[发明专利]一种基于特征映射的电力系统负荷动特性分类方法

摘要

本发明公开了一种基于特征映射的电力系统负荷动特性分类方法，包括下述步骤：1）对扰动数据进行负荷建模；2）确定负荷动特性分类特征量的映射；3）计算建模组数据和训练组数据之间的关联度；4）估计训练组中每条数据的负荷模型参数；5）指标映射的自适应修正；6）负荷动特性分类；该分类方法利用负荷建模平台中已有的电压扰动数据，形成分类特征量映射数据表，以便对负荷动特性进行快速分类，有利于解决负荷建模过程中的时变性问题。

主权项

1.一种基于特征映射的电力系统负荷动特性分类方法，其特征在于，该分类方法包括下述步骤：1）对扰动数据进行负荷建模，具体流程为：11）生成用于负荷建模的电压和功率波形：首先利用电能质量监测装置采集各个典型变电站的扰动数据，所述扰动数据为扰动的电压瞬时值波形和电流瞬时值波形，然后对采集的扰动数据提取基波正序分量，计算三相有功功率、无功功率波形，接着对电压基波正序分量波形和计算得到的三相有功功率、无功功率波形进行降维处理，最后提取降维后的电压基波正序分量波形和三相有功功率、无功功率波形中的扰动波段，作为负荷建模数据；12）将所述步骤11）中得到的负荷建模数据随机分为两组，一组为建模组，另一组为训练组，对所述建模组的负荷建模数据进行负荷建模，将负荷等值为电动机与静态负荷模型并联构成的一个综合负荷模型，采用遗传算法对所述综合负荷模型进行模型参数辨识，从而得到建模组中每条数据的负荷模型参数；2）确定负荷动特性分类特征量的映射：负荷动特性分类的特征量包含扰动数据的采集时间、日类型、季节、负荷水平、温度指标，将上述特征量映射到[0，1]的区间内，对每一条扰动数据形成一个对应的特征向量，所述特征向量由各个特征量映射组成；3）计算建模组数据和训练组数据之间的关联度：根据所述步骤2）得到的每一条扰动数据所对应的特征向量，求解建模组数据与训练组数据之间的关联度，将所述关联度按照进行归一化，得到一个n1×n2的关联度矩阵，其中n1表示建模组数据个数，n2表示训练组数据个数；4）估计训练组中每条数据的负荷模型参数：根据步骤12）辨识得到的建模组中每条数据的负荷模型参数和步骤3）得到的关联度矩阵，计算训练组中每条数据的负荷模型参数；5）指标映射的自适应修正：根据所述步骤4）得到的训练组中每条数据的负荷模型参数，计算训练组中每条数据在对应电压波形的扰动波段下的模型有功、无功输出，然后将所述模型有功、无功输出同所述步骤11）中得到的三相功率波形中的扰动波段进行比较，具体方法为：计算它们之间的欧式距离，得到目标函数J={1nΣk=1n[(p^(k)-p(k))2+(q^(k)-q(k))2]}1/2,]]>其中p(k)、q(k)为模型有功、无功输出，为步骤11）中得到的三相功率波形中的有功、无功扰动波段，k＝1,2…，n为每条数据的采样点个数；采用优化算法修正步骤2）中确定的所有负荷动特性分类特征量的映射，使得目标函数J最小，得到各个负荷动特性分类特征量修正后的映射；6）负荷动特性分类：根据步骤5）得到的各个指标修正后的映射，形成新的特征向量，对所述新的特征向量采用模糊聚类方法进行负荷动特性分类。