[发明专利]一种建立电力系统聚类负荷模型的方法

说明书

技术领域

本发明属于电力系统可靠性评估技术领域，具体涉及一种建立电力系统聚类负荷模型的方法。

背景技术

电力系统充裕度评估能够为制定电力系统的发展规划和系统的运行调度提供参考依据。根据系统状态抽取方法的不同，电力系统充裕度评估算法可分为解析法、状态抽样法和状态持续时间抽样法。其中状态持续时间抽样法直接采用年时序负荷曲线作为负荷模型，而解析法和状态抽样法则采用多级负荷模型，多级负荷模型的准确性将直接影响到可靠性评估结果的准确性。

在形成电力系统充裕度评估中的聚类负荷模型时，为了节约聚类时间和提高聚类模型精度，可以先将电力系统的年时序负荷按照从大到小的顺序排列，然后对排序后的负荷进行聚类从而获取多级负荷模型。通常采用K-均值聚类技术来建立与排序后的负荷曲线对应的多级水平负荷模型，然而K-均值聚类算法存在聚类中心初始值和聚类数难以选择的问题。针对聚类中心初始值难以选择的问题，基于层次聚类的K-均值聚类改进算法通过先应用层次聚类算法得到一个初始的划分，并计算每个类内对象的均值从而得到了初始聚类中心；基于均值-标准差的K-均值聚类改进算法则通过利用均值、标准差来选取聚类中心初始值。研究结果表明，如果单独采用其中的某种改进算法来建立电力系统年时序负荷的聚类模型，所得的聚类负荷模型在用于电力系统充裕度评估时模型精度不够高。采用基于层次聚类的K-均值聚类算法虽然可以对高水平部分的负荷进行精确的聚类，但同时也对低水平部分的负荷进行了细致却几乎无益的聚类，而且实际电力负荷模型通常采用一年的8760个小时的负荷水平为原始数据，采用基于层次聚类的K-均值聚类算法对8760个小时的负荷进行聚类计算将耗费大量的计算时间。而基于均值-标准差的K-均值聚类算法在建立初始聚类中心时对分散负荷点的处理比较粗糙，无法对相对稀疏的高水平负荷或者低水平负荷精确的聚类，而这其中高负荷水平部分的粗糙聚类将会使得计算结果出现较大的误差。针对聚类数的选择问题，2011年第39卷第10期《电力系统保护与控制》中的“基于二分法的聚类负荷模型及其在电力系统可靠性评估中的应用”一文提出利用二分法来快速确定聚类数，将显著性水平作为聚类方案好坏的评价标准，没有考虑到聚类数对电力系统充裕度评估计算速度的影响，因此得出的聚类数太多，不利于快速计算得出充裕度指标。

因此，需要一种新的建立电力系统聚类负荷模型的方法以解决上述问题。

发明内容

发明目的：本发明针对现有技术中电力系统聚类负荷模型建立方法在用于电力系统充裕度评估时的缺陷，提供一种计算精度高、收敛速度快的建立电力系统聚类负荷模型的方法。

技术方案：为解决上述技术问题，本发明的建立电力系统聚类负荷模型的方法采用如下技术方案：

一种建立电力系统聚类负荷模型的方法，包括以下步骤：

1)、输入电力系统时序负荷数据；

2)、对所述时序负荷数据进行降序排列得到负荷持续时间曲线；

3)、将步骤2)得到的所述负荷持续时间曲线按照负荷水平对可靠性影响的贡献划分成不同的分区，分区的数目为n；

4)、设定第i个分区的聚类数的初始值和改进效率阈值η_is，其中，i=1，2，…，n；

5)、将第i个分区的聚类数加倍，其中，i=1，2，…，n；

6)、对不同的分区选择相应的方法来选取初始聚类中心初始值，并根据步骤5)所得的聚类数进行聚类；

7)、计算第i个分区的改进效率值η_i，其中，η_i值由下式计算得到：