CN104376403B - 一种基于下级用户行业特性的变电站暂降敏感度分级方法 - Google Patents
一种基于下级用户行业特性的变电站暂降敏感度分级方法 Download PDFInfo
- Publication number
- CN104376403B CN104376403B CN201410606015.2A CN201410606015A CN104376403B CN 104376403 B CN104376403 B CN 104376403B CN 201410606015 A CN201410606015 A CN 201410606015A CN 104376403 B CN104376403 B CN 104376403B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- munderover
- transformer station
- susceptibility
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种基于下级用户行业特性的变电站暂降敏感度分级方法,包括以下步骤:S1确定待分析区域内各变电站下级用户所包含的行业类型,并设置各行业的敏感系数;S2输入待分析区域电网内各变电站的基础数据即下级用户各行业的负荷比例;S3运用模糊C均值(FCM)聚类算法对各变电站进行聚类,根据分析的需求在确定分类数后输出聚类结果;S4以每类变电站的聚类中心作为基准,结合各行业的敏感系数计算各类变电站的暂降敏感度;S5依据敏感度大小得出的序列将区域电网内变电站划分为相应的等级。本发明可对暂降敏感度进行变电站层面的分析,且工作量少切合实际,解决了负荷多样性综合反映变电站的暂降敏感度的问题。
Description
技术领域
本发明涉及一种基于下级用户行业特性的变电站暂降敏感度分级方法。
背景技术
变电站的暂降敏感度是指变电站下的全体负荷对电压暂降问题的敏感程度,即变电站承受电压暂降现象时其下级负荷能承受干扰仍正常工作的能力,这种能力越低,敏感度也就越高。
近年来,随着科技的发展,敏感电力电子设备的被广泛应用、以及诸如半导体制造、计算机集成制造等新型电力敏感负荷的出现,对供电的电能质量提出了更高的要求,这使得电压暂降问题受到了广泛的关注,其已经逐渐成为对用户影响最大的电能质量问题之一。
电压暂降的影响范围广,造成的经济损失大,对区域电网内大量变电站的电压暂降敏感度进行分级,有利于发现对电压暂降现象敏感的变电站及区域,实现对出现大范围电压暂降现象造成影响进行预估,同时也对预防区域电网由电压暂降引发重大事故有着重要的意义。
对区域电网内变电站的电压暂降敏感度进行分级需要对各分析对象即变电站的整体敏感度进行评估,并依据一定的规则将全部变电站根据对暂降的敏感程度大小划分为相应的等级。
目前关于电压暂降敏感度的分析方法大多都只是对单一电气设备的电压暂降敏感度进行评估,而对于变电站的负荷整体敏感度进行分析目前尚没有明确的手段。要从变电站层面对下级负荷的整体敏感度进行分析主要面临以下三方面问题,也是变电站暂降敏感度分级实用化的关键性难题:1)变电站暂降敏感度取决于下级用户的整体特性,难以运用目前对单一电气设备的敏感度评估方法来进行变电站层面的分析;2)变电站数目众多,且每个变电站下级用户的地域分布非常广泛,若采取详尽地调研统计方法去评估每个变电站对电压暂降的敏感程度将导致工作量巨大且不切实际;3)用户使用的电气设备不同,对电压暂降的敏感度也存在巨大的差异,负荷的多样性导致了不同的变电站的下级用户行业特性各异,如何由下级用户的敏感特性来综合反映变电站的暂降敏感度目前尚没有理论方法。
发明内容
本发明所要解决的技术问题,就是提供一种变电站暂降敏感度分级方法,更准确地说,就是提供一种基于下级用户行业特性的变电站暂降敏感度分级方法,其可对暂降敏感度进行变电站层面的分析,且工作量少切合实际,解决了负荷多样性综合反映变电站的暂降敏感度的问题。
解决上述技术问题,本发明采用以下技术方案:
一种基于下级用户行业特性的变电站暂降敏感度分级方法,其特征是包括以下步骤:
S1确定待分析区域内各变电站下级用户所包含的行业类型,并设置各行业的敏感系数;
S2输入待分析区域电网内各变电站的基础数据即下级用户各行业的负荷比例;
S3运用模糊C均值(FCM)聚类算法对各变电站进行聚类,根据分析的需求在确定分类数后输出聚类结果;
S4以每类变电站的聚类中心作为基准,结合各行业的敏感系数计算各类变电站的暂降敏感度;
S5依据敏感度大小得出的序列将区域电网内变电站划分为相应的等级。
所述的步骤S1具体为:
设有m个行业类型,各行业的敏感系数分别为α1,α2,…,αm,得到行业敏感系数向量A=[α1,α2,…,αm]T;
其中各行业的敏感系数取值按下述:
电子、电器、计算机制造、通信、机械、精密器械、塑胶、玻璃、五金、化工、医药、交通运输为影响程度严重的一级行业,敏感系数为3;
食品、服装、制鞋、皮具、玩具、印刷、家具、造纸、纺织、农产品加工行业为影响程度一般的二级行业,敏感系数为2;
服务业、商贸、会展、物流、房地产、第三产业为影响程度不明显的三级行业,敏感系数取值1。
所述的步骤S2具体为:
设待分析区域电网内变电站的数目为n,以供电企业的用户侧信息管理作为基础形成各变电站下级用户各行业的负荷比例,输入待分析的各变电站的基础数据即下级用户各行业的负荷比例,形成原始数据矩阵X=(xpq)n×m,其中xpq为第p 个变电站的第q种行业的负荷占比。
所述的步骤S3包括以下子步骤:
S3-1,根据分析的需求确定分类数k,即根据下级用户负荷比例分类后的变电站类型数;
S3-2,初始化随机生成的隶属矩阵U;
S3-3,计算k个聚类中心;
S3-4,计算目标函数值;
S3-5,判断目标函数值小于阈值否,否则返回子步骤S3-3,然则输出聚类结果;
输出聚类的结果及聚类中心矩阵W=(wst)k×m,其中第s行即第s类的聚类中心向量,各元素分别为经聚类后的各类变电站下属各行业的负荷占比;
FCM把把原始数据矩阵X(X=(xpq)nХm)中的n个行向量X(p,:)(p=1,2,…,n) 分为k个模糊组,并求每组的聚类中心,使得非相似性指标的价值函数达到最小,使得每个给定数据点用值在[0,1]间的隶属度来确定其属于各个组的程度,一个数据集的隶属度的和总等于1:
FCM的目标函数即式(2)的一般化形式:
这里uij介于[0,1]间;ci为第i类的聚类中心,dij=||ci-xj||为第i个聚类中心与第j个数据点间的欧几里德距离;且r∈[1,∞)是一个加权指数;
构造如下新的目标函数,求使(2)式达到最小值的必要条件:
这里λj(j=1,2,…,n)是(1)式的n个约束式的拉格朗日乘子;对所有输入参量求导,使式(2)达到最小的必要条件为:
和
将FCM算法运用到本方法中,所述的步骤S3-2~S3-5具体如下:
步骤S3-2即用值在[0,1]间的随机数初始化隶属矩阵U,使其满足式(1)中的约束条件;
步骤S3-3即用式(4)计算k个聚类中心ci(i=1,2,…,k);
步骤S3-4即根据式(2)计算目标函数,如果它小于某个确定的阀值,或它相对上次迭代的目标函数值的改变量小于某个阀值,则算法停止;
步骤S3-5即用(5)计算新的U矩阵;返回步骤S3-3。
所述的步骤S4具体为:
矩阵运算形式如下:
其中向量B为各类变电站的暂降敏感度向量,βi为各类变电站的聚类中心所计算出的变电站整体暂降敏感度的数值,公式如下:
上式即以各行业的负荷占比为权重对变电站下级用户对应的行业敏感度进行了综合,以表征变电站整体的暂降敏感度。
本发明以下级用户行业特性作为特征指标运用模糊聚类理论实现变电站的聚类分析,根据实际的变电站下级行业比例进行聚类,将具有相似行业特性的变电站划分为同类,认为每类变电站具有相似的暂降敏感度。
聚类分析是多元统计的一种分类方法,根据指标数据,将具有相似统计特征的数据分级成一类,适宜对大量对象进行快速处理。但实际情况中,类与类之间并无清晰的分级,边界具有模糊性,它们之间的关系更多的是模糊关系,而应用模糊数学方法进行的聚类分析,即为模糊聚类。
模糊聚类方法在电力系统中已经得到了较为广泛的应用,该方法由于扩展了隶属度的取值范围,有着更好的聚类效果与数据表达能力。模糊聚类理论的引入充分利用待分析对象的数据特性,无需人为主观因素的参与,这可以实现对变电站的智能分类。对区域电网内的大量变电站根据其下级用户所对应的行业特性作为特征指标运用模糊C均值(FCM)聚类算法实现变电站的聚类分析,将具有相似行业特性的变电站分级为数类,使对大量变电站的逐个分析转化为对数个类别变电站的逐类分析,并根据每类的行业特性分布评估其对电压暂降的敏感度从而实现区域电网内的变电站暂降敏感度的分级,可有效辅助电网企业在区域电网的管理及在电压暂降防治、风险评估中提供决策依据。
对于变电站的下级用户而言,不同行业由于使用的电气设备的差异性导致其对电压暂降的敏感度也各不相同,而反之相同行业的用户则可以近似认为其对电压暂降的敏感度一致,即在电压暂降条件下会具有相同的反应。
对区域电网内变电站的暂降敏感度进行分级,需要根据各变电站的下级用户行业特性对区域电网内变电站进行模糊聚类,随后以模糊C均值(FCM)聚类算法求解出的各类的聚类中心为基准,引入各行业的敏感系数来对各类变电站的敏感度进行评估,最后依据敏感度大小得出的序列将区域电网内变电站划分为相应的等级。
用于聚类分析的特征指标要求能够充分反映分析对象的特点,具有一定的辨识度,且特征指标不宜过多否则会影响到聚类分析的效果,另外考虑到本发明所提出方法的实用性和可操作性,还要求待输入的指标数据需要满足易于获取、分析简便等要素。本发明选取变电站下级用户包含的行业类型及对应的比例作为用于模糊聚类的特征指标,而考虑到在不同区域电网应用本发明所述方法的普遍适用性,应在分析前明确待分析区域的主要行业类型以确定相应的特征指标。
本发明所达到的有益效果:
1)所提出的基于下级用户行业特性的变电站暂降敏感度分级方法引入各行业的敏感系数,由下级用户的敏感特性来综合反映变电站的暂降敏感度,从变电站层面对变电站整体的暂降敏感度进行分析。
2)通过模糊聚类理论有利于对大量对象进行快速处理,使对大量变电站的逐个分析转化为对数个类别变电站的逐类分析,使分析过程高效且系统化。且充分利用待分析对象的数据特性,无需人为主观因素的参与,可以实现对变电站的智能分类,结果客观且具有较好的指导意义。
3)所提出的基于下级用户行业特性的变电站暂降敏感度分级方法能够实现对区域电网内变电站的电压暂降敏感度进行分级,有利于发现对电压暂降现象敏感的变电站及区域,实现对出现大范围电压暂降现象造成的影响进行预估,同时也对预防区域电网由电压暂降引发重大事故有着重要的意义。
附图说明
下面结合附图和具体实施例对本发明作进一步的详细说明:
图1为本发明的基于下级用户行业特性的变电站暂降敏感度分级方法流程图;
图2为本发明所采用的模糊C均值(FCM)聚类算法的流程图。
具体实施方式
如图1所示,是本发明的基于下级用户行业特性的变电站暂降敏感度分级方法的流程图,具体步骤如下:
首先需要确定待分析区域的行业类型,若有m个主要行业类型,设置各行业的敏感系数分别为α1,α2,…,αm,得到行业敏感系数向量A=[α1,α2,…,αm]T。敏感系数反映了各行业负荷对电压暂降的敏感程度,其数值越大表明行业的敏感程度越高。
本发明提供一种设置敏感系数的推荐表,实际应用过程中可根据需要灵活调整。
将行业根据其主要负荷对电压暂降的敏感程度分为三个等级:
一级为受电压暂降影响严重的行业,其受到电压暂降将造成严重的经济损失,这一级的主要行业包括电子、电器、计算机制造、通信、机械、精密器械、塑胶、玻璃、五金、化工、医药、交通运输。这些行业电子电力设备被大量应用,如PLC、变频器、总线、接触器、继电器、控制器等,一旦这些元器件因电压暂降停止工作,整套设备或流水线都会受到影响;
二级为敏感程度一般的行业,其受到电压暂降会造成一定的经济损失。这一级的主要行业包括食品、服装、制鞋、皮具、玩具、印刷、家具、造纸、纺织、农产品加工。相关行业的加工制造过程中会涉及一些电压敏感元件的使用,若发生电压暂降将导致用电设备不能正常工作或者功能下降,进而影响到生产和产品质量;
三级为影响不明显的行业,这一级的主要行业包括服务业、商贸、会展、物流、房地产、第三产业等,在这些产业中,电压敏感元件应用比较少,电压暂降不会对行业的正常运行造成较大影响。
敏感系数的设置可参考下表给出的推荐值。
表1各行业敏感系数推荐值表
设待分析区域电网内含变电站的数目为n,输入待分析的各变电站的基础数据即下级用户各行业的负荷比例,形成原始数据矩阵X=(xpq)n×m,其中xpq为第p 个变电站的第q种行业的负荷占比。
其次运用模糊C均值(FCM)聚类算法对各变电站进行聚类:
根据分析的需求在确定分类数k后输出聚类结果及聚类中心矩阵W=(wst)k×m,其中第s行即第s类的聚类中心向量,各元素分别为聚类中心所表征的各行业的负荷占比。
以每类变电站的聚类中心作为基准,结合各行业的敏感系数计算各类变电站的暂降敏感度,其矩阵运算形式如下:
其中向量B为各类变电站的暂降敏感度向量,βi为各类变电站的聚类中心所计算出的变电站整体暂降敏感度的数值,公式如下:
上式即以各行业的负荷占比为权重对变电站下级用户对应的行业敏感度进行了综合,以表征变电站整体的暂降敏感度。最终依据敏感度大小得出的序列将区域电网内变电站划分为相应的等级。
如图2所示,是本发明所采用的模糊C均值(FCM)聚类算法的流程图。
模糊C均值(FCM)聚类算法是用隶属度确定每个数据点属于某个聚类的程度的一种聚类算法;FCM把原始数据矩阵X(X=(xpq)nХm)中的n个行向量X(p,:) (p=1,2,…,n)分为k个模糊组,并求每组的聚类中心,使得非相似性指标的价值函数达到最小,使得每个给定数据点用值在[0,1]间的隶属度来确定其属于各个组的程度,一个数据集的隶属度的和总等于1:
FCM的目标函数即式(11)的一般化形式:
这里uij介于[0,1]间;ci为第i类的聚类中心,dij=||ci-xj||为第i个聚类中心与第j个数据点间的欧几里德距离;且r∈[1,∞)是一个加权指数。
构造如下新的目标函数,可求得使(11)式达到最小值的必要条件:
这里λj(j=1,2,…,n)是(10)式的n个约束式的拉格朗日乘子。对所有输入参量求导,使式(11)达到最小的必要条件为:
和
由上述两个必要条件,模糊C均值聚类算法是一个简单的迭代过程。在批处理方式运行时,FCM用下列步骤确定聚类中心ci和隶属矩阵U:
1)用值在[0,1]间的随机数初始化隶属矩阵U,使其满足式(10)中的约束条件;
2)用式(13)计算k个聚类中心ci(i=1,2,…,k);
3)根据式(11)计算目标函数。如果它小于某个确定的阀值,或它相对上次迭代的目标函数值的改变量小于某个阀值,则算法停止;
4)用(14)计算新的U矩阵。返回步骤2。
Claims (3)
1.一种基于下级用户行业特性的变电站暂降敏感度分级方法,其特征是包括以下步骤:
S1确定待分析区域内各变电站下级用户所包含的行业类型,并设置各行业的敏感系数;
S2输入待分析区域电网内各变电站的基础数据即下级用户各行业的负荷比例;
S3运用模糊C均值聚类算法对各变电站进行聚类,根据分析的需求在确定分类数后输出聚类结果;
S4以每类变电站的聚类中心作为基准,结合各行业的敏感系数计算各类变电站的暂降敏感度;
S5依据敏感度大小得出的序列将区域电网内变电站划分为相应的等级;
所述的步骤S2具体为:
设待分析区域电网内变电站的数目为n,以供电企业的用户侧信息管理作为基础形成各变电站下级用户各行业的负荷比例,输入待分析的各变电站的基础数据即下级用户各行业的负荷比例,形成原始数据矩阵X=(xpq)n×m,其中xpq为第p个变电站的第q种行业的负荷占比,m为行业类型的数量;
所述的步骤S3包括以下子步骤:
S3-1,根据分析的需求确定分类数k,即根据下级用户负荷比例分类后的变电站类型数;
S3-2,初始化随机生成的隶属矩阵U;
S3-3,计算k个聚类中心;
S3-4,计算目标函数值;
S3-5,判断目标函数值小于阈值否,否则返回子步骤S3-3,然则输出聚类结果;
输出聚类的结果及聚类中心矩阵W=(wst)k×m,其中第s行即第s类的聚类中心向量,各元素分别为经聚类后的各类变电站下属各行业的负荷占比;
所述的步骤S1具体为:
各行业的敏感系数分别为α1,α2,…,αm,得到行业敏感系数向量A=[α1,α2,…,αm]T;
其中各行业的敏感系数取值按下述:
电子、电器、计算机制造、通信、机械、精密器械、塑胶、玻璃、五金、化工、医药、交通运输为影响程度严重的一级行业,敏感系数为3;
食品、服装、制鞋、皮具、玩具、印刷、家具、造纸、纺织、农产品加工行业为影响程度一般的二级行业,敏感系数为2;
服务业、商贸、会展、物流、房地产、第三产业为影响程度不明显的三级行业,敏感系数取值1。
2.根据权利要求1所述的基于下级用户行业特性的变电站暂降敏感度分级方法,其特征是:所述的模糊C均值聚类算法的基本原理为:
把原始数据矩阵X(X=(xpq)nХm)中的n个行向量X(p,:)(p=1,2,…,n)分为k个模糊组,并求每组的聚类中心,使非相似性指标的价值函数达到最小,使得每个给定数据点用值在[0,1]间的隶属度来确定其属于各个组的程度,一个数据集的隶属度的和总等于1:
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</munderover>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
FCM的目标函数即式(2)的一般化形式:
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>U</mi>
<mo>,</mo>
<msub>
<mi>c</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msub>
<mi>c</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</munderover>
<msub>
<mi>J</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>r</mi>
</msubsup>
<msubsup>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
这里uij介于[0,1]间;ci为第i类的聚类中心,dij=||ci-xj||为第i个聚类中心与第j个数据点间的欧几里德距离;且r∈[1,∞)是一个加权指数;
构造如下新的目标函数,求使(2)式达到最小值的必要条件:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mover>
<mi>J</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>U</mi>
<mo>,</mo>
<msub>
<mi>c</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<msub>
<mi>c</mi>
<mi>k</mi>
</msub>
<mo>,</mo>
<msub>
<mi>&lambda;</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<msub>
<mi>&lambda;</mi>
<mi>n</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>U</mi>
<mo>,</mo>
<msub>
<mi>c</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<msub>
<mi>c</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msub>
<mi>&lambda;</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</munderover>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mi>j</mi>
<mi>n</mi>
</munderover>
<msubsup>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>r</mi>
</msubsup>
<msubsup>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>&lambda;</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</munderover>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
这里λj(j=1,2,…,n)是(1)式的n个约束式的拉格朗日乘子;对所有输入参量求导,使式(2)达到最小的必要条件为:
<mrow>
<msub>
<mi>c</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>r</mi>
</msubsup>
<msub>
<mi>x</mi>
<mi>j</mi>
</msub>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>r</mi>
</msubsup>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
和
<mrow>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>o</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>d</mi>
<mrow>
<mi>o</mi>
<mi>j</mi>
</mrow>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mrow>
<mn>2</mn>
<mo>/</mo>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</msup>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
将模糊C均值聚类算法运用到本方法中,所述的步骤S3-2~S3-5具体如下:
步骤S3-2即用值在[0,1]间的随机数初始化隶属矩阵U,使其满足式(1)中的约束条件;
步骤S3-3即用式(4)计算k个聚类中心ci(i=1,2,…,k);
步骤S3-4即根据式(2计算目标函数,如果它小于某个确定的阀值,或它相对上次迭代的目标函数值的改变量小于某个阀值,则算法停止;
步骤S3-5即用(5)计算新的U矩阵;返回步骤S3-3。
3.根据权利要求2所述的基于下级用户行业特性的变电站暂降敏感度分级方法,其特征是:所述的步骤S4具体为:
矩阵运算形式如下:
其中向量B为各类变电站的暂降敏感度向量,βi为各类变电站的聚类中心所计算出的变电站整体暂降敏感度的数值,公式如下:
<mrow>
<msub>
<mi>&beta;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>w</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&times;</mo>
<msub>
<mi>&alpha;</mi>
<mi>j</mi>
</msub>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
2
上式即以各行业的负荷占比为权重对变电站下级用户对应的行业敏感度进行了综合,以表征变电站整体的暂降敏感度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410606015.2A CN104376403B (zh) | 2014-10-30 | 2014-10-30 | 一种基于下级用户行业特性的变电站暂降敏感度分级方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410606015.2A CN104376403B (zh) | 2014-10-30 | 2014-10-30 | 一种基于下级用户行业特性的变电站暂降敏感度分级方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104376403A CN104376403A (zh) | 2015-02-25 |
CN104376403B true CN104376403B (zh) | 2017-11-03 |
Family
ID=52555298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410606015.2A Active CN104376403B (zh) | 2014-10-30 | 2014-10-30 | 一种基于下级用户行业特性的变电站暂降敏感度分级方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104376403B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104915681B (zh) * | 2015-06-05 | 2019-01-15 | 华南理工大学 | 兼顾电压暂降监测信息及其关联因素的变电站聚类方法 |
CN110165657A (zh) * | 2018-08-30 | 2019-08-23 | 中国南方电网有限责任公司 | 考虑用户行业属性的变电站负荷聚类分析方法 |
CN109256779A (zh) * | 2018-11-16 | 2019-01-22 | 福州大学 | 一种基于快速机械开关的变电站端电压暂降防治方法 |
CN109975636B (zh) * | 2019-03-25 | 2021-07-13 | 深圳供电局有限公司 | 一种电压暂降敏感度评估方法及系统 |
CN110082643B (zh) * | 2019-05-22 | 2020-07-14 | 广东电网有限责任公司 | 一种考虑负荷敏感度不确定性的暂降域识别方法 |
CN111476303A (zh) * | 2020-04-09 | 2020-07-31 | 国网河北省电力有限公司电力科学研究院 | 基于量子优化粒子群的模糊c均值聚类的线损分析方法 |
CN112668129B (zh) * | 2020-12-24 | 2023-10-27 | 福建永福电力设计股份有限公司 | 基于空间负荷聚类的配电网多级网格智能划分方法 |
CN113505823B (zh) * | 2021-07-02 | 2023-06-23 | 中国联合网络通信集团有限公司 | 供应链安全分析方法及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102158550A (zh) * | 2011-03-03 | 2011-08-17 | 河南电力试验研究院 | 一种基于iec61850电能质量暂态数据传输方法 |
CN102467614A (zh) * | 2010-11-19 | 2012-05-23 | 上海市电力公司 | 一种用于电能质量的数据采集与计算方法 |
CN102479284A (zh) * | 2010-11-23 | 2012-05-30 | 上海市电力公司 | 一种用于电能质量的单次暂降特征量的计算方法 |
CN103872782A (zh) * | 2014-03-31 | 2014-06-18 | 国家电网公司 | 一种电能质量数据综合服务系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8051401B2 (en) * | 2008-10-15 | 2011-11-01 | Arm Limited | Post-routing power supply modification for an integrated circuit |
-
2014
- 2014-10-30 CN CN201410606015.2A patent/CN104376403B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102467614A (zh) * | 2010-11-19 | 2012-05-23 | 上海市电力公司 | 一种用于电能质量的数据采集与计算方法 |
CN102479284A (zh) * | 2010-11-23 | 2012-05-30 | 上海市电力公司 | 一种用于电能质量的单次暂降特征量的计算方法 |
CN102158550A (zh) * | 2011-03-03 | 2011-08-17 | 河南电力试验研究院 | 一种基于iec61850电能质量暂态数据传输方法 |
CN103872782A (zh) * | 2014-03-31 | 2014-06-18 | 国家电网公司 | 一种电能质量数据综合服务系统 |
Non-Patent Citations (2)
Title |
---|
一种新的敏感负荷电压暂降敏感度评估方法;欧阳森 等;《华南理工大学学报(自然科学版)》;20130831;第41卷(第8期);第9-14页 * |
用电压暂降严重程度和最大熵评估负荷电压暂降敏感度;肖先勇 等;《中国电机工程学报》;20091005;第29卷(第31期);第115-121页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104376403A (zh) | 2015-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104376403B (zh) | 一种基于下级用户行业特性的变电站暂降敏感度分级方法 | |
CN109495296B (zh) | 基于聚类与神经网络的智能变电站通信网络状态评价方法 | |
Farzipoor Saen | Developing a new data envelopment analysis methodology for supplier selection in the presence of both undesirable outputs and imprecise data | |
CN104239968B (zh) | 一种快速模糊粗糙集短期负荷预测方法 | |
CN106503919A (zh) | 一种基于供电分区特性的配电网评价方法 | |
CN106909933A (zh) | 一种三阶段多视角特征融合的窃电分类预测方法 | |
CN103761690A (zh) | 基于电网系统中电压无功控制系统的评估方法 | |
CN110111024A (zh) | 基于ahp模糊综合评价模型的科技成果市场价值评估方法 | |
CN105956779A (zh) | 电力变压器运行状态评估方法和装置 | |
Anbazhagan et al. | A neural network approach to day-ahead deregulated electricity market prices classification | |
CN104077493B (zh) | 一种电力继电保护系统状态评估指标体系的构建方法 | |
CN110490409B (zh) | 一种基于dnn的低压台区线损率标杆值设定方法 | |
CN107292534A (zh) | 城市配电网中长期动态投资的标尺竞争评价方法及装置 | |
CN104837184A (zh) | 一种基于区间三角模糊数的异构无线网络选择方法 | |
CN106355360A (zh) | 一种考虑修正系数的配电网中压项目紧迫性评价方法 | |
CN105225021A (zh) | 配电网待建项目的优化选择方法 | |
CN107194526A (zh) | 一种基于模糊聚类的售电侧市场化改革进度评估方法 | |
CN115496627A (zh) | 一种可调资源响应潜力的评估方法及系统 | |
CN106354803A (zh) | 基于特性指标的电力输变电设备负荷坏数据检测算法 | |
CN106952077A (zh) | 一种工单处理策略的生成方法及装置 | |
CN105740617B (zh) | 一体化天馈系统品质度的衡量方法 | |
CN112508254B (zh) | 变电站工程项目投资预测数据的确定方法 | |
CN108830434A (zh) | 一种变电设备消缺物资的需求预测方法 | |
Hassani et al. | A self-similar local neuro-fuzzy model for short-term demand forecasting | |
CN106384307A (zh) | 一种县域配电网规划差异化评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |