CN114091623A - 一种基于多二元表-ap聚类的暂态电压分区方法及装置 - Google Patents

一种基于多二元表-ap聚类的暂态电压分区方法及装置 Download PDF

Info

Publication number
CN114091623A
CN114091623A CN202210019800.2A CN202210019800A CN114091623A CN 114091623 A CN114091623 A CN 114091623A CN 202210019800 A CN202210019800 A CN 202210019800A CN 114091623 A CN114091623 A CN 114091623A
Authority
CN
China
Prior art keywords
node
transient voltage
matrix
voltage
similarity
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.)
Pending
Application number
CN202210019800.2A
Other languages
English (en)
Inventor
陈波
谌艳红
熊华强
高云超
汪硕承
刘柳
郭培
程思萌
陶翔
周煦光
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202210019800.2A priority Critical patent/CN114091623A/zh
Publication of CN114091623A publication Critical patent/CN114091623A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23211—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with adaptive number of clusters
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开一种基于多二元表‑AP聚类的暂态电压分区方法及装置，方法包括：根据仿真计算得到的节点暂态电压曲线，基于多二元表计算至少一个节点的暂态电压稳定裕度，使构造出节点的暂态电压稳定特征向量矩阵；基于余弦相似度对暂态电压稳定特征向量矩阵进行相似性计算，使得到某两个节点的暂态电压特征向量的相似度；根据获取的某两个节点的暂态电压特征向量的相似度，对AP聚类算法进行修正，对AP聚类算法进行修正包括修正AP节点相似度矩阵S，并基于修正后的AP聚类算法对运行电网内的各节点进行暂态电压分区。能够快速有效的完成电网的暂态电压分区，对电网暂态电压控制，如动态无功配置规划具有现实指导意义。

Description

一种基于多二元表-AP聚类的暂态电压分区方法及装置
技术领域
本发明属于暂态电压分区技术领域，尤其涉及一种基于多二元表-AP聚类的暂态电压分区方法及装置。
背景技术
传统电网分区是基于静态电压稳定性指标或者基于能反映系统本身的结构及运行状态的潮流雅可比矩阵，将系统划分为若干个具有单一稳定性特征的区域。但随着高压直流输电、新能源发电以电力电子化设备等接入，大电网越来越重视动态无功需求和暂态电压失稳问题。配置动态无功补偿装置(如STATCOM、SVC 等)是提高暂态电压稳定性的有效手段。因此，如何构建大电网暂态电压控制区域划分方法对于该领域有着重要意义。
目前，电网多根据节点电气距离完成区域划分。针对不同的目的一般采用不同的电气距离评价方法。有研究提出了多种电气距离的衡量方法，如节点之间的电压-电压灵敏度、无功-电压灵敏度、节点等值阻抗等传统概念；也有相关研究提出负荷电流场势值作为电气距离；还有研究引入局部电压稳定指标，结合复杂网络理论进行分区。
一方面，上述研究均采用系统稳态信息衡量电气距离，不能反映系统节点暂态电压特征行为，另一方面，现有的分区方法如 k-means 聚类等一般需要提前确定分区的数量，然而对于复杂网络而言，其分区数量并非显而易见的。
发明内容
本发明提供一种基于多二元表-AP聚类的暂态电压分区方法及装置，用于至少解决上述技术问题之一。
第一方面，本发明提供一种基于多二元表-AP聚类的暂态电压分区方法，包括：获取运行电网中已有的故障集合，基于PSASP对所述运行电网进行故障仿真计算，使得到所述运行电网的节点暂态电压曲线；根据所述节点暂态电压曲线，基于多二元表计算至少一个节点的暂态电压稳定裕度，使构造出节点的暂态电压稳定特征向量矩阵，其中，计算至少一个电网节点的暂态电压稳定裕度的表达式为：
Figure 670986DEST_PATH_IMAGE001
，式中，
Figure 262505DEST_PATH_IMAGE002
为节点
Figure 425633DEST_PATH_IMAGE003
在故障场景
Figure 749298DEST_PATH_IMAGE004
下的暂态电压稳定裕度，
Figure 529035DEST_PATH_IMAGE005
为跌落区间
Figure 393086DEST_PATH_IMAGE006
的积分权重，
Figure 613983DEST_PATH_IMAGE007
为电压参考值，
Figure 433515DEST_PATH_IMAGE008
为节点
Figure 169390DEST_PATH_IMAGE003
响应故障场景
Figure 571553DEST_PATH_IMAGE004
的实时电压值，
Figure 912535DEST_PATH_IMAGE009
为跌落区间
Figure 640320DEST_PATH_IMAGE010
的积分权重，
Figure 863491DEST_PATH_IMAGE011
为电压跌落低于
Figure 334924DEST_PATH_IMAGE012
的时刻，
Figure 530413DEST_PATH_IMAGE013
为电压恢复高于
Figure 163519DEST_PATH_IMAGE012
的时刻，
Figure 139566DEST_PATH_IMAGE014
为电压跌落低于
Figure 149110DEST_PATH_IMAGE015
的时刻，
Figure 199105DEST_PATH_IMAGE016
为电压恢复高于
Figure 268693DEST_PATH_IMAGE015
的时刻，
Figure 463526DEST_PATH_IMAGE017
为电压跌落低于
Figure 276761DEST_PATH_IMAGE018
的时刻，
Figure 446843DEST_PATH_IMAGE019
为电压跌落低于
Figure 421752DEST_PATH_IMAGE020
的时刻，
Figure 106811DEST_PATH_IMAGE012
为跌落区间
Figure 723737DEST_PATH_IMAGE021
的电压临界参考稳定值，
Figure 748325DEST_PATH_IMAGE015
为跌落区间
Figure 894136DEST_PATH_IMAGE022
的电压临界参考稳定值，
Figure 66491DEST_PATH_IMAGE020
为跌落区间
Figure 221529DEST_PATH_IMAGE010
的电压临界参考稳定值；基于余弦相似度对所述暂态电压稳定特征向量矩阵进行相似性计算，使得到某两个节点的暂态电压特征向量的相似度，其中，对所述暂态电压稳定特征向量矩阵进行相似性计算的表达式为：
Figure 100623DEST_PATH_IMAGE023
，式中，
Figure 682914DEST_PATH_IMAGE024
为节点
Figure 342566DEST_PATH_IMAGE025
的暂态电压特征向量，
Figure 32785DEST_PATH_IMAGE026
为节点
Figure 31965DEST_PATH_IMAGE027
的暂态电压特征向量，
Figure 785158DEST_PATH_IMAGE028
为节点
Figure 666526DEST_PATH_IMAGE027
的暂态电压特征向量的转置，
Figure 163367DEST_PATH_IMAGE029
为节点
Figure 17053DEST_PATH_IMAGE025
的暂态电压特征向量的模值，
Figure 941147DEST_PATH_IMAGE030
为节点
Figure 575390DEST_PATH_IMAGE027
的暂态电压特征向量的模值，
Figure 610343DEST_PATH_IMAGE031
为节点
Figure 318536DEST_PATH_IMAGE025
在故障场景
Figure 413530DEST_PATH_IMAGE032
下的暂态电压稳定裕度，
Figure 269491DEST_PATH_IMAGE033
为节点
Figure 108134DEST_PATH_IMAGE034
在故障场景
Figure 956921DEST_PATH_IMAGE032
下的暂态电压稳定裕度，
Figure 488396DEST_PATH_IMAGE035
为某个故障场景序号，
Figure 566073DEST_PATH_IMAGE036
为故障场景总个数；根据获取的某两个节点的暂态电压特征向量的相似度，对AP聚类算法进行修正，所述对AP聚类算法进行修正包括修正AP节点相似度矩阵S，并基于修正后的AP聚类算法对所述运行电网内的各节点进行暂态电压分区，其中，修正后的AP节点相似度矩阵S的表达式为：
Figure 146091DEST_PATH_IMAGE037
，式中，
Figure 625613DEST_PATH_IMAGE038
为AP节点相似度矩阵S的第
Figure 327990DEST_PATH_IMAGE039
行第
Figure 892964DEST_PATH_IMAGE040
列元素，对应节点
Figure 276672DEST_PATH_IMAGE039
和节点
Figure 876280DEST_PATH_IMAGE040
之间的相似度，
Figure 749558DEST_PATH_IMAGE041
为AP节点相似度矩阵S的第
Figure 536249DEST_PATH_IMAGE042
行第
Figure 723648DEST_PATH_IMAGE043
列非对角元素，
Figure 174833DEST_PATH_IMAGE044
为AP节点相似度矩阵S所有非对角元素的中位数。
第二方面，本发明提供一种基于多二元表-AP聚类的暂态电压分区装置，包括：仿真模块，配置为获取运行电网中已有的故障集合，基于PSASP对所述运行电网进行故障仿真计算，使得到所述运行电网的节点暂态电压曲线；构造模块，配置为根据所述节点暂态电压曲线，基于多二元表计算至少一个节点的暂态电压稳定裕度，使构造出节点的暂态电压稳定特征向量矩阵，其中，计算至少一个电网节点的暂态电压稳定裕度的表达式为：
Figure 219012DEST_PATH_IMAGE001
，式中，
Figure 696261DEST_PATH_IMAGE002
为节点
Figure 218509DEST_PATH_IMAGE003
在故障场景
Figure 792710DEST_PATH_IMAGE004
下的暂态电压稳定裕度，
Figure 945474DEST_PATH_IMAGE005
为跌落区间
Figure 972336DEST_PATH_IMAGE006
的积分权重，
Figure 298275DEST_PATH_IMAGE007
为电压参考值，
Figure 930245DEST_PATH_IMAGE008
为节点
Figure 316227DEST_PATH_IMAGE003
响应故障场景
Figure 564805DEST_PATH_IMAGE004
的实时电压值，
Figure 632118DEST_PATH_IMAGE009
为跌落区间
Figure 177982DEST_PATH_IMAGE010
的积分权重，
Figure 672548DEST_PATH_IMAGE011
为电压跌落低于
Figure 408423DEST_PATH_IMAGE012
的时刻，
Figure 341744DEST_PATH_IMAGE013
为电压恢复高于
Figure 682727DEST_PATH_IMAGE012
的时刻，
Figure 410511DEST_PATH_IMAGE014
为电压跌落低于
Figure 633682DEST_PATH_IMAGE015
的时刻，
Figure 308377DEST_PATH_IMAGE016
为电压恢复高于
Figure 566183DEST_PATH_IMAGE015
的时刻，
Figure 199290DEST_PATH_IMAGE017
为电压跌落低于
Figure 113019DEST_PATH_IMAGE045
的时刻，
Figure 122563DEST_PATH_IMAGE019
为电压跌落低于
Figure 904050DEST_PATH_IMAGE020
的时刻，
Figure 973637DEST_PATH_IMAGE012
为跌落区间
Figure 171400DEST_PATH_IMAGE021
的电压临界参考稳定值，
Figure 187898DEST_PATH_IMAGE015
为跌落区间
Figure 154717DEST_PATH_IMAGE022
的电压临界参考稳定值，
Figure 395205DEST_PATH_IMAGE020
为跌落区间
Figure 17948DEST_PATH_IMAGE010
的电压临界参考稳定值；计算模块，配置为基于余弦相似度对所述暂态电压稳定特征向量矩阵进行相似性计算，使得到某两个节点的暂态电压特征向量的相似度，其中，对所述暂态电压稳定特征向量矩阵进行相似性计算的表达式为：
Figure 634874DEST_PATH_IMAGE023
，式中，
Figure 456199DEST_PATH_IMAGE024
为节点
Figure 70851DEST_PATH_IMAGE025
的暂态电压特征向量，
Figure 243207DEST_PATH_IMAGE026
为节点
Figure 395315DEST_PATH_IMAGE027
的暂态电压特征向量，
Figure 274409DEST_PATH_IMAGE028
为节点
Figure 122280DEST_PATH_IMAGE027
的暂态电压特征向量的转置，
Figure 516352DEST_PATH_IMAGE029
为节点
Figure 412764DEST_PATH_IMAGE025
的暂态电压特征向量的模值，
Figure 474261DEST_PATH_IMAGE030
为节点
Figure 961874DEST_PATH_IMAGE027
的暂态电压特征向量的模值，
Figure 46504DEST_PATH_IMAGE031
为节点
Figure 746607DEST_PATH_IMAGE025
在故障场景
Figure 600294DEST_PATH_IMAGE032
下的暂态电压稳定裕度，
Figure 521458DEST_PATH_IMAGE033
为节点
Figure 890122DEST_PATH_IMAGE027
在故障场景
Figure 128336DEST_PATH_IMAGE032
下的暂态电压稳定裕度，
Figure 898846DEST_PATH_IMAGE035
为某个故障场景序号，
Figure 259421DEST_PATH_IMAGE036
为故障场景总个数；分区模块，配置为根据获取的某两个节点的暂态电压特征向量的相似度，对AP聚类算法进行修正，所述对AP聚类算法进行修正包括修正AP节点相似度矩阵S，并基于修正后的AP聚类算法对所述运行电网内的各节点进行暂态电压分区，其中，修正后的AP节点相似度矩阵S的表达式为：
Figure 53064DEST_PATH_IMAGE037
，式中，
Figure 891707DEST_PATH_IMAGE038
为AP节点相似度矩阵S的第
Figure 782303DEST_PATH_IMAGE039
行第
Figure 251461DEST_PATH_IMAGE040
列元素，对应节点
Figure 594718DEST_PATH_IMAGE039
和节点
Figure 174735DEST_PATH_IMAGE040
之间的相似度，
Figure 654258DEST_PATH_IMAGE041
为AP节点相似度矩阵S的第
Figure 353705DEST_PATH_IMAGE042
行第
Figure 121941DEST_PATH_IMAGE043
列非对角元素，
Figure 567966DEST_PATH_IMAGE044
为AP节点相似度矩阵S所有非对角元素的中位数。
第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例的基于多二元表-AP聚类的暂态电压分区方法的步骤。
第四方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述程序指令被处理器执行时，使所述处理器执行本发明任一实施例的基于多二元表-AP聚类的暂态电压分区方法的步骤。
本申请的基于多二元表-AP聚类的暂态电压分区方法及装置，采用多二元表评估节点的暂态电压稳定裕度，构造了基于多二元表的节点暂态电压特征向量，再利用余弦相似度改进常规AP聚类算法中的相似度矩阵构造方法，最终利用AP聚类算法快速准确地完成了对电网节点暂态电压特征聚类分析，得出面向暂态电压控制的电网区域划分。能够快速有效的完成电网的暂态电压分区，对电网暂态电压控制，如动态无功配置规划具有现实指导意义。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种基于多二元表-AP聚类的暂态电压分区方法的流程图；
图2为本发明一实施例提供的江西电网500kv主网架结构示意图；
图3为本发明一实施例提供的江西电网暂态电压分区结果示意图；
图4a为本发明一实施例提供的一江西电网分区结果验证示意图；
图4b为本发明一实施例提供的又一江西电网分区结果验证示意图；
图4c为本发明一实施例提供的再一江西电网分区结果验证示意图；
图5为本发明一实施例提供的一种基于多二元表-AP聚类的暂态电压分区装置的结构框图；
图6是本发明一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，其示出了本申请的一种基于多二元表-AP聚类的暂态电压分区方法的流程图。
如图1所示，基于多二元表-AP聚类的暂态电压分区方法包括以下步骤：
步骤S101，获取运行电网中已有的故障集合，基于PSASP对所述运行电网进行故障仿真计算，使得到所述运行电网的节点暂态电压曲线。
步骤S102，根据所述节点暂态电压曲线，基于多二元表计算至少一个节点的暂态电压稳定裕度，使构造出节点的暂态电压稳定特征向量矩阵。
需要说明的是，采用的基于多二元表的暂态电压特征向量，通过多二元表计算节点的暂态电压稳定裕度，然后通过基于多二元标的暂态电压稳定裕度来构建节点的暂态电压特征向量。相比于传统的暂态电压特征向量，能够更完整的刻画节点的暂态电压特征。基于多二元表的节点暂态电压特征向量矩阵构建过程如下：
（1）根据仿真计算得到的节点暂态电压曲线，采用多二元表评估节点的暂态电压稳定裕度。其中，计算至少一个电网节点的暂态电压稳定裕度的表达式为：
Figure 105257DEST_PATH_IMAGE001
，
式中，
Figure 978536DEST_PATH_IMAGE002
为节点
Figure 30805DEST_PATH_IMAGE003
在故障场景
Figure 218204DEST_PATH_IMAGE004
下的暂态电压稳定裕度，
Figure 672319DEST_PATH_IMAGE005
为跌落区间
Figure 654182DEST_PATH_IMAGE006
的积分权重，
Figure 459327DEST_PATH_IMAGE007
为电压参考值，
Figure 981575DEST_PATH_IMAGE008
为节点
Figure 756108DEST_PATH_IMAGE003
响应故障场景
Figure 908872DEST_PATH_IMAGE004
的实时电压值，
Figure 201313DEST_PATH_IMAGE009
为跌落区间
Figure 261673DEST_PATH_IMAGE010
的积分权重，
Figure 893643DEST_PATH_IMAGE011
为电压跌落低于
Figure 279625DEST_PATH_IMAGE012
的时刻，
Figure 731466DEST_PATH_IMAGE013
为电压恢复高于
Figure 861096DEST_PATH_IMAGE012
的时刻，
Figure 347572DEST_PATH_IMAGE014
为电压跌落低于
Figure 904455DEST_PATH_IMAGE015
的时刻，
Figure 640330DEST_PATH_IMAGE016
为电压恢复高于
Figure 844342DEST_PATH_IMAGE015
的时刻，
Figure 247641DEST_PATH_IMAGE017
为电压跌落低于
Figure 913109DEST_PATH_IMAGE046
的时刻，
Figure 401859DEST_PATH_IMAGE019
为电压跌落低于
Figure 810975DEST_PATH_IMAGE020
的时刻，
Figure 68781DEST_PATH_IMAGE012
为跌落区间
Figure 967467DEST_PATH_IMAGE021
的电压临界参考稳定值，
Figure 881196DEST_PATH_IMAGE015
为跌落区间
Figure 890740DEST_PATH_IMAGE022
的电压临界参考稳定值，
Figure 206315DEST_PATH_IMAGE020
为跌落区间
Figure 275902DEST_PATH_IMAGE010
的电压临界参考稳定值；
计算各跌落区间的积分权重的表达式为：
Figure 673998DEST_PATH_IMAGE047
，
式中，
Figure 487233DEST_PATH_IMAGE048
为跌落区间
Figure 657315DEST_PATH_IMAGE010
的允许持续时间。
（2）通过节点的暂态电压稳定裕度指标，构建暂态电压特征向量矩阵如下式：
Figure 163382DEST_PATH_IMAGE049
，
式中，
Figure 786125DEST_PATH_IMAGE050
为节点
Figure 403051DEST_PATH_IMAGE025
在故障场景
Figure 224376DEST_PATH_IMAGE032
下的暂态电压稳定裕度，且
Figure 839028DEST_PATH_IMAGE051
。
步骤S103，基于余弦相似度对所述暂态电压稳定特征向量矩阵进行相似性计算，使得到某两个节点的暂态电压特征向量的相似度。
需要说明的是，在电网中，相邻节点在大部分距离较远的故障发生时其电压呈现相似的形状，而其幅值受网络阻抗的影响存在差别。余弦相似度考虑了向量各元素相对大小的相似性，因此相比常用的欧式距离等指标更适用于评价电压波动特性的相似度。其中，对所述暂态电压稳定特征向量矩阵进行相似性计算的表达式为：
Figure 11384DEST_PATH_IMAGE023
，
式中，
Figure 900842DEST_PATH_IMAGE024
为节点
Figure 45516DEST_PATH_IMAGE025
的暂态电压特征向量，
Figure 893386DEST_PATH_IMAGE026
为节点
Figure 487791DEST_PATH_IMAGE027
的暂态电压特征向量，
Figure 446520DEST_PATH_IMAGE028
为节点
Figure 976858DEST_PATH_IMAGE027
的暂态电压特征向量的转置，
Figure 933313DEST_PATH_IMAGE029
为节点
Figure 80261DEST_PATH_IMAGE025
的暂态电压特征向量的模值，
Figure 577101DEST_PATH_IMAGE030
为节点
Figure 430788DEST_PATH_IMAGE027
的暂态电压特征向量的模值，
Figure 354881DEST_PATH_IMAGE031
为节点
Figure 723546DEST_PATH_IMAGE025
在故障场景
Figure 961760DEST_PATH_IMAGE032
下的暂态电压稳定裕度，
Figure 997849DEST_PATH_IMAGE033
为节点
Figure 827265DEST_PATH_IMAGE027
在故障场景
Figure 883558DEST_PATH_IMAGE032
下的暂态电压稳定裕度，
Figure 987780DEST_PATH_IMAGE035
为某个故障场景序号，
Figure 347218DEST_PATH_IMAGE036
为故障场景总个数。
步骤S104，根据获取的某两个节点的暂态电压特征向量的相似度，对AP聚类算法进行修正，所述对AP聚类算法进行修正包括修正AP节点相似度矩阵S，并基于修正后的AP聚类算法对所述运行电网内的各节点进行暂态电压分区。
在本实施例中，传统的聚类算法基于数据间相似度信息对关联度强的数据进行聚合。考虑到实际工程中往往无法事先确定划分区域的数量，k-means 等需要预设聚类数量的聚类算法的适用性较弱，和 k-means 等聚类方法不同，AP 聚类算法最典型的特点是不需要提前设定分类的数目，而是利用仅有的2 个参数：相似度矩阵S 和参考度p，通过迭代的方式进行聚类决策。因此采用AP 聚类算法对节点进行聚类分析。
AP(Affinity Propagation)算法的基本思想是将全部数据点都当作潜在的聚类中心（称为exemplar），然后数据点两两之间连线构成一个网络（相似度矩阵），再通过网络中各条边的消息（吸引度responsibility和归属度availability）传递计算出各样本的聚类中心。直到产生m个高质量的聚类中心（exemplar），同时将其余的数据点分配到相应的聚类中。由于AP算法，只需要进行简单的局部计算，因此能够在较短时间内完成大规模多类别数据集的聚类，且该算法能够很好地解决非欧空间问题。
传统的AP聚类算法采用欧式距离负值构建AP算法相似度矩阵S， 而本实施例采用相比欧式距离更适用于评价电压波动特性的余弦相似度，构建AP算法相似度矩阵。由于AP算法相似度矩阵 S的非对角线元素定义为负值，其值越大表示相似性越高，而余弦相似度值一般为正值，因此本文定义AP相似度矩阵S计算公式如下：
Figure 816376DEST_PATH_IMAGE037
，
式中，
Figure 159633DEST_PATH_IMAGE038
为AP节点相似度矩阵S的第
Figure 5229DEST_PATH_IMAGE039
行第
Figure 484752DEST_PATH_IMAGE040
列元素，对应节点
Figure 187129DEST_PATH_IMAGE039
和节点
Figure 955365DEST_PATH_IMAGE040
之间的相似度，
Figure 135810DEST_PATH_IMAGE041
为AP节点相似度矩阵S的第
Figure 735419DEST_PATH_IMAGE042
行第
Figure 343118DEST_PATH_IMAGE043
列非对角元素，
Figure 595720DEST_PATH_IMAGE044
为AP节点相似度矩阵S所有非对角元素的中位数。
因此，基于AP聚类算法的暂态电压分区具体过程如下：
1）导入暂态电压稳定裕度样本数据，计算AP相似度矩阵S；
2）设置迭代参数(包括阻尼系数，最大迭代次数等)，初始化吸引度矩阵R和归属度矩阵A为零矩阵；
3）分别计算AP吸引度矩阵R和归属度矩阵A，其中，所述吸引度矩阵
Figure 314277DEST_PATH_IMAGE052
的元素更新规则为：
Figure 33971DEST_PATH_IMAGE053
，
式中，
Figure 812572DEST_PATH_IMAGE054
为吸引度矩阵R的第
Figure 555400DEST_PATH_IMAGE055
行第
Figure 77648DEST_PATH_IMAGE056
列元素，对应更新的节点
Figure 651849DEST_PATH_IMAGE055
和节点
Figure 601350DEST_PATH_IMAGE056
间的吸引度，
Figure 565895DEST_PATH_IMAGE057
为相似度矩阵S的第
Figure 157413DEST_PATH_IMAGE055
行第
Figure 320542DEST_PATH_IMAGE056
列元素，
Figure 644207DEST_PATH_IMAGE058
为相似度矩阵S的第
Figure 155435DEST_PATH_IMAGE055
行第
Figure 285065DEST_PATH_IMAGE059
列元素，
Figure 302700DEST_PATH_IMAGE060
为相似度矩阵S的第
Figure 62845DEST_PATH_IMAGE056
行第
Figure 798720DEST_PATH_IMAGE056
列元素，
Figure 732041DEST_PATH_IMAGE061
为相似度矩阵S的第
Figure 604182DEST_PATH_IMAGE056
行第
Figure 535229DEST_PATH_IMAGE059
列元素，
Figure 23979DEST_PATH_IMAGE062
为归属度矩阵
Figure 229832DEST_PATH_IMAGE063
的第
Figure 425322DEST_PATH_IMAGE055
行第
Figure 589587DEST_PATH_IMAGE059
列元素；
所述归属度矩阵
Figure 34474DEST_PATH_IMAGE063
的元素更新规则为：
Figure 244351DEST_PATH_IMAGE064
，
式中，
Figure 622243DEST_PATH_IMAGE065
为归属度矩阵A的第
Figure 426251DEST_PATH_IMAGE055
行第
Figure 624014DEST_PATH_IMAGE056
列元素，对应更新的节点
Figure 374933DEST_PATH_IMAGE055
和节点
Figure 607331DEST_PATH_IMAGE056
间的归属度，
Figure 582240DEST_PATH_IMAGE066
为吸引度矩阵
Figure 470562DEST_PATH_IMAGE052
的第
Figure 87488DEST_PATH_IMAGE067
行第
Figure 112076DEST_PATH_IMAGE067
列元素，
Figure 523465DEST_PATH_IMAGE068
为吸引度矩阵
Figure 695821DEST_PATH_IMAGE052
的第
Figure 785612DEST_PATH_IMAGE059
行第
Figure 727023DEST_PATH_IMAGE067
列元素；
4）按设置好的阻尼系数，对归属度矩阵A进行阻尼衰减，其中，进行迭代收敛的表达式为：
Figure 309314DEST_PATH_IMAGE069
，
式中，
Figure 703386DEST_PATH_IMAGE070
为第
Figure 599798DEST_PATH_IMAGE071
次迭代时的归属度矩阵A，
Figure 661295DEST_PATH_IMAGE072
为第
Figure 414487DEST_PATH_IMAGE073
次迭代时的归属度矩阵A ，
Figure 499118DEST_PATH_IMAGE074
为阻尼系数；
5）返回3）进行循环计算，直到满足收敛条件或迭代最大次数为止；
6）迭代结束后，选取各点聚类中心，聚类中心相同的节点划分至同一区域，完成暂态电压分区，其中，选取各节点聚类中心的表达式为：
Figure 995959DEST_PATH_IMAGE075
，
式中，
Figure 646383DEST_PATH_IMAGE076
为集合
Figure 773739DEST_PATH_IMAGE077
中最大元素对应的k值，
Figure 142403DEST_PATH_IMAGE078
为节点i的聚类中心序号。
综上，本实施例的方法，采用多二元表评估节点的暂态电压稳定裕度，构造了基于多二元表的节点暂态电压特征向量，再利用余弦相似度改进常规AP聚类算法中的相似度矩阵构造方法，最终利用AP聚类算法快速准确地完成了对电网节点暂态电压特征聚类分析，得出面向暂态电压控制的电网区域划分。能够快速有效的完成电网的暂态电压分区，对电网暂态电压控制，如动态无功配置规划具有现实指导意义。
在一个具体的仿真实施例中，采用图2所示的江西电网的500kv主网架进行分区方法可行性论证。江西电网500KV母线共30条，在102个作业方式下，共116个故障作业。多二元表参数设置为：
Figure 463442DEST_PATH_IMAGE079
，AP聚类算法中设置迭代最大次数为500次，迭代不变次数为50，阻尼系数为0.5。
在PSASP（电力系统综合分析程序）中对102个作业方式下的116个故障作业进行仿真计算，得到30条母线在116个故障下共30*116条暂态电压曲线。根据仿真计算得到的暂态电压曲线，采用多二元表暂态电压稳定裕度计算公式，计算得到基于多二元表的节点暂态电压稳定裕度，然后根据暂态电压稳定裕度构建大小为30*116维的节点暂态电压稳定裕度矩阵，采用余弦相似度对30条母线的节点暂态电压特征进行相似性评估，最终基于AP聚类算法得到江西500KV主网30条母线的分区聚类结果，江西电网500kv主网被划分为如图3所示五个区域。
根据聚类结果可知，图3江西电网被分为五个区域，具体如下：
区域一：抚州，南广，乐平，潭埠，鄱余，洪源，豫章，鄱阳湖换流站。
区域二：孔目江，赣州，雷公山，虔州，文山，厚田，梦山，安源，锦江，罗坊，红都。
区域三：崇仁，云峰，进贤，南昌。
区域四：马回岭，瑞昌，永修，石钟山。
区域五：广丰，信州，鹰潭。
现选取三个典型故障对所采用的方法的分区结果合理性进行验证，在各个故障下，所有节点基于多二元表的暂态电压稳定裕度分布如图4a-4c所示。
根据图4a-4c所示结果可知，在不同的故障下，同一分区内的节点，基于多二元表的节点暂态电压稳定裕度分布集中，代表了其暂态电压特征具有相似性，因此证明了该分区策略的合理性。
请参阅图5，其示出了本申请的一种基于多二元表-AP聚类的暂态电压分区装置的结构框图。
如图5所示，暂态电压分区装置200，包括仿真模块210、构造模块220、计算模块230以及分区模块240。
其中，仿真模块210，配置为获取运行电网中已有的故障集合，基于PSASP对所述运行电网进行故障仿真计算，使得到所述运行电网的节点暂态电压曲线；
构造模块220，配置为根据所述节点暂态电压曲线，基于多二元表计算至少一个节点的暂态电压稳定裕度，使构造出节点的暂态电压稳定特征向量矩阵，其中，计算至少一个电网节点的暂态电压稳定裕度的表达式为：
Figure 968373DEST_PATH_IMAGE001
，
式中，
Figure 266630DEST_PATH_IMAGE002
为节点
Figure 122591DEST_PATH_IMAGE080
在故障场景
Figure 961234DEST_PATH_IMAGE004
下的暂态电压稳定裕度，
Figure 586250DEST_PATH_IMAGE005
为跌落区间
Figure 55409DEST_PATH_IMAGE006
的积分权重，
Figure 133086DEST_PATH_IMAGE007
为电压参考值，
Figure 40999DEST_PATH_IMAGE008
为节点
Figure 723785DEST_PATH_IMAGE003
响应故障场景
Figure 160582DEST_PATH_IMAGE004
的实时电压值，
Figure 725556DEST_PATH_IMAGE009
为跌落区间
Figure 906001DEST_PATH_IMAGE010
的积分权重，
Figure 705943DEST_PATH_IMAGE011
为电压跌落低于
Figure 313641DEST_PATH_IMAGE012
的时刻，
Figure 631490DEST_PATH_IMAGE013
为电压恢复高于
Figure 350048DEST_PATH_IMAGE012
的时刻，
Figure 7425DEST_PATH_IMAGE014
为电压跌落低于
Figure 786025DEST_PATH_IMAGE015
的时刻，
Figure 591170DEST_PATH_IMAGE016
为电压恢复高于
Figure 316681DEST_PATH_IMAGE015
的时刻，
Figure 890881DEST_PATH_IMAGE017
为电压跌落低于
Figure 840383DEST_PATH_IMAGE081
的时刻，
Figure 601666DEST_PATH_IMAGE019
为电压跌落低于
Figure 130867DEST_PATH_IMAGE020
的时刻，
Figure 291065DEST_PATH_IMAGE012
为跌落区间
Figure 677047DEST_PATH_IMAGE021
的电压临界参考稳定值，
Figure 191205DEST_PATH_IMAGE015
为跌落区间
Figure 258518DEST_PATH_IMAGE022
的电压临界参考稳定值，
Figure 276153DEST_PATH_IMAGE020
为跌落区间
Figure 98616DEST_PATH_IMAGE010
的电压临界参考稳定值；
计算模块230，配置为基于余弦相似度对所述暂态电压稳定特征向量矩阵进行相似性计算，使得到某两个节点的暂态电压特征向量的相似度，其中，对所述暂态电压稳定特征向量矩阵进行相似性计算的表达式为：
Figure 37753DEST_PATH_IMAGE023
，
式中，
Figure 439915DEST_PATH_IMAGE024
为节点
Figure 843215DEST_PATH_IMAGE025
的暂态电压特征向量，
Figure 570999DEST_PATH_IMAGE026
为节点
Figure 731853DEST_PATH_IMAGE027
的暂态电压特征向量，
Figure 203286DEST_PATH_IMAGE028
为节点
Figure 461092DEST_PATH_IMAGE027
的暂态电压特征向量的转置，
Figure 91269DEST_PATH_IMAGE029
为节点
Figure 4998DEST_PATH_IMAGE025
的暂态电压特征向量的模值，
Figure 280122DEST_PATH_IMAGE030
为节点
Figure 126855DEST_PATH_IMAGE027
的暂态电压特征向量的模值，
Figure 399705DEST_PATH_IMAGE031
为节点
Figure 331888DEST_PATH_IMAGE025
在故障场景
Figure 410703DEST_PATH_IMAGE032
下的暂态电压稳定裕度，
Figure 377522DEST_PATH_IMAGE033
为节点
Figure 555694DEST_PATH_IMAGE027
在故障场景
Figure 240753DEST_PATH_IMAGE032
下的暂态电压稳定裕度，
Figure 857679DEST_PATH_IMAGE035
为某个故障场景序号，
Figure 679004DEST_PATH_IMAGE036
为故障场景总个数；
分区模块240，配置为根据获取的某两个节点的暂态电压特征向量的相似度，对AP聚类算法进行修正，所述对AP聚类算法进行修正包括修正AP节点相似度矩阵S，并基于修正后的AP聚类算法对所述运行电网内的各节点进行暂态电压分区，其中，修正后的AP节点相似度矩阵S的表达式为：
Figure 25148DEST_PATH_IMAGE037
，
式中，
Figure 197503DEST_PATH_IMAGE038
为AP节点相似度矩阵S的第
Figure 352541DEST_PATH_IMAGE039
行第
Figure 231635DEST_PATH_IMAGE040
列元素，对应节点
Figure 813926DEST_PATH_IMAGE039
和节点
Figure 473578DEST_PATH_IMAGE040
之间的相似度，
Figure 166727DEST_PATH_IMAGE041
为AP节点相似度矩阵S的第
Figure 165907DEST_PATH_IMAGE042
行第
Figure 919099DEST_PATH_IMAGE043
列非对角元素，
Figure 800468DEST_PATH_IMAGE044
为AP节点相似度矩阵S所有非对角元素的中位数。
应当理解，图5中记载的诸模块与参考图1中描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征以及相应的技术效果同样适用于图5中的诸模块，在此不再赘述。
在另一些实施例中，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序指令被处理器执行时，使所述处理器执行本发明任一实施例的基于多二元表-AP聚类的暂态电压分区方法；
作为一种实施方式，本发明的计算机可读存储介质存储有计算机可执行指令，计算机可执行指令设置为：
获取运行电网中已有的故障集合，基于PSASP对所述运行电网进行故障仿真计算，使得到所述运行电网的节点暂态电压曲线；
根据所述节点暂态电压曲线，基于多二元表计算至少一个节点的暂态电压稳定裕度，使构造出节点的暂态电压稳定特征向量矩阵；
基于余弦相似度对所述暂态电压稳定特征向量矩阵进行相似性计算，使得到某两个节点的暂态电压特征向量的相似度；
根据获取的某两个节点的暂态电压特征向量的相似度，对AP聚类算法进行修正，所述对AP聚类算法进行修正包括修正AP节点相似度矩阵S，并基于修正后的AP聚类算法对所述运行电网内的各节点进行暂态电压分区。
计算机可读存储介质可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据基于多二元表-AP聚类的暂态电压分区装置的使用所创建的数据等。此外，计算机可读存储介质可以包括高速随机存取存储器，还可以包括存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，计算机可读存储介质可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至基于多二元表-AP聚类的暂态电压分区装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图6是本发明实施例提供的电子设备的结构示意图，如图6所示，该设备包括：一个处理器310以及存储器320。电子设备还可以包括：输入装置330和输出装置340。处理器310、存储器320、输入装置330和输出装置340可以通过总线或者其他方式连接，图6中以通过总线连接为例。存储器320为上述的计算机可读存储介质。处理器310通过运行存储在存储器320中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例基于多二元表-AP聚类的暂态电压分区方法。输入装置330可接收输入的数字或字符信息，以及产生与基于多二元表-AP聚类的暂态电压分区装置的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏等显示设备。
上述电子设备可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。
作为一种实施方式，上述电子设备应用于基于多二元表-AP聚类的暂态电压分区装置中，用于客户端，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：
获取运行电网中已有的故障集合，基于PSASP对所述运行电网进行故障仿真计算，使得到所述运行电网的节点暂态电压曲线；
根据所述节点暂态电压曲线，基于多二元表计算至少一个节点的暂态电压稳定裕度，使构造出节点的暂态电压稳定特征向量矩阵；
基于余弦相似度对所述暂态电压稳定特征向量矩阵进行相似性计算，使得到某两个节点的暂态电压特征向量的相似度；
根据获取的某两个节点的暂态电压特征向量的相似度，对AP聚类算法进行修正，所述对AP聚类算法进行修正包括修正AP节点相似度矩阵S，并基于修正后的AP聚类算法对所述运行电网内的各节点进行暂态电压分区。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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）执行各个实施例或者实施例的某些部分的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。

Claims (8)

1.一种基于多二元表-AP聚类的暂态电压分区方法，其特征在于，包括：
获取运行电网中已有的故障集合，基于PSASP对所述运行电网进行故障仿真计算，使得到所述运行电网的节点暂态电压曲线；
根据所述节点暂态电压曲线，基于多二元表计算至少一个节点的暂态电压稳定裕度，使构造出节点的暂态电压稳定特征向量矩阵，其中，计算至少一个电网节点的暂态电压稳定裕度的表达式为：
Figure 2340DEST_PATH_IMAGE001
，
式中，
Figure 432185DEST_PATH_IMAGE002
为节点
Figure 877072DEST_PATH_IMAGE003
在故障场景
Figure 355458DEST_PATH_IMAGE004
下的暂态电压稳定裕度，
Figure 874295DEST_PATH_IMAGE005
为跌落区间
Figure 678303DEST_PATH_IMAGE006
的积分权重，
Figure 407225DEST_PATH_IMAGE007
为电压参考值，
Figure 951951DEST_PATH_IMAGE008
为节点
Figure 590874DEST_PATH_IMAGE003
响应故障场景
Figure 628100DEST_PATH_IMAGE004
的实时电压值，
Figure 782001DEST_PATH_IMAGE009
为跌落区间
Figure 805452DEST_PATH_IMAGE010
的积分权重，
Figure 361198DEST_PATH_IMAGE011
为电压跌落低于
Figure 569326DEST_PATH_IMAGE012
的时刻，
Figure 210522DEST_PATH_IMAGE013
为电压恢复高于
Figure 37664DEST_PATH_IMAGE012
的时刻，
Figure 775813DEST_PATH_IMAGE014
为电压跌落低于
Figure 92525DEST_PATH_IMAGE015
的时刻，
Figure 155771DEST_PATH_IMAGE016
为电压恢复高于
Figure 583342DEST_PATH_IMAGE015
的时刻，
Figure 441576DEST_PATH_IMAGE017
为电压跌落低于
Figure 601293DEST_PATH_IMAGE018
的时刻，
Figure 217082DEST_PATH_IMAGE019
为电压跌落低于
Figure 510660DEST_PATH_IMAGE020
的时刻，
Figure 98768DEST_PATH_IMAGE012
为跌落区间
Figure 757282DEST_PATH_IMAGE021
的电压临界参考稳定值，
Figure 657105DEST_PATH_IMAGE015
为跌落区间
Figure 426478DEST_PATH_IMAGE022
的电压临界参考稳定值，
Figure 869092DEST_PATH_IMAGE020
为跌落区间
Figure 695578DEST_PATH_IMAGE010
的电压临界参考稳定值；
基于余弦相似度对所述暂态电压稳定特征向量矩阵进行相似性计算，使得到某两个节点的暂态电压特征向量的相似度，其中，对所述暂态电压稳定特征向量矩阵进行相似性计算的表达式为：
Figure 82697DEST_PATH_IMAGE023
，
式中，
Figure 655761DEST_PATH_IMAGE024
为节点
Figure 218460DEST_PATH_IMAGE025
的暂态电压特征向量，
Figure 953198DEST_PATH_IMAGE026
为节点
Figure 827613DEST_PATH_IMAGE027
的暂态电压特征向量，
Figure 142051DEST_PATH_IMAGE028
为节点
Figure 355994DEST_PATH_IMAGE027
的暂态电压特征向量的转置，
Figure 589530DEST_PATH_IMAGE029
为节点
Figure 92186DEST_PATH_IMAGE025
的暂态电压特征向量的模值，
Figure 7053DEST_PATH_IMAGE030
为节点
Figure 137820DEST_PATH_IMAGE027
的暂态电压特征向量的模值，
Figure 477010DEST_PATH_IMAGE031
为节点
Figure 201383DEST_PATH_IMAGE025
在故障场景
Figure 247837DEST_PATH_IMAGE032
下的暂态电压稳定裕度，
Figure 170793DEST_PATH_IMAGE033
为节点
Figure 621497DEST_PATH_IMAGE027
在故障场景
Figure 895484DEST_PATH_IMAGE032
下的暂态电压稳定裕度，
Figure 214470DEST_PATH_IMAGE034
为某个故障场景序号，
Figure 257512DEST_PATH_IMAGE035
为故障场景总个数；
根据获取的某两个节点的暂态电压特征向量的相似度，对AP聚类算法进行修正，所述对AP聚类算法进行修正包括修正AP节点相似度矩阵S，并基于修正后的AP聚类算法对所述运行电网内的各节点进行暂态电压分区，其中，修正后的AP节点相似度矩阵S的表达式为：
Figure 144697DEST_PATH_IMAGE036
，
式中，
Figure 968296DEST_PATH_IMAGE037
为AP节点相似度矩阵S的第
Figure 763077DEST_PATH_IMAGE038
行第
Figure 595379DEST_PATH_IMAGE039
列元素，对应节点
Figure 715782DEST_PATH_IMAGE038
和节点
Figure 26677DEST_PATH_IMAGE039
之间的相似度，
Figure 562832DEST_PATH_IMAGE040
为AP节点相似度矩阵S的第
Figure 111625DEST_PATH_IMAGE041
行第
Figure 75033DEST_PATH_IMAGE042
列非对角元素，
Figure 545329DEST_PATH_IMAGE043
为AP节点相似度矩阵S所有非对角元素的中位数。
2.根据权利要求1所述的一种基于多二元表-AP聚类的暂态电压分区方法，其特征在于，其中，所述暂态电压稳定特征向量矩阵的表达式为：
Figure 9808DEST_PATH_IMAGE044
，
式中，
Figure 881949DEST_PATH_IMAGE045
为节点
Figure 16258DEST_PATH_IMAGE025
在故障场景
Figure 970920DEST_PATH_IMAGE032
下的暂态电压稳定裕度。
3.根据权利要求1所述的一种基于多二元表-AP聚类的暂态电压分区方法，其特征在于，其中，计算各跌落区间的积分权重的表达式为：
Figure 645615DEST_PATH_IMAGE046
，
式中，
Figure 434580DEST_PATH_IMAGE047
为跌落区间
Figure 67686DEST_PATH_IMAGE010
的允许持续时间。
4.根据权利要求1所述的一种基于多二元表-AP聚类的暂态电压分区方法，其特征在于，所述基于修正后的AP聚类算法对所述运行电网内的各节点进行暂态电压分区包括：
计算吸引度矩阵
Figure 450257DEST_PATH_IMAGE048
和归属度矩阵
Figure 928643DEST_PATH_IMAGE049
，所述吸引度矩阵
Figure 837693DEST_PATH_IMAGE048
和所述归属度矩阵
Figure 376122DEST_PATH_IMAGE049
迭代前初始化为零矩阵，其中，所述吸引度矩阵
Figure 245989DEST_PATH_IMAGE048
的元素更新规则为：
Figure 528066DEST_PATH_IMAGE050
，
式中，
Figure 291623DEST_PATH_IMAGE051
为吸引度矩阵R的第
Figure 263602DEST_PATH_IMAGE052
行第
Figure 355186DEST_PATH_IMAGE053
列元素，对应更新的节点
Figure 440954DEST_PATH_IMAGE052
和节点
Figure 59017DEST_PATH_IMAGE053
间的吸引度，
Figure 204827DEST_PATH_IMAGE054
为相似度矩阵S的第
Figure 783707DEST_PATH_IMAGE052
行第
Figure 407587DEST_PATH_IMAGE053
列元素，
Figure 145736DEST_PATH_IMAGE055
为相似度矩阵S的第
Figure 462448DEST_PATH_IMAGE052
行第
Figure 528624DEST_PATH_IMAGE056
列元素，
Figure 976702DEST_PATH_IMAGE057
为相似度矩阵S的第
Figure 303778DEST_PATH_IMAGE053
行第
Figure 791391DEST_PATH_IMAGE053
列元素，
Figure 344863DEST_PATH_IMAGE058
为相似度矩阵S的第
Figure 576124DEST_PATH_IMAGE053
行第
Figure 23286DEST_PATH_IMAGE056
列元素，
Figure 619484DEST_PATH_IMAGE059
为归属度矩阵
Figure 722569DEST_PATH_IMAGE049
的第
Figure 554259DEST_PATH_IMAGE052
行第
Figure 59189DEST_PATH_IMAGE056
列元素；
所述归属度矩阵
Figure 826288DEST_PATH_IMAGE049
的元素更新规则为：
Figure 478987DEST_PATH_IMAGE060
，
式中，
Figure 49121DEST_PATH_IMAGE061
为归属度矩阵A的第
Figure 80662DEST_PATH_IMAGE052
行第
Figure 80979DEST_PATH_IMAGE053
列元素，对应更新的节点
Figure 220973DEST_PATH_IMAGE052
和节点
Figure 535411DEST_PATH_IMAGE053
间的归属度，
Figure 749355DEST_PATH_IMAGE062
为吸引度矩阵
Figure 982890DEST_PATH_IMAGE048
的第
Figure 282284DEST_PATH_IMAGE027
行第
Figure 400413DEST_PATH_IMAGE027
列元素，
Figure 531180DEST_PATH_IMAGE063
为吸引度矩阵
Figure 873299DEST_PATH_IMAGE048
的第
Figure 594743DEST_PATH_IMAGE056
行第
Figure 47721DEST_PATH_IMAGE027
列元素；
设置阻尼系数，对归属度矩阵
Figure 298574DEST_PATH_IMAGE049
进行阻尼衰减，使AP聚类迭代收敛，其中，进行迭代收敛的表达式为：
Figure 811595DEST_PATH_IMAGE064
，
式中，
Figure 288844DEST_PATH_IMAGE065
为第
Figure 607830DEST_PATH_IMAGE066
次迭代时的归属度矩阵A，
Figure 650872DEST_PATH_IMAGE067
为第
Figure 272478DEST_PATH_IMAGE068
次迭代时的归属度矩阵A ，
Figure 768181DEST_PATH_IMAGE069
为阻尼系数；
迭代收敛或达到最大迭代次数后结束，选取各节点聚类中心，并将聚类中心相同的节点划分至同一区域。
5.根据权利要求4所述的一种基于多二元表-AP聚类的暂态电压分区方法，其特征在于，其中，选取各节点聚类中心的表达式为：
Figure 890858DEST_PATH_IMAGE070
，
式中，
Figure 991669DEST_PATH_IMAGE071
为集合
Figure 843563DEST_PATH_IMAGE072
中最大元素对应的k值，
Figure 154458DEST_PATH_IMAGE073
为节点i的聚类中心序号。
6.一种基于多二元表-AP聚类的暂态电压分区装置，其特征在于，包括：
仿真模块，配置为获取运行电网中已有的故障集合，基于PSASP对所述运行电网进行故障仿真计算，使得到所述运行电网的节点暂态电压曲线；
构造模块，配置为根据所述节点暂态电压曲线，基于多二元表计算至少一个节点的暂态电压稳定裕度，使构造出节点的暂态电压稳定特征向量矩阵，其中，计算至少一个电网节点的暂态电压稳定裕度的表达式为：
Figure 752930DEST_PATH_IMAGE001
，
式中，
Figure 442668DEST_PATH_IMAGE002
为节点
Figure 733972DEST_PATH_IMAGE003
在故障场景
Figure 266585DEST_PATH_IMAGE004
下的暂态电压稳定裕度，
Figure 668747DEST_PATH_IMAGE005
为跌落区间
Figure 478572DEST_PATH_IMAGE006
的积分权重，
Figure 3094DEST_PATH_IMAGE007
为电压参考值，
Figure 960686DEST_PATH_IMAGE008
为节点
Figure 838643DEST_PATH_IMAGE003
响应故障场景
Figure 562361DEST_PATH_IMAGE004
的实时电压值，
Figure 257784DEST_PATH_IMAGE009
为跌落区间
Figure 437093DEST_PATH_IMAGE010
的积分权重，
Figure 384320DEST_PATH_IMAGE011
为电压跌落低于
Figure 293370DEST_PATH_IMAGE012
的时刻，
Figure 831799DEST_PATH_IMAGE013
为电压恢复高于
Figure 701666DEST_PATH_IMAGE012
的时刻，
Figure 983743DEST_PATH_IMAGE014
为电压跌落低于
Figure 419403DEST_PATH_IMAGE015
的时刻，
Figure 191050DEST_PATH_IMAGE016
为电压恢复高于
Figure 813793DEST_PATH_IMAGE015
的时刻，
Figure 631052DEST_PATH_IMAGE017
为电压跌落低于
Figure 186798DEST_PATH_IMAGE074
的时刻，
Figure 660504DEST_PATH_IMAGE019
为电压跌落低于
Figure 239384DEST_PATH_IMAGE020
的时刻，
Figure 863264DEST_PATH_IMAGE012
为跌落区间
Figure 601413DEST_PATH_IMAGE021
的电压临界参考稳定值，
Figure 652545DEST_PATH_IMAGE015
为跌落区间
Figure 984301DEST_PATH_IMAGE022
的电压临界参考稳定值，
Figure 474188DEST_PATH_IMAGE020
为跌落区间
Figure 4526DEST_PATH_IMAGE010
的电压临界参考稳定值；
计算模块，配置为基于余弦相似度对所述暂态电压稳定特征向量矩阵进行相似性计算，使得到某两个节点的暂态电压特征向量的相似度，其中，对所述暂态电压稳定特征向量矩阵进行相似性计算的表达式为：
Figure 429823DEST_PATH_IMAGE023
，
式中，
Figure 42682DEST_PATH_IMAGE024
为节点
Figure 742785DEST_PATH_IMAGE025
的暂态电压特征向量，
Figure 455526DEST_PATH_IMAGE026
为节点
Figure 51723DEST_PATH_IMAGE027
的暂态电压特征向量，
Figure 154809DEST_PATH_IMAGE028
为节点
Figure 658602DEST_PATH_IMAGE027
的暂态电压特征向量的转置，
Figure 960271DEST_PATH_IMAGE029
为节点
Figure 789686DEST_PATH_IMAGE025
的暂态电压特征向量的模值，
Figure 317751DEST_PATH_IMAGE030
为节点
Figure 625235DEST_PATH_IMAGE027
的暂态电压特征向量的模值，
Figure 46989DEST_PATH_IMAGE031
为节点
Figure 44377DEST_PATH_IMAGE025
在故障场景
Figure 794158DEST_PATH_IMAGE032
下的暂态电压稳定裕度，
Figure 170913DEST_PATH_IMAGE033
为节点
Figure 447173DEST_PATH_IMAGE027
在故障场景
Figure 618392DEST_PATH_IMAGE032
下的暂态电压稳定裕度，
Figure 855469DEST_PATH_IMAGE034
为某个故障场景序号，
Figure 504756DEST_PATH_IMAGE035
为故障场景总个数；
分区模块，配置为根据获取的某两个节点的暂态电压特征向量的相似度，对AP聚类算法进行修正，所述对AP聚类算法进行修正包括修正AP节点相似度矩阵S，并基于修正后的AP聚类算法对所述运行电网内的各节点进行暂态电压分区，其中，修正后的AP节点相似度矩阵S的表达式为：
Figure 901102DEST_PATH_IMAGE036
，
式中，
Figure 243222DEST_PATH_IMAGE037
为AP节点相似度矩阵S的第
Figure 967596DEST_PATH_IMAGE038
行第
Figure 441082DEST_PATH_IMAGE039
列元素，对应节点
Figure 691934DEST_PATH_IMAGE038
和节点
Figure 408218DEST_PATH_IMAGE039
之间的相似度，
Figure 682204DEST_PATH_IMAGE040
为AP节点相似度矩阵S的第
Figure 1190DEST_PATH_IMAGE041
行第
Figure 44232DEST_PATH_IMAGE042
列非对角元素，
Figure 931417DEST_PATH_IMAGE043
为AP节点相似度矩阵S所有非对角元素的中位数。
7.一种电子设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至5任一项所述的方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至5任一项所述的方法。
CN202210019800.2A 2022-01-10 2022-01-10 一种基于多二元表-ap聚类的暂态电压分区方法及装置 Pending CN114091623A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210019800.2A CN114091623A (zh) 2022-01-10 2022-01-10 一种基于多二元表-ap聚类的暂态电压分区方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210019800.2A CN114091623A (zh) 2022-01-10 2022-01-10 一种基于多二元表-ap聚类的暂态电压分区方法及装置

Publications (1)

Publication Number Publication Date
CN114091623A true CN114091623A (zh) 2022-02-25

Family

ID=80308478

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210019800.2A Pending CN114091623A (zh) 2022-01-10 2022-01-10 一种基于多二元表-ap聚类的暂态电压分区方法及装置

Country Status (1)

Country Link
CN (1) CN114091623A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116093952A (zh) * 2023-03-06 2023-05-09 国网浙江省电力有限公司温州供电公司 一种暂态电压稳定监视母线分析方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103683277A (zh) * 2013-10-23 2014-03-26 南京南瑞集团公司 一种电力系统暂态稳定切负荷控制有效性评价指标计算方法
CN105138849A (zh) * 2015-09-07 2015-12-09 山东大学 一种基于ap聚类的无功电压控制分区方法
CN106504116A (zh) * 2016-10-31 2017-03-15 山东大学 基于电网运行与暂态稳定裕度指标关联的稳定评估方法
CN107093895A (zh) * 2017-04-17 2017-08-25 云南电力调度控制中心 基于预想故障集自动筛选的在线暂态安全稳定评估方法
CN109948695A (zh) * 2019-03-18 2019-06-28 云南电网有限责任公司 一种基于近邻传播聚类算法的电网脆弱节点自动识别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103683277A (zh) * 2013-10-23 2014-03-26 南京南瑞集团公司 一种电力系统暂态稳定切负荷控制有效性评价指标计算方法
CN105138849A (zh) * 2015-09-07 2015-12-09 山东大学 一种基于ap聚类的无功电压控制分区方法
CN106504116A (zh) * 2016-10-31 2017-03-15 山东大学 基于电网运行与暂态稳定裕度指标关联的稳定评估方法
CN107093895A (zh) * 2017-04-17 2017-08-25 云南电力调度控制中心 基于预想故障集自动筛选的在线暂态安全稳定评估方法
CN109948695A (zh) * 2019-03-18 2019-06-28 云南电网有限责任公司 一种基于近邻传播聚类算法的电网脆弱节点自动识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
周勇著: "《复杂多源数据的知识获取与知识发现》", 31 October 2015, 徐州：中国矿业大学出版社 *
管霖等: "面向暂态电压控制的大电网区域划分方法", 《电网技术》 *
薛安成等: "采用多二元表判据的实用暂态电压稳定裕度指标研究", 《中国电机工程学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116093952A (zh) * 2023-03-06 2023-05-09 国网浙江省电力有限公司温州供电公司 一种暂态电压稳定监视母线分析方法

Similar Documents

Publication Publication Date Title
Milano Small-signal stability analysis of large power systems with inclusion of multiple delays
Gugercin An iterative SVD-Krylov based method for model reduction of large-scale dynamical systems
JP6025575B2 (ja) 三相電力潮流解析のためのシステムおよび方法
CN103810646B (zh) 一种基于改进投影积分算法的有源配电系统动态仿真方法
Ju et al. Loop‐analysis‐based continuation power flow algorithm for distribution networks
CN112182920B (zh) 一种确定直流输电线路合成电场的场强值的迭代方法
US11175641B2 (en) Processing platform with holomorphic embedding functionality for power control and other applications
CN111181164B (zh) 一种改进的主从分裂输配协同潮流计算方法及系统
Makolo et al. Online inertia estimation for power systems with high penetration of RES using recursive parameters estimation
Wang et al. Robust dynamic state estimation of power systems with model uncertainties based on adaptive unscented filter
CN114204564B (zh) 一种含逆变型新能源电网的短路电流计算方法及装置
CN114091623A (zh) 一种基于多二元表-ap聚类的暂态电压分区方法及装置
Tostado-Véliz et al. A novel power flow solution paradigm for well and ill-conditioned cases
Andreoli et al. Topology validation via simultaneous state & topology estimation with phasor data processing capability
de Melo et al. Distribution system state estimation algorithm with improved angular reference treatment
CN114188945B (zh) 一种含光伏电源的配电网短路电流计算方法及装置
Jain et al. Dynamic available transfer capability computation using a hybrid approach
Chen et al. Generalised‐fast decoupled state estimator
CN114421483A (zh) 一种解析式概率潮流计算方法、装置及存储介质
CN109670210A (zh) 一种基于并行分布式粒子群算法的功率电子电路优化方法
Ju et al. Continuation power flow based on a novel local geometric parameterisation approach
CN104679937B (zh) 一种适于隐式投影算法的误差估计及参数自适应调节方法
Tostado-Véliz et al. An efficient and reliable power flow solution method for large scale Ill-conditioned cases based on the Romberg’s integration scheme
CN107818414B (zh) 一种大规模交直流混联电网n-2预想事故集的生成方法
Eidiani et al. An Effective Method to Determine the Available Transmission Capacity with Variable Frequency Transformer

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20220225