亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于大數(shù)據(jù)平臺(tái)的中壓配電網(wǎng)精準(zhǔn)損耗分析

        2021-10-14 01:43:08黃園芳譚濤鄭世明徐達(dá)藝王曉明王星華
        廣東電力 2021年9期
        關(guān)鍵詞:饋線損耗聚類

        黃園芳,譚濤,鄭世明,徐達(dá)藝,王曉明,王星華

        (1.廣東電網(wǎng)有限責(zé)任公司湛江供電局,廣東 湛江 524005;2.廣東工業(yè)大學(xué) 自動(dòng)化學(xué)院,廣東 廣州 510006)

        線損計(jì)算是精細(xì)化線損分析的前提,也是針對(duì)性改善配電網(wǎng)的依據(jù)。目前,線損計(jì)算方法主要有2類:①基于物理模型的線損計(jì)算方法,如均方根電流法和等值電阻法等[1-2],由于存在預(yù)設(shè)條件、忽略拓?fù)洳町惖仍?,?jì)算精度較低;②基于智能算法的線損計(jì)算方法[3-6],雖然在線損率的擬合上可以達(dá)到較高精度,但不滿足精細(xì)化分析的要求,無(wú)法為降損提供全面依據(jù)。

        前推回代法基于配電網(wǎng)物理模型,通過(guò)直接計(jì)算潮流可精確獲取每一設(shè)備的損耗,滿足精細(xì)化損耗分析的要求[7-8],特別適用于配電網(wǎng)電力大數(shù)據(jù)平臺(tái)建成后的電網(wǎng)。

        由于設(shè)備故障和信號(hào)干擾造成大數(shù)據(jù)平臺(tái)存在一定程度的數(shù)據(jù)缺失,阻礙了配電網(wǎng)數(shù)據(jù)分析和計(jì)算。目前,數(shù)據(jù)填充的常用方法有均值填充和眾數(shù)填充,由于忽略了負(fù)荷數(shù)據(jù)的變化,填充精度較差[9]。為此,許多學(xué)者提出基于數(shù)據(jù)分析的填充方法:①基于時(shí)間序列的分析法[10-12],簡(jiǎn)單易用;但僅考慮數(shù)據(jù)隨時(shí)間的變化,數(shù)據(jù)缺失嚴(yán)重時(shí),填充精度較低。②基于預(yù)測(cè)技術(shù)的數(shù)據(jù)填充[13-14],利用大量歷史數(shù)據(jù)建立預(yù)測(cè)模型對(duì)缺失數(shù)據(jù)曲線進(jìn)行擬合填充;但受歷史數(shù)據(jù)完整性、規(guī)律性及隨機(jī)事件影響大。③基于聚類的數(shù)據(jù)填充[15-17],依賴數(shù)據(jù)間的相似性,通過(guò)尋找相似負(fù)荷曲線進(jìn)行填充,因無(wú)需考慮隨機(jī)事件的影響,得到廣泛的重視;但聚類簇?cái)?shù)主要依賴人工經(jīng)驗(yàn)設(shè)定,聚類中心的形成易陷入局部最優(yōu)等缺陷,使得填充數(shù)據(jù)的準(zhǔn)確性受到影響,且大量連續(xù)缺失數(shù)據(jù)時(shí),該方法也難以確定所缺數(shù)據(jù)的歸類。

        因此,本文提出一種基于隨機(jī)發(fā)生的分布式延遲粒子群優(yōu)化(randomly occurring distributed delayed particle swarm optimization, RODDPSO)的模糊C均值(fuzzy C mean, FCM)聚類算法,將FCM的內(nèi)部迭代替換為聚類中心優(yōu)化避免陷入局部最優(yōu),從而獲得更精確的歷史數(shù)據(jù)聚類中心。而對(duì)于大量連續(xù)缺失數(shù)據(jù)的初始?xì)w類,則需要依賴饋線首端和其余變壓器的負(fù)荷差值形成的初始預(yù)填充數(shù)據(jù)進(jìn)行聚類,再利用聚類填充形成更為準(zhǔn)確的補(bǔ)充數(shù)據(jù)。

        1 基于大數(shù)據(jù)平臺(tái)的損耗分析方法

        前推回代法的計(jì)算過(guò)程包括2個(gè)步驟:①回代計(jì)算支路電流,根據(jù)負(fù)荷節(jié)點(diǎn)的有功和無(wú)功功率及電壓初值計(jì)算各條支路的電流;②前推計(jì)算節(jié)點(diǎn)電壓,依據(jù)平衡節(jié)點(diǎn)電壓保持不變的原則按照電壓降公式計(jì)算得到各個(gè)節(jié)點(diǎn)的電壓。在此基礎(chǔ)上,即可進(jìn)行精細(xì)化的配電網(wǎng)損耗分析。

        根據(jù)上述算法需求,需獲取饋線中每臺(tái)變壓器的有功功率、無(wú)功功率、饋線拓?fù)浼皡?shù)。配電業(yè)務(wù)系統(tǒng)集成的多源數(shù)據(jù)融合大數(shù)據(jù)平臺(tái)能夠?yàn)榉椒☉?yīng)用提供數(shù)據(jù)支撐[18],但需填充由于各種原因造成的實(shí)時(shí)數(shù)據(jù)缺失[19]?;诖髷?shù)據(jù)平臺(tái)的損耗計(jì)算框架如圖1所示。

        圖1 損耗計(jì)算框架

        首先,從大數(shù)據(jù)平臺(tái)提取負(fù)荷與拓?fù)涞葦?shù)據(jù);然后,根據(jù)歷史數(shù)據(jù)聚類形成最優(yōu)的聚類中心,并計(jì)算對(duì)應(yīng)的隸屬度;接著,根據(jù)日負(fù)荷曲線的隸屬度和聚類中心進(jìn)行缺失數(shù)據(jù)填充;最后,利用前推回代法求解饋線損耗。

        2 基于RODDPSO的FCM聚類的填充算法

        2.1 RODDPSO算法

        為了改善PSO算法容易陷入局部最優(yōu)這一缺陷,改進(jìn)算法大多在粒子速度、位置修正增加隨機(jī)性和可變權(quán)重,如量子粒子群算法(quantum particle swarm optimization, QPSO)[20]在傳統(tǒng)PSO基礎(chǔ)上取消了粒子的移動(dòng)方向?qū)傩?,增加了粒子隨機(jī)性,文獻(xiàn)[21]則提出具有線性減小的慣性權(quán)重,即

        (1)

        式中:ω為粒子群算法的慣性權(quán)重,隨迭代次數(shù)增加而變?。沪豰ax和ωmin分別為慣性權(quán)重最大、最小值;t為當(dāng)前迭代次數(shù);tmax為最大迭代次數(shù)。

        在此基礎(chǔ)上,本文進(jìn)一步提出RODDPSO算法,將隨機(jī)出現(xiàn)的分布式時(shí)延引入速度更新模型,速度更新公式中分布式延遲項(xiàng)的強(qiáng)度因子(以下簡(jiǎn)稱“強(qiáng)度因子”)需根據(jù)演化狀態(tài)來(lái)確定,其中演化狀態(tài)分為收斂狀態(tài)、開發(fā)狀態(tài)、探索狀態(tài)、跳出狀態(tài)[22],4個(gè)演化狀態(tài)可通過(guò)等分策略進(jìn)行劃分,即:

        (2)

        (3)

        (4)

        式(2)—(4)中:ξ(t)為第t次迭代的演化狀態(tài);Ef(t)為第t次迭代的進(jìn)化因子;di為第i個(gè)粒子到其他粒子之間的平均距離;dg為全局最佳粒子到其他粒子之間的平均距離;dmax和dmin分別為種群中di的最大值和最小值;S為種群數(shù)量;D為粒子維度;xik為第i個(gè)粒子的第k維數(shù)據(jù)。

        4種演化狀態(tài)分別對(duì)應(yīng)4種不同的強(qiáng)度因子ml(ξ)和mg(ξ),其更新策略見(jiàn)表1。

        表1 強(qiáng)度因子更新策略

        根據(jù)上述的更新策略即可得到速度和位置更新[23]:

        vi(t+1)=ωvi(t)+c1r1(pbest(i)(t)-xi(t))+

        c2r2(gbest(t)-xi(k))+

        (5)

        xi(t+1)=xi(t)+vi(t+1),

        (6)

        (7)

        (8)

        式(5)—(8)中:vi和xi分別為第i個(gè)粒子的速度和位置;c1和c2分別為個(gè)體加速因子和社會(huì)加速因子,c1s和c2s分別為c1和c2的初始值,c1f和c2f分別為c1和c2的終值,由實(shí)際經(jīng)驗(yàn)確定,取c1s=2.5、c1f=0.5、c2s=0.5和c2f=2.5;c3和c4分別為分布式延遲項(xiàng)的個(gè)體加速因子和社會(huì)加速因子,取c3=c1、c4=c2;pbest(i)為第i個(gè)粒子當(dāng)前最優(yōu)位置;gbest為所有粒子當(dāng)前最優(yōu)位置;M為分布式延遲項(xiàng)的數(shù)目;α(τ)為0和1中的隨機(jī)數(shù),以體現(xiàn)算法中的隨機(jī)發(fā)生;ri(i=1,2,3,4)為均勻分布在[0,1]中的隨機(jī)數(shù),以增加搜索的隨機(jī)性。此外,當(dāng)延遲迭代次數(shù)τ小于當(dāng)前迭代次數(shù)t時(shí),速度更新公式根據(jù)式(5)執(zhí)行,否則執(zhí)行式(9)。

        vi(t+1)=ωvi(t)+c1r1(pbest(i)(t)-xi(t))+

        c2r2(gbest(t)-xi(k))+

        (9)

        2.2 基于RODDPSO的FCM負(fù)荷曲線聚類算法

        本文采用FCM進(jìn)行負(fù)荷曲線的聚類。FCM的聚類中心為p=(a1,a2, …,aD)的D維向量,RODDPSO中每個(gè)粒子含K個(gè)聚類中心,其格式為K×1×D的三維數(shù)組,通過(guò)迭代尋找FCM的聚類中心使目標(biāo)函數(shù)最小,其目標(biāo)函數(shù)為

        (10)

        式中:U為大小為N×K的隸屬度矩陣,計(jì)算方法見(jiàn)文獻(xiàn)[24],N為樣本數(shù)量;V為大小為K×D的聚類中心矩陣;uij為樣本xi屬于第j類聚類中心的隸屬度;pj為第j類聚類中心;‖xi-pj‖為樣本xi到第j類聚類中心的歐式距離;m為模糊參數(shù),通常設(shè)置為2。

        聚類中心數(shù)K作為人為輸入?yún)?shù),在一定程度上會(huì)影響聚類效果。為了達(dá)到“類間分離度高,類內(nèi)緊湊性好”的效果,需要借助Xie-Beni(XB)指標(biāo)確定最佳聚類數(shù)K[25]:

        (11)

        基于RODDPSO和XB指標(biāo)的聚類算法過(guò)程如下:

        a)基于XB指標(biāo)利用原始FCM找出最優(yōu)聚類簇?cái)?shù)K。

        b)初始化RODDPSO的參數(shù),其中,聚類中心為隨機(jī)的K條負(fù)荷曲線。

        c)根據(jù)聚類中心和隸屬度計(jì)算出所有粒子的目標(biāo)函數(shù),并更新pbest和gbest。

        d)確認(rèn)演化狀態(tài),并根據(jù)演化狀態(tài)更新速度和位置方程。

        e)重復(fù)步驟c)—d),直至達(dá)到最大迭代次數(shù)。

        2.3 缺失數(shù)據(jù)填充

        隸屬度的準(zhǔn)確性關(guān)系著填充值的精確性,而數(shù)據(jù)缺失程度高時(shí)不能忽略缺失值對(duì)隸屬度計(jì)算結(jié)果的影響,因此本文針對(duì)數(shù)據(jù)全部缺失的極端情況,采用負(fù)荷預(yù)填充的方法。當(dāng)根據(jù)饋線首端的負(fù)荷數(shù)據(jù)與饋線中其他變壓器的負(fù)荷數(shù)據(jù)的差值進(jìn)行預(yù)填充時(shí),由于不能保證數(shù)據(jù)能同時(shí)采集與上傳,預(yù)填充值與實(shí)際值之間會(huì)存在誤差,但預(yù)填充值在一定程度上提高了隸屬度的準(zhǔn)確性。

        在進(jìn)行RODDPSO后可得到最優(yōu)的聚類中心和由聚類中心計(jì)算得到的隸屬度,由于負(fù)荷曲線對(duì)每個(gè)聚類中心都存在隸屬度,因此應(yīng)綜合考慮多個(gè)聚類中心與隸屬度對(duì)缺失數(shù)據(jù)的影響,則缺失數(shù)據(jù)可由式(12)計(jì)算得到。

        (12)

        式中:xij為第i個(gè)缺失數(shù)據(jù)樣本中第j維的數(shù)據(jù);uik為樣本xi屬于第k類聚類中心的隸屬度;pkj為第k類聚類中心中第j維的數(shù)據(jù)。

        圖2為RODDPSO加FCM填充算法的流程圖。

        圖2 聚類填充流程

        3 實(shí)例分析

        本文以廣東省某地級(jí)市的某臺(tái)區(qū)2020年7月的有功功率作為算例數(shù)據(jù),并將7月31日的臺(tái)區(qū)有功功率、無(wú)功功率作為精細(xì)化損耗計(jì)算的驗(yàn)證數(shù)據(jù)。

        3.1 算法精準(zhǔn)度分析

        傳統(tǒng)損耗計(jì)算方法計(jì)算精度低、精細(xì)化程度不足導(dǎo)致應(yīng)用性不強(qiáng),而基于大數(shù)據(jù)平臺(tái)的前推回代法卻能適應(yīng)目前線損管理要求。本節(jié)在數(shù)據(jù)無(wú)缺失情況下,將傳統(tǒng)損耗計(jì)算方法中常見(jiàn)的等值電阻法與前推回代算法進(jìn)行對(duì)比,以驗(yàn)證前推回代法準(zhǔn)確性,其計(jì)算結(jié)果見(jiàn)表2。

        表2 理論線損率

        從表2中可以看出前推回代法得到的線損率比等值電阻法更接近實(shí)際線損率。此外,前推回代法能夠提供更詳細(xì)的設(shè)備損耗信息,因此更適合用來(lái)進(jìn)行精確損耗分析。

        3.2 聚類填充仿真與驗(yàn)證

        考慮到部分缺失和全部缺失2種情況,現(xiàn)將部分缺失設(shè)置在日負(fù)荷曲線的前段,缺失率為12.5%,即連續(xù)缺失3 h的負(fù)荷數(shù)據(jù)。

        設(shè)置粒子種群數(shù)量s=20,通過(guò)聚類有效性指標(biāo)(XB指標(biāo))得到聚類中心數(shù)K=2,最大迭代次數(shù)tmax=1 000,允許的最大速度vmax=0.5,最大最小慣性權(quán)重分別為ωmax=0.9、ωmin=0.4,分布式延遲上限M=200。以某一臺(tái)變壓器的有功負(fù)荷曲線為例,采用RODDPSO的FCM算法對(duì)這臺(tái)變壓器2種情況下的有功負(fù)荷曲線進(jìn)行模糊聚類,基于最佳聚類數(shù)的聚類結(jié)果如圖3所示。

        圖3 負(fù)荷曲線聚類結(jié)果

        圖3中,橫坐標(biāo)表示1 d中每隔15 min的采樣點(diǎn)序號(hào),縱坐標(biāo)表示該時(shí)刻的瞬時(shí)有功功率。圖3中分別展示了2類負(fù)荷曲線的上下限及其所屬聚類中心。通過(guò)聚類結(jié)果可知,該臺(tái)區(qū)所有負(fù)荷曲線分成了2類,2類負(fù)荷曲線變化趨勢(shì)雖然相近,但是第二類負(fù)荷曲線的峰谷差明顯高于第一類,而且波動(dòng)性更強(qiáng),另外混合用電性質(zhì)使得負(fù)荷曲線總體呈現(xiàn)向下凹的形狀。

        為了驗(yàn)證改進(jìn)后的FCM算法的效果,將本文所提RODDPSO-FCM算法與文獻(xiàn)[13]中的BP神經(jīng)網(wǎng)絡(luò)(BP neural network,BPNN)、傳統(tǒng)的FCM算法和文獻(xiàn)[17]中聚類均值(cluster mean,CM)填充算法進(jìn)行對(duì)比,分別對(duì)2種缺失情況的數(shù)據(jù)進(jìn)行填充,其絕對(duì)誤差曲線如圖4和圖5所示,根據(jù)標(biāo)準(zhǔn)差(standard deviation,SD)、均方根誤差(root mean square error , RMSE)和平均絕對(duì)誤差(mean absolute error, MAE)得到的誤差指標(biāo)見(jiàn)表3和表4。

        圖4 有功功率誤差曲線(部分缺失)

        圖5 有功功率誤差曲線(全部缺失)

        表3 部分缺失下的誤差評(píng)價(jià)指標(biāo)

        表4 全部缺失下的誤差評(píng)價(jià)指標(biāo)

        連續(xù)部分缺失數(shù)據(jù)位于負(fù)荷曲線首端的12個(gè)數(shù)據(jù)點(diǎn),其數(shù)據(jù)具有波動(dòng)下降的特征;數(shù)據(jù)全部缺失時(shí),原負(fù)荷曲線仍為凹形曲線,相似的曲線形狀也提高了填充的精度。綜合圖4、圖5中的誤差曲線和表3、表4的誤差指標(biāo)可知,本文算法所得到的誤差SD最小說(shuō)明填充值更加平滑,RMSE和MAE最小說(shuō)明填充精度更高。而且通過(guò)對(duì)比傳統(tǒng)的FCM算法,可知經(jīng)過(guò)RODDPSO優(yōu)化后的聚類中心更能體現(xiàn)數(shù)據(jù)的總體特征。BP神經(jīng)網(wǎng)絡(luò)的填充精度最低,主要原因是:選取的饋線屬于D類供電分區(qū)的農(nóng)村地區(qū),其負(fù)荷變化沒(méi)有明顯的規(guī)律可循,負(fù)荷變化也易受到環(huán)境因素的影響,而且需要大量的歷史數(shù)據(jù)來(lái)建立神經(jīng)網(wǎng)絡(luò),如遇到歷史數(shù)據(jù)缺失則很難完成神經(jīng)網(wǎng)絡(luò)的建立。

        對(duì)缺失數(shù)據(jù)進(jìn)行填充后,分別對(duì)填充后的負(fù)荷數(shù)據(jù)進(jìn)行線損計(jì)算,其計(jì)算結(jié)果見(jiàn)表5。

        表5 3種情況下的理論線損率

        從表5中可以看出,3種情況下得到的理論線損相差較小,故從線損考核標(biāo)準(zhǔn)層面看,本文算法得到的線損率可靠性高。

        4 結(jié)束語(yǔ)

        本文通過(guò)與大數(shù)據(jù)平臺(tái)的結(jié)合,實(shí)現(xiàn)數(shù)據(jù)的自動(dòng)獲取,考慮到實(shí)際情況下的數(shù)據(jù)缺失問(wèn)題,采用RODDPSO的FCM聚類算法,克服了FCM算法可能陷入局部最優(yōu)的缺陷,同時(shí)提高了PSO算法的全局尋優(yōu)能力。最后利用算例驗(yàn)證了前推回代法計(jì)算的精準(zhǔn)度和聚類填充的有效性。綜上所述,基于RODDPSO的FCM聚類在缺失數(shù)據(jù)下的中壓饋線精準(zhǔn)線損計(jì)算方法,與大數(shù)據(jù)平臺(tái)緊密結(jié)合,著重解決了數(shù)據(jù)缺失條件下的線損計(jì)算精度不高等問(wèn)題,具有良好的工程實(shí)用性。

        猜你喜歡
        饋線損耗聚類
        基于DBSACN聚類算法的XML文檔聚類
        變電站10KV饋線開關(guān)與線路開關(guān)的保護(hù)配合應(yīng)注意的要點(diǎn)
        自我損耗理論視角下的編輯審讀
        新聞傳播(2016年11期)2016-07-10 12:04:01
        基于新型材料的短波饋線實(shí)踐
        基于改進(jìn)的遺傳算法的模糊聚類算法
        配網(wǎng)饋線接地定位及環(huán)供支線接地選線判據(jù)探討
        變壓器附加損耗對(duì)負(fù)載損耗的影響
        非隔離型單相光伏并網(wǎng)逆變器的功率損耗研究
        一種層次初始的聚類個(gè)數(shù)自適應(yīng)的聚類方法研究
        大功率H橋逆變器損耗的精確計(jì)算方法及其應(yīng)用
        无码人妻精品一区二区三区免费| 男女边摸边吃奶边做视频韩国| 亚洲欧洲成人精品香蕉网| 日韩精品一区二区三区免费视频 | 久久久噜噜噜噜久久熟女m| 蜜桃视频在线观看免费亚洲| 中文字幕肉感巨大的乳专区| 欧美日韩综合网在线观看| 激情五月天俺也去综合网| 天堂在线观看av一区二区三区| 国产一区二区三区探花| 老太婆性杂交视频| 久久精品国产亚洲av蜜臀| 中文字幕精品一二三区| 伊人影院在线观看不卡| av男人的天堂亚洲综合网| 精品亚洲成a人片在线观看| 国产亚洲精品bt天堂| av男人操美女一区二区三区| 免费国产在线视频自拍白浆| 俺去俺来也在线www色官网| 亚洲欧美日韩高清中文在线 | 精品一区2区3区4区| 亚洲一区二区三区少妇| 9 9久热re在线精品视频| 色诱久久av| 亚洲av毛片一区二区久久| 欧美性白人极品1819hd| 东方aⅴ免费观看久久av| 亚洲欧洲AV综合色无码| 久久精品国产亚洲av日韩一| 久草青青91在线播放| 亚洲精品无码专区在线| 无码一区二区三区网站| 侵犯了美丽丰满人妻中文字幕| 国产黄大片在线观看| 一区二区国产在线观看| 人妻中出中文字幕在线| 亚洲av色影在线| 少妇邻居内射在线| 国产天堂av手机在线|