[发明专利]广义负荷建模中基于季节性的纵向时间轴聚类方法

说明书

技术领域

本发明涉及广义负荷建模中基于季节性的纵向时间轴聚类方法。

背景技术

作为一种间歇性能源，风电以其随机性和波动性给电力系统安全稳定带来了较大冲击，也给广义负荷建模带来了巨大挑战。随着风电容量增加，广义负荷节点时而呈现电源特性，时而呈现负荷特性，不同特性对应不同模型，其对电力系统仿真计算会产生质的改变，因此分析考虑风电不确定性的广义负荷建模对于电力系统分析十分重要。

基于量测的负荷建模中，时变性是阻碍其走向应用的最大障碍，然而由于风电接入所带来的不确定性更增加了原有负荷建模问题的难度。研究表明，分类与综合是解决负荷时变性问题的有效途径。为此，负荷建模工作欲从研究阶段走向实际应用，不可避免的面临负荷特性分类与综合。对于风电与负荷组成的广义负荷特性，由于风电随机性与负荷时变性的交互影响而呈现与各自不同的复杂特性且该特性有一定地域特征，因此仅根据春夏秋冬简单分类过于粗略，如能利用固有的自然规律和人类社会周期性特征，则分类结果会更为合理、有效。基于此，有必要更有可能寻求一种客观实用的聚类方法便于精确建模和现场应用。

以往聚类方法在传统负荷建模场景下较好的解决了时变性问题，但随着风电渗透率增加，广义负荷特性的不确定性加剧，因此现有聚类方法难以满足该场景下的分类需求。其中，文献[2]首次提出了分类综合问题并利用同类全部数据进行模型综合；文献[3]分别按照时段和季节分类并用综合的方法对分类结果进行了验证，但该方法分类较主观且未体现日差异性；文献[4]采用KOHONEN神经网络法以标准电压激励下的负荷模型和负荷有功运行水平为特征向量进行分类；文献[5]将多元统计分析中的系统聚类法引入负荷建模领域分析时变规律；文献[6]基于随机过程相关性理论，利用实测样本间相关系数进行直接分类；文献[7]以变电站负荷构成成分为特征向量，分别采用模糊等价关系和模糊C均值算法进行分类；文献[8]以各负荷节点-变电站的不同类型负荷比例为特征向量，基于模糊等价关系的传递闭包法对实测数据进行了模糊分类；文献[9]对建模样本输入输出数据进行分析，建立山峰密度函数自适应确定聚类数和聚类中心；文献[10]以实测响应空间分类方法为基础，提出动特性直接综合法。上述文献通过合理的分类综合方法能较好的解决时变性问题，但部分文献采用的聚类方法由于需人为设定聚类数、聚类中心等，无法排除主观因素，新形势下不具有普遍适用性；另外由于分析对象样本较小，聚类策略相对简单，仅需确定合适的聚类方法和特征向量进行聚类即可划分成界限明显的类别，而面对全年(或更长时间)的风电与负荷大样本数据时，简单聚类策略无法将全部样本数据进行合理分类。因此有必要寻求更合理的聚类策略以满足该场景下的分类需求与现场应用。

文中涉及的相关文献列表如下：

[1]张旭，梁军，贠志皓，等.考虑风电接入不确定性的广义负荷建模[J].电力系统自动化.已录用

ZHANG Xu,LIANG Jun,YUN Zhihao,et.al.Generalized Load Modeling and Application Considering Uncertainty of Wind Power Integration[J].Automation of Electric Power Systems.

[2]章健.电力系统负荷建模方法的研究[D].北京：华北电力大学，1997.ZHANG Jian.Studies on modeling methodology of electric loads[D].Beijign:North China Electric Power University，1997.

[3]张伶俐,周文.面向综合的电力负荷动特性建模[J].中国电机工程学报,1999,19(9):36-40.

ZHANG Lingli,ZHOU Wen.The Synthesis of Dynamic Load Characteristics[J].Proceedings of the CSEE,1999,19(9):36-40.

[4]张红斌,贺仁睦,刘应梅.基于KOHONEN神经网络的电力系统负荷动特性聚类与综合[J].中国电机工程学报,2003,23(5):1-5.