大数据聚类算法在配电网负荷分析上的应用论文_周峰

国网徐州供电公司 221005

摘要:随着经济的快速发展,电能需求量越来越大,高效调节系统负荷的能力成为供电公司日趋关注的重点。用户的用电行为对于平衡供求关系,确保电力系统的可靠性具有重要意义。以用电信息采集系统中配变负荷数据为基础,结合K-Means聚类分析方法,对乡镇区域公变负荷曲线进行聚类,研究地区电力用户负荷模式,为公司配电网运维决策提供科学的参考依据,对优化地区电网建设及规划具有极其重要的意义。

关键词:聚类;实时负荷;用电信息采集

一、实施背景

随着经济的快速发展,电能需求量越来越大,高效调节系统负荷的能力成为供电公司日趋关注的重点。用户的用电行为对于平衡供求关系,确保电力系统的可靠性具有重要意义。以用电信息采集系统中公变负荷数据为基础,结合K-Means聚类分析方法,对乡镇区域公变负荷曲线进行聚类,获得区域负荷特性分类和典型负荷分布情况,为负荷调整、配电网规划提供数据支撑,为公司配电网运维决策提供科学的参考依据。

二、具体做法

(一)开展负荷数据预处理

1.数据获取

抽取用电信息采集系统中某供电区域内全部公变某一时段内每15分钟负荷数据,将数据分为工作日和周末两类(本项目中分析对象为工作日数据)。

2.数据归一化

由于不同容量的公变负荷区间存在较大差异,数据的归一化采用如下的方法:

其中,ob代表公变PMS编号;iϵ[1-31],表示日;jϵ[0-95],表示采集点;Pob,i,Max,Pob,i,Min表示该台配变每日负荷的最大值和最小值。

3.公变日负荷曲线

每台公变日负荷曲线(PT)是采用同一个月中同采集时点负荷的平均值来确定的:PTob,j=Mean()其中,Mean表示取平均值。

(二)利用k-Means算法开展聚类分析

1.算法描述

K-Means算法,也被称为K-平均或K-均值,是一种得到最广泛使用的聚类算法。主要思想是:首先将各个聚类子集内的所有数据样本的均值作为该聚类的代表点,然后把每个数据点划分到最近的类别中,使得评价聚类性能的准则函数达到最优,从而使同一个类中的对象相似度较高,而不同类之间的对象的相似度较小,算法基本步骤如下:

1)选择K个点作为初始质心;

2)将每个点指派到最近的质心,形成K个簇;

3)重新计算每个簇的质心;

4)质心不发生变化或是迭代步骤数目达到最大时,结束算法,否则转步骤2。

2.聚类分析

经过上述数据处理,得到了每台公变的代表负荷曲线,下面将这些曲线进行聚类,两条负荷曲线之间的距离定义如下:

假设聚类得到K个负荷曲线分类,表示每个聚类中所包含的公变集合,表示该集合中的所有元素,表示每个聚类中包含的公变台数,每个聚类的代表曲线为聚类中心,即隶属于该聚类中所有公变的代表负荷曲线的平均值,其中,k=1,2,…K。

3.聚类结果

定义SC表征聚类完整性与分隔性的比值之和,较小的SC值表明聚类的效果较好。

按分类类别从1到10对本数据样本计算,当聚类数目为5时就可以取得不错的聚类效果。

三、成果形式

K-Means算法对数据进行聚类前后对比,如下图所示。

根据各聚类所包含的样本,结合样本中用户的用电类别,对该样本特征的一致性进行了比较,结果如下:

分类1:非连续性用电,三段式负荷,峰谷差较高,样本中负荷以居民用电为主。

分类2:连续性用电,日负核两段式波动明显,样本中以非居民照明为主(商业)。

分类3:连续性用电,负荷平稳、波动性不强,负荷较低,样本中以低压居民为主。

分类4:非连续性用电,二段式负荷,有明显的峰谷差,样本中以农业生产、农业排灌为主。

分类5:连续性用电,负荷变化平缓,样本中负荷有居民照、非居民照明、农业生产用电组合。

四、应用范围及成效

(一)为弹性电网负荷调整提供数据支撑

通过聚类算法得到一个地区电力用户的负荷分类,根据该地区的负荷曲线分类研究该地区的负荷形态特性,进行分类负荷曲线的负荷时间弹性识别以及定性分析,剔除缺乏时间可调特性的负荷,根据时间弹性大小进行负荷供应调整,减少高峰期间电力需求压力,平衡电网供电能力,降低供电成本。

(二)测算负荷组内可开放负荷容量

负荷管理,其最终目标是实现电网移峰填谷的效果。对于新增负荷,先判断电力用户负荷需求形态特性,结合线路剩余负荷及同时率等因素影响,计算线路负荷最大利用率下可开放容量,对电力公司负荷开放的规划具有重要参考意义。

1.减少投资。采用聚类算法后,线路可开放容量大概平均提高20%左右,在进行配网规划时,可提高现有网架的利用率,一定程度上减少线路投资。

2.在接入负荷时可以通过负荷类型划分,科学布局负荷接入点,使线路的负荷类型更多样,一定程度上促使线路负荷特性更平稳。

五、结束语

通过此次项目的应用实施表明,基于用户负荷曲线的聚类分析在智能配电网下应用前景广阔。通过对电力用户负荷曲线进行聚类分析,分析基于用户负荷特性分类和负荷时间弹性的负荷管理优化问题,建立用户参与电网交互的负荷管理优化模型,为负荷预测、负荷控制以及开发营销策略等都有理论和实际意义。

六、参考文献

[1]《基于实际负荷曲线的电力用户分类技术研究》冯晓蒲

论文作者:周峰

论文发表刊物:《基层建设》2018年第34期

论文发表时间:2019/1/7

标签:;  ;  ;  ;  ;  ;  ;  ;  

大数据聚类算法在配电网负荷分析上的应用论文_周峰
下载Doc文档

猜你喜欢