誤差計(jì)算：
[0061] 式中，Num表示表計(jì)采樣點(diǎn)數(shù)，Pm化)，QmOO表示模型動(dòng)態(tài)響應(yīng)第k個(gè)點(diǎn)的采樣值， P化)，QGO表示實(shí)測動(dòng)態(tài)響應(yīng)第k個(gè)點(diǎn)的采樣值。
[0062] S3. 2粒子群優(yōu)化算法的算法流程
[0063] 粒子群優(yōu)化算法的算法流程圖見圖4,具體步驟如下：
[0064] S3. 2. 1初始化粒子種群，W隨機(jī)的方式初始化每個(gè)粒子的位置和速度，設(shè)定慣性 常數(shù)加速常數(shù)C，加速常數(shù)Tl,12，個(gè)體最優(yōu)值96631：，群體最優(yōu)值肖6631：;
[0065] S3. 2. 2根據(jù)適應(yīng)度函數(shù)計(jì)算每個(gè)粒子當(dāng)前的適應(yīng)值；
[0066] S3. 2. 3將計(jì)算出的每個(gè)粒子當(dāng)前的適應(yīng)值與pbest進(jìn)行比較，如果優(yōu)于pbest, 則將其作為該粒子當(dāng)前最優(yōu)值pbest。將每個(gè)粒子的適應(yīng)值與gbest進(jìn)行比較，如果優(yōu)于 gbest，則將其作為群體最優(yōu)值gbest ;
[0067] S3. 2. 4根據(jù)粒子的位置變化方式，更新粒子的速度和位置；
[0068] S3. 2. 5檢查終止條件，比如是否達(dá)到最大迭代次數(shù)、全局最優(yōu)值是否滿足最小界 限，如果滿足條件則迭代終止，否則返回S3. 2. 2。
[006引算法算例
[0070] 為了驗(yàn)證本發(fā)明方法的有效性，說明算法的優(yōu)良特點(diǎn)，設(shè)計(jì)下面實(shí)驗(yàn)對其進(jìn)行驗(yàn) 證和比較研究。按照如下步驟進(jìn)行實(shí)驗(yàn)研究：
[0071] 步驟1 :配電網(wǎng)業(yè)務(wù)數(shù)據(jù)采集：從負(fù)荷特性測量裝置和數(shù)據(jù)采集和監(jiān)控系統(tǒng)中獲 取配電網(wǎng)停電事件的相關(guān)業(yè)務(wù)數(shù)據(jù)。采集的數(shù)據(jù)包括計(jì)劃停電、停電告警和計(jì)量點(diǎn)負(fù)荷數(shù) 據(jù)等。配電網(wǎng)停電指標(biāo)體系見圖5。數(shù)據(jù)采集間隔為15min，并抽取25459條數(shù)據(jù)模型輸入 數(shù)據(jù)樣本進(jìn)行存儲，形成相對應(yīng)的數(shù)據(jù)表格，為后續(xù)數(shù)據(jù)建模做好準(zhǔn)備工作。
[0072] 步驟2 :基于非機(jī)理方法的差分方程模型。
[0073] 在采集的停電事件的數(shù)據(jù)中，出現(xiàn)停電的時(shí)刻W異常值代替。運(yùn)用賭權(quán)法如圖6 所示將停電時(shí)間指標(biāo)體系的二級指標(biāo)X (ti)，X (tz)，X (ts)和X (*4)整合成一個(gè)指標(biāo)CX，即確 定評價(jià)指標(biāo)的賭權(quán)值時(shí)，根據(jù)
[0074] 八(-、-/)=-又之jl.u".Ii…,，/ =
[007引式中，A為調(diào)整系數(shù)，A = 1/ln n ; U Ij為第i個(gè)評價(jià)單元（用電客戶）第j個(gè) 指標(biāo)標(biāo)準(zhǔn)化的值。通過計(jì)算得，H (Xi) = 0. 596, H(Xz) = 0. 254, H(Xs) = -32. 1739 和 H (又4) =-4. 7283。利用賭值和權(quán)重值的轉(zhuǎn)化關(guān)系：
[0077] 式中，0《1，可W將賭值轉(zhuǎn)換為權(quán)重值。即可得到評價(jià)指標(biāo)體 系的權(quán)重值分別為0. 〇23、0. 023877、0. 812743和0. 14038。運(yùn)樣，就可W方便地區(qū)分模型的 輸出，即有功功率和無功功率。根據(jù)步驟1的數(shù)據(jù)和差分方程模型：
[0079] 可W對模型進(jìn)行計(jì)算，計(jì)算出每個(gè)時(shí)點(diǎn)的有功功率和無功功率，根據(jù)有功功率和 無功功率兩項(xiàng)指標(biāo)特性進(jìn)行停電時(shí)段的判斷與分析。有功功率輸出結(jié)果誤差見圖7,無功率 輸出結(jié)果誤差見圖8。
[0080] 步驟3 :基于粒子群優(yōu)化算法的系統(tǒng)辨識。
[0081] 根據(jù)步驟2確定的差分方程模型，對模型中的參數(shù)進(jìn)行估計(jì)和系統(tǒng)辨識。首先建 立一個(gè)適應(yīng)度函數(shù)W對參數(shù)進(jìn)行辨識。通過對所采集的數(shù)據(jù)進(jìn)行分析和根據(jù)配電網(wǎng)實(shí)際運(yùn) 行特征，將模型去邊界考慮，W求得更加良好的適應(yīng)函數(shù)。定義適應(yīng)度函數(shù)為
[008引其中，u( ?)為每個(gè)時(shí)點(diǎn)的有功功率函數(shù)化=rip, n。，rii)或無功功率函數(shù)化= ne，nu，ni) ;02(0表示高階無窮小。運(yùn)用逼近定理并化簡整理得到適應(yīng)度函數(shù)的逼近函數(shù) 為百分比誤差的計(jì)算公式，即
[0085] 其中，Num表示表計(jì)采樣點(diǎn)數(shù)，Pm化)，Qm化）表示模型動(dòng)態(tài)響應(yīng)第k個(gè)點(diǎn)的采樣值， P化)，Q化）表示實(shí)測動(dòng)態(tài)響應(yīng)第k個(gè)點(diǎn)的采樣值。
[0086] 計(jì)劃停電指標(biāo)和停電開始時(shí)間的脈沖響應(yīng)曲線見圖9。
[0087] 由圖9看出，適應(yīng)度函數(shù)具有較好的收斂效果，兩項(xiàng)指標(biāo)的脈沖響應(yīng)函數(shù)反應(yīng)出， 在配電網(wǎng)不同的計(jì)劃停電時(shí)間和停電開始時(shí)間時(shí)，計(jì)算的函數(shù)值有時(shí)變特征，出現(xiàn)了不同 的峰值，從而可根據(jù)運(yùn)些峰值進(jìn)行停電事件的判斷和應(yīng)急措施的實(shí)施。因此可W根據(jù)實(shí)際 的配電網(wǎng)停電時(shí)間的指標(biāo)數(shù)據(jù)求得適應(yīng)的函數(shù)的具體表達(dá)式。接著，選擇與實(shí)測輸出數(shù)據(jù) 擬合最好的模型，根據(jù)輸入、輸出數(shù)據(jù)來辨識負(fù)荷自適應(yīng)動(dòng)態(tài)監(jiān)測模型。系統(tǒng)辨識建模的原 理見圖3。
[0088] 表1模型辨識結(jié)果及誤差



[0093] 步驟4 :負(fù)荷自適應(yīng)動(dòng)態(tài)監(jiān)測。
[0094] 對已建好的數(shù)學(xué)模型進(jìn)行計(jì)算和負(fù)荷的動(dòng)態(tài)監(jiān)測，得到輸出結(jié)果，即有功功率和 無功功率。對負(fù)荷特性進(jìn)行聚類，對于同類的負(fù)荷樣本，利用重屯、法計(jì)算聚類中屯、作為等效 的實(shí)測響應(yīng)樣本。聚類譜系見圖10。
[0095] 表2負(fù)荷自適應(yīng)動(dòng)態(tài)監(jiān)測結(jié)果
[0097] 注：模型判斷結(jié)果和實(shí)測結(jié)果列中，1表示停電，0表示未停電。
[009引根據(jù)停電性質(zhì)，停電可分為故障停電和預(yù)安排停電，其中故障停電包括內(nèi)部故障 停電和外部故障停電，預(yù)安排停電包括計(jì)劃停電、臨時(shí)停電和限電。針對計(jì)劃停電、停電告 警、配電網(wǎng)停電開始時(shí)間和持續(xù)時(shí)間等相關(guān)業(yè)務(wù)數(shù)據(jù)，表2是利用所建立負(fù)荷自適應(yīng)動(dòng)態(tài) 監(jiān)測模型，基于計(jì)量點(diǎn)前2000個(gè)樣本進(jìn)行動(dòng)態(tài)監(jiān)測的部分結(jié)果，對計(jì)劃停電和停電告警進(jìn) 行動(dòng)態(tài)匹配，從動(dòng)態(tài)監(jiān)測和匹配結(jié)果容易得出，模型計(jì)算的準(zhǔn)確率為89%。
[0099] 步驟5:停電事件診斷。
[0100] 將所建立的模型應(yīng)用于配電網(wǎng)停電事件數(shù)據(jù)分析中，并進(jìn)行模型驗(yàn)證，對驗(yàn)證結(jié) 果進(jìn)行分析評估。對模型計(jì)算結(jié)果進(jìn)行對比分析，可W看出采用負(fù)荷自適應(yīng)動(dòng)態(tài)監(jiān)測方法 所得的有功功率和無功功率的誤差都比較小，所得模型的精度較高；說明所建模型的擬合 效果要更好一些。因此，根據(jù)實(shí)際情況對配電網(wǎng)計(jì)量點(diǎn)的負(fù)荷數(shù)據(jù)進(jìn)行動(dòng)態(tài)建模分析是有 必要的。
【主權(quán)項(xiàng)】
1. 一種配電網(wǎng)停電事件的負(fù)荷自適應(yīng)動(dòng)態(tài)監(jiān)測方法，其特征在于，首先從負(fù)荷特性測 量裝置和數(shù)據(jù)采集和監(jiān)控終端系統(tǒng)配電網(wǎng)業(yè)務(wù)數(shù)據(jù)進(jìn)行采集、分析、管理，利用熵權(quán)法計(jì)算 出計(jì)劃停電時(shí)間、停電告警時(shí)間、停電開始時(shí)間和停電持續(xù)時(shí)間4個(gè)指標(biāo)的權(quán)重并整合成 一個(gè)指標(biāo)；然后基于非機(jī)理方法建立差分方程模型進(jìn)行配電網(wǎng)數(shù)據(jù)建模，基于粒子群優(yōu)化 算法對模型的參數(shù)進(jìn)行辨識；最后對所建立的負(fù)荷自適應(yīng)動(dòng)態(tài)監(jiān)測模型進(jìn)行模型計(jì)算和模 型驗(yàn)證，根據(jù)負(fù)荷聚類群進(jìn)行停電事件的診斷分析，并對模型的運(yùn)用和計(jì)算結(jié)果進(jìn)行了深 入討論； 所述的配電網(wǎng)業(yè)務(wù)數(shù)據(jù)的采集、分析、管理，是對配電網(wǎng)數(shù)據(jù)傳輸過程的數(shù)據(jù)進(jìn)行挖 掘并抽取可能與停電事件相關(guān)的關(guān)鍵字段，包括表計(jì)編號、終端邏輯地址、電壓、電流、有功 功率和無功功率，對提取的相關(guān)字段進(jìn)行二次計(jì)算，同時(shí)對數(shù)據(jù)進(jìn)行預(yù)處理，包括缺失值處 理、異常值處理和數(shù)據(jù)規(guī)約等； 所述的非機(jī)理方法，是一種非等值機(jī)模型描述，該方法可以方便、準(zhǔn)確地描述負(fù)荷的動(dòng) 態(tài)特性，也被稱為輸入、輸出模型-I/O模型，它將要研究的負(fù)荷看作是一個(gè)"黑箱"，其輸入 是負(fù)荷母線的電壓和電流，輸出是負(fù)荷吸收的有功功率和無功功率，構(gòu)造描述輸入變量與 輸出變量之間的模型方程，然后通過系統(tǒng)辨識理論確定模型參數(shù)； 所述的粒子群優(yōu)化算法，是一種基于種群的隨機(jī)優(yōu)化技術(shù)，它將每個(gè)優(yōu)化問題的解看 作是搜索空間中的"粒子"，所有的粒子都有一個(gè)由被優(yōu)化的函數(shù)決定的適應(yīng)值，每個(gè)粒子 還有一個(gè)速度其方向和距離，然后粒子們就追隨當(dāng)前的最優(yōu)粒子在解空間中搜索；PSO算 法是一種基于群體智能的新型演化計(jì)算技術(shù)，具有簡單易實(shí)現(xiàn)、設(shè)置參數(shù)少、全局優(yōu)化能力 強(qiáng)等優(yōu)點(diǎn)；已在函數(shù)優(yōu)化、模式識別、信號處理、機(jī)器人技術(shù)等許多領(lǐng)域取得了成功的應(yīng)用。2. 如權(quán)利要求1所述的一種配電網(wǎng)停電事件的負(fù)荷自適應(yīng)動(dòng)態(tài)監(jiān)測方法，其特征在 于，具體步驟如下： (1) 配電網(wǎng)業(yè)務(wù)數(shù)據(jù)采集并確定關(guān)鍵字段：采集的數(shù)據(jù)包括計(jì)劃停電、停電告警和計(jì) 量點(diǎn)負(fù)荷數(shù)據(jù)等；其中計(jì)量點(diǎn)負(fù)荷數(shù)據(jù)包括表計(jì)編號MP_ID、終端邏輯地址TERM_ADDR、A相 電壓VOLT_A、A相電流CURR_A、A相有功功率POW_A、A相無功功率NPOW_A; (2) 基于非機(jī)理方法建立差分方程模型：把需要研究的負(fù)荷看作"黑箱"，輸入數(shù)據(jù)未 負(fù)荷母線的電壓和電流，輸出是負(fù)荷吸收的有功功率和無功功率，構(gòu)造輸入變量和輸出變 量之間的差分方程模型，然后通過系統(tǒng)辨識理論確定模型參數(shù)； (3) 基于粒子群優(yōu)化算法的系統(tǒng)辨識：根據(jù)步驟（2)確定的差分方程模型，對模型中的 參數(shù)進(jìn)行估計(jì)和系統(tǒng)辨識，選擇與實(shí)測輸出數(shù)據(jù)擬合最好的模型，根據(jù)輸入、輸出數(shù)據(jù)來辨 識負(fù)荷自適應(yīng)動(dòng)態(tài)監(jiān)測模型； (4) 負(fù)荷自適應(yīng)動(dòng)態(tài)監(jiān)測：對已建好的數(shù)學(xué)模型進(jìn)行計(jì)算和負(fù)荷的動(dòng)態(tài)監(jiān)測，得到輸 出結(jié)果，即有功功率和無功功率；對負(fù)荷特性進(jìn)行聚類，對于同類的負(fù)荷樣本，利用重心法 計(jì)算聚類中心作為等效的實(shí)測響應(yīng)樣本； (5) 停電事件診斷：將所建立的模型應(yīng)用于配電網(wǎng)停電事件數(shù)據(jù)分析中，并進(jìn)行模型 驗(yàn)證，對驗(yàn)證結(jié)果進(jìn)行分析評估。
【專利摘要】本發(fā)明公開了一種配電網(wǎng)停電事件的負(fù)荷自適應(yīng)動(dòng)態(tài)監(jiān)測方法，利用配電網(wǎng)業(yè)務(wù)數(shù)據(jù)基于熵權(quán)法計(jì)算計(jì)劃停電時(shí)間、停電告警時(shí)間、停電開始時(shí)間和停電持續(xù)時(shí)間4個(gè)指標(biāo)的權(quán)重并綜合成一個(gè)指標(biāo)；基于非機(jī)理方法建立差分方程模型進(jìn)行數(shù)據(jù)建模，基于粒子群優(yōu)化算法對模型的參數(shù)進(jìn)行辨識；對負(fù)荷自適應(yīng)動(dòng)態(tài)監(jiān)測模型進(jìn)行計(jì)算和驗(yàn)證，根據(jù)負(fù)荷聚類群進(jìn)行停電事件的診斷分析和計(jì)算結(jié)果的討論。本發(fā)明的優(yōu)點(diǎn)：本發(fā)明提出的停電事件的負(fù)荷自適應(yīng)動(dòng)態(tài)監(jiān)測方法，經(jīng)模型計(jì)算與驗(yàn)證，效果明顯優(yōu)于動(dòng)態(tài)監(jiān)測模型。該方法可運(yùn)用于實(shí)際業(yè)務(wù)數(shù)據(jù)的分析或其他相關(guān)領(lǐng)域，能有效地針對輸入數(shù)據(jù)進(jìn)行挖掘，對負(fù)荷特性進(jìn)行分類和決策，提高了停電事件監(jiān)測的準(zhǔn)確性和有效性。
【IPC分類】H02J3/00
【公開號】CN105406461
【申請?zhí)枴緾N201510688328
【發(fā)明人】麥青, 吳比坤, 洪剛, 張如利, 覃能杰, 田泉, 陳作銘, 朱慶波, 周宏瑞, 黎颋, 翁海鋒
【申請人】廣西電網(wǎng)有限責(zé)任公司北海供電局, 廣西博聯(lián)信息通信技術(shù)有限責(zé)任公司
【公開日】2016年3月16日
【申請日】2015年10月21日