《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 模擬設(shè)計 > 業(yè)界動態(tài) > 大電網(wǎng)靜態(tài)穩(wěn)定態(tài)勢評估的大數(shù)據(jù)融合方法

大電網(wǎng)靜態(tài)穩(wěn)定態(tài)勢評估的大數(shù)據(jù)融合方法

2017-05-24

  靜態(tài)穩(wěn)定態(tài)勢分析通常采用模型仿真,,但是每次仿真分析前需要確定全部數(shù)學模型,,參數(shù)及仿真場景,,故計算量大,,存在維數(shù)災(zāi)難,,且難以計及非常規(guī)數(shù)據(jù)的影響,,仍需要花費大量時間和精力,。模型法分析結(jié)果的準確性取決于機理模型的準確性,,建模過程中的各種簡化和假設(shè)使模型法的分析結(jié)果不能充分反映電網(wǎng)實際運行狀況。此外,,隨著電網(wǎng)規(guī)模擴大,、電網(wǎng)有些區(qū)域會接近輸電極限,加之大規(guī)模間歇性新能源(renewable energy systems,,RES)并網(wǎng)發(fā)電大大增加了電力生產(chǎn)的不確定性和電網(wǎng)運行困難,;大規(guī)模電動汽車(electric vehicle,EV)充放電又增加了電力負荷的隨機性,,這些各個環(huán)節(jié)不確定因素及其交互影響使得電網(wǎng)穩(wěn)定行為更為復(fù)雜,,傳統(tǒng)研究假設(shè)條件可能會不成立。

  大數(shù)據(jù)技術(shù)近年來受到廣泛關(guān)注,,它對大量多源數(shù)據(jù)進行高速捕捉,、發(fā)現(xiàn)和分析,利用經(jīng)濟的方法提取有價值的技術(shù)體系或架構(gòu),。廣義上講,,大數(shù)據(jù)不僅指所涉及的數(shù)據(jù),還包含了對這些數(shù)據(jù)進行處理和分析的理論,、方法和技術(shù),。隨著我國智能電網(wǎng)建設(shè)的不斷推進和深入,電網(wǎng)量測體系積累了大量的數(shù)據(jù),,這就使得大數(shù)據(jù)分析挖掘技術(shù)在靜態(tài)穩(wěn)定態(tài)勢評估具有可行性,。

  目前,電網(wǎng)存在各種類型的大量仿真或?qū)崪y數(shù)據(jù),,啟發(fā)人們思考如何用數(shù)據(jù)分析取代機理建模,,從而提出了數(shù)據(jù)驅(qū)動模式。然而,,幾乎所有關(guān)于大數(shù)據(jù)的論文都會強調(diào)不同類型數(shù)據(jù)之間的融合,,但卻鮮有討論如何融合。

  針對以上問題,,本文提出了基于隨機矩陣理論的靜態(tài)穩(wěn)定態(tài)勢評估方法,。隨機矩陣理論作為一種普適性的大數(shù)據(jù)分析方法,無需詳細物理模型,,可綜合考慮歷史數(shù)據(jù)和實時數(shù)據(jù),,具有從高維角度認識復(fù)雜系統(tǒng)等優(yōu)點,。隨機矩陣是對復(fù)雜網(wǎng)絡(luò)進行統(tǒng)計分析的重要數(shù)據(jù)理論之一,通過對復(fù)雜系統(tǒng)的能譜和本征態(tài)進行統(tǒng)計分析,,揭示數(shù)據(jù)中整體的行為特征,可以從宏觀上對復(fù)雜系統(tǒng)的性質(zhì)進行研究分析,。隨機理論是近年來的研究熱點之一,,在量子物理、金融工程,、醫(yī)療等多個領(lǐng)域發(fā)揮了重要作用,。文獻[8]首次將隨機矩陣理論引入電力系統(tǒng),提出一種全新的,、通用的大數(shù)據(jù)分析架構(gòu),,將其應(yīng)用于電力系統(tǒng)異常發(fā)現(xiàn);文獻提出一種基于隨機矩陣理論的配電網(wǎng)運行狀態(tài)相關(guān)性分析方法,;文獻提出基于高維隨機矩陣描述的WAMS量測大數(shù)據(jù)建模與分析方法,;文獻提出一種基于高維隨機矩陣大數(shù)據(jù)分析模型的輸變電設(shè)備關(guān)鍵性能評估方法;文獻提出一種隨機矩陣在全球能源互聯(lián)網(wǎng)中的應(yīng)用框架,。然而,,大數(shù)據(jù)技術(shù)在電力系統(tǒng)中的應(yīng)用鮮有涉及如何對靜態(tài)穩(wěn)定態(tài)勢進行評估的介紹。高維隨機矩陣理論作為新興的大數(shù)據(jù)分析方法,,能將各類數(shù)據(jù)集成到高維矩陣中,,從概率和統(tǒng)計角度研究矩陣的特性和數(shù)據(jù)分布情況。

  本文提出了一種電網(wǎng)靜態(tài)穩(wěn)定態(tài)勢評估的大數(shù)據(jù)融合方法,,利用歷史數(shù)據(jù)和實時數(shù)據(jù)建立了隨機矩陣模型,。在此基礎(chǔ)上,提出了兩種基于隨機矩陣理論的極限譜分布函數(shù),,用來研究矩陣特性和數(shù)據(jù)分布情況,。進而,利用平均譜半徑實現(xiàn)靜態(tài)穩(wěn)定態(tài)勢評估,。最后,,利用IEEE39節(jié)點系統(tǒng)算例仿真,驗證了所提方法的有效性,。

  1大數(shù)據(jù)融合方法

  1.1基于隨機矩陣理論的大數(shù)據(jù)融合方法

  電力系統(tǒng)實際運行中,,發(fā)生穩(wěn)定破壞性故障相對罕見,導(dǎo)致實測數(shù)據(jù)缺乏失穩(wěn)數(shù)據(jù),,難以進行數(shù)據(jù)挖掘,,通常采用仿真計算來獲得樣本。連續(xù)潮流法是電網(wǎng)靜態(tài)(電壓)穩(wěn)定分析的有效工具,,可用于模擬實際電網(wǎng)中發(fā)電負荷區(qū)域性增長的遠景和規(guī)劃[17-18],。本文進行分析挖掘的數(shù)據(jù)采用基于負荷增長的連續(xù)潮流法(ContinuationPowerFlow,CPF)進行仿真得到大量的樣本數(shù)據(jù);由于在數(shù)據(jù)采集和傳輸過程中會產(chǎn)生隨機噪聲,,電力系統(tǒng)存在小幅度隨機擾動,。因此,本文在連續(xù)潮流仿真數(shù)據(jù)基礎(chǔ)上添加高斯白噪聲,,以此數(shù)據(jù)來模擬電網(wǎng)實際運行獲得的數(shù)據(jù),。

  隨機矩陣理論中漸進收斂性要求矩陣的維數(shù)趨近無窮,在處理實際工程問題時,,當維數(shù)從幾十到幾百時,,也能觀察到相當精確的漸進收斂結(jié)果[15]。在矩陣構(gòu)造時,,對行列元素通過調(diào)整來獲得最優(yōu)的行列比值,。

  對于電力網(wǎng)絡(luò),選擇nn個節(jié)點的量測數(shù)據(jù)作為空間樣本,,每個節(jié)點有kk個狀態(tài)變量,,構(gòu)成NN個變量,其中N=n×k,。

  在采樣時刻titi,,每個節(jié)點的量測數(shù)據(jù)可以構(gòu)成一個列向量:

  x(ti)=[x1,x2,,?,,xN]Tx(ti)=[x1,x2,,?,,xN]T(1)

  將每個節(jié)點采樣時刻的量測數(shù)據(jù)按照時間序列排序,可形成如下矩陣:

  XN×T=[x(t1),,x(t2),,?,x(ti),,?]∈CN×TXN×T=[x(t1),,x(t2),?,,x(ti),,?]∈CN×T(2)

  該矩陣即為大數(shù)據(jù)分析的數(shù)據(jù)源,這些數(shù)據(jù)按照時間順序采樣,,不同節(jié)點的電氣特征量具有空間特性,,將兩者結(jié)合起來則構(gòu)成具有時空特性的數(shù)據(jù)源。

  1.2靜態(tài)穩(wěn)定態(tài)勢評估的輸入數(shù)據(jù)

  電網(wǎng)的運行狀態(tài)由多種狀態(tài)變量表征,,比如電網(wǎng)各個節(jié)點的電壓和相角,、發(fā)電機注入有功功率和無功功率,、負荷有功功率和無功功率、支路電流等,。電網(wǎng)中各元件間的拓撲關(guān)系及相互作用力必然蘊含于廣域時空量測信息中,。此外,電網(wǎng)的運行狀態(tài)還受到各種電氣因素和非電氣因素的影響,。電氣因素包括分布式電源出力,、各類故障和擾動等;非電氣因素包括溫度,、濕度,、風速等氣候因素和社會經(jīng)濟因素等,。在大數(shù)據(jù)分析時,,根據(jù)具體的研究目的和數(shù)據(jù)資源選取量測數(shù)據(jù)進行數(shù)據(jù)源隨機矩陣的構(gòu)建。

  在采樣時,,由于不同數(shù)據(jù)的采樣頻率可能不同,,可以認為采樣頻率低的數(shù)據(jù)類型在采樣間隔內(nèi)數(shù)值相等。在矩陣分析時,,要將所有元素進行標準化處理,,其目的是去量綱化和數(shù)值歸一化,從而使得各個指標具有可比性,。

  在研究靜態(tài)電壓穩(wěn)定性時,,由于電壓失穩(wěn)是負荷驅(qū)動的,側(cè)重研究負荷和電壓數(shù)據(jù),,電壓穩(wěn)定性問題就是負荷的穩(wěn)定性問題,。故而本文在研究靜態(tài)穩(wěn)定態(tài)勢評估時,選取每個節(jié)點的節(jié)點電壓數(shù)據(jù)和所有負荷節(jié)點的有功功率數(shù)據(jù)構(gòu)造矩陣,。為了實現(xiàn)數(shù)據(jù)的實時分析,,采用文獻[13]中提出的實時分離窗技術(shù),該技術(shù)可以從數(shù)據(jù)源中獲取當前時刻和歷史時刻的采樣量測數(shù)據(jù),,實時分離窗的寬度為Tw,,在采樣時刻ti,獲得的數(shù)據(jù)矩陣為:

  XN×Tw(ti)=[x(ti?Tw+1),,x(ti?Tw+2),,?,x(ti)]XN×Tw(ti)=[x(ti?Tw+1),,x(ti?Tw+2),,?,x(ti)](3)

  該技術(shù)也可以對噪聲數(shù)據(jù)進行平滑處理,。

  2隨機矩陣理論基本原理

  2.1隨機矩陣理論

  隨機矩陣理論有兩個基本概念,,經(jīng)驗譜分布函數(shù)和極限譜分布函數(shù),。對于任意特征值為實數(shù)的n×nn×n維隨機矩陣A,稱函數(shù)

  FA(x)=1n∑i=1nI(λAi≤x)FA(x)=1n∑i=1nI(λiA≤x)(4)

  為矩陣A的經(jīng)驗譜分布函數(shù)(empiricalspectrumdistribution,,ESD),,這里λAiλiA為矩陣A的特征根,i=1,,?,,ni=1,?,,n,,I(?)表示指示性函數(shù)。我們把經(jīng)驗譜分布函數(shù)的極限稱為極限譜分布函數(shù),。經(jīng)驗譜分布函數(shù)是隨機的,,但通常極限譜分布函數(shù)是非隨機的,如圓率,,半圓率,、M-P率(Marchenko-PaturLaw)和圓環(huán)率。

  對于高維數(shù)據(jù)源X矩陣,,其樣本協(xié)方差陣如下式所示:

  Sn=1n(∑i=1nxix′i)=1nXX′Sn=1n(∑i=1nxix′i)=1nXX′(5)

  可求得其經(jīng)驗譜分布函數(shù)FSn(x)FSn(x),,通過對其進行Stieltjes變換[19-21],利用Stieltjes變換法,,可以把對隨機矩陣經(jīng)驗譜分布函數(shù)研究轉(zhuǎn)換為對隨機矩陣逆的跡的研究,,由此求得極限譜分布函數(shù)。

  2.2M-P率和圓環(huán)率

  利用隨機矩陣理論評估靜態(tài)穩(wěn)定態(tài)勢重點,,是根據(jù)極限譜分布函數(shù)的變化規(guī)律來評估靜態(tài)穩(wěn)定裕度,。下文將介紹兩種極限譜分布函數(shù)M-P率和圓環(huán)率[12,22-23],。

  采用M-P率觀測譜分布,,M-P率其極限譜密度如式(6)。

  式中,,a=σ2(1?c√)2a=σ2(1?c)2,,b=σ2(1+c√)2b=σ2(1+c)2這里c為維數(shù)與樣本量的比值,σ2σ2為刻度參數(shù),,σ2=1σ2=1,。通過對連續(xù)潮流輸入數(shù)據(jù)預(yù)處理后,應(yīng)用實時分離窗技術(shù),,選取不同狀態(tài)可以看出樣本協(xié)方差譜分布直方圖和M-P率曲線如圖1所示,。

2017033017312926.png

  圖1樣本協(xié)方差矩陣譜分布

  圖中展示了隨著負荷的不斷增長,樣本協(xié)方差矩陣譜分布直方圖變窄變長,??梢悦黠@看出電力系統(tǒng)發(fā)生了變化,。

  由于輸入數(shù)據(jù)的高維矩陣X中所含元素均為實數(shù),通過利用酉矩陣U對X的樣本協(xié)方差矩陣進行處理后可將特征值映射到復(fù)平面,。樣本協(xié)方差矩陣X經(jīng)過奇異化處理后得到等效矩陣Xu=UXX′????√Xu=UXX′[24-25],,U為haar矩陣,滿足XuXTu=XXTXuXuT=XXT,。對該矩陣中元素按照式(7)進行單位化處理,,得到標準矩陣Z。

  zi=xiN√σ(xi),,i=1,,2,…,,Nzi=xiNσ(xi),,i=1,2,,…,,N(7)

  矩陣Z的方差和期望滿足E(zi,,j)=0,,σ2(zi,j)=1/N,,此時Z的ESD將收斂于一個圓環(huán),,服從于式(8)。

  式中c=N/T,,根據(jù)圓環(huán)率,,當系統(tǒng)中無事件發(fā)生處于穩(wěn)定狀態(tài)時,在復(fù)平面上,,特征值分布在一個外環(huán)半徑為1,,內(nèi)環(huán)半徑為(1-c)2/L的圓環(huán)之間。

  對數(shù)據(jù)處理后分析結(jié)果可視化如圖2所示,,當系統(tǒng)穩(wěn)定運行時,,所有特征值落在圓環(huán)之間,如圖2(a),。在此基礎(chǔ)上逐漸增加負荷,,可以看到特征值分布逐漸靠近圓心,如圖2(b),。當負荷增加到一定程度,,系統(tǒng)接近崩潰時,特征值的分布更接近圓心,,分布范圍更廣,。

2017033017321999.png

  圖2系統(tǒng)不同狀態(tài)的圓環(huán)率

  通過以上兩種不同的極限譜分布函數(shù)方法,,觀察極限譜分布函數(shù)的變化規(guī)律,評估靜態(tài)穩(wěn)定態(tài)勢的方法可行,。

  2.3平均譜半徑

  通過2.2節(jié)的分析,,可以看出當系統(tǒng)發(fā)生事件時,系統(tǒng)的隨機性會被破壞,,隨機矩陣的特征值分布會發(fā)生變化,,不再符合M-P率和圓環(huán)率。特征值的分布隨著負荷增長而變化,,矩陣的單個特征值由于隨機性不能反映這種特性,,故引入線性特征值統(tǒng)計量(lineareigenvaluestatistic,LES)用來反映特征值的統(tǒng)計特性,,作為評價指標,。

  引入平均譜半徑(meanspectralradius,MSR)進行分析,,平均譜半徑為復(fù)平面上所有特征值距離中心點距離的平均值,,是一種線性特征值統(tǒng)計的方法,公式如式(9),,其中λ1,,λ2,?,,λi,,?,λn為矩陣特征值,。

  rMSR=1N∑i=1N|λi|,,i=1,2,,…,,NrMSR=1N∑i=1N|λi|,i=1,,2,,…,N(9)

  3靜態(tài)穩(wěn)定態(tài)勢評估步驟

  根據(jù)上述介紹,,靜態(tài)穩(wěn)定態(tài)勢評估步驟如下:

  1)采集量測數(shù)據(jù),,根據(jù)研究內(nèi)容確定隨機矩陣中數(shù)據(jù)內(nèi)容,生成原始數(shù)據(jù)矩陣,。

  2)采用實時分離窗技術(shù),,確定窗口寬度。分別從原始數(shù)據(jù)矩陣中取得對應(yīng)矩陣,,對矩陣進行歸一化及標準化預(yù)處理,。

  3)計算所取出時間窗口的樣本協(xié)方差矩陣或者對應(yīng)的奇異化樣本協(xié)方差矩陣,。

  4)采用M-P率求出特征值及對應(yīng)的譜分布,或采用圓環(huán)率求出特征值及對應(yīng)的圓環(huán),。

  5)求出平均譜半徑,。

  6)重復(fù)步驟3)—6),直到窗口滑動到當前時刻,。

  7)繪制出平均譜半徑趨勢圖,,并對其進行分析,對比當前時刻和歷史時刻的平均譜半徑,。

  8)綜合以上步驟,,評估靜態(tài)穩(wěn)定態(tài)勢,同時檢測出異常時刻以及異常狀態(tài)量,。

  這一方法間接避免了復(fù)雜網(wǎng)絡(luò)潮流計算和具體臨界值求取,。

  4算例分析

  為了研究本文方法的有效性,本文采用IEEE39節(jié)點配電網(wǎng)絡(luò)作為算例,,并根據(jù)需要對其做了改動,。IEEE39節(jié)點網(wǎng)絡(luò)拓撲如圖3所示,其中發(fā)電機節(jié)點10個,,變壓器節(jié)點12個,,負荷節(jié)點17個。本文進行了兩組算例的仿真,。

2017033017330393.png

  4.1算例1

  圖3IEEE39節(jié)點網(wǎng)絡(luò)拓撲

  本算例原始數(shù)據(jù)是IEEE39節(jié)點中17個負荷節(jié)點總負荷連續(xù)增長,,每個負荷節(jié)點負荷都發(fā)生變化,。選取每一狀態(tài)點的所有節(jié)點電壓和負荷節(jié)點的有功功率構(gòu)成56維隨機矩陣,,一共956個采樣時刻,其中前200個時刻為系統(tǒng)穩(wěn)定狀態(tài),,從第201個時刻開始,,總負荷連續(xù)增長,取時間窗口TwTw=80,,依次對每個滑動時間窗口構(gòu)成的矩陣按照上文方法進行平均譜半徑的計算,,結(jié)果如圖4所示。

2017033017333483.png

  圖4平均譜半徑曲線

  從圖4中可以看出,,由于時間窗口為80,,故平均譜半徑數(shù)值從第80個采樣點開始分析,時間窗口中包含歷史數(shù)據(jù),,在穩(wěn)定時刻平均譜半徑曲線平穩(wěn),,隨著總負荷的增加,系統(tǒng)負荷裕度降低,,平均譜半徑呈下降趨勢,,系統(tǒng)趨于不穩(wěn)定狀態(tài),。

  4.2算例2

  本算例設(shè)置IEEE39節(jié)點中第18節(jié)點處負荷功率連續(xù)增加,其余負荷節(jié)點處負荷功率保持不變,。一共361個采樣時刻,,其中前200個采樣時刻系統(tǒng)處于穩(wěn)定狀態(tài),從201個采樣時刻開始第18節(jié)點處的負荷功率開始連續(xù)增加,。選取每一個采樣時刻系統(tǒng)發(fā)電機節(jié)點,、負荷節(jié)點處母線電壓共27維數(shù)據(jù)和所有負荷節(jié)點有功功率共17維數(shù)據(jù)構(gòu)成44維隨機矩陣進行分析,選取時間窗口TwTw=80,,依照上文介紹方法進行靜態(tài)穩(wěn)定性態(tài)勢評估,,采樣時刻和平均譜半徑曲線如圖5所示。

2017033017340796.png

  圖5平均譜半徑曲線

  可以看出從第80個采樣時刻到第200個采樣時刻平均譜半徑相對平穩(wěn),,波動是由于噪聲和隨機矩陣服從統(tǒng)計規(guī)律造成的,,若擴大滑動窗口寬度,去噪能力增強,,曲線會相對平滑,。從第200個采樣時刻開始平均譜半徑數(shù)值呈降低趨勢,事實上,,總負荷功率在此時間段內(nèi)為上升趨勢,。

  為尋找何處負荷功率變化對電網(wǎng)產(chǎn)生影響,采用增廣矩陣方法,,提取電網(wǎng)狀態(tài)數(shù)據(jù)與負荷數(shù)據(jù)之間的相關(guān)性,,先選取每一個采樣時刻系統(tǒng)發(fā)電機節(jié)點、負荷節(jié)點處母線電壓共27維數(shù)據(jù),,在此基礎(chǔ)上依次分別選取17個負荷節(jié)點處的有功功率擴展到27維,,構(gòu)成54維的隨機矩陣進行仿真分析,時間窗口Tw=80,,結(jié)果如圖6所示,。

  從圖中可以看出一共17條曲線,每一條曲線

2017033017344151.png

  圖6不同負荷的平均譜半徑曲線

  對應(yīng)一個負荷節(jié)點有功功率與發(fā)電機,、負荷節(jié)點的電壓構(gòu)成的隨機矩陣,。在第200個采樣時刻之前17條曲線平均譜半徑值均呈現(xiàn)出平穩(wěn)的趨勢,而后,,其中16條平均譜半徑值相對平穩(wěn),,1條曲線的平均譜半徑呈現(xiàn)下降趨勢。曲線和隨機矩陣一一對應(yīng),,隨機矩陣和電網(wǎng)負荷節(jié)點一一對應(yīng),,可以看出第18節(jié)點處負荷功率發(fā)生了變化。

  5結(jié)論

  本文在分析電力系統(tǒng)實際運行產(chǎn)生的數(shù)據(jù)基礎(chǔ)上,利用隨機矩陣的相關(guān)理論,,提出了一種電網(wǎng)靜態(tài)穩(wěn)定態(tài)勢的評估方法,,得出以下結(jié)論:

  1)隨著電網(wǎng)多源廣域量測信息平臺的完備,本文采用高維隨機矩陣模型提出了電網(wǎng)靜態(tài)穩(wěn)定態(tài)勢的表征方法,,實現(xiàn)電網(wǎng)各個節(jié)點不同的狀態(tài)量的數(shù)據(jù)融合,。

  2)相對于傳統(tǒng)的靜態(tài)穩(wěn)定態(tài)勢評估方法,本文方法融合狀態(tài)量多,,數(shù)據(jù)量相對較大,,充分利用電網(wǎng)產(chǎn)生的數(shù)據(jù),將數(shù)據(jù)轉(zhuǎn)化為知識,,避免了通過機理建模中各種簡化和假設(shè)導(dǎo)致分析結(jié)果不能充分反映系統(tǒng)實際運行情況的問題,,提高了評估的可靠性。

  3)本方法將歷史數(shù)據(jù)和當前數(shù)據(jù)充分應(yīng)用,,基于隨機矩陣理論,,通過對M-P率或圓環(huán)率求得的特征值分析,利用平均譜半徑作為評價指標,,進行靜態(tài)穩(wěn)定態(tài)勢的評估,。

  4)通過算例分析計算可以驗證該方法的有效性,此外還可以對負荷功率變化節(jié)點進行檢測,,提出的方法可以用來進行負荷薄弱節(jié)點判別,,需要結(jié)合實際數(shù)據(jù)做進一步分析。


本站內(nèi)容除特別聲明的原創(chuàng)文章之外,,轉(zhuǎn)載內(nèi)容只為傳遞更多信息,,并不代表本網(wǎng)站贊同其觀點。轉(zhuǎn)載的所有的文章,、圖片,、音/視頻文件等資料的版權(quán)歸版權(quán)所有權(quán)人所有。本站采用的非本站原創(chuàng)文章及圖片等內(nèi)容無法一一聯(lián)系確認版權(quán)者,。如涉及作品內(nèi)容,、版權(quán)和其它問題,請及時通過電子郵件或電話通知我們,,以便迅速采取適當措施,避免給雙方造成不必要的經(jīng)濟損失,。聯(lián)系電話:010-82306118,;郵箱:[email protected]