一种配电网停电事件的负荷自适应动态监测方法
【技术领域】
[0001] 本发明设及配电网供电在线监测、配网停复电和负荷动态监测研究等技术领域， 具体设及一种配电网停电事件的负荷自适应动态监测方法。 技术背景
[0002] 电力系统是由发电厂、输电网络W及电力负荷S者共同组成的能量生产、传输和 使用的系统。发电厂发出的电能经高压输电网和低压配电网传输到各个用户，并由安装在 用户处的用电设备所消耗。电力负荷就是运些用电设备的总称，其中有时也包括配电网络， 简称为负荷。负荷有电压、频率等特性。用于描述负荷特性的数学方程就称为负荷模型。
[0003] 描述配电网各节点运行状态的数学模型W及由其构成的全局数学模型是配电网 数字仿真的基础，模型的准确与否直接影响仿真结果和控制决策方案。目前电力负荷的模 型仍比较简单。随着配电网规模的不断扩大W及各种新型用电设备的不断出现，电力负荷 的特性变得越来越复杂。负荷自适应动态监测模型的准确性对配电网的传输W及系统仿真 结果影响较大，不恰当的模型会使所得结果与系统实际情况不一致，甚至违背事实，从而构 成系统的潜在威胁或造成不必要的投资浪费。现有实际配电网仿真中的负荷模型，大都采 用基于静态负荷模型。
[0004] 在配电网结构的动态分析中，要经常用到负荷的动态监测模型。动态负荷监测模 型对电力系统的动态电压稳定、暂态稳定、小扰动稳定分析等具有较大影响，有必要建立符 合实际情况的动态负荷监测模型。然而由于负荷具有时变性，建立精确的动态负荷监测模 型一直是电力系统领域的一个难题。
[0005] 基于负荷自适应动态监测技术的配电网停电事件打破传统模拟式故障指示器的 技术，实现数字化监测，采用量化停电监测模型的方法，监测线路各点的负荷电压和负荷电 流等特性，提高了停电事件监测的准确性和有效性。负荷自适应动态监测方法能够应对时 变性对建模造成的影响，并能够对每一个负荷点都进行负荷特性实测，由负荷实测点辨识 出的模型进行推广到整个区域配电网中，且能够根据配电网实时运行状况对模型的参数进 行修正。一种配电网停电事件的负荷自适应动态监测方法具有参数辨识精度高、时变性和 地域分散性等优势特征。
【发明内容】
[0006] 本发明的目的是提供一种配电网停电事件的负荷自适应动态监测方法，通过建立 非机理模型（差分方程模型）和利用粒子群优化算法进行参数辨识，并对配电网计量点负 荷数据进行建模，从而实现配电网停电事件准确监测。
[0007] 本发明解决上述技术问题的技术方案如下：
[0008] 1. -种配电网停电事件的负荷自适应动态监测方法，首先从负荷特性测量装置 和数据采集和监控终端系统配电网业务数据进行采集、分析、管理，采集的数据包括计划停 电、停电告警和计量点负荷数据等，利用赌权法计算出计划停电时间、停电告警时间、停电 开始时间和停电持续时间4个指标的权重并整合成一个指标；然后根据所采集的数据序列 进行配电网数据建模，建立基于非机理方法建立差分方程模型，基于粒子群优化算法对模 型的参数进行辨识；最后对所建立的负荷自适应动态监测模型进行模型计算和模型验证， 根据负荷聚类群进行停电事件的诊断分析，并对模型的运用和计算结果进行了深入讨论。
[0009] 上述的配电网业务数据的采集、分析、管理，是对配电网数据传输过程的数据进行 挖掘并抽取可能与停电事件相关的关键字段，包括表计编号、终端逻辑地址、电压、电流、有 功功率和无功功率等。对提取的相关字段进行二次计算，同时对数据进行预处理，包括缺失 值处理、异常值处理和数据规约等。
[0010] 上述的非机理方法，是一种非等值机模型描述，该方法可W方便、准确地描述负荷 的动态特性，也被称为输入、输出模型（I/O模型）。它将要研究的负荷看作是一个"黑箱"， 其输入是负荷母线的电压和电流，输出是负荷吸收的有功功率和无功功率，构造描述输入 变量与输出变量之间的模型方程，然后通过系统辨识理论确定模型参数。
[0011] 上述的粒子群优化算法，是一种基于种群的随机优化技术。它将每个优化问题的 解看作是捜索空间中的"粒子"，所有的粒子都有一个由被优化的函数决定的适应值，每个 粒子还有一个速度其方向和距离，然后粒子们就追随当前的最优粒子在解空间中捜索。PSO 算法是一种基于群体智能的新型演化计算技术，具有简单易实现、设置参数少、全局优化能 力强等优点。已在函数优化、模式识别、信号处理、机器人技术等许多领域取得了成功的应 用。
[0012] 2.如1.所述的一种配电网停电事件的负荷自适应动态监测方法，具体步骤如下：
[0013] (1)配电网业务数据采集并确定关键字段：采集的数据包括计划停电、停电告警 和计量点负荷数据等。其中计量点负荷数据包括表计编号MP_ID、终端逻辑地址TERM_ A孤R、A相电压V0LT_A、A相电流CURR_A、A相有功功率P0W_A、A相无功功率NP0W_A等。
[0014] (2)基于非机理方法建立差分方程模型：把需要研究的负荷看作"黑箱"，输入数 据未负荷母线的电压和电流，输出是负荷吸收的有功功率和无功功率，构造输入变量和输 出变量之间的差分方程模型，然后通过系统辨识理论确定模型参数。
[0015] (3)基于粒子群优化算法的系统辨识：根据步骤（2)确定的差分方程模型，对模型 中的参数进行估计和系统辨识。选择与实测输出数据拟合最好的模型，根据输入、输出数据 来辨识负荷自适应动态监测模型。
[0016] (4)负荷自适应动态监测：对已建好的数学模型进行计算和负荷的动态监测，得 到输出结果，即有功功率和无功功率。对负荷特性进行聚类，对于同类的负荷样本，利用重 屯、法计算聚类中屯、作为等效的实测响应样本。
[0017] (5)停电事件诊断：将所建立的模型应用于配电网停电事件数据分析中，并进行 模型验证，对验证结果进行分析评估。
[001引本发明的优点：
[0019] 本发明提出的停电事件的负荷自适应动态监测方法，经模型计算与验证，效果明 显优于动态监测模型。该方法可运用于实际业务数据的分析或其他相关领域，能有效地针 对输入数据进行挖掘分析，对负荷特性进行分类和决策，提高了停电事件监测的准确性和 有效性。
【附图说明】
[0020] 图1问题解决的流程图。
[0021] 图2停电事件的负荷自适应动态监测方法过程。
[0022] 图3系统辨识原理图。
[0023] 图4 PSO算法流程图。
[0024] 图5配电网停电时间指标体系。
[00巧]图6赌权法计算过程。
[0026] 图7有功功率输出结果误差图。
[0027] 图8无功功率输出结果误差图。
[002引图9计划停电指标和停电开始时间的脉冲响应曲线图。
[0029] 图10聚类谱系图。
【具体实施方式】
[0030] 下面结合附图和实施例对本发明的技术方案进行详细的说明。
[0031] 本发明问题解决的流程如图1所示。
[0032] 图2给出了一种配电网停电事件的负荷自适应动态监测方法过程，具体步骤如 下：
[0033] 步骤1 :配电网业务数据采集。
[0034] 采集的数据包括计划停电、停电告警和计量点负荷数据等。其中计量点负荷数据 包括表计编号MP_ID、终端逻辑地址TERM_ADDR、A相电压V0LT_A、A相电流CURR_A、A相有 功功率P〇W_A、A相无功功率NP0W_A等。
[0035] 步骤2 :基于非机理方法的差分方程模型。
[0036] 把需要研究的负荷看作"黑箱"，输入数据未负荷母线的电压和电流，输出是负荷 吸收的有功功率和无功功率，构造输入变量和输出变量之间的差分方程模型，然后通过系 统辨识理论确定模型参数。
[0037] 步骤3 :基于粒子群优化算法的系统辨识。
[0038] 根据步骤2确定的差分方程模型，对模型中的参数进行估计和系统辨识。选择与 实测输出数据拟合最好的模型，根据输入、输出数据来辨识负荷自适应动态监测模型。系统 辨识建模的原理见图3。
[0039] 步骤4 :负荷自适应动态监测。
[0040] 对已建好的数学模型进行计算和负荷的动态监测，得到输出结果，即有功功率和 无功功率。对负荷特性进行聚类，对于同类的负荷样本，利用重屯、法计算聚类中屯、作为等效 的实测响应样本。
[00川步骤5:停电事件诊断：
[0042] 将所建立的模型应用于配电网停电事件数据分析中，并进行模型验证，对验证结 果进行分析评估。
[0043] 所述的步骤1具体说明如下：
[0044] 运里对采集的计量点负荷数据予W说明，包括数据字段名称、注释、数据类型和关 键字等。如表1所示，用WLT、CURR、POW和NPOW分别表示电压、电流、有功功率和无功功 率。对每一个字段标注数据类型。
[0045] 表1表计负荷实时曲线数据采集说明
[0048] 所述的步骤2具体说明如下：
[0049] 利用非机理模型可W对负荷特性进行实时描述与刻画，使用方便。常用的非机理 动态负荷模型有差分方程模型、传递函数模型和状态空间模型等。下面给出差分方程模型 的一般形式：
[0051] 式中，Pk,化分别表示k时刻的有功功率和无功功率；U，I分别表示电压和电流。 叫，叫，n。，ni分别表示有功功率、无功功率、电压和电流出现的次数。
[0052] 所述的步骤3具体说明如下：
[0053] S3. 1粒子群优化算法的数学描述
[0054] 设总粒子数为N，捜索空间维数为D(即模型待识别参数个数）。第i个粒子的位置 表示为向量Xi=狂。，Xi2,…，XiD)，即第i组待识别负荷自适应动态监测模型参数；第i个 粒子Xi的个体最优值为PidW= 1，2,…，D);所有粒子XiQ= 1，2,…，脚中，对应最优的作 为该粒子群的全局最优值，记为巧；第i个粒子的位置变化率为向量Vi=(V11，Vi2,…，ViD)， 每个粒子的位置按如下方式进行变化：
[0057] 端'二而+皆
[0058]式中，T1，T2为大于0的常数，称为加速因子a称为惯性因子。
[0059] 适应度函数采用均方百分比