CN103106344B

CN103106344B - 一种建立电力系统聚类负荷模型的方法

Info

Publication number: CN103106344B
Application number: CN201310035067.4A
Authority: CN
Inventors: 陈凡; 卫志农; 孙国强; 孙永辉; 张伟; 刘玉娟; 杨雄; 袁阳; 陆子刚; 潘春兰
Original assignee: Hohai University HHU
Current assignee: Hohai University HHU
Priority date: 2013-01-30
Filing date: 2013-01-30
Publication date: 2015-09-16
Anticipated expiration: 2033-01-30
Also published as: CN103106344A

Abstract

本发明公开了一种建立电力系统聚类负荷模型的方法：先将时序负荷曲线排序得到负荷持续时间曲线，然后根据负荷水平对充裕度指标的贡献度将负荷持续时间曲线分成高贡献度、中等贡献度、低贡献度三个分区，如果分区为高贡献度区,则对该分区采用层次聚类算法选取聚类中心初始值；如果分区为中等贡献度区,则对该分区采用均值-标准差法选取聚类中心初始值；如果分区为低贡献度区,则对该分区根据经验或者随机确定聚类中心初始值；通过定义改进效率指标，将改进效率作为收敛条件从而确定K-均值聚类算法中的聚类数。根据本发明方法得出的聚类负荷模型在用于电力系统充裕度评估时具有很高的计算精度和快速的收敛特性。

Description

一种建立电力系统聚类负荷模型的方法

技术领域

本发明属于电力系统可靠性评估技术领域，具体涉及一种建立电力系统聚类负荷模型的方法。

背景技术

电力系统充裕度评估能够为制定电力系统的发展规划和系统的运行调度提供参考依据。根据系统状态抽取方法的不同，电力系统充裕度评估算法可分为解析法、状态抽样法和状态持续时间抽样法。其中状态持续时间抽样法直接采用年时序负荷曲线作为负荷模型，而解析法和状态抽样法则采用多级负荷模型，多级负荷模型的准确性将直接影响到可靠性评估结果的准确性。

在形成电力系统充裕度评估中的聚类负荷模型时，为了节约聚类时间和提高聚类模型精度，可以先将电力系统的年时序负荷按照从大到小的顺序排列，然后对排序后的负荷进行聚类从而获取多级负荷模型。通常采用K-均值聚类技术来建立与排序后的负荷曲线对应的多级水平负荷模型，然而K-均值聚类算法存在聚类中心初始值和聚类数难以选择的问题。针对聚类中心初始值难以选择的问题，基于层次聚类的K-均值聚类改进算法通过先应用层次聚类算法得到一个初始的划分，并计算每个类内对象的均值从而得到了初始聚类中心；基于均值-标准差的K-均值聚类改进算法则通过利用均值、标准差来选取聚类中心初始值。研究结果表明，如果单独采用其中的某种改进算法来建立电力系统年时序负荷的聚类模型，所得的聚类负荷模型在用于电力系统充裕度评估时模型精度不够高。采用基于层次聚类的K-均值聚类算法虽然可以对高水平部分的负荷进行精确的聚类，但同时也对低水平部分的负荷进行了细致却几乎无益的聚类，而且实际电力负荷模型通常采用一年的8760个小时的负荷水平为原始数据，采用基于层次聚类的K-均值聚类算法对8760个小时的负荷进行聚类计算将耗费大量的计算时间。而基于均值-标准差的K-均值聚类算法在建立初始聚类中心时对分散负荷点的处理比较粗糙，无法对相对稀疏的高水平负荷或者低水平负荷精确的聚类，而这其中高负荷水平部分的粗糙聚类将会使得计算结果出现较大的误差。针对聚类数的选择问题，2011年第39卷第10期《电力系统保护与控制》中的“基于二分法的聚类负荷模型及其在电力系统可靠性评估中的应用”一文提出利用二分法来快速确定聚类数，将显著性水平作为聚类方案好坏的评价标准，没有考虑到聚类数对电力系统充裕度评估计算速度的影响，因此得出的聚类数太多，不利于快速计算得出充裕度指标。

因此，需要一种新的建立电力系统聚类负荷模型的方法以解决上述问题。

发明内容

发明目的：本发明针对现有技术中电力系统聚类负荷模型建立方法在用于电力系统充裕度评估时的缺陷，提供一种计算精度高、收敛速度快的建立电力系统聚类负荷模型的方法。

技术方案：为解决上述技术问题，本发明的建立电力系统聚类负荷模型的方法采用如下技术方案：

一种建立电力系统聚类负荷模型的方法，包括以下步骤：

1)、输入电力系统时序负荷数据；

2)、对所述时序负荷数据进行降序排列得到负荷持续时间曲线；

3)、将步骤2)得到的所述负荷持续时间曲线按照负荷水平对可靠性影响的贡献划分成不同的分区，分区的数目为n；

4)、设定第i个分区的聚类数的初始值和改进效率阈值η_is，其中，i=1，2，…，n；

5)、将第i个分区的聚类数加倍，其中，i=1，2，…，n；

6)、对不同的分区选择相应的方法来选取初始聚类中心初始值，并根据步骤5)所得的聚类数进行聚类；

7)、计算第i个分区的改进效率值η_i，其中，η_i值由下式计算得到：

η_{i} = \frac{| x_{i} - x_{j} |}{x_{j}} / \frac{| t_{i} - t_{j} |}{t_{j}}

其中，x_i、x_j为聚类数增加前和增加后的电力系统可靠性指标，t_i、t_j为聚类数增加前和增加后的指标计算时间；

8)、重复步骤5)-7)，直到η_i≤η_is，其中，η_i为第i个分区的改进效率值，η_is为第i个分区的改进效率阈值，i=1，2，…，n；

9)、重复步骤5)-8)，直到所有的分区均完成聚类，输出聚类负荷模型。

更进一步的，步骤3)中所述分区的数目n=3，分别为高贡献度区、中等贡献度区和低贡献度区。

更进一步的，所述高贡献度区的负荷为0.8～1，所述中等贡献度区的负荷为0.5～0.8，所述低贡献度区的负荷为0.3～0.5。

更进一步的，步骤4)中所述高贡献度区的聚类数初始值为1，改进效率阈值为η_1s=0.12；所述中等贡献度区的聚类数初始值为1，改进效率阈值为η_2s=0.15；所述低贡献度区的聚类数初始值为1，改进效率阈值为η_3s=0.20。

更进一步的，步骤6)中，如果分区为高贡献度区，则对该分区采用层次聚类算法选取聚类中心初始值；如果分区为中等贡献度区，则对该分区采用均值-标准差法选取聚类中心初始值；如果分区为低贡献度区，则对该分区根据经验或者随机确定聚类中心初始值。

更进一步的，步骤1)中所述时序负荷数据为年时序负荷数据。

有益效果：本发明的建立电力系统聚类负荷模型的方法具有以下效果：

1、充分利用了基于层次聚类的K-均值聚类改进算法聚类精度高的特点，实现了对高水平负荷的细致划分从而保证负荷模型在电力系统充裕度评估中具有较高的计算精度。

2、充分利用了基于均值-标准差的K-均值聚类改进算法聚类效率高的特点，使得聚类负荷模型在具有较高的计算精度的同时提高了聚类效率。

3、克服了采用二分法时所确定的聚类数过多而导致计算时间成本过大的问题；

4、本发明提出的负荷聚类数的确定方法能够在满足一定的计算精度的同时节省时间成本，实现了计算精度和计算速度的综合权衡。

附图说明

图1是本发明的建立电力系统聚类负荷模型的方法的流程示意图。

具体实施方式

根据下述实施例，可以更好地理解本发明。然而，本领域的技术人员容易理解，实施例所描述的内容仅用于说明本发明，而不应当也不会限制权利要求书中所详细描述的本发明。

实施例1

请参阅图1所示，针对IEEE RTS79系统给出的年时序负荷数据，建立电力系统聚类负荷模型的方法的具体步骤如下：

1)输入IEEE RTS79系统给出的年时序负荷数据；

2)对步骤1)中的年时序负荷进行降序排列得到负荷持续时间曲线；

3)将步骤2)中的负荷持续时间曲线分成3个分区，即分区的数量n=3，其中第1个分区为负荷在0.8～1之间，此为高贡献度区；第2个分区为负荷在0.5～0.8之间，此为中等贡献度区；第3个分区为负荷在0.3～0.5之间，此为低贡献度区；

4)3个分区的改进效率阈值分别取为：高贡献度区的改进效率阈值η_1s=0.12，中等贡献度区的改进效率阈值η_2s=0.15，低贡献度区的改进效率阈值η_3s=0.20；各个分区的的聚类数的初始值均取为1；

5)将第i个(i=1，2，3)分区的聚类数加倍；

6)对第1个分区采用层次聚类算法选取聚类中心初始值；对第2个分区采用均值-标准差法选取聚类中心初始值；对第3个分区根据经验指定聚类中心初始值。

7)计算第i个(i=1，2，3)分区的改进效率值η_i：

η_{i} = \frac{| x_{i} - x_{j} |}{x_{j}} / \frac{| t_{i} - t_{j} |}{t_{j}}

其中，x_i、x_j为聚类数增加前和增加后的电力系统可靠性指标(如电力不足时间期望)，t_i、t_j为聚类数增加前和增加后的指标计算时间。

8)重复步骤5)-7)，直到η_i≤η_is，其中，η_i为第i个分区的改进效率值，η_is为第i个分区的改进效率阈值，i=1，2，3；

9)重复步骤5)-8)，直到3个分区均完成聚类，输出聚类负荷模型。

计算结果

采用本发明给出的步骤将IEEE RTS79系统提供的年时序负荷进行聚类，得到的聚类结果是：第一个分区和第二个分区在聚类数为8时，满足收敛条件；第三个分区在聚类数为2时，满足收敛条件；总的聚类数为18。最终形成的负荷聚类结果如下表1所示。

表1本发明方法所得的聚类负荷模型

为了更好的说明本发明方法得出的聚类负荷模型在相同的计算时间下具有更高的计算精度，分别采用基于层次聚类的K-均值聚类算法和基于均值-标准差的K-均值聚类算法在聚类数同样为18的情况下进行了聚类，聚类结果分别如表2和表3所示：

表2基于层次聚类的K-均值聚类算法的负荷模型

表3基于均值-标准差的K-均值聚类算法的负荷模型

分别利用本发明方法得出的聚类负荷模型和单独使用基于层次聚类的K-均值聚类算法或基于均值-标准差的K-均值聚类算法得出的负荷模型，利用状态抽样法(最大抽样次数设置为100000次)计算了系统峰荷为2850MW时可靠性指标，计算结果如表4所示。

表4采用不同聚类负荷模型的发电充裕度计算结果

文献R.Billinton,Li Wenyuan.Reliability Assessment of Electric Power Systems UsingMonte Carlo Methods.New York and London:Plenum Press,1994.中给出了系统峰荷为2850MW时，利用状态持续时间抽样法和年时序负荷模型对IEEE RTS79系统的结果：LOLE＝9.3716小时/年，EENS＝1197.4448MWh/年。将此发电系统充裕度指标计算结果同表4中采用三种聚类负荷模型时得出的结果相比较可知，本发明方法得出的聚类负荷模型具有更高的计算精度和更快的收敛速度。

本发明的建立电力系统聚类负荷模型的方法，克服了单独采用基于层次聚类的K-均值聚类算法和基于均值-标准差的K-均值聚类算法获取电力系统可靠性评估中的聚类负荷模型时的不足，既保证了对高水平负荷的细致划分从而改善了负荷模型的聚类精度，又避免了对低水平负荷的细致划分从而节省了计算时间；克服了采用二分法时所确定的聚类数过多而导致计算时间成本过大的问题；本发明给出的负荷聚类数的确定方法能够在满足一定的计算精度的同时节省时间成本，实现了计算精度和计算速度的综合权衡。

Claims

1.一种建立电力系统聚类负荷模型的方法，其特征在于，包括以下步骤：

1)、输入电力系统的时序负荷数据；

2)、对年时序负荷数据进行降序排列得到负荷持续时间曲线；

4)、设定第i个分区的聚类数的初始值和改进效率阈值η_is，其中，i＝1,2,…,n；

5)、将第i个分区的聚类数加倍，其中，i＝1,2,…,n；

8)、重复步骤5)-7)，直到η_i≤η_is，其中，η_i为第i个分区的改进效率值，η_is为第i个分区的改进效率阈值，i＝1,2,…,n；

2.如权利要求1所述的建立电力系统聚类负荷模型的方法，其特征在于，步骤3)中所述分区的数目n＝3，分别为高贡献度区、中等贡献度区和低贡献度区。

3.如权利要求2所述的建立电力系统聚类负荷模型的方法，其特征在于，步骤4)中所述高贡献度区的聚类数初始值为1，改进效率阈值为η_1s＝0.12；所述中等贡献度区的聚类数初始值为1，改进效率阈值为η_2s＝0.15；所述低贡献度区的聚类数初始值为1，改进效率阈值为η_3s＝0.20。

4.如权利要求2所述的建立电力系统聚类负荷模型的方法，其特征在于，步骤6)中，如果分区为高贡献度区,则对该分区采用层次聚类算法选取聚类中心初始值；如果分区为中等贡献度区,则对该分区采用均值-标准差法选取聚类中心初始值；如果分区为低贡献度区,则对该分区根据经验或者随机确定聚类中心初始值。

5.如权利要求1所述的建立电力系统聚类负荷模型的方法，其特征在于，步骤1)中所述时序负荷数据为年时序负荷数据。