[发明专利]一种可调节高载能负荷辨识方法

说明书

本发明公开了电力系统负荷分类领域中，提出了一种基于鱼群优化与可能性c均值聚类算法结合的可调节高载能负荷辨识方法。基于高载能负荷具有一定的可调节特性，且可调节容量大，响应调度指令速度快的特点，若能合理利用，将有效缓解由于常规机组调峰能力与外送通道输电容量不足引起的弃风问题。其步骤为：首先对风电和变电站综合负荷样本数据进行标准化处理，然后以高载能负荷的连续可调节特征参数为依据，采用基于鱼群优化和可能性c均值聚类算法相结合的聚类方法，将接有高载能负荷馈线的变电站综合负荷分为可调节高载能负荷与不可控负荷两类，最后辨识出可调节高载能负荷在综合负荷中的比例。

技术领域

本发明属于电力系统负荷分类领域，尤其涉及对可调节高载能负荷的辨识方法。

背景技术

大规模风电接入电网后，由于其随机性和波动性，造成其功率不能平稳输出，受常规机组调峰能力与外送通道输电容量的制约，弃风现象愈发严重，亟待寻找消纳风电的有效新方法。高载能负荷具有一定的可调节特性，且可调节容量大，响应调度指令速度快，若能合理利用，将有效缓解由于常规机组调峰能力与外送通道输电容量不足引起的弃风问题。但一般情况下在变电站综合负荷中除含有高载能负荷外还有其它各类不可控负荷，若想合理利用高载能负荷的可调节特性，使其得到有效利用，则必须将其从综合负荷中辨识出来。

发明内容

本发明的目的在于，提供一种基于鱼群优化和可能性c均值聚类算法相结合的可调节高载能负荷辨识方法，为充分利用高载能负荷参与风电消纳提供依据。

其特征是首先对风电和变电站综合负荷样本数据进行标准化处理，然后以高载能负荷的连续可调节特征参数为依据，基于鱼群优化和可能性c均值聚类算法相结合，将接有高载能负荷馈线的变电站综合负荷分为可调节高载能负荷与不可控负荷两类，最后辨识出可调节高载能负荷在综合负荷中的比例。具体步骤如下：

1、形成样本空间。

1)数据的标准化处理，设X＝[x₀,x₁,x₂,L,x_n]_q×(n+1)，其中x₀为风电一天q点的日出力曲线，x₁,x₂,L,x_n为n组综合负荷一天q点的日用电功率曲线，通过式(1)计算得到相应的标准值X′＝[x′₀,x′₁,x′₂,L,x′_n]_q×(n+1)。

其中，

2)提取特征参数，采用负荷用电功率变化率与风电变化率之间的距离的倒数来表示负荷用电曲线与风电曲线变化趋势相关程度作为可调节高载能负荷特征参数。

其中，为风电出力曲线k点标准化后的值，为负荷i用电功率曲线k点标准化后的值。

3)形成样本空间，采集n天的变电站综合负荷曲线、风电出力曲线，构成样本特征参数向量空间Y＝[J₁,J₂,L,J_n]。

2、基于鱼群优化和可能性c均值聚类算法进行负荷聚类。

算法的思路是将鱼群优化算法与可能性c均值聚类算法有效结合起来，在基于鱼群优化可能性c均值聚类算法相结合的负荷聚类方法中，聚类数为2。每条人工鱼的位置代表一种分类方案，即一个簇中心集合V_i＝[v_1.i,v_2.i]，其中v_j.i代表第i条人工鱼的第j个聚类中心。可能性c均值聚类算法的模型如下：