CN108764353A - 基于匹配度的大规模电力系统功率曲线分类方法 - Google Patents

Abstract

本发明提供了一种基于匹配度的大规模电力系统功率曲线分类方法。步骤包括：电力系统功率曲线的增量特性序列的计算；针对电力系统功率曲线的曲线距离定义；电力系统功率曲线匹配度的计算；基于曲线间匹配度的电力系统功率曲线分类方法；表征同类曲线的模式曲线计算。发明通过电力系统功率曲线增量特性序列的计算，在计及曲线时间上变化特性的基础，定义了针对电力系统功率曲线的距离及匹配度的定义及计算方法。本发明在曲线分类时候考虑到曲线在时间上的增量特性，更能符合电力系统需考虑功率曲线在时间变化要求，同时利用归一化的匹配度定义方法，可对不同基准值的电力系统功率曲线可采用同一匹配度阈值实现分类，简化了参数的设计。

Description

基于匹配度的大规模电力系统功率曲线分类方法

技术领域

本发明涉及电力系统运行数据处理与模式识别，具体为一种基于匹配度的大规模电力系统功率曲线分类方法。

背景技术

由于电力用户用电在年、月、日内具有一定的规律性，因此系统功率曲线呈现出类属特性。在电力系统的调度运营、方式策略制定等过程需要对不同曲线的特征进行识别以筛选出典型类的曲线用于计算，以合理安排中长期的调度计划和运行方案。因此需利用合理的数据处理方法从大量的历史数据中辨识出曲线的特征，现如今对用户对大量的用户负荷时序数据进行描述分析和分类控制时，亦采用类似处理方式。

目前相关业界在曲线分类时候，大多采用基于距离定义或相似度定义的方法进行聚类，而相似度一般直接采用和距离类似的量纲。一方面，采用此方法时候，对于不同归属地区的电力系统功率曲线，曲线的基准值不同，因此计算出的曲线距离差别较大，而曲线分类时候，阈值需要根据特定的曲线集合进行特殊处理后得到，故其分类方法的通用性不足。另一方面，现有的曲线距离的定义不考虑曲线在时序上的变化特性。而电力系统中功率曲线的时序上的变化特将在较大程度上影响系统的运行调度计划的安排与实施，因此其应作为重要考虑因素之一，因此采用上述方法分类，对曲线的特征描述不足。

发明内容

基于以上不足之处，本发明的目的在于提供一种基于匹配度的大规模电力系统功率曲线分类方法，应用于电力系统调度与分析中典型的运行模式曲线的识别，该方法中匹配度指标考虑到电力系统功率曲线的时序特性，同时对不同基准值的功率曲线具有通用性，可有效地对大规模的电力系统给功率曲线进行分类，从而快速地提取出典型的功率曲线的模式以服务于电力系统的调度与分析。

本发明的目的是这样实现的：一种基于匹配度的大规模电力系统功率曲线分类方法，包括以下步骤：

步骤一：针对电力系统功率曲线的增量特性序列，，其定义及计算方法如下：

对于n个在时序上连续观测的数据连成的曲线i，将其记为C_i＝C_i(x_i1,x_i2,…x_in)，则曲线上的点组成的向量记录为X_i＝[x_i1 x_i1 … x_in]，此曲线的增量特性序列连成的曲线记为：

ΔC_i＝ΔC_i(dx_i1,dx_i2,…dx_in-1)

其对应点组成的向量记做

ΔX_i＝[dx_i1 dx_i2 … dx_in-1]

其中dx_ik＝x_ik+1-x_ik,k＝1,2,…n-1；

步骤二：针对电力系统功率曲线的曲线距离定义，其定义如下：

对于任意两条曲线C_i，C_j，记及其增量特性序列对应的曲线为ΔC_i，ΔC_j，在分类时，曲线间的距离D_ij定义为：

D_ij＝w₁||X_i-X_j||_P+w₂||ΔX_i-ΔX_j||_P

式中w₁和w₂为权重系数，满足w₁≥0,w₂≥0且w₁+w₂＝1；||·||_P表示向量的P范数，且P≥1；

步骤三：电力系统功率曲线匹配度的计算，其计算方法如下：

对于任意两条曲线C_i，C_j，匹配度定义如下：

式中w₁和w₂为权重系数，X_i、X_j为曲线上点组成的向量，ΔX_i、ΔX_j为对应增量特性序列组成的向量；

步骤四：基于曲线间匹配度的电力系统功率曲线分类方法，其步骤如下：

步骤4.1：计算曲线集合C对应的增量特性序列所组成的集合ΔC；

步骤4.2：计算曲线集合C及对应增量特性曲线ΔC中两两曲线之间的距离，选取两两之间匹配度最小的两条曲线中的其中一条曲线及对应的增量特性曲线，记为a和Δa；

步骤4.3：将a和Δa分别归入曲线类C₁和ΔC₁,并记C＝C-C₁及ΔC＝ΔC-ΔC₁；

步骤4.4：在曲线集合C和ΔC中，计算各条曲线及其对应变化特性曲线的与集合C₁和ΔC₁间的匹配度，得到最大匹配度所对应的曲线b及变化特性曲线Δb，并记C'₁＝C₁+b，ΔC'₁＝ΔC₁+Δb；

步骤4.5：计算曲线集合C'₁、ΔC'₁中曲线间的最小匹配度，其计算方法如下式：

如果E(C'₁,ΔC'₁)＜T，则算法转到步骤4.1，其中T为预先设定的匹配度阈值。否则将b及Δb归入曲线类C₁和ΔC₁中，分别记C₁＝C₁+b，C＝C-C₁；ΔC₁＝ΔC₁+Δb，ΔC＝ΔC-ΔC₁；算法转步骤4.4；

步骤4.6：当C或ΔC为空集时，算法终止；

步骤五：电力系统功率曲线分类后的模式曲线，其计算方法如下:

曲线类M(C₁,C₂,…C_m)，其中C_i＝C_i(x_i1,x_i2,…x_in)，1≤i≤m，模式曲线通过下式计算：

本发明的有益效果如下：

(1)在曲线分类时候考虑到曲线在时间上的增量特性，更能符合电力系统需考虑功率曲线在时间变化要求；

(2)利用归一化的匹配度定义方法，可对不同基准值的电力系统功率曲线可采用同一匹配度阈值实现分类，简化了参数的设计；

(3)分类后的所得功率模式曲线可用于典型调度方案的设计与分析，而不需要针对原始的功率曲线进行逐个分析计算，在简化计算量的同时节省了计算时间。

附图说明

图1为曲线序列及其增量特性序列示意图；

图2为T＝0.60曲线分类后的模式曲线；

图3为T＝0.55曲线分类后的模式曲线；

图4为T＝0.50曲线分类后的模式曲线。

具体实施方式

下面根据说明书附图举例做进一步说明：

实施例1

一种基于匹配度的大规模电力系统功率曲线分类方法，包括如下步骤：

步骤一：电力系统功率曲线的增量特性序列的计算

将n个在时序上连续观测的数据连成的曲线i记为C_i＝C_i(x_i1,x_i2,…x_in)，则曲线上的点组成的向量记录为X_i＝[x_i1 x_i1 … x_in]。此曲线的增量特性序列连成的曲线记为：

ΔC_i＝ΔC_i(dx_i1,dx_i2,…dx_in-1) (1)

其对应点组成的向量记做

ΔX_i＝[dx_i1 dx_i2 … dx_in-1] (2)

其中

dx_ik＝x_ik+1-x_ik,k＝1,2,…n-1 (3)

观测数据的序列及其增量特性序列所组成曲线间的关系见如图1。原始观测数据的增量特性序列反映了曲线在时间上的变化特性，此特性对于电力系统的应用具有重要的意义。

步骤二：针对电力系统功率曲线的曲线距离定义

对于任意两条曲线C_i，C_j，记及其增量特性序列对应的曲线为ΔC_i，ΔC_j。在分类时，曲线间的距离D_ij定义为：

D_ij＝w₁||X_i-X_j||_P+w₂||ΔX_i-ΔX_j||_P (4)

其中w₁和w₂为权重系数，满足w₁≥0,w₂≥0且w₁+w₂＝1；||·||_P表示向量的P范数，且P≥1。

说明：常用的范数有1-范数，2-范数和∞-范数，由于电力系统具有时序上的特性，因此采用∞-范数是不合适的，故建议采用2-范数来进行曲线距离的计算。

步骤三：电力系统功率曲线匹配度的计算

对于任意两条曲线C_i，C_j，匹配度定义如下：

曲线匹配度为在区间0～100％之间的数值。当当两条曲线满足||X_i-X_j||_P＝0时，||ΔX_i-ΔX_j||_P＝0，此时曲线匹配度为100％，当两条之间的距离逐步增大至+∞的过程中，M_ij的值也逐渐减小直至趋近于零，可见采用式(5)的定义方法，可较好地表征曲线间的接近程度。同时，式(5)中||ΔX_i-ΔX_j||_P分量可反映曲线的增量特性。对不同曲线进行分类，不论曲线间的距离变化区间如何，只需预先指定在0～100％区间内的曲线匹配度作为分类时的阈值，便可完成曲线的分类。

步骤四：新型基于曲线间匹配度的电力系统功率曲线分类方法

对于利用曲线匹配度的实现的电力系统功率曲线集合C的分类的方法又包含如下几个步骤：

①按式(3)计算曲线集合C对应的增量特性序列所组成的集合ΔC；

②按式(4)计算曲线集合C及对应增量特性曲线ΔC中两两曲线之间的距离，选取两两之间匹配度最小的两条曲线中的其中一条曲线及对应的增量特性曲线，记为a和Δa；

③将a和Δa分别归入曲线类C₁和ΔC₁,并记C＝C-C₁及ΔC＝ΔC-ΔC₁；

④在曲线集合C和ΔC中，按式(5)计算各条曲线及其对应变化特性曲线的与集合C₁和ΔC₁间的匹配度，得到最大匹配度所对应的曲线b及变化特性曲线Δb，并记C'₁＝C₁+b，ΔC'₁＝ΔC₁+Δb；

⑤利用式(6)计算曲线间的最小匹配度

如果E(C'₁,ΔC'₁)＜T，则算法转到①，其中T为预先设定的匹配度阈值。否则将b及Δb归入曲线类C₁和ΔC₁中，分别记C₁＝C₁+b，C＝C-C₁；ΔC₁＝ΔC₁+Δb，ΔC＝ΔC-ΔC₁；算法转④；

⑥当C或ΔC为空集时，算法终止。

步骤五：表征同类曲线的模式曲线计算

电力系统功率曲线分类完毕后，可用一条典型的曲线来表征同一类曲线，此处定义为模式曲线。记曲线类M(C₁,C₂,…C_m)，其中C_i＝C_i(x_i1,x_i2,…x_in)，1≤i≤m，模式曲线通过下式计算：

由上述步骤可见，通过曲线匹配度的实现电力系统功率曲线的分类，同时得到了能表征典型功率模式的模式曲线。

实施例2

下面结合对表1中给出的数据进行分类对本发明做进一步说明。

表1中给出的为某区域24小时内48点(15min)间隔的14条电力系统功率曲线的值。图2绘制了各条曲线的图。

表1为待分类曲线

选取两条曲线，曲线1和曲线3示例其匹配度计算。曲线1和曲线3的增量特性序列如表2所示。

表2为曲线1和曲线2增量特性序列

设置w₁＝0.3，w₂＝0.7，P＝2依据式(4)可计算D₁₃＝1.9799，依据式(5)可计算其匹配度为M₁₃＝0.5799。

设置曲线分类时的匹配度阈值为T＝0.6，T＝0.55及T＝0.5时，曲线分类结果如表3所示。

从表3可看出，可以通过匹配度阈值控制曲线的分类。当T＝0.60，分类后形成9类模式曲线；当T＝0.55时候，分类后形成5类模式曲线；当T＝0.5时候，分类形成3类模式曲线。当匹配度设置较大时候，意味着曲线之间距离较近才可归为同一类，此时必然形成的曲线类的数目较多。前述计算曲线1和曲线3间的匹配度为M₁₃＝0.5799，故当阈值设置为0.55和0.5时候，这两条曲线归为同一类，而当阈值设置为0.6时，曲线1和曲线3则分属不同的类(曲线1为类9，曲线3为类5)。

表3为不同匹配度阈值下的曲线类结果

本分类方法考虑到曲线在时间序列上的增量特性的同时，可对不同区域不同属性的曲线进行处理。分类时，仅指定同类曲线间的匹配度阈值，且曲线匹配度为在区间[0 1]内的值，具有通用性。

Claims (1)

1.一种基于匹配度的大规模电力系统功率曲线分类方法，其特征在于，包括以下步骤：

步骤一：针对电力系统功率曲线的增量特性序列，，其定义及计算方法如下：

对于n个在时序上连续观测的数据连成的曲线i，将其记为C_i＝C_i(x_i1,x_i2,…x_in)，则曲线上的点组成的向量记录为X_i＝[x_i1 x_i1 … x_in]，此曲线的增量特性序列连成的曲线记为：

ΔC_i＝ΔC_i(dx_i1,dx_i2,…dx_in-1)

其对应点组成的向量记做

ΔX_i＝[dx_i1 dx_i2 … dx_in-1]

其中dx_ik＝x_ik+1-x_ik,k＝1,2,…n-1；

步骤二：针对电力系统功率曲线的曲线距离定义，其定义如下：

对于任意两条曲线C_i，C_j，记及其增量特性序列对应的曲线为ΔC_i，ΔC_j，在分类时，曲线间的距离D_ij定义为：

D_ij＝w₁||X_i-X_j||_P+w₂||ΔX_i-ΔX_j||_P

式中w₁和w₂为权重系数，满足w₁≥0,w₂≥0且w₁+w₂＝1；||·||_P表示向量的P范数，且P≥1；

步骤三：电力系统功率曲线匹配度的计算，其计算方法如下：

对于任意两条曲线C_i，C_j，匹配度定义如下：

式中w₁和w₂为权重系数，X_i、X_j为曲线上点组成的向量，ΔX_i、ΔX_j为对应增量特性序列组成的向量；

步骤四：基于曲线间匹配度的电力系统功率曲线分类方法，其步骤如下：

步骤4.1：计算曲线集合C对应的增量特性序列所组成的集合ΔC；

步骤4.2：计算曲线集合C及对应增量特性曲线ΔC中两两曲线之间的距离，选取两两之间匹配度最小的两条曲线中的其中一条曲线及对应的增量特性曲线，记为a和Δa；

步骤4.3：将a和Δa分别归入曲线类C₁和ΔC₁,并记C＝C-C₁及ΔC＝ΔC-ΔC₁；

步骤4.4：在曲线集合C和ΔC中，计算各条曲线及其对应变化特性曲线的与集合C₁和ΔC₁间的匹配度，得到最大匹配度所对应的曲线b及变化特性曲线Δb，并记C′₁＝C₁+b，ΔC′₁＝ΔC₁+Δb；

步骤4.5：计算曲线集合C′₁、ΔC′₁中曲线间的最小匹配度，其计算方法如下式：

如果E(C′₁,ΔC′₁)＜T，则算法转到步骤4.1，其中T为预先设定的匹配度阈值。否则将b及Δb归入曲线类C₁和ΔC₁中，分别记C₁＝C₁+b，C＝C-C₁；ΔC₁＝ΔC₁+Δb，ΔC＝ΔC-ΔC₁；算法转步骤4.4；

步骤4.6：当C或ΔC为空集时，算法终止；

步骤五：电力系统功率曲线分类后的模式曲线，其计算方法如下:

曲线类M(C₁,C₂,…C_m)，其中C_i＝C_i(x_i1,x_i2,…x_in)，1≤i≤m，模式曲线通过下式计算：