桂建忠，周毅博,王雅瓊

(1.東北電力大學 電氣工程學院，吉林 吉林 132012；2.國網(wǎng)河南省電力公司 鄭州市供電公司，河南 鄭州 450000)

基于歷史運行數(shù)據(jù)的電網(wǎng)運行狀態(tài)演化特征提取

桂建忠1，周毅博1,王雅瓊2

(1.東北電力大學 電氣工程學院，吉林 吉林 132012；2.國網(wǎng)河南省電力公司 鄭州市供電公司，河南 鄭州 450000)

了解電網(wǎng)運行狀態(tài)的演化特征對系統(tǒng)安全運行具有積極的作用。針對模型仿真數(shù)據(jù)難以全周期描述電網(wǎng)運行狀態(tài)的問題，提出基于SCADA系統(tǒng)高頻的負荷實測數(shù)據(jù)連續(xù)長周期描述電網(wǎng)運行狀態(tài)的新途徑。首先，利用加權潮流熵表征電網(wǎng)運行負載水平和潮流分布狀況的均衡性；其次，提出了基于圓分布法分析電網(wǎng)運行狀態(tài)時序演化特性，進而提取其時序分布特征的方法；最后，實際電網(wǎng)算例結果表明，電網(wǎng)運行狀態(tài)的演化時序具有在特定時段分布的特性，同時也驗證了該方法的有效性。

SCADA；負載率；加權潮流熵；演化特征

隨著電力系統(tǒng)規(guī)模的不斷擴大，電力系統(tǒng)生產(chǎn)和傳輸?shù)哪芰恐饾u增加，其對國民經(jīng)濟和社會安全的影響日益突顯，保證大規(guī)模電力系統(tǒng)安全經(jīng)濟運行具有重要意義[1]。大規(guī)模電力系統(tǒng)具有覆蓋區(qū)域廣闊、涵蓋元件眾多、運行方式復雜多變等特點，對其運行特征的提取是一項具有挑戰(zhàn)性的課題[2-4]。

潮流是電力系統(tǒng)中節(jié)點電壓、支路功率的穩(wěn)態(tài)分布，是電力系統(tǒng)穩(wěn)態(tài)運行狀態(tài)的表征。大規(guī)模電力系統(tǒng)潮流受負荷變化、網(wǎng)絡操作、發(fā)電機投切等影響，呈現(xiàn)出潮流分布不同的均勻程度。即在某一時段內(nèi)，負荷變化不大，網(wǎng)絡無操作，發(fā)電機沒有投切，系統(tǒng)運行比較平穩(wěn)，潮流分布變化不大；在另一時段，由于負荷的急劇變化或網(wǎng)絡操作等原因，潮流可能會出現(xiàn)急劇的波動或大范圍轉移，導致系統(tǒng)中部分區(qū)域或元件面臨運行風險，威脅到系統(tǒng)的安全運行[5-8]。故此，從時間和空間維度上掌握電網(wǎng)運行的全景信息，采取有效的方式表征潮流分布的不均勻程度，進而描述電網(wǎng)的運行狀態(tài)演化過程十分必要。

電網(wǎng)輸電線路的負載率水平可以表征各條輸電線路的負載情況，可為對輸電線路負載率變化的時空演變特征提取提供描述的數(shù)據(jù)基礎，從而表征電網(wǎng)輸電線路全景的運行狀態(tài)。輸電線路負載率的不均衡性增大，電網(wǎng)運行發(fā)生連鎖故障反應的風險隨之變高。近年來，針對電力系統(tǒng)自組織臨界性的眾多研究表明，電網(wǎng)輸電線路潮流熵指標可以描述線路潮流分布的不均衡性。潮流熵對電網(wǎng)連鎖故障的傳播具有重要影響，是決定系統(tǒng)是否進入自組織臨界態(tài)的重要指標之一[9]。在連鎖故障臨界識別的模型仿真中，研究者借助重要指標潮流熵對電網(wǎng)是否進入自組織臨界狀態(tài)進行識別與評估[10-11]。然而，與SCADA實測數(shù)據(jù)相比，仿真數(shù)據(jù)難以長期真實重現(xiàn)電網(wǎng)的實際運行狀態(tài)[12-14]。同時，基于特定運行方式的仿真數(shù)據(jù)也不能實現(xiàn)對實際電網(wǎng)長期運行潮流熵進行統(tǒng)計分析，缺乏對電網(wǎng)運行狀態(tài)演化的時序特征方面進行必要的描述。

本文首先采用SCADA系統(tǒng)記錄的電網(wǎng)運行數(shù)據(jù)，以電網(wǎng)各廠站、線路實測數(shù)據(jù)為基礎，進行相關負荷實測和元件負載率、電網(wǎng)平均負載率的計算與統(tǒng)計；然后，結合負載率和潮流熵對電網(wǎng)線路實際的運行狀態(tài)進行定量表征，提出利用圓分布數(shù)據(jù)統(tǒng)計分析方法對電網(wǎng)運行狀態(tài)演化的時序分布特征進行提取。實際電網(wǎng)算例表明，本文提出的方法能夠有效提取電網(wǎng)運行狀態(tài)演化特征的時序分布特性。

1 電網(wǎng)運行負載水平

電網(wǎng)運行平均負載率大小在一定程度上反映全網(wǎng)負荷水平的大小。輸電線路負載率大小可以衡量該線路輸送容量利用率，反映電網(wǎng)剩余可用輸送能力的大小。

設線路i最大有功傳輸容量為Pimax，電網(wǎng)運行時輸電線路i傳輸?shù)挠泄β蕿镻i，則線路i的負載率可表示為

(1)

式中：i=1、2、3、…、N；N為輸電線路總數(shù)。

輸電線路的最大有功傳輸容量Pimax主要考慮受限制于三種約束條件：熱穩(wěn)定約束；考慮電壓損失限制約束；靜態(tài)穩(wěn)定約束。

在三種約束條件下輸電線路的最大有功傳輸容量Pimax的計算公式為

(1)熱穩(wěn)定極限傳輸功率

(2)

式中：UN為輸電線路i的額定電壓；Imax為輸電線路i持續(xù)流通最大電流值。

(2)考慮電壓損失限制的極限傳輸功率

(3)

式中：ΔU為輸電線路i允許的電壓降落，一般取±5%；U為輸電線路i實際運行時的電壓值，kV；Q為輸電線路i實際流通的無功功率，Mvar；R和X分別為輸電線路i的電阻和電抗，Ω。

(3)靜穩(wěn)極限傳輸功率

(4)

式中：U1、U2分別為輸電線路i線路兩端實測電壓，kV；X為輸電線路i的電抗值，Ω；δ為輸電線路i線路兩端電壓相角差，rad。

輸電線路j時刻的平均負載率βmj可表示為

(5)

式中：j=1、2、3、…、l；lj表示j時刻電網(wǎng)潮流斷面上輸電線路的總數(shù)；l表示最大時刻點，且每兩個時刻間隔為5 min。

2 基于負載水平的潮流熵

2.1 潮流熵

潮流熵是電網(wǎng)運行過程中定量描述線路潮流分布均衡性的指標，文獻[9-11]中基于香農(nóng)信息熵理論均提出潮流熵的相關概念。

設定已知的常數(shù)序列V=[V1，V2，…，Vn]，lv表示負載率βi∈(Vv，Vv+1]的線路條數(shù)，則線路負載率處于(Vv，Vv+1]的概率p(v)為

(6)

根據(jù)香農(nóng)定理和公式(6)可以得出電網(wǎng)潮流熵為

(7)

式中：C為常數(shù)，取ln10。

由公式(7)可以看出，系統(tǒng)潮流熵值非負且為各部分熵之和；各部分熵的序列情況不影響系統(tǒng)熵的大小。熵的大和小反映了系統(tǒng)的序列性程度低和高。映射到電網(wǎng)，則反映了電網(wǎng)輸電元件負載水平的分布狀態(tài)。

2.2 加權潮流熵

由公式(6)和公式(7)可知潮流熵在數(shù)學上是一種概率的表達，其對各部分熵的序列性無要求，存在不同負載率區(qū)間分布，但熵值大小一致的分布情況。該情況下的結果忽略了輸電線路負載率在各個負載區(qū)間所具有的數(shù)值特征，即忽略了各區(qū)間內(nèi)負載率的大小。故此需要對上述分布情況進行區(qū)分，對各部分熵值采用該區(qū)域內(nèi)的平均負載率進行加權，得到加權潮流熵Hw。根據(jù)文獻[11]所提的加權熵的定義，可得加權潮流熵的表示式為

(8)

式中：βm(v)為負載率βi∈(Vv，Vv+1]區(qū)間內(nèi)所有線路的平均負載率；C為常數(shù)，取ln10。則有βm(v)為

(9)

3 潮流熵時間分布特征提取

圓分布法對按規(guī)定時間內(nèi)獲取的數(shù)據(jù)，通過三角函數(shù)變換，實現(xiàn)數(shù)據(jù)的線性關系計算。該方法可以分析數(shù)據(jù)所描述的現(xiàn)象是否在時間上具有聚集性，是否具有周期性，是否在周期內(nèi)均勻分布，并且可以揭示現(xiàn)象出現(xiàn)的高峰期。

圓分布方法分析的是角度變量，故需要對本文加權潮流熵的時序進行角度轉換。根據(jù)本文數(shù)據(jù)分析需要，其角度表達為

(10)

式中：αik為第Ni天的第k個量測數(shù)據(jù)；Nmax為該組分析數(shù)據(jù)的總天數(shù)。SCADA系統(tǒng)每隔5 min進行一次量測記錄，全天共有288個量測記錄時間點，且每兩個記錄時間點相隔5 min，則其中第k個量測數(shù)據(jù)所對應的時刻為該天的第5kmin。

圓分布法的重要參量計算公式如下：

(1)角度離散程度指標：

X=(∑Hwi·cosαik)/∑Hwi，

(11)

Y=(∑Hwi·sinαik)/∑Hwi，

(12)

(13)

(2)平均角的正弦、余弦：

(14)

(15)

(3)圓角標準差：

(16)

4 算例分析

本文以實際電網(wǎng)2014年1月1日至6月30日的SCADA運行數(shù)據(jù)為數(shù)據(jù)基礎，統(tǒng)計分析共計181天的52128個記錄時刻潮流斷面輸電線路負載率、電網(wǎng)潮流熵和加權潮流熵的變化情況，分析電網(wǎng)運行狀態(tài)的演化特性。結合電網(wǎng)整體負荷水平的變化，對比潮流熵和加權潮流熵表征電網(wǎng)運行狀態(tài)演化的差異，提出了利用圓分布提取電網(wǎng)較高水平熵值的演化特征的方法；并且根據(jù)實際電網(wǎng)的運行情況，闡述了特征提取結果的合理性。

圖1 輸電線路輸送功率極限約束曲線

4.1 輸電線路功率約束極限

輸電線路輸送功率極限受熱穩(wěn)定、考慮電壓損失和靜態(tài)穩(wěn)定極限的約束。如圖1的所示，輸電線路極限隨輸送距離長短不同，其極限約束功率隨之也發(fā)生變化。

如前所述，輸電線路的最大有功傳輸容量主要考慮受限制于熱穩(wěn)定約束、考慮電壓損失限制約束和靜態(tài)穩(wěn)定約束。隨著輸送距離的增加其最終起作用的約束條件也隨之發(fā)生變化，如圖1中曲線較小值(曲線實線部分)被視為輸送功率極限值。

根據(jù)輸電線路型號和長度，分別計算在三種約束下的線路功率極限值。如表1所示，部分220 kV和500 kV線路的三種輸送極限約束，表中加粗數(shù)值為選定的輸送功率極限值。

由表1可以得出，輸電線路輸送功率極限隨輸送距離變化而發(fā)生改變；三種約束極限之間有區(qū)別，但無明確輸送距離大小可以直接判定輸送極限約束類型；該實際電網(wǎng)輸電線路起作用的約束條件以熱穩(wěn)定極限功率和靜穩(wěn)極限功率為主。

表1 輸電線路輸送功率極限

4.2 基于線路負載率的潮流熵與加權潮流熵

長期以來，電網(wǎng)平均負載水平是刻畫電網(wǎng)運行狀態(tài)自組織臨界性的重要指標。但有分析表明，2005年華北電網(wǎng)進入自組織臨界狀態(tài)時的平均負載率僅為0.278。故此，基于負載率加權的潮流熵可以從一方面表示輸電線路負載率分布“混亂”的情況，同時也可以反映電網(wǎng)的負載程度高低。

基于電網(wǎng)負載水平的潮流熵，在表達式上描述了電網(wǎng)輸電線路負載率分布的有序性與否；在物理上能夠識別電網(wǎng)運行狀態(tài)的自組織臨界狀態(tài)的水平高低。諸多仿真分析表明，在描述電網(wǎng)輸電線路負載情況上基于負載率加權的潮流熵在性能上要優(yōu)于潮流熵。在實際電網(wǎng)算例中任取T1-T4時刻的潮流熵與加權潮流熵，其區(qū)分度對比結果如表2所示。

表2 電網(wǎng)運行潮流熵區(qū)分度對比

由表2可以得出，同一時刻電網(wǎng)運行狀態(tài)演化水平的描述指標中，與潮流熵相比加權潮流熵之間的區(qū)別度較高。

4.3 電網(wǎng)運行狀態(tài)日演化特征提取

電網(wǎng)運行狀態(tài)時刻發(fā)生變化，利用加權潮流熵刻畫電網(wǎng)運行狀態(tài)的演化水平難以從時序上了解潮流熵的分布特征，而較高水平潮流熵值表征了電網(wǎng)運行的典型狀態(tài)。對于較高水平熵值的時間分布特征提取，可以有效區(qū)分電網(wǎng)運行敏感時段，為運行人員了解電網(wǎng)運行狀態(tài)提供輔助判斷依據(jù)。

利用實際電網(wǎng)2014年1月1日-1月7日運行數(shù)據(jù)的潮流熵計算結果對每天的較高水平熵值的時間分布進行圓分布分析，確定其分布時間，如表3所示。較高熵值水平判斷依據(jù)為不小于當天平均熵值2個標準差的數(shù)值。

表3 電網(wǎng)日演化特征第一周的分布時間

圖2 較高熵值概率時間分布

由表3可以得出，每天較高水平限值大小不相同，但其分布時間分布具有明顯的時段集中特征。其時間分布空值表示當天無超越限值的熵值時間分布。

為了更好的驗證較高水平熵值分布時間在時間上具有相對集中的分布特征，現(xiàn)基于圓分布法對2014年上半年每天限值分布時間進行概率統(tǒng)計分析，如圖2所示。各起止時段的分布概率如表4所示。

由圖2可以得出，在一些特定時段，較高潮流熵值出現(xiàn)的概率較高。從02：40至12：05時間段，較高水平熵值分布概率持續(xù)減??；中午時段迅速回升，之后在21：30達到最小概率分布，截止到02：40逐步回升到較高概率值。這一概率分布變化與實際所在區(qū)域上半年負荷變化情況一致，即午夜01：30附近時段供暖高峰，中午13：15附近時段負荷高峰，夜間20：20附近時段各類日常負荷低谷。

表4 2014年上半年電網(wǎng)日演化特征分布時間

由表4可以得出，實際電網(wǎng)在不同時段出現(xiàn)電網(wǎng)潮流分布不均衡現(xiàn)象的概率是不相同的，特別是在00：15-02：40時段和12：05-14：30時段出現(xiàn)的概率較高。在午夜各節(jié)點負荷都相應減小，但處于冬季受供暖后期影響，在午夜供熱負荷仍處于高峰時間，且分布地區(qū)性較強，造成各輸電線路負載率大小相差較大，潮流分布不均衡，故電網(wǎng)潮流熵值易出現(xiàn)較高水平；在中午時段，此時段一般均處于日常負荷高峰期，各級輸電負載水平較高，電網(wǎng)潮流熵數(shù)值較大。

5 結 論

本文首先基于輸電線路參數(shù)分析了輸電線路三種輸送功率極限的約束，提出了輸電線路輸送功率極限的一般選取規(guī)則；其次結合實際電網(wǎng)運行歷史數(shù)據(jù)，比較了潮流熵與加權潮流熵在描述電網(wǎng)運行狀態(tài)演化水平的區(qū)別；最后利用圓分布法提取了電網(wǎng)運行較高潮流熵值的時間分布特征。得到如下結論：

(1) 基于電網(wǎng)歷史運行數(shù)據(jù)角度分析了電網(wǎng)自組織臨界描述指標，其結果驗證了加權潮流熵可以較好地描述電網(wǎng)運行的自組織演化水平。

(2)與仿真分析結論相比，電網(wǎng)長期的演化特征具有時段分布特性，即在特殊時段電網(wǎng)自組織性較高，電網(wǎng)運行相對惡劣演化的可能性較高，需要運行人員加以防范。

本文從大量電網(wǎng)運行數(shù)據(jù)的角度描述電網(wǎng)運行狀態(tài)，進而提取了電網(wǎng)運行狀態(tài)演化的時序特征，缺乏對電網(wǎng)運行空間特征的提取。將在下一步工作中開展相關研究。

[1] 張恒旭，劉玉田.極端冰雪災害對電力系統(tǒng)運行影響的綜合評估[J].中國電機工程學報，2011，31(10)：52-58.

[2] Guojiang Xiong，Dongyuan Shi，Jinfu Chen.Divisional fault diagnosis of large-scale power systems based on radial function neural network and fuzzy integral[J].Electric Power Systems Rearch，2013，105(1)：9-19.

[3] Rakibuzzaman Shah，N.Mithulananthan，R.C.Bansal.A review of key power system stability challenges for large-scale PV integration[J].Renewable and Sustainable Energy Reviews，2015，41(41)：1423-1436.

[4] 田芳，董春暉，李亞樓，等.電力系統(tǒng)運行及安全監(jiān)控仿真系統(tǒng)的研究與開發(fā)[J].中國電機工程學報，2011，31(28)：80-86.

[5] A.Rouhani，A.Abur.Improving performance of dynamic state estimators under unknown load changes[C]//In：Power and Energy Society General Meeting (PES)，2013.

[6] Luo Cheng，V.Ajjarapu.Sensitivity-based efficient identification of oscillatory stability margin and damping margin using continuation of invariant subspaces[J].IEEE Transactions on Power Systems，2011，26(3)：1484-1492.

[7] 于群，郭劍波.自組織臨界性與大停電事故預測[J].中國電力，2011，44(7)：21-25.

[8] 聶宏展，王叫，馬方明，等.基于潮流轉移識別的緊急減載控制策略研究[J].東北電力大學學報，2016，36(4)：1-6.

[9] 曹一家，王光增，曹麗華.基于潮流熵的復雜電網(wǎng)自組織臨界態(tài)判斷模型[J].電力系統(tǒng)自動化，2011，35(7)：1-6.

[10] 梁才，劉文穎，溫志平，等.電網(wǎng)組織結構對其自組織臨界性的影響[J].電力系統(tǒng)保護與控制，2010，38(20)：6-11.

[11] 劉文穎，蔡萬通，張寧，等.基于聯(lián)合加權熵的電網(wǎng)自組織臨界狀態(tài)演化[J].中國電機工程學報，2015，35(6)：1363-1370.

[12] 徐興偉，穆鋼，王文，等.東北電網(wǎng)廣域動態(tài)量測系統(tǒng)[J].電網(wǎng)技術，2006，30(17)：70-73.

[13] 安軍，黃橋林，劉建.基于PSAT的電力系統(tǒng)數(shù)值仿真模型參數(shù)校正[J].東北電力大學學報，2013，33(1/2)：1-7.

[14] 徐興偉，穆鋼，王文，等.基于SCADA和WAMS的電網(wǎng)仿真運行方式[J].電網(wǎng)技術，2006，30(19)：97-100.

FeatureExtractionofGridOperationStateEvolutionBasedonHistoricalOperatingData

GuiJianzhong1，ZhouYibo1，WangYaqiong2

(1.Electrical Engineering College，Northeast Electric Power University，Jilin Jilin 132012；2.Zhengzhou Power Supply Company,Electric Power Company of Henan,Zhengzhou Henan 450000)

It’s helpful to understand the evolution of grid operating status for the safety of power system.Due to the problems describing the full cycle operation state hardly by using the model simulation data，power load measurement can be realized based on SCADA system.The paper presents a new approach to describe the operating status of the grid based on the long period of load data measured by the high frequency of SCADA system.Firstly，the power flow entropy weighted by load rate to represent the effect of load rate and power flow distribution changes is proposed.Then，the sequence characteristics of grid operation state is analyzed to draw the time distribution of feature based on circular distribution method.Finally，the extracted features have characteristics that are distributed over a particular period of time.And the proposed method is verified effectively.

SCADA；Load rate；Weighted power flow entropy；Evolution characteristics

2017-02-28

東北電力大學研究生創(chuàng)新基金(Y2015003)

桂建忠(1991-),男,在讀碩士研究生,主要研究方向:電力系統(tǒng)分析與控制.

電子郵箱：478452483@qq.com(桂建忠);zhouyiboaa@126.com(周毅博)；lovemaydayfan@163.com(王雅瓊)

1005-2992(2017)06-0028-07

TP29

A