAO Xianyong，LIU Yamei，et al. A Method for Assessing Customer Harmonic Emission Level Based on the Dominant Fluctuation Filtering Principle[J].Proceedings of the CSEE，2010，30(4)：22-27.

[6] 李洋，劉自發(fā)，王詩超.波動量法中臨界電流數(shù)據(jù)篩選策略的可行性研究[J].華北電力大學學報，2012，39(2): 28-33，38.

LI Yang，LIU Zifa，WANG Shichao.Feasibility Research on the Selection Strategy of Critical Current Data in the Fluctuation Method[J].Journal of North China Electric Power University，2012，39(2)：28-33，38.

[7] 王詩超，沈沉，程建洲.考慮電流波動特性的系統(tǒng)側諧波阻抗估計方法[J].電力系統(tǒng)自動化，2012，36(3)：65-70.

WANG Shichao，SHEN Chen，CHENG Jianzhou.A Power System Harmonic Impedance Assessment Method Considering Current’s Fluctuation Characteristic[J].Automation of Electric Power Systems，2012，36(3)：65-70.

[8] 王詩超，沈沉，李洋，等.基于波動量法的系統(tǒng)側諧波阻抗幅值估計精度評價方法[J].電網(wǎng)技術，2012，36(5)：145-149.

WANG Shichao，SHEN Chen，LI Yang, et al. A Fluctuation Quantity Based Method to Evaluate Estimation Precision of Harmonic Impedance Amplitude at System Side[J].Power System Technology，2012，36(5)：145-149.

[9] 惠錦，楊洪耕，葉茂清.基于阻抗歸一化趨勢判別的諧波發(fā)射水平估計[J].中國電機工程學報，2011，31(10)：73-80.

HUI Jin，YANG Honggeng，YE Maoqing.Assessing Harmonic Emission Level Based on the Impedance Gathering Trend Discrimination[J].Proceedings of the CSEE，2011，31(10)：73-80.

[11] BOENTE G，HE X M，ZHOU J H.Robust Estimates in Generalized Partially Linear Models[J].The Annals of Statistics，2006，34(6)：2856-2878.

[12] 趙培信.半?yún)?shù)變系數(shù)部分線性模型的統(tǒng)計推斷[D].北京：北京工業(yè)大學，2010.

[13] 魏傳華，吳喜之.兩個部分線性模型的比較[J].統(tǒng)計研究，2008，25(1)：82-85.

WEI Chuanhua，WU Xizhi.Comparison on Two Partially Linear Models[J].Statistical Research，2008，25(1)：82-85.

[14] SPECKMAN P.Kernel Smoothing in Partial Linear Models [M].Boca Raton:CRC Press，1988:70-72.

[15] 張日權，盧一強.變系數(shù)模型[M].北京：科學出版社，2004：11-23.

[16] 胡偉.改進層次k均值聚類算法[J].計算機工程與應用，2013，49(2)：157-159.

HU Wei.Improved HierarchicalK-means Clustering Algorithm [J].Computer Engineering and Applications，2013，49(2)：157-159.

[17] 韓最蛟.基于數(shù)據(jù)密集性的自適應k均值初始化方法[J].計算機應用與軟件，2014，31(2)：182-187.

HAN Zuijiao.An AdaptiveK-means Initialization Method Based on data Density[J].Computer Applications and Software，2014，31(2)：182-187.

[18] 楊鑫華，于寬.基于密度半徑自適應選擇的k均值聚類算法[J].大連交通大學學報，2007，28(1)：41-44.

YANG Xinhua，YU Kuan.K-means Clustering Algorithm Based on Self-Adoptively Selected Density Radius[J].Journal of Dalian Jiaotong University，2007，28(1)：41-44.

[19] 周世兵，徐振源，唐旭清.新的K-均值算法最佳聚類數(shù)確定方法[J].計算機工程與應用，2010，46(16)：27-31.

ZHOU Shibing，XU Zhenyuan，TANG Xuqing.New Method for Determining Optimal Number of Clusters inK-means Clustering Algorithm[J].Computer Engineering and Applications，2010，46(16)：27-31.

[20] GURSOY E，NEBUR D.Harmonic Load Identification Using Complex Independent Component Analysis[J].IEEE Transactions on Power Delivery，2009，24(1)：285-292.

(編輯李麗娟)

Self-adaptiveK-means Clustering Method for Estimation on System Harmonic Impedance

WU Yongyun1, CHEN Shi1, YIN Shaoyang1, JIANG Tao1, HUA Huichun2

(1.Yunnan Power Grid CorporationQujing Power Supply Bureau, Qujing, Yunnan 655000,China; 2. State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources ,North China Electric Power University,Baoding, Hebei 071003, China)

It is needed for artificial adjustment on screening parameters and boundary conditions by using dominant fluctuation method and impedance gathering trend method for estimation on system harmonic impedance which means strong subjectivity and less precision. In order to make up these defects, this paperpresents a self-adaptiveK-means clustering method for calculating harmonic impedance, which firstly makes group regression for data of harmonic voltage and harmonic current of measured points and works out approximate value of system harmonic impedance. Then self-adaptiveK-means clustering method is used for clustering the approximate value and finally on the basis of defining tightness index, the clustering center with optimal tightness is selected as the estimation result of system harmonic impedance. Emulation proof and measured data indicate that compared with traditional dominant fluctuation method and impedance gathering trend method, the self-adaptiveK-means clustering method is not only able to improve estimation precision, but also realize self-adaptive calculation without artificial interference.

power quality; harmonic impedance; group regression;K-means clustering; self-adaptive

2016-04-14

中國南方電網(wǎng)有限責任公司科技項目(YNKJ00000059)； 中央高?；究蒲袠I(yè)務費專項資金資助項目(2014MS164)

10.3969/j.issn.1007-290X.2016.07.022

TM934.73

A

1007-290X(2016)07-0111-06

吳永云(1974)，男，云南祿勸人。工程師，高級技師，工學學士，從事電能計量運行技術及管理工作。

陳適(1988)，男，云南會澤人。助理工程師，工學學士，從事電能計量運行技術工作。

尹紹陽(1983)，男，云南曲靖人。助理工程師，工學學士，從事電能計量運行技術工作。