一种基于敏感负荷聚类的电压暂降综合治理方法

技术领域

本发明属于配电网电能质量治理技术领域，具体涉及一种基于敏感负荷聚类的电压暂降综合治理方法。

背景技术

随着工业自动化的发展，精密的电力电子器件对电压暂降愈发敏感，电压暂降会影响正常的生产工作流程，造成各方面严重的损失，甚至导致无可挽回的危害。因此，对电压暂降进行治理尤为重要。

对电压暂降的治理主要可以分为供电侧、用电侧和设备制造商侧。供电侧通过将架空线路改造为电缆、改造输配电线路的电网结构和安装避雷装置等方法减少短路故障次数。设备制造商通过提高设备对暂降的耐受幅值或耐受时间，减少设备对电压暂降的敏感度。

蒙特卡洛方法能体现电压暂降事件发生的随机性。相对于耐受电压幅值和暂降持续时间，设备的容量大小以及其对供电的依赖程度也对治理方案有着重要影响。组合赋权法可以客服主客观赋权法各自的缺点，使得指标权重的分布更加科学合理。AP算法在不知道样本聚类个数的前提下，也可以进行聚类划分，因此适用范围更广泛。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种基于敏感负荷聚类的电压暂降综合治理方法，在暂降耐受幅值、耐受持续时间、设备容量和对电依赖度四个敏感指标的基础上，采用AP聚类算法对敏感负荷聚类，对不同类的负荷分别采用不同的方法治理，即配置储能和DVR，从而降低治理成本和敏感负荷接入点的电压暂降发生概率。

为实现上述技术目的，本发明采取的技术方案为：

一种基于敏感负荷聚类的电压暂降综合治理方法，包括：

步骤1，分别选取暂降类型、暂降线路和暂降持续时间作为随机变量，通过蒙特卡洛法得到电压暂降预估模型；

步骤2，通过电压暂降随机预估模型得到各线路故障概率，对各线路进行电压暂降模拟，设置线路故障概率阈值，从而得到电网的薄弱环节，即暂降多发区域；

步骤3，选取敏感负荷聚类的敏感指标；

步骤4，采用层次分析法与熵值法相结合的组合赋权法确定所述敏感指标的权重；

步骤5，根据敏感指标，应用AP聚类算法对线路上不同敏感负荷进行聚类；

步骤6，分别建立储能装置和DVR电压暂降治理数学模型，在满足潮流平衡约束条件、储能荷电状态约束条件、储能功率和容量约束条件以及电压约束条件的前提下，以储能的全寿命周期成本最低为目标函数，采用遗传算法确定其容量，对其中一类负荷进行治理；在储能容量配置完成的基础上，其他类负荷采用DVR进行治理。

为优化上述技术方案，采取的具体措施还包括：

上述的步骤1中，暂降类型作为随机变量的电压暂降预估模型为：

式中：P

暂降线路作为随机变量的电压暂降预估模型为：

式中：P

暂降持续时间作为随机变量的电压暂降预估模型为服从期望值为0.06秒，标准差为0.01秒的标准正态分布；

其中故障接地电阻统一设为0。

上述的步骤3中，选取暂降耐受幅值、耐受持续时间、设备容量和对电依赖度作为敏感负荷聚类的四个敏感指标。

上述的步骤4中，采用层次分析法与熵值法相结合的组合赋权法确定所述敏感指标的权重，其步骤如下：

(1)数据归一化

由于各敏感指标具有不同的性质和量纲，其数据大小相差较大，因此需要对原始指标数据进行归一化处理。

式中：X

(2)采用层析分析法确定各敏感指标的主观权重：

根据标度表对各敏感指标进行两两比较，得到判断矩阵A＝(a

一致性检验：

式中：CI为一致性指标，λ

若CR＜0.1，则可认为所求权重有意义；否则需要对判断矩阵A＝(a

利用算数平均法求权重向量：

(3)采用熵值法确定各敏感指标的客观权重：

计算第i个特征指标的熵值：

式中：

熵值法权重向量为：

式中：m为敏感指标个数。

(4)最后得到组合赋权权重为：

上述的步骤5中，敏感指标权重的欧式距离计算公式为：

式中：w

上述的步骤6中，潮流平衡约束条件为：

式中：P

储能的荷电状态约束条件为：

min SOC≤SOC≤max SOC

式中：SOC为储能的荷电状态；

储能功率和容量约束条件为：

P

式中：P

电压约束条件为：

式中：U

上述的步骤6中，储能的全寿命周期成本为：

式中：C

本发明具有以下有益效果：

应用蒙特卡洛法得到电压暂降随机预估模型，确定故障概率较高的线路，从而得到整个电网的薄弱环节，即暂降多发区域；提出暂降耐受幅值、耐受持续时间、设备容量和对电依赖度四个敏感指标，根据组合赋权法确定各个指标的权重，采用AP聚类算法对不同的敏感负荷进行分类；分别通过接入储能装置和DVR对敏感负荷进行分类治理，在满足电压补偿的前提下，以全寿命周期成本最小为目标配置储能容量。算例分析结果表明，与其他已有的治理方案相比，本发明能够有效降低投入成本和敏感负荷接入点的暂降发生概率。

附图说明

图1为各线路故障概率。

图2为电网薄弱环节。

图3为常见用电设备的电压暂降耐受曲线。

图4为敏感负荷聚类步骤。

图5为负荷聚类结果。

图6为储能配置流程。

图7为敏感负荷节点电压暂降概率。

具体实施方式

以下结合附图对本发明的实施例作进一步详细描述。

参见图6，一种基于敏感负荷聚类的电压暂降综合治理方法，包括：

步骤1，分别选取暂降类型、暂降线路和暂降持续时间作为随机变量，通过蒙特卡洛法得到电压暂降预估模型，其中故障接地电阻统一设为0；

所述步骤1中，暂降类型作为随机变量的电压暂降预估模型为：

式中：P

暂降线路作为随机变量的电压暂降预估模型为：

式中：P

暂降持续时间作为随机变量的电压暂降预估模型为服从期望值为0.06秒，标准差为0.01秒的标准正态分布。

步骤2，通过电压暂降随机预估模型得到各线路故障概率，对各线路进行电压暂降模拟，设置线路故障概率阈值，从而得到电网的薄弱环节，即暂降多发区域，如图1-2所示；

步骤3，选取敏感负荷聚类的敏感指标；

所述步骤3中，由于各个负荷所含设备的容量、工作特性和自身参数不同，其对电压暂降的耐受电压、持续时间等敏感度指标也不同，且不同负荷设备之间差异较大。

目前普遍采用以发生电压暂降时设备的耐受电压幅值和暂降持续时间作为设备的敏感度指标，以此为基础考虑不同的治理方案。

然而，设备的容量大小以及其对供电的依赖程度也对治理方案有着重要影响。

因此选取暂降耐受幅值、耐受持续时间、设备容量和对电依赖度四个敏感指标作为敏感负荷的聚类依据。

几种常见负荷设备对电压暂降的幅值和持续时间的耐受曲线如图3所示。

步骤4，采用层次分析法与熵值法相结合的组合赋权法确定所述敏感指标的权重。

所述步骤4中，支持向量机(SVM)的惩罚因子和核函数参数的寻优结果为惩罚因子为0.3798，核函数参数为5.8570，其结果如表1所示。

表1各敏感指标权重

步骤5，根据敏感指标，应用AP聚类算法对线路上不同敏感负荷进行聚类，其中欧式距离需根据敏感指标的权重计算；

敏感指标权重的欧式距离计算公式为：

式中：w

敏感负荷聚类步骤和结果如图4-5所示。

步骤6，分别建立储能装置和DVR电压暂降治理数学模型，在满足潮流平衡约束条件、储能荷电状态约束条件、储能功率和容量约束条件以及电压约束条件的前提下，以储能的全寿命周期成本最低为目标函数，采用遗传算法确定其容量，对其中一类负荷进行治理；在储能容量配置完成的基础上，其他类负荷采用DVR进行治理。

具体的，步骤2的结果与步骤6无关；步骤5的负荷聚类结果即为步骤6中的不同类别负荷；

储能装置和DVR电压暂降治理数学模型为其补偿暂降电压的原理模型，不做赘述，与遗传算法无关；

采用遗传算法确定其容量的具体步骤，具体步骤为图6；

确定其容量，对其中一类负荷进行治理；在储能容量配置完成的基础上，其他类负荷采用DVR进行治理，即根据步骤5负荷聚类结果，其中一类负荷采用储能装置治理，由于储能装置的补偿具有全局作用，在此基础上，对另一类负荷采用DVR治理。

所述步骤6中，潮流平衡约束条件为：

式中：P

储能的荷电状态约束条件为：

min SOC≤SOC≤max SOC

式中：SOC为储能的荷电状态；

储能功率和容量约束条件为：

P

式中：P

电压约束条件为：

式中：U

所述步骤6中，储能的全寿命周期成本为：

式中：C

配置流程和结果分别如图6和表2所示；

表2配置结果

仿真验证：

在IEEE33配电系统上接入一定数量的敏感负荷进行仿真分析，分别在节点5、26、15、12、19、23、30和11接入电压暂降耐受幅值、耐受持续时间、设备容量和对电依赖度均不同的敏感负荷。

由表3和图7可以看出，本发明提出的对敏感负荷进行分类治理的方案所需成本和治理后敏感负荷接入点电压暂降发生概率最低。

表3各治理方案对比

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。