负荷响应特性分群及聚类边界刻画方法及系统与流程

本发明涉及电力系统仿真与分析，并且更具体地，涉及一种负荷响应特性分群及聚类边界刻画方法及系统。

背景技术：

1、电力系统机电暂态仿真是电网安全稳定分析的核心工具，其仿真精度很大程度上取决于负荷模型的准确性，然而实际电网中成百上千个负荷母线节点因构成成分（如感应电机、恒阻抗、恒功率及电力电子接口负荷等）存在显著的地域性与时变性差异，其动态响应行为呈现复杂的非线性特征且随运行工况连续渐变，若对全网采用单一典型负荷模型，将导致功角摇摆曲线和系统阻尼特性的仿真结果严重偏离实际，甚至误判稳定裕度。

2、为应对该问题，现有技术中主要发展了三类负荷分群建模方法：第一类基于用户类型或电压等级进行静态划分，但忽略了同类负荷在不同扰动深度下的动态响应差异，分群颗粒度过粗；第二类采用k-means或层次聚类算法对扰动后的有功时序波形进行欧氏距离直接聚类，此类方法对波形相位偏移敏感且聚类边界为各向同性的刚性球形划分，无法反映负荷特性在参数空间中的各向异性漂移与连续过渡本质；第三类对各节点独立辨识等效负荷模型参数，虽精度较高但计算量巨大且模型无法迁移至未观测节点。上述现有技术的共同缺陷在于：特征提取环节未与机电暂态仿真的目标精度建立关联，提取的特征既包含冗余信息又遗漏了对功角首摆及阻尼特性起决定作用的物理指标；聚类边界采用硬性划分策略，当节点特征落在群间交叠区域时，微小的测量扰动或运行方式变化即导致模型参数的剧烈跳变，仿真结果不连续且缺乏鲁棒性；边界判别函数不具备可迁移性，难以部署至电气结构相似但未配置量测装置的相邻节点。

3、因此，急需一种负荷响应特性分群及聚类边界刻画方法。

技术实现思路

1、本发明提出一种负荷响应特性分群及聚类边界刻画方法及系统，以解决如何确定适用于机电暂态仿真的动态模型数据文件的问题。

2、为了解决上述问题，根据本发明的一个方面，提供了一种负荷响应特性分群及聚类边界刻画方法，所述方法包括：

3、获取多个负荷母线节点在电压跌落或频率波动时间中的响应数据；

4、基于所述响应数据构造以功角首摆响应为目标的负荷动态压缩特征矢量；

5、基于所有负荷母线节点的负荷动态压缩特征矢量进行聚类，确定多个负荷群；

6、对每个负荷群进行群边界刻画，基于群边界将特征将特征空间划分为核心区、交叠模糊区和外点区；

7、对核心区和交叠模糊区内的负荷母线节点进行参数内插；

8、基于每个负荷母线节点和对应的参数，实现负荷响应特性分群及聚类边界刻画。

9、优选地，其中所述响应数据，包括：以相同时间基准对齐的电压幅值时序{u(t)}、有功功率时序{p(t)}、无功功率时序{q(t)}，其中，t的取值范围为扰动发生时刻t0前至少一个周波至扰动后系统进入新稳态的时刻t_end。

10、优选地，其中基于所述响应数据构造以功角首摆响应为目标的负荷动态压缩特征矢量，包括：

11、利用如下方式计算电压-有功耦合跌落深度：

12、,

13、其中，δtd为扰动持续时段；t0为扰动发生时刻；为有功功率；为电压幅值；

14、将扰动切除时刻t_clear后的第一个预设时间段等分为四个子区间，分别计算各子区间的有功平均变化率

k1,

k2,

k3,

k4，以形成表征初始功率恢复斜率的四维子特征；

15、对有功-电压二维轨迹进行降维，取嵌入到一维流形后的轨迹首末端点差值δ_lle作为电压-有功轨迹的低维流形嵌入特征；

16、对有功功率去除趋势项后的残差序列，采用矩阵束方法提取主导振荡模式的对数衰减率

α，确定残差振荡的阻尼属性；其中，若序列中无可辨识振荡，则α设置为0；

17、利用如下方式计算稳态恢复偏差的有符号误差:ε_sgn=p(t_end)–1,其中，p(t_end)为扰动后系统进入新稳态的时刻t_end的有功功率；

18、其中，若存在多个扰动事件，则对上述特征在各事件下的取值分别计算中位数及四分位距，以形成最终特征矢量v∈rd；其中，d=(b1~b5各1维+b2分段4维)×(中位数+四分位距)×事件维度聚合系数；b1~b5分别表示电压-有功耦合跌落深度、四维子特征、电压-有功轨迹的低维流形嵌入特征、残差振荡的阻尼属性和有符号误差五个特征。

19、优选地，其中基于所有负荷母线节点的负荷动态压缩特征矢量进行聚类，确定多个负荷群，包括：

20、在传统模糊c-均值目标函数中，引入一项机电暂态仿真导向的正则项，以利用改进的模糊c-均值对所有负荷母线节点的负荷动态压缩特征矢量进行聚类，确定多个负荷群；

21、其中，修改后的目标函数为：

22、

23、其中，

g(v

i,c

j)为预先通过少量仿真样本拟合得到的“特征偏差-功角误差”代理函数，用于量化当节点

i被划分到群

j时，因特征偏差导致的预期功角仿真误差；n为负荷母线节点的总数；

c为预设的聚类群数；

u

ij为第

i个节点隶属于第

j个负荷群的模糊隶属度，满足且；

m为模糊加权指数；v

i为第

i个负荷母线节点的负荷动态压缩特征矢量；c

j为第

j个负荷群的聚类中心矢量；为特征矢量v

i到聚类中心c

j的欧氏距离平方；

λ为平衡因子。

24、优选地，其中对每个负荷群进行群边界刻画，包括：

25、对于每个负荷群j，采用有向边界支持向量描述方法构建其归属边界；其中，每个负荷群j的归属决策函数为：

26、，

27、其中，σj为第j个群马氏距离尺度矩阵，

f

j(v)表示第j个负荷群对样本特征矢量v的归属判别函数，输出值为正1或负1，正1表示样本位于该群边界内部，负1表示位于边界外部；sgn(·)为符号函数，当括号内表达式大于或等于零时输出正1，小于零时输出负1；为第j个群的有向边界半径；v为待判别负荷节点的特征矢量；a

j为第j个群的有向边界椭球中心矢量，代表该群在特征空间中的典型位置；为特征偏差矢量的转置，其中上标t表示矩阵或向量的转置运算；为第j个群马氏距离尺度矩阵σj的逆矩阵。

28、优选地，其中基于群边界将特征将特征空间划分为核心区、交叠模糊区和外点区，包括：

29、若负荷群j满足

f

j(v)=1且对于所有k≠j有

f

k(v)=0，则确定负荷群j位于核心区；

30、若存在至少两个不同的负荷群j1、j2使得

f

j1(v)=1且

f

j2(v)=1，则确定负荷群j1、j2位于交叉模糊区；

31、若对所负荷群j均有

f

j(v)=0，则确定所有负荷群j均处于外点区。

32、优选地，其中对核心区和交叠模糊区内的负荷母线节点进行参数内插，包括：

33、对于核心区的负荷母线节点，根据该负荷母线节点所处的负荷群j对应的一组预先辨识的复合负荷模型参数集θ_j进行参数内插；

34、对于交叠模糊区中的负荷母线节点，其参数θ通过以下带约束的混合权重策略生成：

35、,

36、，

37、其中，为负荷母线节点所归属的模糊群集合；为第

j个群在该节点参数内插中的权重系数；为第j个群预先标定的标准负荷模型参数；为该负荷母线节点至群j决策边界的马氏距离；γ为灵敏度系数；为机电暂态仿真功角误差；为群j的群标准参数对仿真功角误差的近似灵敏度。

38、优选地，其中基于每个负荷母线节点和对应的参数，实现负荷响应特性分群及聚类边界刻画，包括：

39、将每个负荷母线节点及其对应的参数编译为与仿真软件兼容的负荷模型卡片格式，或直接输出为仿真平台的动态模型数据文件，以实现负荷响应特性分群及聚类边界的刻画。

40、根据本发明的另一个方面，提供了一种负荷响应特性分群及聚类边界刻画系统，所述系统包括：

41、响应数据获取单元，用于获取多个负荷母线节点在电压跌落或频率波动时间中的响应数据；

42、特征矢量构造单元，用于基于所述响应数据构造以功角首摆响应为目标的负荷动态压缩特征矢量；

43、聚类单元，用于基于所有负荷母线节点的负荷动态压缩特征矢量进行聚类，确定多个负荷群；

44、特征空间划分单元，用于对每个负荷群进行群边界刻画，基于群边界将特征将特征空间划分为核心区、交叠模糊区和外点区；

45、参数内插单元，用于对核心区和交叠模糊区内的负荷母线节点进行参数内插；

46、分群及边界刻画实现单元，用于基于每个负荷母线节点和对应的参数，实现负荷响应特性分群及聚类边界刻画。

47、基于本发明的另一方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现一种负荷响应特性分群及聚类边界刻画方法中任一项的步骤。

48、基于本发明的另一方面，本发明提供一种电子设备，包括：

49、上述的计算机可读存储介质；以及

50、一个或多个处理器，用于执行所述计算机可读存储介质中的程序。

51、本发明提供了一种负荷响应特性分群及聚类边界刻画方法及系统，包括：获取多个负荷母线节点在电压跌落或频率波动时间中的响应数据；基于所述响应数据构造以功角首摆响应为目标的负荷动态压缩特征矢量；基于所有负荷母线节点的负荷动态压缩特征矢量进行聚类，确定多个负荷群；对每个负荷群进行群边界刻画，基于群边界将特征将特征空间划分为核心区、交叠模糊区和外点区；对核心区和交叠模糊区内的负荷母线节点进行参数内插；基于每个负荷母线节点和对应的参数，实现负荷响应特性分群及聚类边界刻画。本发明通过构建一组面向功角首摆及阻尼特性敏感的动态压缩特征，使得特征提取过程直接服务于机电暂态仿真的精度需求；通过引入带仿真误差正则项的改进模糊c-均值算法与基于马氏距离的有向边界支持向量描述，形成在仿真敏感方向宽松、非敏感方向紧缩的非球形椭球边界，从而合理刻画负荷特性在参数空间中的各向异性连续渐变本质；通过将特征空间划分为核心区、交叠模糊区和外点区三类区域，并对不同区域执行差异化的参数赋值策略（核心区直接取用标准参数、模糊区采用距离反比与灵敏度联合加权内插），在保证仿真结果连续稳定的同时实现分群知识的可迁移部署，最终全面提升大电网机电暂态仿真的精度、鲁棒性与工程实用化水平。