技术领域
[0001] 本发明属于配电网治理技术领域，尤其涉及一种配电网电能质量治理分区方法及装置。
相关背景技术
[0002] 现如今，随着电动汽车、空调、分布式光伏等大量电力电子设备接入配电网，配电网电能质量污染源分布呈现随机化、分散化以及全网化趋势。传统方法，点对点治理主要电能质量扰动源污染的治理策略已经无法满足配网全网电能质量需求，亟需一套能够从全网层面进行协同治理的电能质量治理策略。其中对于配网进行分区、针对区域主导节点开展电能治理，以点带面方法是当前的热门研究方向。
[0003] 现有技术提出了一种根据节点电气距离进行电能质量分区的策略，电气距离近的节点划分到一个区域，但单纯根据电气距离进行分区无法准确反应区域内节点实际电能质量变化情况，不同节点间的相关性不仅仅与电气距离有关还跟扰动源分部等诸多因素相关，仅依据电气距离进行分区无法反应节点之间真实关联程度。
[0004] 现有技术提出了一种基于已有电网电能质量历史量测数据的电能质量分区治理策略，根据不同节点历史电能质量变化趋势来计算节点相关度，认为节点电能质量历史变化趋势越相近则二者相关度越高。但该方法单纯依靠节点电能质量变化趋势，忽略了节点间变化趋势的偶然性，可能区域内两个节点只是由于偶然导致变化趋势十分相近，其实二者电气距离很远相关度很低，这样会使得实际相关性很低的两个节点被划分至同一区域，明显不符合实际情况。
具体实施方式
[0078] 下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
[0079] 实施例1
[0080] 如图1所示，本发明提供了一种配电网电能质量治理分区方法，其实现方法如下：
[0081] S1、根据配电网的网络拓扑与参数，利用潮流方程计算得到配电网中各节点无功电压灵敏度与有功电压灵敏度，并根据各节点的无功电压灵敏度和有功电压灵敏度求得各节点之间的电气距离，其实现方法如下：
[0082] S101、根据配电网的网络拓扑与参数，基于牛顿‑潮流方程，计算各节点无功电压灵敏度与有功电压灵敏度；
[0083] S102、根据各节点的无功电压灵敏度与有功电压灵敏度，利用灵敏度方程，得到各节点之间的电压灵敏度；
[0084] S103、根据各节点之间的电压灵敏度，利用电气距离公式计算得到各节点之间的电气距离。
[0085] 本实施例中，如图2所示，根据网络拓扑与参数，基于潮流方程计算各节点无功电压灵敏度与有功电压灵敏度，进一步求得各节点之间电气距离d1。
[0086] 本实施例中，电气距离是反应两个节点相关度最明显指标，两节点电气距离越近其相互影响程度也就越大。电气距离可根据极坐标下的牛顿‑潮流方程进行求取，所述牛顿‑潮流方程的公式如下所示：
[0087]
[0088] 其中，ΔP表示节点有功的变换量向量，ΔQ表示节点无功的变换量向量，Δθ表示节点相角的变换量向量，ΔV表示节点电压的变换量向量，H、N、K以及L表示不同的分块矩阵，具体的表达式如下所示：
[0089]
[0090] 其中，Hij表示分块矩阵H第i行第j列的元素，Nij表示分块矩阵N第i行第j列的元素，Kij表示分块矩阵K第i行第j列的元素，Lij表示分块矩阵L第i行第j列的元素，Vj表示j节点电压， 表示节点i有功功率Pi的变换量对于节点j相角θj的偏导数， 表示节点i有功功率Pi的变换量对于节点j电压幅值Vj的偏导数， 表示表示节点i无功功率Qi的变换量对于节点j相角θj的偏导数， 表示节点i无功功率Qi的变换量对于节点j电压幅值Vj的偏导数。
[0091] 因此根据Nij与Lij可以获得节点电压对于节点i有功功率Pi和节点i无功功率Qi的灵敏度 与 进一步根据电压灵敏度公式可以获得节点之间电压灵敏度Aij，所述电压灵敏度的方程如下所示：
[0092]
[0093] 其中，Aij表示节点i和节点j之间的电压灵敏度， 表示节点j电压幅值Vj对节点i的有功电压灵敏度， 表示节点i电压幅值Vi对节点j的有功电压灵敏度， 表示节点j电压幅值Vj对节点i的无功电压灵敏度， 表示节点i电压幅值Vi对节点j的无功电压灵敏度， 表示节点i电压幅值Vi的偏导数，ΔPi表示节点i有功功率的变换量，ΔQi表示节点i无功功率的变换量；
[0094] 根据电压灵敏度Aij进一步可获取节点间电气距离Dij，所述电气距离如下所示：
[0095] Dij＝log(Aij*Aji)
[0096] 其中，log(·)表示对数函数。
[0097] S2、利用各节点谐波、三相不平衡以及电压偏差的历史量测数据构建时间序列量测数据集；
[0098] 本实施例中，获取各节点谐波、三相不平衡以及电压偏差的历史量测数据。
[0099] S3、利用归一化方法对时间序列量测数据集进行归一化处理，并采用灰色关联度对归一化处理后的时间序列量测数据集进行分析，分别获取各节点的变化趋势关联度和幅值关联度，其实现方法如下：
[0100] S301、根据时间序列量测数据集，对各节点谐波、三相不平衡以及电压偏差的历史量测数据进行归一化处理，将历史量测数据映射至[0,1]区间；
[0101] S302、根据归一化后的时间序列量测数据集，采用灰色关联度分析法分析不同节点的谐波、三相不平衡以及电压偏差的变化趋势关联度；
[0102] S303、根据归一化后的时间序列量测数据集，采用灰色关联度分析法分析不同节点的谐波、三相不平衡以及电压偏差的幅值关联度。
[0103] 本实施例中，对谐波、三相不平衡以及电压偏差的历史量测数据进行归一化处理，采用灰色关联度分析，分别获取各节点谐波、三相不平衡以及电压偏差变化趋势相似度dH1、dI1、dV1。
[0104] 本实施例中，根据谐波、三相不平衡以及电压偏差的历史量测数据，采用灰色关联度分析不同电能质量幅值之间的相似度dH2、dI2、dV2。
[0105] 本实施例中，计算不同节点谐波、三相不平衡以及电压偏差的变化趋势时，需要对量测数据进行归一化处理映射到[0,1]区间，所述归一化的公式如下所示：
[0106]
[0107] 其中，X表示j节点谐波、三相不平衡以及电压偏差时间序列量测数据集，xj(k)与分别表示j节点第k时刻谐波、三相不平衡以及电压偏差量测数据归一化前与归一化后；
[0108] 本实施例中，获取不同节点谐波、三相不平衡以及电压偏差量测数据集X，已经归一化后的数据集Y后就需要采用灰色关联度分析法，分析不同节点幅值相似度与变换趋势相似度。以不同节点谐波幅值数据集X为例，分析不同节点幅值关联度。首先计算节点k与其他节点关联系数，所述关联系数的公式如下所示：
[0109]
[0110] 其中，δk(t)表示第k个比较序列在第t时刻的灰色关联系数，x0(t)表示参考序列，xk(t)表示比较序列，ρ表示分辨系数，通常设置为0.5，minkmint|x0(t)‑xk(t)|表示两极最小差，maxkmaxt|x0(t)‑xk(t)|表示两极最大差；
[0111] 获得灰色关联系数后计算灰色关联度λk，所述灰色关联度λk公式如下所示：
[0112]
[0113] 其中，n表示节点个数；
[0114] 所述关联度矩阵T的公式如下所示：
[0115]
[0116] 其中，λij表示第i个节点与第j个节点的灰色关联度。
[0117] S4、根据各节点的变化趋势关联度、幅值关联度以及电气距离确定各节点之间的综合关联度，整合各节点之间的综合关联度得到综合关联度矩阵；
[0118] 本实施例中，对各相似度指标赋予不同权重，相加获取各节点之间谐波、三相不平衡以及电压偏差的综合相似度指标dH3、dI3、dV3。
[0119] 本实施例中，因为谐波、三相不平衡以及电压偏差三种电能质量都已经分别获取了其幅值关联度矩阵、变化趋势关联度矩阵以及电气矩阵。需要建立综合相似指标来评估各个节点关联度。以谐波为例，其综合关联度的公式如下所示：
[0120]
[0121] 其中，ε表示综合关联度， 表示各节点谐波幅值关联度， 表示各节点谐波h变化趋势关联度，D表示电气距离，b1、b2、b3表示不同权重系数，且b1+b2+b3＝1。对每个节点计算与其他节点综合关联度可得综合关联度矩阵Z。
[0122] 所述综合关联度矩阵如下所示：
[0123]
[0124] 其中，εij表示第i个节点与第j个节点的综合关联度。
[0125] S5、采用谱聚类算法对综合关联度矩阵进行聚类并结合手肘法确定最终区域划分个数，根据最终区域划分个数，实现谐波、三相不平衡以及电压偏差治理的区域划分，其实现方法如下：
[0126] S501、采用谱聚类算法对配电网进行区域划分，根据各节点谐波、三相不平衡以及电压偏差的综合关联度矩阵，计算得到度矩阵，并对度矩阵进行对称归一化得到拉普拉斯矩阵；
[0127] S502、根据拉普拉斯矩阵的特征值和特征向量，选择前k个最小的特征值对应的特征向量，构成特征向量矩阵；
[0128] S503、将特征向量矩阵的每一行作为一个数据点，并在特征空间中利用k均值算法对数据点进行聚类；
[0129] S504、根据聚类结果，利用手肘法确定簇数，分析不同簇数下k均值算法中数值变化，确定k均值算法中数值随着k的增加而急剧下降的拐点位置；
[0130] S505、根据拐点位置，选择拐点位置对应的簇数作为最优簇数，将最优簇数作为最终区域划分个数。
[0131] 本实施例中，采用谱聚类算法，根据不同节点的综合相似度指标dH3、dI3、dV3设置相应阈值，进行谐波、三相不平衡以及电压偏差治理区域划分。
[0132] 本实施例中，综合关联度矩阵Z反应了不同节点之间耦合程度，关联度越高表明两节点关系越紧密，治理其中一个节点对改善其他节点效果更好，且该节点电能质量也更能代表其他节点电能质量指标。因此可利用聚类算法进行分区，选取谱聚类算法进行区域划分，具体如下：
[0133] 首先根据关联度矩阵Z计算度矩阵F，F为对角矩阵，对角矩阵F中对角线元素Fii为所有与节点i相连的节点之间的综合关联度之和，所述对角元素Fii公式如下所示：
[0134]
[0135] 然后对度矩阵进行对称归一化得到拉普拉斯矩阵L，所述拉普拉斯矩阵L如下所示：
[0136] L＝I‑F1/2ZF‑1/2
[0137] 其中，I表示单位矩阵，Z表示综合关联度矩阵；
[0138] 计算拉普拉斯矩阵L的特征值和特征向量，并选择前k个最小的特征值对应的特征向量，构成特征向量矩阵U，然后进行聚类。将特征向量矩阵U的每一行最为一个数据点，在特征空间中使用k均值算法对这些数据点进行聚类。所述k均值的公式如下所示：
[0139]
[0140] 其中，Ui表示特征向量矩阵U的第i行元素，uj表示第j个簇的质心，k表示簇数，n表示特征向量矩阵的行数。其中簇数k可采用手肘法确定。通过分析不同簇数下k均值算法公式中数值变化，确定k均值算法公式中数值随着k的增加而急剧下降的拐点位置，选择拐点位置对应的簇数作为最佳簇数。
[0141] S6、根据区域划分结果，选取任一区域内与所有节点综合关联度之和最大的节点作为区域内主导节点，并在主导节点安装治理设备，完成配电网电能质量治理分区。
[0142] 本实施例中，区域内主导节点为与区域所有节点关联度最高的节点，因此以与区域内其他节点关联度之和最大的节点为主导节点。
[0143] 本实施例中，如图3和图4所示，为验证本发明方法有效性，以图2所示的IEEE33节点配电网进行仿真验证，设置b1＝0.2、b2＝0.3和b3＝0.5并与现有技术进行对比，分区结果分别如表1与表2所示，表1是本发明方法电能质量治理区域划分结果，表2是现有技术电能质量治理区域划分结果。
[0144] 表1
[0145]
[0146]
[0147] 表2
[0148]
[0149] 本实施例中，根据表2与图4可以看出，单纯依据变化趋势进行电能质量区域划分，易受到偶然性影响，两个节点即使实际没有很大关联度，但因为变化趋势相似也会被划分到同一区域。根据表1与图3可以看出，采用本发明的方法，从电气距离、幅值以及变化趋势多维度进行电能质量治理区域划分，可以有效避免上述情况，所划分区域更加合理。
[0150] 本实施例中，如图5、图6以及图7所示，三幅图显示了分别在谐波划分区域3主导节点10安装谐波治理装置，在三相不平衡划分区域3主导节点11安装三相不平衡治理装置以及电压偏差划分区域3主导节点12安装电压偏差治理装置后各节点谐波、三相不平衡以及电压偏差变化。并能看出，区域内主导节点安装治理设备对同区域内节点电能质量改善效果最好，区域外改善效果较弱，与分区结果一致，验证了本发明方法能够有效对不同节点进行区域划分，实现区内强耦合，区外弱耦合。
[0151] 实施例2
[0152] 本发明实施例提供了一种配电网电能质量治理分区装置，如图8所示，所述一种配电网电能质量治理分区装置，其特征在于，包括：
[0153] 获取电气距离模块：用于根据配电网的网络拓扑与参数，利用潮流方程计算得到配电网中各节点无功电压灵敏度与有功电压灵敏度，并根据各节点的无功电压灵敏度和有功电压灵敏度求得各节点之间的电气距离；
[0154] 构建数据集模块：用于利用各节点谐波、三相不平衡以及电压偏差的历史量测数据构建时间序列量测数据集；
[0155] 关联度分析模块：用于利用归一化方法对时间序列量测数据集进行归一化处理，并采用灰色关联度对归一化处理后的时间序列量测数据集进行分析，分别获取各节点的变化趋势关联度和幅值关联度；
[0156] 综合关联度模块：用于根据各节点的变化趋势关联度、幅值关联度以及电气距离确定各节点之间的综合关联度，整合各节点之间的综合关联度得到综合关联度矩阵；
[0157] 谱聚类模块：用于采用谱聚类算法对综合关联度矩阵进行聚类并结合手肘法确定最终区域划分个数，根据最终区域划分个数，实现谐波、三相不平衡以及电压偏差治理的区域划分；
[0158] 选取模块：根据区域划分结果，选取任一区域内与所有节点综合关联度之和最大的节点作为区域内主导节点，并在主导节点安装治理设备，完成配电网电能质量治理分区。
[0159] 所述获取电气距离模块包括：
[0160] 牛顿‑潮流方程子模块：用于根据配电网的网络拓扑与参数，基于牛顿‑潮流方程，计算各节点无功电压灵敏度与有功电压灵敏度；
[0161] 电压灵敏度子模块：用于根据各节点的无功电压灵敏度与有功电压灵敏度，利用灵敏度方程，得到各节点之间的电压灵敏度；
[0162] 电气距离子模块：用于根据各节点之间的电压灵敏度，利用电气距离公式计算得到各节点之间的电气距离。
[0163] 所述关联度分析模块包括：
[0164] 归一化子模块：用于根据时间序列量测数据集，对各节点谐波、三相不平衡以及电压偏差的历史量测数据进行归一化处理，将历史量测数据映射至[0,1]区间；
[0165] 变化趋势关联度子模块：用于根据归一化后的时间序列量测数据集，采用灰色关联度分析法分析不同节点的谐波、三相不平衡以及电压偏差的变化趋势关联度；
[0166] 幅值关联度子模块：用于根据归一化后的时间序列量测数据集，采用灰色关联度分析法分析不同节点的谐波、三相不平衡以及电压偏差的幅值关联度。
[0167] 所述谱聚类模块包括：
[0168] 度矩阵子模块：用于根据各节点谐波、三相不平衡以及电压偏差的综合关联度矩阵，计算得到度矩阵，并对度矩阵进行对称归一化得到拉普拉斯矩阵；
[0169] 特征向量子模块：用于根据拉普拉斯矩阵的特征值和特征向量，选择前k个最小的特征值对应的特征向量，构成特征向量矩阵；
[0170] k均值子模块：用于将特征向量矩阵的每一行作为一个数据点，并在特征空间中利用k均值算法对数据点进行聚类；
[0171] 手肘法子模块：用于根据聚类结果，利用手肘法确定簇数，分析不同簇数下k均值算法中数值变化，确定k均值算法中数值随着k的增加而急剧下降的拐点位置；
[0172] 最优簇数子模块：用于根据拐点位置，选择拐点位置对应的簇数作为最优簇数，将最优簇数作为最终区域划分个数。
[0173] 本实施例中，本申请可以根据配电网电能质量治理分区方法进行模块的划分，例如可以将各个功能划分为各个模块，也可以将两个或两个以上的功能集成在一个模块中。上述模块即可以采用硬件的形式来实现，也可以采用软件的形式来实现。需要说明的是，本发明中对模块的划分是示意性的，仅仅为一种逻辑划分，实际实现时可以有另外的划分方式。
[0174] 本实施例中，配电网电能质量治理分区装置为了实现配电网电能质量治理分区方法的原理与有益效果，其包含了执行各个功能相应的硬件结构和/或软件部分。本领域技术人员应该很容易意识到，结合本发明所公开的实施例描述的各示意模块及方法步骤，本发明能够以硬件和/或硬件和计算机软件结合的形式来实现，某个功能以硬件还是计算机软件驱动的方式来执行，取决于技术方案的特定应用和设计约束条件，可以对每个特定的应用来使用不同的方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
[0175] 本实施例中，一种计算机设备，其特征在于，包括：一个或多个处理器；
[0176] 所述处理器，用于储存一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行时，实现如上所述的配电网电能质量治理分区方法。
[0177] 本实施例中，一种计算机可读储存介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如上所述的配电网电能质量治理分区方法。
