費冬虎 邵俊昱 何利明 李成 彭蔚

[摘? ? 要 ]采用大數據流行治理技術對縣域歷史潮流數據進行清洗整理，獲得潮流數據庫，并通過數據挖掘獲配電網潮流的相應常數。在給定條件下按配網聯(lián)絡關系模型，利用線性規(guī)劃技術快速計算得出結果，科學合理地提出最佳安排方案。

[關鍵詞]大數據;潮流數據庫;數據挖掘;線性規(guī)劃

[中圖分類號]TM76 [文獻標志碼]A [文章編號]2095–6487（2020）08–00–02

Research on Optimal Analysis of Operation Mode of County Distribution Network

Fei Dong-hu ， Shao Jun-yu ， He Li-ming ， Li Cheng ， Peng Wei

[Abstract]The big data epidemic management technology is used to clean， sort out and synthesize the historical power flow data of the county to obtain the power flow database; the corresponding constants affecting the power flow of the distribution network are obtained by data mining technology. Under the given conditions， according to the contact relationship model of distribution network， the results are quickly calculated by using linear programming technology， and the optimal arrangement scheme is given scientifically and reasonably.

[Keywords]Big Data， Power Flow Database， Data Mining， Linear Programming

電力系統(tǒng)作為我國最重要的能源系統(tǒng)之一，始終走在智能化的前列。隨著智能電網的不斷架設與擴充，電網的拓撲結構和電網線路中的智能化采集設備也不斷更新與增加，智能變電站大幅增長[1-2]。電力數據體量大、關聯(lián)關系復雜、數據形式豐富都是電力大數據的普遍特征，如何治理運用智能供電系統(tǒng)中的大數據成為相關領域的研究熱點。Van等針對歐盟的跨國停電事件對歐盟電力基建做出了總結和建議[3]，宋亞奇等使用大數據技術對輸變電設備的大數據的存儲進行了優(yōu)化，并與Hadoop技術進行了對比[4]。丁明等從負荷預測、規(guī)劃設計和運行控制3方面對分布式新能源接入主動配電網產生系列影響進行討論與分析[5]。

傳統(tǒng)的電力能源主要靠煤炭和石油等化石燃料，對環(huán)境污染十分嚴重，隨著清潔能源在我國的大力推廣與普及，家庭分布式光伏在國內外得到了廣泛的認可與應用，架設數量迅猛增加[6-7]。太陽能的高效應用不僅帶來了商業(yè)經濟的機遇與發(fā)展，也產生了社會與環(huán)境的優(yōu)良效益，然而由于分布式光伏受環(huán)境因素影響嚴重，對配電網中的重構決策產生了一定的不利影響[8]。許曉艷等通過具體算例驗證了其提出的單個和多個光伏接入對配電網電壓的影響[9]。王穎等針對高密度分布式屋頂光伏園區(qū)配電系統(tǒng)，根據環(huán)境因素的變化計算在滿足電壓限制條件下最大光伏接入容量，并提出高密度光伏接入系統(tǒng)引起電壓越限的措施和方案[10]。許寅等在考慮光伏出力不確定性的情況下，提出一種以最小化購電費用和電壓偏移期望為目標的園區(qū)配電網日前運行機會約束規(guī)劃模型[11]。

本文對配電線路相關數據的收集、清洗和整理，歸并形成電網運行數據庫庫，結合歷史、實時潮流數據分析各線路在不同因素變化時潮流受影響程度，并因此形成相應的特征庫。在獲得相對準確的電網運行數據庫庫后，通過大數據手段對歷史數據解析各類復雜因素、敏感度以及相關性和主成分，探尋預測未來特定時間的線路潮流情況，為運行方式的安排提供可靠依據，采用線性規(guī)劃技術獲得最佳安排方案。處理流程如圖1所示。

1 數據來源

原始數據主要有自動化系統(tǒng)中各主變、配電線路的歷史、基于實時測量的潮流數據、限額等;配電線路的聯(lián)絡關系，公、專變用戶及容量，改擴容記錄;新能源發(fā)電類型及容量，歷年天氣及天氣預報數據等?；趯崟r測量的潮流數據以及限額通過與OPEN3000SVG-WEB的數據接口獲?。ㄖ饕菫榱藵M足工作人員的方便，可以讓工作人員通過瀏覽器的方式實時查看報警閾值，并且該接口支持各個主流平臺），確保數據的實時性，線路聯(lián)絡關系通過運方專職提供的信息導入，并按最新變化實時更新，線路公專變用戶及容量、新能源發(fā)電、天氣數據等都由其他系統(tǒng)手工導入。對相關數據進行脫敏處理，在確保敏感隱私數據安全的前提下開展研究。另外為了防范信息泄漏和篡改，實時建立全方位的安全機制，確保數據的安全性。

2 數據整理

數據整理是對調查、觀察、實驗等研究活動中所搜集到的資料進行檢驗、歸類編碼和數字編碼的過程，它是數據統(tǒng)計分析的基礎。數據整理是根據統(tǒng)計研究的任務和要求，對統(tǒng)計調查搜集到的大量原始資料進行審核、分組、匯總，使之條理化、系統(tǒng)化，得出能夠反映總體綜合特征的統(tǒng)計資料的工作過程，對已經整理過的資料（包括歷史資料）進行再加工也屬于統(tǒng)計整理。

將各來源原始數據首先做鏡像備份處理，然后根據相關研究進行預處理、對缺失值等進行數據清理，并對噪聲數據進行聚類，對以上海量數據進行處理并結合歷史潮流數據分析形成各線路的典型特征庫，為配網方式優(yōu)化分析提供依據，如圖2所示。

3 配網運行的優(yōu)化理論與求解

傳統(tǒng)配電網的運行優(yōu)化問題主要涉及發(fā)電機機端電壓的調整、變壓器分接頭的調節(jié)和電容器容量的配置。在接入分布式電源和儲能裝置之后，配電網的優(yōu)化問題還將包括對分布式電源和儲能裝置的控制。配電網運行優(yōu)化問題的目標函數主要有最小化系統(tǒng)的有功功率損耗，減少設備的運行成本等。優(yōu)化變量包括連續(xù)型變量即分布式電源和儲能裝置的有功無功等，離散型變量即變壓器的分接頭和電容器的投切組數，接入設備的位置和容量等。針對配電網的優(yōu)化問題，目前主要的求解方法有傳統(tǒng)的數學優(yōu)化方法和人工智能方法。傳統(tǒng)的數學優(yōu)化方法主要包括線性/非線性規(guī)劃法、動態(tài)規(guī)劃法等，而人工智能方法主要包括遺傳算法、模擬退火法和粒子群優(yōu)化算法等。傳統(tǒng)的優(yōu)化算法從全局考慮整個優(yōu)化問題，原理嚴格，計算時間較短。但是對目標函數和優(yōu)化變量的初值要求較高。人工智能算法對目標函數和初值的要求不高，并且能夠求解高維度的優(yōu)化問題，其缺點是容易陷入局部最優(yōu)，計算時間較長。

根據自動化系統(tǒng)中各主變、配電線路的歷史、實時潮流數據、限額等，結合配電線路的聯(lián)絡關系，公、專變用戶及容量，改擴容記錄，新能源發(fā)電類型及容量，歷年天氣數據等，從中發(fā)現模型的關鍵因素，初步對配電變壓器輸出線路統(tǒng)一編號，第i個輸出線路的容量Ui，調整當日受到影響的變壓器輸出線路為F={l1，l2，…，lk}，FJ={j|bij=1，i∈F}。被編入同一個線路的公、專變用戶群統(tǒng)一編號，第j個用戶群負荷Vj，線路與用戶群之間可聯(lián)絡的0-1矩陣A=（aij），aij表示用戶群j有線路可以連接到線路i;當前線路與用戶群之間聯(lián)絡的0-1矩陣B=（bij），bij表示當前用戶群j正連接到線路i;用戶群j的用戶的第i種新能源發(fā)電量為Pij，調整當日第i種新能源發(fā)電指數αi。假設xij表示用戶群j是否接到線路i。通過數學建?？梢越⒁粋€具有上千變量的配網運行0-1線性規(guī)劃模型，

利用當前主流的線性規(guī)劃求解工具CPLEX計算配網運行安排結果，然后科學合理地給出最佳安排方案。得到解集為（1，0，…，1）等形式，其中0表示該線路不能翻轉（即只能等待線路維修好了后供電），1表示可以可以翻轉，即基本不受到檢修或者維修帶來的停電影響。具體的翻轉方案將根據翻轉矩陣獲得。如果遇見非線性規(guī)劃問題，將利用非線性規(guī)劃處理技術轉換為線性規(guī)劃問題，并利用當前主流的線性規(guī)劃求解工具CPLEX或者開發(fā)針對該問題的算法快速計算配網運行安排結果，然后科學合理的給出最佳安排方案。

4 結束語

通過對縣域歷史潮流數據清洗、整理、綜合，采用大數據流行治理技術，形成各線路潮流在各類因素影響下的典型特征庫;通過數據挖掘技術挖掘上述特征庫，獲得影響配電網潮流的主要因素以及它們之間的相關性和依賴度，從而獲得配電網相關的常數。在給定條件下按配網聯(lián)絡關系模型，通過線性規(guī)劃技術快速計算得出結果，科學合理地給出最佳方式安排方案。

參考文獻

[1] 李孟超，王允平，李獻偉，等. 智能變電站及技術特點分析[J]. 電力系統(tǒng)保護與控制，2010 （18）： 59-62.

[2] 楊志宏，周斌，張海濱，等.智能變電站自動化系統(tǒng)新方案的探討[J]. 電力系統(tǒng)自動化，2016，40（14）： 1-7.

[3] Van der Vleuten E，Lagendijk V. Interpreting transnational infrastructure vulnerability： European blackout and the historical dynamics of transnational electricity governance[J]. Energy Policy，2010，38（4）： 2053-2062.

[4] 宋亞奇，周國亮，朱永利，等.云平臺下輸變電設備狀態(tài)監(jiān)測大數據存儲優(yōu)化與并行處理[J].中國電機工程學報，2015，35（2）：255-267.

[5] 丁明，石雪梅.新能源接入對主動配電網的影響[J].電力建設，2015，36（1）：76-84.

[6] 胡學浩.智能電網--未來電網的發(fā)展態(tài)勢[J].電網技術，2009，33（14）：1-5.

[7] 王成山，李鵬.分布式發(fā)電、微網與智能配電網的發(fā)展與挑戰(zhàn)[J].電力系統(tǒng)自動化，2010，34（2）：10-14，23.

[8] 陳煒，艾欣，吳濤，等.光伏并網發(fā)電系統(tǒng)對電網的影響研究綜述[J].電力自動化設備，2013，33（2）：26-32，39.

[9] 許曉艷，黃越輝，劉純，等.分布式光伏發(fā)電對配電網電壓的影響及電壓越限的解決方案[J].電網技術，2010，34（10）：140-146.

[10] 王穎，文福拴，趙波，等.高密度分布式光伏接入下電壓越限問題的分析與對策[J].中國電機工程學報，2016，36（5）：1200-1206.

[11] 許寅，李佳旭，王穎，等.考慮光伏出力不確定性的園區(qū)配電網日前運行計劃[J].電力自動化設備，2020，40（5）：85-94，106.