一种基于负荷预测的三相不平衡智能换相方法与流程

1.本发明涉及电能质量治理技术领域，具体涉及一种基于负荷预测的三相不平衡智能换相方法。


背景技术：

2.我国居民配电网大多是三相四线制系统，居民负荷大部分为单相并入电网，虽然在初期会将单相负荷均匀分配到三相上，但是随着配电网的规模越来越大，后期接入三相的单相负荷分配较为随机。并且由于居民用电在时间上具有较大的随机性，因此配电网长期存在三相不平衡。现有的解决办法主要是使用户负荷均匀分配到三相上。使用智能换相装置的实时换相方法需要时刻检测三相电流和用户电流，操作复杂，且电流检测和换相指令分发需要一定时间，很难实时解决三相不平衡问题。


技术实现要素：

3.本发明的目的在于：针对实时调节三相不平衡度带来的时滞影响，提出了一种基于负荷预测的三相不平衡智能换相方法，该方法可以解决实时换相时操作复杂，换相频率高的问题，可以有效降低配电网三相不平衡度，降低配电网的损耗，提高配电变压器的利用率。
4.本发明的目的可以通过以下技术方案实现：
5.一种基于负荷预测的三相不平衡智能换相方法，包括如下步骤：
6.第一步：根据配电台区各单相用户的历史负荷以及天气信息预测出未来一天各用户的总负荷；
7.在变压器出口侧记录一天内24个时间点的三个相线上的电流数据i
a
、 i
b
、i
c
，根据电流的历史数据和天气预报预测出未来一天内间隔一小时24 个时间点的三个相线上的电流；
8.第二步：记录每个单相用户的负荷，根据记录的值和天气信息预测出未来一天内单相用户的负荷；
9.使用预测出的电流数据计算未来一天内三相不平衡度的变化趋势，选择在不平衡度大于预设值的时间段内调整用户负荷相序；
10.第三步：使用用户前一天的相序和预测出的用户负荷用非支配遗传算法nsga
‑
3优化用户相别，目标函数包括三相不平衡度最小、换相次数最小与局部不平衡度最小；
11.用优化后的相序在前一天调整用户相别。
12.作为本发明的进一步方案，第一步中使用lstm神经网络预测未来一天各用户的总负荷；
13.首先需要处理用户历史负荷数据，得到天气与假期信息和用户历史负荷数据之间的相关系数：
[0014][0015]
其中x、y为两种特征值；
[0016]
预测结果包括变压器出口侧三个相线未来一天每小时共24个点的电流，以及配电台区各单相用户未来一天的总负荷；
[0017]
作为本发明的进一步方案，使用lstm神经网络预测得到的电流和未来一天的用户负荷计算未来一天各用户的24个点的负荷代替真实的用户 24个点的负荷，以a相为准，则未来一天各单相用户总负荷为：
[0018][0019]
其中d
a
·
i
为a相各用户的负荷，i
a
为变压器出口侧a相电流，w
a
·
i
为未来一天内间隔一小时24个时间点的预测负荷。
[0020]
作为本发明的进一步方案，以b相或c相为准时，未来一天各单相用户总负荷计算方式与a相相同。
[0021]
作为本发明的进一步方案，第二步中选择不平衡度大于预设值时间内的负荷建立换相模型，模型优化需要考虑到的目标函数有：
[0022]
不平衡度最小：
[0023]
开关次数最小：
[0024]
支线不平衡度最小：
[0025]
本发明的有益效果：
[0026]
(1)通过对配电网在未来一天哪些时段的三相不平衡度高于规定值进行预测，然后，使用nsga
‑
3算法优化用户接入的相序，并通过安装在线路节点或用户端的换相开关按照优化后的用户相序接入相应的相线上，从而有效减小实时负荷换相带来的三相不平衡度调节滞后的影响；
[0027]
(2)本发明能够减小低压台区配电网的三相不平衡度，提前调节用户相序，达到降低台区线路损耗，提高配电变压器的利用率，增强配电网运行安全性的目的。
附图说明
[0028]
下面结合附图对本发明作进一步的说明。
[0029]
图1为lstm预测的结构框图；
[0030]
图2为nsga
‑
3优化结构框图。
具体实施方式
[0031]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0032]
一种基于负荷预测的三相不平衡智能换相方法，如图1、图2所示，包括如下步骤：
[0033]
第一步：根据配电台区各单相用户的历史负荷以及天气信息预测出未来一天各用户的总负荷；
[0034]
在变压器出口侧记录一天内24个时间点的三个相线上的电流数据i
a
、 i
b
、i
c
，根据电流的历史数据和天气预报预测出未来一天内间隔一小时24 个时间点的三个相线上的电流；
[0035]
第二步：记录每个单相用户的负荷，根据记录的值和天气信息预测出未来一天内单相用户的负荷；
[0036]
使用预测出的电流数据计算未来一天内不平衡度的变化趋势，选择在不平衡度较大的时间段内调整用户负荷相序；
[0037]
第三步：使用用户前一天的相序和预测出的用户负荷用非支配遗传算法nsga
‑
3优化用户相别，目标函数包括三相不平衡度最小、换相次数最小、局部不平衡度最小；
[0038]
用优化后的相序在前一天调整用户相别。
[0039]
下面对本方案进行详细说明：
[0040]
步骤1：根据变压器出口侧电流历史数据和天气与假期信息对出口侧电流做未来一天的多步预测，根据配电台区各单相用户的历史负荷数据和天气与假期信息对各用户未来一天的负荷做单步预测；
[0041]
如图1所示，其预测方法包括如下步骤：
[0042]
特征相关性分析，对用户负荷数据进行特征相关性分析，使用与用户负荷数据相关性较高的特征变量对负荷进行预测，在本发明的一个实施例中，特征变量包括天气与假期信息；
[0043]
异常数据处理，在预测之前需要处理异常的负荷数据和天气数据，包括剔除异常值、对空缺数据进行拟合填补；
[0044]
负荷数据和特征数据归一化，为了消除不同量纲之间的影响，提高模型的收敛速度，需要对数据按列做归一化处理：
[0045][0046]
数据集划分，包括变压器出口侧电流数据的单步预测和各用户负荷数据的多步预测，变压器出口侧电流数据的多步预测输出未来一天内间隔一小时24个时间点的电流，用户负荷数据的单步预测输出未来一天各用户的总负荷；
[0047]
构建lstm神经网络；
[0048]
训练和预测数据集，滑动窗口根据给定的数据确定窗口的大小，之后将训练集使用lstm神经网络训练，用测试集输出预测结果，以a相为例用各相电流曲线代替用户的日负荷曲线：
[0049][0050]
其中d
a
·
i
为a相各用户的负荷，i
a
为变压器出口侧a相电流，w
a
·
i
为未来一天内间隔一小时24个时间点的预测负荷，使用预测出的三相电流数据计算三相不平衡度的变化趋势：
[0051][0052]
步骤2：选择不平衡度较大的时间内的负荷建立换相模型，这里使用用户的负荷代替用户的电流进行换相调整，目标函数1配电网负荷不平衡度：
[0053][0054]
由于换相是在配电网整体上切换的，变压器出口侧达到平衡时，支线上会因为负荷调整导致某些用户挂接在一条相线上，导致支线不平衡度过大，增加线路损耗，所以目标函数2要考虑支线上的平均不平衡度：
[0055][0056]
目标函数3换相次数最小：
[0057][0058]
其中dj为每个换相开关前后的动作状态的变化；
[0059]
步骤3：使用nsga
‑
3优化目标函数，首先对负荷接入的相序进行编码，当k＝1时，代表负荷接入a相；当k＝2时，代表负荷接入b相；当 k＝3时，代表负荷接入c相；
[0060]
如图2所示，根据可以调节的单相负荷数确定变量个数，然后初始化种群，nsga
‑
3引入了基于参考点的方法，能够利用良好分布的参考点来保持种群的多样性；
[0061]
确定理想点，首先对所有个体的目标值进行归一化，计算出极值点，构建超平面，确定参考点，然后对种群进行非支配排序，对种群进行交叉、变异等操作。得到子种群后与父代种群合并，进行快速非支配排序，直至迭代次数达到设定代数，最后使用优化后的用户挂接次序进行换相调整。
[0062]
本发明能降低配电台区三相不平衡度，使配电网的损耗降低，并且能够改善实时换相的时滞影响。本发明提出的方法简单、容易实现，是一种有效降低配电不平衡度的可行性方案。
[0063]
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。