一种自上而下等值的负荷模型构建方法、装置及终端设备

技术领域

本申请涉及电网负荷模型技术领域，尤其涉及一种自上而下等值的负荷模型构建方法、装置及终端设备。

背景技术

对于不同场景下，电网的运行状态需求有所差异，所以需要在不同运行场景，不同运行分析需求下选择不同侧重点的负荷模型，对不同场景的负荷模型进行参数灵敏度分析，归纳出不同场景下等值负荷模型的主导参数，在不同应用场合下，计算负荷模型时只考虑该场景下的主导参数做辨识，得到更适合于此场景的负荷模型。

发明内容

本申请实施例提供了一种自上而下等值的负荷模型构建方法、装置及终端设备，用于解决现有并没有根据电网运行状态需求构建负荷模型的技术问题。

为了实现上述目的，本申请实施例提供如下技术方案：

一种自上而下等值的负荷模型构建方法包括以下步骤：

获取配电网上n名用户的历史日负荷数据，根据所述历史日负荷数据对n名用户进行聚类筛选获得m名典型用户；

每间隔时间t获取每户所述典型用户的负荷电气数据，根据每户的所述负荷电气数据与预设各类型负荷模型进行训练、特征匹配，识别获得典型用户的类型负荷模型；

采用类型负荷模型作为与典型用户相同类型对应用户的单一负荷模型，根据电压等级对n个所述单一负荷模型进行聚合，构建低压侧综合负荷模型；

采用自上而下等值方式对所述低压侧综合负荷模型进行等值处理，构建配电网的综合负荷模型；

其中，所述类型负荷模型包括ZIP模型和IM模型。

优选地，根据所述历史日负荷数据对n名用户进行聚类筛选获得m名典型用户包括：根据所述历史日负荷数据采用负荷特征指标降维方式进行用户聚类，筛选与聚类中心的距离不小于聚类阈值的用户作为典型用户。

优选地，采用自上而下等值方式对所述低压侧综合负荷模型进行等值处理，构建配电网的综合负荷模型包括：采用自上而下等值方式将所述低压侧综合负荷模型的负荷电气数据由低压侧向高压侧等值，得到所述综合负荷模型的负荷电气数据。

优选地，若所述低压侧综合负荷模型为IM模型，所述综合负荷模型的负荷电气数据包括：高压侧等值电动机电磁力矩和高压侧电动机机械转矩，则得到所述综合负荷模型的负荷电气数据包括：

获取所述低压侧综合负荷模型中负荷电气数据的低压侧电动机电磁力矩、低压侧电动机机械转矩和中间算子系数；

根据所述低压侧电动机电磁力矩和所述中间算子系数采用力矩等值公式计算，得到所述综合负荷模型中等值后的高压侧等值电动机电磁力矩；

根据所述低压侧电动机机械转矩和所述中间算子系数采用转矩等值公式计算，得到所述综合负荷模型中等值后的高压侧电动机机械转矩；

其中，所述力矩等值公式为：

优选地，若所述低压侧综合负荷模型为ZIP模型，所述综合负荷模型的负荷电气数据包括高压侧静态负荷等值导纳，则得到所述综合负荷模型的负荷电气数据包括：

获取所述低压侧综合负荷模型中负荷电气数据的低压侧静态负荷等值导纳、配电网侧等值阻抗、流入高压侧无功功率、流入高压侧有功功率和高压侧母线电压；

根据低压侧静态负荷等值导纳、配电网侧等值阻抗、流入高压侧无功功率、流入高压侧有功功率和高压侧母线电压采用导纳等值公式计算得到高压侧静态负荷等值导纳；

其中，所述导纳等值公式为：

式中，Y

优选地，该自上而下等值的负荷模型构建方法包括：通过配电网的综合负荷模型获取A群体中B名用户的量测负荷数据，对B个所述量测负荷数据采用区间均值估计方式，获得A群体的负荷总体均值和负荷总数量。

本申请还提供一种自上而下等值的负荷模型构建装置，包括用户筛选模块、类型匹配模块、低压模型构建模块和综合模型构建模块；

所述用户筛选模块，用于获取配电网上n名用户的历史日负荷数据，根据所述历史日负荷数据对n名用户进行聚类筛选获得m名典型用户；

所述类型匹配模块，用于每间隔时间t获取每户所述典型用户的负荷电气数据，根据每户的所述负荷电气数据与预设各类型负荷模型进行训练、特征匹配，识别获得典型用户的类型负荷模型；

所述低压模型构建模块，用于采用类型负荷模型作为与典型用户相同类型对应用户的单一负荷模型，根据电压等级对n个所述单一负荷模型进行聚合，构建低压侧综合负荷模型；

所述综合模型构建模块，用于采用自上而下等值方式对所述低压侧综合负荷模型进行等值处理，构建配电网的综合负荷模型；

其中，所述类型负荷模型包括ZIP模型和IM模型。

优选地，若所述低压侧综合负荷模型为IM模型，所述综合负荷模型的负荷电气数据包括：高压侧等值电动机电磁力矩和高压侧电动机机械转矩，所述综合模型构建模块还用于获取所述低压侧综合负荷模型中负荷电气数据的低压侧电动机电磁力矩、低压侧电动机机械转矩和中间算子系数；根据所述低压侧电动机电磁力矩和所述中间算子系数采用力矩等值公式计算，得到所述综合负荷模型中等值后的高压侧等值电动机电磁力矩；根据所述低压侧电动机机械转矩和所述中间算子系数采用转矩等值公式计算，得到所述综合负荷模型中等值后的高压侧电动机机械转矩；

其中，所述力矩等值公式为：

优选地，若所述低压侧综合负荷模型为ZIP模型，所述综合负荷模型的负荷电气数据包括高压侧静态负荷等值导纳，所述综合模型构建模块还用于获取所述低压侧综合负荷模型中负荷电气数据的低压侧静态负荷等值导纳、配电网侧等值阻抗、流入高压侧无功功率、流入高压侧有功功率和高压侧母线电压；根据低压侧静态负荷等值导纳、配电网侧等值阻抗、流入高压侧无功功率、流入高压侧有功功率和高压侧母线电压采用导纳等值公式计算得到高压侧静态负荷等值导纳；

其中，所述导纳等值公式为：

式中，Y

本申请还提供一种终端设备，包括处理器以及存储器；

所述存储器，用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器，用于根据所述程序代码中的指令执行上述所述的自上而下等值的负荷模型构建方法。

从以上技术方案可以看出，本申请实施例具有以下优点：该自上而下等值的负荷模型构建方法、装置及终端设备，该方法包括获取配电网上n名用户的历史日负荷数据，根据历史日负荷数据对n名用户进行聚类筛选获得m名典型用户；每间隔时间t获取每户典型用户的负荷电气数据，根据每户的负荷电气数据与预设各类型负荷模型进行训练、特征匹配，识别获得典型用户的类型负荷模型；采用类型负荷模型作为与典型用户相同类型对应用户的单一负荷模型，根据电压等级对n个单一负荷模型进行聚合，构建低压侧综合负荷模型；采用自上而下等值方式对低压侧综合负荷模型进行等值处理，构建配电网的综合负荷模型。通过该自上而下等值的负荷模型构建方法构建的综合负荷模型能够实现在线量测配电网的负荷，提高负荷模型量测负荷数据的精度，避免没有根据电网运行状态需求测量的负荷不准确的问题，解决了现有并没有根据电网运行状态需求构建负荷模型的技术问题。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为本申请实施例所述的自上而下等值的负荷模型构建方法的步骤流程图；

图2为本申请实施例所述的自上而下等值的负荷模型构建方法的框架图；

图3为本申请实施例所述的自上而下等值的负荷模型构建方法中的压侧负荷经配电网向高压侧折算示意图；

图4为本申请实施例所述的自上而下等值的负荷模型构建方法的置信区间示意图；

图5为本申请实施例的自上而下等值的负荷模型构建装置的框架图。

具体实施方式

为使得本申请的发明目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本申请一部分实施例，而非全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。

本申请的专利术语：

ZIP模型：静态负荷模型；

IM模型：感应电动机负荷模块；

本申请实施例提供了一种自上而下等值的负荷模型构建方法、装置及终端设备，用于解决了现有并没有根据电网运行状态需求构建负荷模型的技术问题。

实施例一：

图1为本申请实施例所述的自上而下等值的负荷模型构建方法的步骤流程图，图2为本申请实施例所述的自上而下等值的负荷模型构建方法的框架图。

如图1和图2所示，本申请实施例提供了一种自上而下等值的负荷模型构建方法，包括以下步骤：

S1.获取配电网上n名用户的历史日负荷数据，根据历史日负荷数据对n名用户进行聚类筛选获得m名典型用户。

需要说明的是，在步骤S1中一是获取配电网上n名用户的历史日负荷数据；二是从获取的n名用户中筛选出典型用户。在本实施例中，n名用户的历史日负荷数据是基于配电网的负荷控制系统采集的，n的数值不小于500。

进一步地，根据历史日负荷数据对n名用户进行聚类筛选获得m名典型用户包括：根据历史日负荷数据采用负荷特征指标降维方式进行用户聚类，筛选距与聚类中心的距离不小于聚类阈值的用户作为典型用户。

需要说明的是，聚类阈值可以根据需求设置，此处不作限定。在本实施例中，采用负荷特征指标降维方式进行用户聚类，每类中选取距离聚类中心最近的部分(即与聚类中心的距离不小于聚类阈值)用户作为典型用户。聚类过程可根据实际情况设定更新时间间隔，通常可设置几天或几个月更新一次。在本实施例中，负荷特征指标降维方式是本领域比较成熟的技术，此处不做详述。

S2.每间隔时间t获取每户典型用户的负荷电气数据，根据每户的负荷电气数据与预设各类型负荷模型进行训练、特征匹配，识别获得典型用户的类型负荷模型。

需要说明的是，在步骤S2中一是通过负荷智能终端实时采集典型用户的负荷电气数据，二是根据预设各类型负荷模型对每户的负荷电气数据进行训练和特征匹配，识别典型用户的负荷类型，并得到对应的类型负荷模型。在本实施例中，时间t可以根据需求设置，此处不作限定。其中，类型负荷模型包括ZIP模型和IM模型。

S3.采用类型负荷模型作为与典型用户相同类型对应用户的单一负荷模型，根据电压等级对n个单一负荷模型进行聚合，构建低压侧综合负荷模型。

需要说明的是，在步骤S3中一是根据以点代面方式采用每类中典型用户的类型负荷模型替代该类中其他用户，以实时获取n名用户的单一负荷模型。二是按照电压等级对n个单一负荷模型进行聚合构建低压侧综合负荷模型，使得能够得到根据电压等级分层聚合单一负荷模型构建的低压侧综合负荷模型，便于后续步骤对低压侧综合负荷模型的处理。

S4.采用自上而下等值方式对低压侧综合负荷模型进行等值处理，构建配电网的综合负荷模型。

需要说明的是，为了避免各电压等级之间存在配电变压器、配电线路等，对负荷逐级聚合影响较大，因此采用自上而下等值方式对低压侧综合负荷模型进行等值处理，构建配电网的综合负荷模型。在本实施例中，通过配电网的综合负荷模型能够实现在线量测配电网的负荷。

进一步地，采用自上而下等值方式对低压侧综合负荷模型进行等值处理，构建配电网的综合负荷模型包括：采用自上而下等值方式将低压侧综合负荷模型的负荷电气数据由低压侧向高压侧等值，得到综合负荷模型的负荷电气数据。

需要说明的是，将低压侧综合负荷模型由低压侧逐步向高压侧聚合、等值，最终获得配电网220kV/110kV母线下的综合负荷模型。

本申请提供的一种自上而下等值的负荷模型构建方法，该方法包括获取配电网上n名用户的历史日负荷数据，根据历史日负荷数据对n名用户进行聚类筛选获得m名典型用户；每间隔时间t获取每户典型用户的负荷电气数据，根据每户的负荷电气数据与预设各类型负荷模型进行训练、特征匹配，识别获得典型用户的类型负荷模型；采用类型负荷模型作为与典型用户相同类型对应用户的单一负荷模型，根据电压等级对n个单一负荷模型进行聚合，构建低压侧综合负荷模型；采用自上而下等值方式对低压侧综合负荷模型进行等值处理，构建配电网的综合负荷模型。通过该自上而下等值的负荷模型构建方法构建的综合负荷模型能够实现在线量测配电网的负荷，避免没有根据电网运行状态需求测量的负荷不准确的问题，解决了现有并没有根据电网运行状态需求构建负荷模型的技术问题。

图3为本申请实施例所述的自上而下等值的负荷模型构建方法中的压侧负荷经配电网向高压侧折算示意图。

如图3所示，在本申请的一个实施例中，若低压侧综合负荷模型为IM模型，综合负荷模型的负荷电气数据包括：高压侧等值电动机电磁力矩和高压侧电动机机械转矩，则得到综合负荷模型的负荷电气数据包括：

获取低压侧综合负荷模型中负荷电气数据的低压侧电动机电磁力矩、低压侧电动机机械转矩和中间算子系数；

根据低压侧电动机电磁力矩和中间算子系数采用力矩等值公式计算，得到综合负荷模型中等值后的高压侧等值电动机电磁力矩；

根据低压侧电动机机械转矩和中间算子系数采用转矩等值公式计算，得到综合负荷模型中等值后的高压侧电动机机械转矩；

其中，力矩等值公式为：

需要说明的是，单一负荷模型通常设置于220kV或110kV母线上，然而实际电力负荷一般处于配电网底层，不可能由220kV或110kV母线直接供电。该自上而下等值的负荷模型构建方法构建的综合负荷模型是采用最常用的静态负荷并联感应电动机的综合负荷模型，配电网影响主要体现在传输元件阻抗的影响。

如图3所示，在本申请实施例中，综合负荷模型的感应电动机负荷等值参数包括高压侧等值电动机电磁力矩和高压侧电动机机械转矩。如图3所示，M为感应电动机负荷，ZIP为静态负荷。

需要说明的是，该自上而下等值的负荷模型构建方法的综合负荷模型的感应电动机负荷等值参数还包括高压侧电压等值，其表达式为：

依据感应电动机三阶模型，低压侧母线电压可为：

若

令

则

可得

式中，λ

令高压侧电动机等值惯性时间常数H

在本申请的一个实施例中，若低压侧综合负荷模型为ZIP模型，综合负荷模型的负荷电气数据包括高压侧静态负荷等值导纳，则得到综合负荷模型的负荷电气数据包括：

获取低压侧综合负荷模型中负荷电气数据的低压侧静态负荷等值导纳、配电网侧等值阻抗、流入高压侧无功功率、流入高压侧有功功率和高压侧母线电压；

根据低压侧静态负荷等值导纳、配电网侧等值阻抗、流入高压侧无功功率、流入高压侧有功功率和高压侧母线电压采用导纳等值公式计算得到高压侧静态负荷等值导纳；

其中，导纳等值公式为：

式中，Y

需要说明的是，如图3所示，该自上而下等值的负荷模型构建方法的综合负荷模型的高压侧总电流表达式为：

/>

式中，

在本申请的一个实施例中，该自上而下等值的负荷模型构建方法包括：通过配电网的综合负荷模型获取A群体中B名用户的量测负荷数据，对B个量测负荷数据采用区间均值估计方式，获得A群体的负荷总体均值和负荷总数量。

需要说明的是，A群体中的用户负荷包含有不可控负荷、可控空调负荷、可控热水器负荷和可控电动汽车负荷。从配电网的负荷数据库中读取A群体所有用户的负荷数据，按照日负荷曲线的格式进行计算处理将A群体中的所有日负荷曲线形成日负荷曲线库；之后将A群体所有用户的日负荷曲线进行聚类，对于每个聚类群体中随机抽选一定比例的B名用户具有综合负荷模型的负荷量测终端，以获取B名用户的量测负荷数据；最后根据B名用户的量测负荷数据采用区间均值估计方式获取整个A群体所有用户的负荷组成数据(包括负荷总体均值和负荷总数量)。其中，B的数值大于100。

图4为本申请实施例所述的自上而下等值的负荷模型构建方法的置信区间示意图。

如图4所示，在本申请实施例中，区间估计是通过计算概率区间使得总体均值处于的概率为1-α，亦称为置信水平。采用区间均值估计方式是对量测负荷数据进行估算等值。

需要说明的是，若A群体中聚类中共有C个用户，随机抽样B个，C的数值大于B的数据。根据区间均值估计方式可知，负荷抽样均值

对于这一标准正态分布，计算即可得到：

式中，

实施例二：

图5为本申请实施例的自上而下等值的负荷模型构建装置的框架图。

如图5所示，本申请实施例还提供一种自上而下等值的负荷模型构建装置包括用户筛选模块10、类型匹配模块20、低压模型构建模块30和综合模型构建模块40；

用户筛选模块10，用于获取配电网上n名用户的历史日负荷数据，根据历史日负荷数据对n名用户进行聚类筛选获得m名典型用户；

类型匹配模块20，用于每间隔时间t获取每户典型用户的负荷电气数据，根据每户的负荷电气数据与预设各类型负荷模型进行训练、特征匹配，识别获得典型用户的类型负荷模型；

低压模型构建模块30，用于采用类型负荷模型作为与典型用户相同类型对应用户的单一负荷模型，根据电压等级对n个单一负荷模型进行聚合，构建低压侧综合负荷模型；

综合模型构建模块40，用于采用自上而下等值方式对低压侧综合负荷模型进行等值处理，构建配电网的综合负荷模型；

其中，类型负荷模型包括ZIP模型和IM模型。

在本申请实施例中，若低压侧综合负荷模型为IM模型，综合负荷模型40的负荷电气数据包括：高压侧等值电动机电磁力矩和高压侧电动机机械转矩，综合模型构建模块还用于获取低压侧综合负荷模型中负荷电气数据的低压侧电动机电磁力矩、低压侧电动机机械转矩和中间算子系数；根据低压侧电动机电磁力矩和中间算子系数采用力矩等值公式计算，得到综合负荷模型中等值后的高压侧等值电动机电磁力矩；根据低压侧电动机机械转矩和中间算子系数采用转矩等值公式计算，得到综合负荷模型中等值后的高压侧电动机机械转矩；

其中，力矩等值公式为：

在本申请实施例中，若低压侧综合负荷模型为ZIP模型，综合负荷模型40的负荷电气数据包括高压侧静态负荷等值导纳，综合模型构建模块还用于获取低压侧综合负荷模型中负荷电气数据的低压侧静态负荷等值导纳、配电网侧等值阻抗、流入高压侧无功功率、流入高压侧有功功率和高压侧母线电压；根据低压侧静态负荷等值导纳、配电网侧等值阻抗、流入高压侧无功功率、流入高压侧有功功率和高压侧母线电压采用导纳等值公式计算得到高压侧静态负荷等值导纳；

其中，导纳等值公式为：

式中，Y

需要说明的是，实施例二装置中模块对应于实施例一方法中的步骤，该自上而下等值的负荷模型构建方法的内容已在实施例一中详细阐述了，在此实施例二中不再对装置中模块的内容进行详细阐述。

实施例三：

本申请实施例提供了一种终端设备，包括处理器以及存储器；

存储器，用于存储程序代码，并将程序代码传输给处理器；

处理器，用于根据程序代码中的指令执行上述的自上而下等值的负荷模型构建方法。

需要说明的是，处理器用于根据所程序代码中的指令执行上述的一种自上而下等值的负荷模型构建方法实施例中的步骤。或者，处理器执行计算机程序时实现上述各系统/装置实施例中各模块/单元的功能。

示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器中，并由处理器执行，以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在终端设备中的执行过程。

终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器可以是终端设备的内部存储单元，例如终端设备的硬盘或内存。存储器也可以是终端设备的外部存储设备，例如终端设备上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，存储器还可以既包括终端设备的内部存储单元也包括外部存储设备。存储器用于存储计算机程序以及终端设备所需的其他程序和数据。存储器还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。