一种基于数据驱动的电能质量多层级协同治理方法与流程

本发明涉及本发明属于电力系统的电能质量管理的，具体涉及一种基于数据驱动的电能质量多层级协同治理方法。

背景技术：

1、电能质量问题是电力系统长期存在的问题之一，近年来，随着新能源发电并网、电网电力电子化程度增大与非线性负荷占比越来越高，电网的电能质量问题越来越受到关注。如今随着电网规模的扩大，用电负荷的复杂多样，电能质量问题已经逐渐由单一指标转向多种并存。因此，需要从电网层面，对电网分散、叠加的污染成分进行多层级协同治理，才能有效解决现代电网电能质量问题。

2、传统电能质量管理设备配置策略多采用点对点局部补偿的形式，缺乏协调，实际效率较低。电能质量扰动源逐渐呈现高渗透、多样化、分散化的特点，传统的谐波电压地方治理模式已不再适用。基于聚类的异常检测方法更适合电能质量数据的综合管理。大部分电能质量监测指标数据是动态的，随时间变化。但是忽略了扰动对电能质量数据整体动态特性的影响。因此，有必要找到一种能够准确测量时间序列动态特性的关联度计算方法。灰色关联算法能较好地反映序列的整体动态特征，但在处理高维时间序列时效率较低，这会严重影响治理效率。需要运用数据驱动建模思想，结合各节点电能质量运行数据，提出一种优化的基于数据驱动的多级协同电能质量管理策略。

3、在所述背景技术部分公开的上述信息仅用于加强对本技术的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本发明的目的是解决电力网络分区不合理和区域治理效率差的问题，提出了一种基于数据驱动的电能质量多层级协同治理方法，通过数据驱动的方式引入各节点电能质量运行数据，通过k近邻插值寻优方法保证获取的电能质量运行数据的质量，实现了全域分区以及综合治理，提高了电力网络治理分区和治理的效率。

2、本发明实施例中提供的一种技术方案是一种基于数据驱动的电能质量多层级协同治理方法，包括以下步骤：

3、s1，通过提取电力网络各节点电能质量时间序列中的重要特征点，基于k近邻寻优法构建等时维序列数组；

4、s2，针对监测数据的不均衡结构特征，采用改进灰色关联理论分析等时维序列数组内节点数据的相关性，基于k-means++聚类进行电能质量系统级评估，根据耦合度分区判别规则划分综合治理区域；

5、s3，基于综合治理区域确定多区域协同下的主导治理母线和治理装置补偿率，实现电能质量污染的全局治理。

6、作为优选，s1中，重要特征点的提取步骤包括：

7、s11，定义原始时间序列数据x＝{(xi,ti)}i＝1n，ti为第i个特征点与相邻特征点之间的时间跨度；原始时间序列特征点xc提取规则如下：选定当xi满足以下4个关系式中任意一个便可作为特征点；具体公式为：

8、

9、s12，从选出的特征点中提取出重要特征点，所述重要特征点为：极值点和拐点。

10、作为优选，s12中，提取重要特征点之前，还包括：

11、s121，若重要特征点xjc为极值点，则仅在纵向维度上利用垂直距离d判断其是否超过规定阈值ε，若超过规定阈值ε则判定为重要极值点，反之则忽略该点；

12、s122，若重要特征点xjc为拐点，则仅在纵向和横向维度上利用垂直距离d和时间跨度t判断其是否超过规定阈值ε和ξ，若超过则为重要极值点，反之则忽略该点；

13、s123，基于步骤s121～s122按照序列特征点顺序依次判断xjc是否为重要特征点，用直线段连接所有相邻重要特征点构成分段序列。

14、作为优选，s2中，采用改进灰色关联理论分析等时维序列数组内节点数据的相关性的步骤包括：

15、s21，确定反映电力网络行为特征的数据序列，对数据序列中的数据采取无量纲处理；

16、s22，采用min-max规范化方法将数据映射到区间[0,1]内，生成灰色关联度r(i,j)，r(i,j)第i个参考时间序列与第j个比较时间序列之间电能质量的相似性，获取各电力节点之间的电能质量数据的相关系数；

17、s23，使用特征尺度对相关系数序列进行处理得到灰色关联度矩阵；

18、s24，令i＝i+1，更换电能质量时间序列数组中的参考序列，其余的时间序列则继续作为比较序列，重复步s22和s23计算新的l-1行比较序列与第i行参考序列的灰色关联度，直到i>l时，则停止计算。

19、作为优选，相关系数计算公式如下：

20、

21、式中，εk(i)为待分析节点与节点k电能质量数据的相关系数，mini|xi-yi|为待分析节点间数据差值绝对值的最小值，maxi|xi-yi|为最大值；ρ为分辨系数。

22、作为优选，s2中，基于k-means++聚类进行电能质量系统级评估步骤为：

23、将电能质量时间序列中的电能质量数据作为样本集，随机选取一个样本作为初始质心，然后计算其余样本到初始质心的距离；

24、计算样本被选为下一个初始质心的概率p(i)；

25、重复迭代遍直到选择第k个初始质心，进行k-means++迭代，得到最终的聚类结果。

26、作为优选，s2中，根据耦合度分区判别规则划分综合治理区域，包括如下步骤：将每个节点作为参考节点时的关联度从大到小进行排序得到排序情况表，提取出表中各行关联度排序前40％的节点，并将其中彼此共同包含的节点暂时划归到同一个区域。

27、作为优选，s2中，根据耦合度分区判别规则划分综合治理区域，还包括如下步骤：当两个或两个以上区域内同时包含一个或一个以上相同节点的情况时，对比分析各区域内自身独有节点与每一个相同节点的综合关联度决定该节点的归属区域。

28、作为优选，综合关联度计算公式为：

29、

30、式中，r’k代表节点k对某一区域的综合关联度；v表示该区域内自身独有的节点数；rkj表示该区域内第j个节点与节点k的关联度。

31、作为优选，在s3中，基于综合治理区域确定多区域协同下的主导治理母线和治理装置补偿率，实现电能质量污染的全局治理，包括如下步骤：

32、通过排序情况表得到综合治理区域中的主导治理节点；

33、针对谐波指标，单独调节主导治理节点上补偿装置的容量使谐波电压含有率达到标准；

34、针对三相电压不平衡指标，在主导治理节点上装设无功补偿装置，单独调节每一区域内主导治理节点上补偿装置的容量使其三相不平衡达到标准；

35、针对电压偏差指标，在主导治理节点上装设无功补偿装置，单独调节每一区域内主导治理节点上补偿装置的容量使其电压偏差达到标准。

36、本发明的有益效果：

37、1、本发明针对传统电能质量管理设备配置策略多采用低效率的点对点局部补偿的形式，创新性地引入数据驱动的方法，利用各节点电能质量运行数据，提出一种基于数据驱动的电能质量多层级分区综合治理方法，设计合理，对改善配电台区的供电质量具有重大意义；2、本发明针对电能质量时间序列的数据特征，选择k近邻插值寻优，对各节点相同电能质量指标下的分段序列进行彼此插值处理，将每一行分段序列的插值点和本身重要特征点相结合共同构成等时间维度的序列数组，奠定了数据基础并提高了数据质量；

38、3、本发明相比于已有的传统治理方法，选择基于改进灰色关联分析以及k-means++的协同治理分区策略，能够实现高精确度、实时在线的电能质量扰动的全局治理，在工程实际应用具有较好的实用性；

39、4、本发明可以应用于新能源应用场景如在增容康峰的基础上满足电能质量治理需求，可以有效解决目前电能质量治理边际效用低，技术经济性差的问题。

40、上述
技术实现要素：
仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。