基于異常數(shù)據(jù)溢出的配電網(wǎng)暫態(tài)負(fù)荷監(jiān)測(cè)預(yù)警方法

王 丹，高梓翔，張 萍，程 飛

（國(guó)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(fù)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(shí)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(shí)時(shí)監(jiān)測(cè)預(yù)警配電網(wǎng)在運(yùn)行過(guò)程中產(chǎn)生的暫態(tài)負(fù)荷，以保證配電網(wǎng)的安全、穩(wěn)定運(yùn)行[1-2]。配電網(wǎng)中暫態(tài)負(fù)荷較為復(fù)雜，其網(wǎng)絡(luò)拓?fù)浞N類較多，暫態(tài)負(fù)荷監(jiān)測(cè)預(yù)警設(shè)備分布相對(duì)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(jī)性較強(qiáng)，很難通過(guò)分析網(wǎng)絡(luò)拓?fù)渑c狀態(tài)數(shù)據(jù)的機(jī)理而保持配電網(wǎng)暫態(tài)負(fù)荷的穩(wěn)定性[3-4]。

基于此，國(guó)內(nèi)的學(xué)者們對(duì)其進(jìn)行了細(xì)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(duì)其中的配電網(wǎng)暫態(tài)負(fù)荷各類指標(biāo)進(jìn)行了量化，以此實(shí)現(xiàn)對(duì)配電網(wǎng)暫態(tài)負(fù)荷的監(jiān)測(cè)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(fù)荷監(jiān)測(cè)預(yù)警方法，通過(guò)對(duì)配電網(wǎng)暫態(tài)負(fù)荷中各類狀態(tài)數(shù)據(jù)的挖掘?qū)崿F(xiàn)對(duì)暫態(tài)負(fù)荷的監(jiān)測(cè)預(yù)警，以上監(jiān)測(cè)預(yù)警方法中基于數(shù)據(jù)挖掘的監(jiān)測(cè)預(yù)警方法應(yīng)用效果更為理想，但監(jiān)測(cè)預(yù)警準(zhǔn)確度較低、監(jiān)測(cè)預(yù)警等級(jí)劃分不明確。

為了解決以上出現(xiàn)的問(wèn)題，提出了基于異常數(shù)據(jù)溢出的配電網(wǎng)暫態(tài)負(fù)荷監(jiān)測(cè)預(yù)警方法，該方法通過(guò)設(shè)置預(yù)警等級(jí)，確定異常數(shù)據(jù)閾值，實(shí)現(xiàn)配電網(wǎng)暫態(tài)負(fù)荷的監(jiān)測(cè)預(yù)警，最后通過(guò)實(shí)驗(yàn)驗(yàn)證了所提方法的實(shí)際應(yīng)用效果。

1 配電網(wǎng)暫態(tài)負(fù)荷數(shù)據(jù)分析

配電網(wǎng)是一個(gè)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(fù)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(fù)荷數(shù)據(jù)具有隨機(jī)性、分散性和多樣性，非線性的分布特點(diǎn)使配電網(wǎng)暫態(tài)負(fù)荷數(shù)據(jù)分析難度加大，采用空間信息聚類分析法對(duì)異常數(shù)據(jù)特征進(jìn)行辨識(shí)處理，以便通過(guò)異常數(shù)據(jù)溢出轉(zhuǎn)換控制得到配電網(wǎng)負(fù)荷數(shù)據(jù)模型[5-6]。

電力系統(tǒng)異常耗能擴(kuò)散矩陣BN×1，其表達(dá)式為：

式中，TL×1為時(shí)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(fù)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(jī)負(fù)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(fù)荷數(shù)據(jù)控制方法，得到負(fù)荷數(shù)據(jù)均衡輸出為：

2 配電網(wǎng)暫態(tài)負(fù)荷數(shù)據(jù)處理

配電網(wǎng)系統(tǒng)的負(fù)荷成分具有多樣化的特點(diǎn)，現(xiàn)有的負(fù)荷分析模型通常將其分為靜態(tài)和動(dòng)態(tài)兩種方式分析，從而模擬現(xiàn)場(chǎng)負(fù)荷情況，但不能很好地體現(xiàn)負(fù)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(fù)荷數(shù)據(jù)[9-12]。暫態(tài)負(fù)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(fù)荷視為不可測(cè)但可以用受控電源代替的黑箱數(shù)據(jù)，將負(fù)荷實(shí)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(guò)實(shí)際負(fù)荷群的實(shí)測(cè)電壓和電流數(shù)據(jù)神經(jīng)網(wǎng)絡(luò)控制進(jìn)行訓(xùn)練，將實(shí)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(fù)荷的數(shù)據(jù)特征，下一步為實(shí)現(xiàn)配電網(wǎng)暫態(tài)負(fù)荷監(jiān)測(cè)和預(yù)警[13-14]。

3 實(shí)現(xiàn)配電網(wǎng)暫態(tài)負(fù)荷監(jiān)測(cè)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(jì)特征量并量化表示，得到異常數(shù)據(jù)溢出的負(fù)荷數(shù)據(jù)特征量，配電網(wǎng)系統(tǒng)互動(dòng)特征值計(jì)算公式為：

式中，為配電網(wǎng)系統(tǒng)互動(dòng)特征值；為數(shù)據(jù)的負(fù)荷量；為方差矩陣，得到配電網(wǎng)系統(tǒng)監(jiān)測(cè)預(yù)警負(fù)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(duì)故障樣本數(shù)據(jù)處理，得到n+m+k(k＞0）時(shí)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(cè)負(fù)載均衡度；Xi+1(i) 為樣本個(gè)數(shù)。

當(dāng)然，病毒感染會(huì)在一定程度上削弱孩子免疫系統(tǒng)的功能，細(xì)菌可能乘虛而入，會(huì)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(fù)荷樣本施加結(jié)果，采用模糊監(jiān)測(cè)方法控制配電網(wǎng)異常溢出數(shù)據(jù)，監(jiān)測(cè)預(yù)警過(guò)程如圖2 所示。

觀察圖2 可知，由于故障監(jiān)測(cè)特征曲線會(huì)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(cè)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(cè)系統(tǒng)監(jiān)測(cè)到數(shù)據(jù)正常、異常及嚴(yán)重異常等狀態(tài)下，進(jìn)行監(jiān)測(cè)預(yù)警，計(jì)算得出配電網(wǎng)系統(tǒng)關(guān)鍵特征量預(yù)測(cè)值，公式如下：

式中，N為特征量總數(shù)；為數(shù)據(jù)點(diǎn)的預(yù)測(cè)值。通過(guò)預(yù)測(cè)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(jìn)而確定評(píng)價(jià)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(shí)施運(yùn)行數(shù)據(jù)的時(shí)空特征引入到系統(tǒng)的監(jiān)測(cè)預(yù)警模型，以實(shí)現(xiàn)對(duì)配電網(wǎng)暫態(tài)負(fù)荷數(shù)據(jù)的監(jiān)測(cè)預(yù)警，權(quán)限閾值計(jì)算公式為：

式中，Je(k+1)為配電網(wǎng)系統(tǒng)監(jiān)測(cè)數(shù)據(jù)在第k+1時(shí)刻的預(yù)測(cè)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(jí)：

根據(jù)預(yù)警等級(jí)，構(gòu)建配電網(wǎng)暫態(tài)負(fù)荷數(shù)據(jù)監(jiān)測(cè)預(yù)警模型如下：

式中，Q為監(jiān)測(cè)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(gè)不同的計(jì)算條件[15-16]。

4 實(shí)驗(yàn)研究

為了驗(yàn)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(fù)荷監(jiān)測(cè)預(yù)警方法的實(shí)際應(yīng)用效果，將基于數(shù)據(jù)挖掘的配電網(wǎng)暫態(tài)負(fù)荷預(yù)警方法（文獻(xiàn)[14]）與該文所提監(jiān)測(cè)預(yù)警方法進(jìn)行了對(duì)比實(shí)驗(yàn)。

為保證實(shí)驗(yàn)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(fù)荷的關(guān)聯(lián)因素。以配電網(wǎng)100 條饋線、兩個(gè)配電網(wǎng)中采集的暫態(tài)負(fù)荷狀態(tài)數(shù)據(jù)為實(shí)驗(yàn)基礎(chǔ)，以每條饋線上的暫態(tài)負(fù)荷數(shù)據(jù)為一個(gè)統(tǒng)計(jì)單位，對(duì)兩個(gè)配電網(wǎng)中的暫態(tài)負(fù)荷數(shù)據(jù)進(jìn)行清洗和集成，并剔除暫態(tài)負(fù)荷數(shù)據(jù)中的離群樣本，得到剔除后的負(fù)荷關(guān)聯(lián)特征。采用深度殘差算法分析負(fù)荷關(guān)聯(lián)因素，獲得由負(fù)荷關(guān)聯(lián)特征組成的最優(yōu)負(fù)荷特征子集，利用深度殘差算法獲得最優(yōu)負(fù)荷特征值的權(quán)重取值范圍為0～1，并對(duì)其進(jìn)行歸一化處理，特征值的權(quán)重表示負(fù)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(dá)到94%，則可以確定負(fù)荷特征集中包含了大部分的負(fù)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(fù)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(dá)到94%的負(fù)荷關(guān)聯(lián)因素進(jìn)行有選擇性地剔除，留下關(guān)聯(lián)度在94%以下的負(fù)荷關(guān)聯(lián)因素，以降低因監(jiān)測(cè)預(yù)警配電網(wǎng)暫態(tài)負(fù)荷產(chǎn)生的影響，從負(fù)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(fù)荷的因素不僅與配電網(wǎng)饋線的長(zhǎng)度和暫態(tài)負(fù)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(fù)荷關(guān)聯(lián)因素后，可保證實(shí)驗(yàn)的嚴(yán)謹(jǐn)性和有效性。

分析完配電網(wǎng)中暫態(tài)負(fù)荷的關(guān)聯(lián)因素后，選擇分析過(guò)程中的部分最優(yōu)負(fù)荷特征子集，表示配電網(wǎng)暫態(tài)負(fù)荷中的失負(fù)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(yùn)行過(guò)程中，配電網(wǎng)饋線上暫態(tài)負(fù)荷的總量不同，對(duì)配電網(wǎng)暫態(tài)負(fù)荷進(jìn)行監(jiān)測(cè)預(yù)警的信號(hào)頻率也不相同，因此在監(jiān)測(cè)預(yù)警時(shí)，需要根據(jù)不同的信號(hào)頻率和不同的暫態(tài)負(fù)荷總量劃分監(jiān)測(cè)預(yù)警等級(jí)，監(jiān)測(cè)預(yù)警等級(jí)不同，配電網(wǎng)暫態(tài)負(fù)荷監(jiān)測(cè)預(yù)警的效果不同，監(jiān)測(cè)預(yù)警等級(jí)劃分越多、越細(xì)致，則監(jiān)測(cè)預(yù)警效果越好。采用該文所提的監(jiān)測(cè)預(yù)警方法和基于數(shù)據(jù)挖掘的配電網(wǎng)暫態(tài)負(fù)荷監(jiān)測(cè)預(yù)警方法，劃分的監(jiān)測(cè)預(yù)警等級(jí)結(jié)果如圖3所示。

圖3 中，暫態(tài)負(fù)荷量實(shí)際值由負(fù)荷動(dòng)態(tài)測(cè)試儀獲取。由圖3 可知，劃分暫態(tài)負(fù)荷量預(yù)警等級(jí)為四級(jí)，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(fù)荷監(jiān)測(cè)預(yù)警方法與暫態(tài)負(fù)荷量實(shí)際值相差較大，若發(fā)生數(shù)據(jù)異常，可能無(wú)法實(shí)時(shí)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(fù)荷監(jiān)測(cè)預(yù)警方法達(dá)到了標(biāo)準(zhǔn)預(yù)警等級(jí)，且與暫態(tài)負(fù)荷量實(shí)際值較為接近，說(shuō)明當(dāng)數(shù)據(jù)異常時(shí)，該文方法可以實(shí)現(xiàn)積極預(yù)警，達(dá)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(cè)預(yù)警效果好。

基于以上給出的配電網(wǎng)暫態(tài)負(fù)荷監(jiān)測(cè)預(yù)警等級(jí)劃分結(jié)果，并選擇部分最優(yōu)負(fù)荷特征子集，以監(jiān)測(cè)電流與實(shí)際電流的差異性為判斷標(biāo)準(zhǔn)，分析不同方法對(duì)配電網(wǎng)暫態(tài)負(fù)荷的監(jiān)測(cè)預(yù)警準(zhǔn)確性，對(duì)比實(shí)驗(yàn)結(jié)果如圖4 所示。

由圖4 可知，在該文提出的監(jiān)測(cè)預(yù)警方法中，在不同的監(jiān)測(cè)預(yù)警等級(jí)下，監(jiān)測(cè)預(yù)警的準(zhǔn)確率與實(shí)際值基本一致，監(jiān)測(cè)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(fù)荷監(jiān)測(cè)預(yù)警方法中，在三種監(jiān)測(cè)預(yù)警等級(jí)下，監(jiān)測(cè)預(yù)警的準(zhǔn)確率相較于所提方法更高，監(jiān)測(cè)失誤率高于該文所提方法的失誤率，由此可驗(yàn)證，該文所提的方法在監(jiān)測(cè)預(yù)警配電網(wǎng)暫態(tài)負(fù)荷時(shí)，具有較高準(zhǔn)確性。

5 結(jié)束語(yǔ)

由于配電網(wǎng)系統(tǒng)暫態(tài)負(fù)荷數(shù)據(jù)具有隨機(jī)性、分散性、多樣性和非線性的特點(diǎn)，導(dǎo)致監(jiān)測(cè)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(fù)荷數(shù)據(jù)的監(jiān)測(cè)預(yù)警方法，通過(guò)設(shè)置電力調(diào)度系統(tǒng)監(jiān)測(cè)預(yù)警等級(jí)，建立了監(jiān)測(cè)預(yù)警模型，實(shí)現(xiàn)了配電網(wǎng)暫態(tài)負(fù)荷數(shù)據(jù)監(jiān)測(cè)和預(yù)警。該文方法對(duì)配電網(wǎng)暫態(tài)數(shù)據(jù)的監(jiān)測(cè)預(yù)警精度較高，效果較好，提高了自動(dòng)化監(jiān)測(cè)預(yù)警能力。