论文部分内容阅读
[摘 要 ]采用大数据流行治理技术对县域历史潮流数据进行清洗整理，获得潮流数据库，并通过数据挖掘获配电网潮流的相应常数。在给定条件下按配网联络关系模型，利用线性规划技术快速计算得出结果，科学合理地提出最佳安排方案。
[关键词]大数据;潮流数据库;数据挖掘;线性规劃
[中图分类号]TM76 [文献标志码]A [文章编号]2095–6487（2020）08–00–02
Research on Optimal Analysis of Operation Mode of County Distribution Network
Fei Dong-hu ， Shao Jun-yu ， He Li-ming ， Li Cheng ， Peng Wei
[Abstract]The big data epidemic management technology is used to clean， sort out and synthesize the historical power flow data of the county to obtain the power flow database; the corresponding constants affecting the power flow of the distribution network are obtained by data mining technology. Under the given conditions， according to the contact relationship model of distribution network， the results are quickly calculated by using linear programming technology， and the optimal arrangement scheme is given scientifically and reasonably.
[Keywords]Big Data， Power Flow Database， Data Mining， Linear Programming
电力系统作为我国最重要的能源系统之一，始终走在智能化的前列。随着智能电网的不断架设与扩充，电网的拓扑结构和电网线路中的智能化采集设备也不断更新与增加，智能变电站大幅增长[1-2]。电力数据体量大、关联关系复杂、数据形式丰富都是电力大数据的普遍特征，如何治理运用智能供电系统中的大数据成为相关领域的研究热点。Van等针对欧盟的跨国停电事件对欧盟电力基建做出了总结和建议[3]，宋亚奇等使用大数据技术对输变电设备的大数据的存储进行了优化，并与Hadoop技术进行了对比[4]。丁明等从负荷预测、规划设计和运行控制3方面对分布式新能源接入主动配电网产生系列影响进行讨论与分析[5]。
传统的电力能源主要靠煤炭和石油等化石燃料，对环境污染十分严重，随着清洁能源在我国的大力推广与普及，家庭分布式光伏在国内外得到了广泛的认可与应用，架设数量迅猛增加[6-7]。太阳能的高效应用不仅带来了商业经济的机遇与发展，也产生了社会与环境的优良效益，然而由于分布式光伏受环境因素影响严重，对配电网中的重构决策产生了一定的不利影响[8]。许晓艳等通过具体算例验证了其提出的单个和多个光伏接入对配电网电压的影响[9]。王颖等针对高密度分布式屋顶光伏园区配电系统，根据环境因素的变化计算在满足电压限制条件下最大光伏接入容量，并提出高密度光伏接入系统引起电压越限的措施和方案[10]。许寅等在考虑光伏出力不确定性的情况下，提出一种以最小化购电费用和电压偏移期望为目标的园区配电网日前运行机会约束规划模型[11]。
本文对配电线路相关数据的收集、清洗和整理，归并形成电网运行数据库库，结合历史、实时潮流数据分析各线路在不同因素变化时潮流受影响程度，并因此形成相应的特征库。在获得相对准确的电网运行数据库库后，通过大数据手段对历史数据解析各类复杂因素、敏感度以及相关性和主成分，探寻预测未来特定时间的线路潮流情况，为运行方式的安排提供可靠依据，采用线性规划技术获得最佳安排方案。处理流程如图1所示。
1 数据来源
原始数据主要有自动化系统中各主变、配电线路的历史、基于实时测量的潮流数据、限额等;配电线路的联络关系，公、专变用户及容量，改扩容记录;新能源发电类型及容量，历年天气及天气预报数据等。基于实时测量的潮流数据以及限额通过与OPEN3000SVG-WEB的数据接口获取（主要是为了满足工作人员的方便，可以让工作人员通过浏览器的方式实时查看报警阈值，并且该接口支持各个主流平台），确保数据的实时性，线路联络关系通过运方专职提供的信息导入，并按最新变化实时更新，线路公专变用户及容量、新能源发电、天气数据等都由其他系统手工导入。对相关数据进行脱敏处理，在确保敏感隐私数据安全的前提下开展研究。另外为了防范信息泄漏和篡改，实时建立全方位的安全机制，确保数据的安全性。
2 数据整理
数据整理是对调查、观察、实验等研究活动中所搜集到的资料进行检验、归类编码和数字编码的过程，它是数据统计分析的基础。数据整理是根据统计研究的任务和要求，对统计调查搜集到的大量原始资料进行审核、分组、汇总，使之条理化、系统化，得出能够反映总体综合特征的统计资料的工作过程，对已经整理过的资料（包括历史资料）进行再加工也属于统计整理。
将各来源原始数据首先做镜像备份处理，然后根据相关研究进行预处理、对缺失值等进行数据清理，并对噪声数据进行聚类，对以上海量数据进行处理并结合历史潮流数据分析形成各线路的典型特征库，为配网方式优化分析提供依据，如图2所示。 3 配网运行的优化理论与求解
传统配电网的运行优化问题主要涉及发电机机端电压的调整、变压器分接头的调节和电容器容量的配置。在接入分布式电源和储能装置之后，配电网的优化问题还将包括对分布式电源和储能装置的控制。配电网运行优化问题的目标函数主要有最小化系統的有功功率损耗，减少设备的运行成本等。优化变量包括连续型变量即分布式电源和储能装置的有功无功等，离散型变量即变压器的分接头和电容器的投切组数，接入设备的位置和容量等。针对配电网的优化问题，目前主要的求解方法有传统的数学优化方法和人工智能方法。传统的数学优化方法主要包括线性/非线性规划法、动态规划法等，而人工智能方法主要包括遗传算法、模拟退火法和粒子群优化算法等。传统的优化算法从全局考虑整个优化问题，原理严格，计算时间较短。但是对目标函数和优化变量的初值要求较高。人工智能算法对目标函数和初值的要求不高，并且能够求解高维度的优化问题，其缺点是容易陷入局部最优，计算时间较长。
根据自动化系统中各主变、配电线路的历史、实时潮流数据、限额等，结合配电线路的联络关系，公、专变用户及容量，改扩容记录，新能源发电类型及容量，历年天气数据等，从中发现模型的关键因素，初步对配电变压器输出线路统一编号，第i个输出线路的容量Ui，调整当日受到影响的变压器输出线路为F={l1，l2，…，lk}，FJ={j|bij=1，i∈F}。被编入同一个线路的公、专变用户群统一编号，第j个用户群负荷Vj，线路与用户群之间可联络的0-1矩阵A=（aij），aij表示用户群j有线路可以连接到线路i;当前线路与用户群之间联络的0-1矩阵B=（bij），bij表示当前用户群j正连接到线路i;用户群j的用户的第i种新能源发电量为Pij，调整当日第i种新能源发电指数αi。假设xij表示用户群j是否接到线路i。通过数学建模可以建立一个具有上千变量的配网运行0-1线性规划模型，
利用当前主流的线性规划求解工具CPLEX计算配网运行安排结果，然后科学合理地给出最佳安排方案。得到解集为（1，0，…，1）等形式，其中0表示该线路不能翻转（即只能等待线路维修好了后供电），1表示可以可以翻转，即基本不受到检修或者维修带来的停电影响。具体的翻转方案将根据翻转矩阵获得。如果遇见非线性规划问题，将利用非线性规划处理技术转换为线性规划问题，并利用当前主流的线性规划求解工具CPLEX或者开发针对该问题的算法快速计算配网运行安排结果，然后科学合理的给出最佳安排方案。
4 结束语
通过对县域历史潮流数据清洗、整理、综合，采用大数据流行治理技术，形成各线路潮流在各类因素影响下的典型特征库;通过数据挖掘技术挖掘上述特征库，获得影响配电网潮流的主要因素以及它们之间的相关性和依赖度，从而获得配电网相关的常数。在给定条件下按配网联络关系模型，通过线性规划技术快速计算得出结果，科学合理地给出最佳方式安排方案。
参考文献
[1] 李孟超，王允平，李献伟，等. 智能变电站及技术特点分析[J]. 电力系统保护与控制，2010 （18）： 59-62.
[2] 杨志宏，周斌，张海滨，等.智能变电站自动化系统新方案的探讨[J]. 电力系统自动化，2016，40（14）： 1-7.
[3] Van der Vleuten E，Lagendijk V. Interpreting transnational infrastructure vulnerability： European blackout and the historical dynamics of transnational electricity governance[J]. Energy Policy，2010，38（4）： 2053-2062.
[4] 宋亚奇，周国亮，朱永利，等.云平台下输变电设备状态监测大数据存储优化与并行处理[J].中国电机工程学报，2015，35（2）：255-267.
[5] 丁明，石雪梅.新能源接入对主动配电网的影响[J].电力建设，2015，36（1）：76-84.
[6] 胡学浩.智能电网--未来电网的发展态势[J].电网技术，2009，33（14）：1-5.
[7] 王成山，李鹏.分布式发电、微网与智能配电网的发展与挑战[J].电力系统自动化，2010，34（2）：10-14，23.
[8] 陈炜，艾欣，吴涛，等.光伏并网发电系统对电网的影响研究综述[J].电力自动化设备，2013，33（2）：26-32，39.
[9] 许晓艳，黄越辉，刘纯，等.分布式光伏发电对配电网电压的影响及电压越限的解决方案[J].电网技术，2010，34（10）：140-146.
[10] 王颖，文福拴，赵波，等.高密度分布式光伏接入下电压越限问题的分析与对策[J].中国电机工程学报，2016，36（5）：1200-1206.
[11] 许寅，李佳旭，王颖，等.考虑光伏出力不确定性的园区配电网日前运行计划[J].电力自动化设备，2020，40（5）：85-94，106.
[关键词]大数据;潮流数据库;数据挖掘;线性规劃
[中图分类号]TM76 [文献标志码]A [文章编号]2095–6487（2020）08–00–02
Research on Optimal Analysis of Operation Mode of County Distribution Network
Fei Dong-hu ， Shao Jun-yu ， He Li-ming ， Li Cheng ， Peng Wei
[Abstract]The big data epidemic management technology is used to clean， sort out and synthesize the historical power flow data of the county to obtain the power flow database; the corresponding constants affecting the power flow of the distribution network are obtained by data mining technology. Under the given conditions， according to the contact relationship model of distribution network， the results are quickly calculated by using linear programming technology， and the optimal arrangement scheme is given scientifically and reasonably.
[Keywords]Big Data， Power Flow Database， Data Mining， Linear Programming
电力系统作为我国最重要的能源系统之一，始终走在智能化的前列。随着智能电网的不断架设与扩充，电网的拓扑结构和电网线路中的智能化采集设备也不断更新与增加，智能变电站大幅增长[1-2]。电力数据体量大、关联关系复杂、数据形式丰富都是电力大数据的普遍特征，如何治理运用智能供电系统中的大数据成为相关领域的研究热点。Van等针对欧盟的跨国停电事件对欧盟电力基建做出了总结和建议[3]，宋亚奇等使用大数据技术对输变电设备的大数据的存储进行了优化，并与Hadoop技术进行了对比[4]。丁明等从负荷预测、规划设计和运行控制3方面对分布式新能源接入主动配电网产生系列影响进行讨论与分析[5]。
传统的电力能源主要靠煤炭和石油等化石燃料，对环境污染十分严重，随着清洁能源在我国的大力推广与普及，家庭分布式光伏在国内外得到了广泛的认可与应用，架设数量迅猛增加[6-7]。太阳能的高效应用不仅带来了商业经济的机遇与发展，也产生了社会与环境的优良效益，然而由于分布式光伏受环境因素影响严重，对配电网中的重构决策产生了一定的不利影响[8]。许晓艳等通过具体算例验证了其提出的单个和多个光伏接入对配电网电压的影响[9]。王颖等针对高密度分布式屋顶光伏园区配电系统，根据环境因素的变化计算在满足电压限制条件下最大光伏接入容量，并提出高密度光伏接入系统引起电压越限的措施和方案[10]。许寅等在考虑光伏出力不确定性的情况下，提出一种以最小化购电费用和电压偏移期望为目标的园区配电网日前运行机会约束规划模型[11]。
本文对配电线路相关数据的收集、清洗和整理，归并形成电网运行数据库库，结合历史、实时潮流数据分析各线路在不同因素变化时潮流受影响程度，并因此形成相应的特征库。在获得相对准确的电网运行数据库库后，通过大数据手段对历史数据解析各类复杂因素、敏感度以及相关性和主成分，探寻预测未来特定时间的线路潮流情况，为运行方式的安排提供可靠依据，采用线性规划技术获得最佳安排方案。处理流程如图1所示。
1 数据来源
原始数据主要有自动化系统中各主变、配电线路的历史、基于实时测量的潮流数据、限额等;配电线路的联络关系，公、专变用户及容量，改扩容记录;新能源发电类型及容量，历年天气及天气预报数据等。基于实时测量的潮流数据以及限额通过与OPEN3000SVG-WEB的数据接口获取（主要是为了满足工作人员的方便，可以让工作人员通过浏览器的方式实时查看报警阈值，并且该接口支持各个主流平台），确保数据的实时性，线路联络关系通过运方专职提供的信息导入，并按最新变化实时更新，线路公专变用户及容量、新能源发电、天气数据等都由其他系统手工导入。对相关数据进行脱敏处理，在确保敏感隐私数据安全的前提下开展研究。另外为了防范信息泄漏和篡改，实时建立全方位的安全机制，确保数据的安全性。
2 数据整理
数据整理是对调查、观察、实验等研究活动中所搜集到的资料进行检验、归类编码和数字编码的过程，它是数据统计分析的基础。数据整理是根据统计研究的任务和要求，对统计调查搜集到的大量原始资料进行审核、分组、汇总，使之条理化、系统化，得出能够反映总体综合特征的统计资料的工作过程，对已经整理过的资料（包括历史资料）进行再加工也属于统计整理。
将各来源原始数据首先做镜像备份处理，然后根据相关研究进行预处理、对缺失值等进行数据清理，并对噪声数据进行聚类，对以上海量数据进行处理并结合历史潮流数据分析形成各线路的典型特征库，为配网方式优化分析提供依据，如图2所示。 3 配网运行的优化理论与求解
传统配电网的运行优化问题主要涉及发电机机端电压的调整、变压器分接头的调节和电容器容量的配置。在接入分布式电源和储能装置之后，配电网的优化问题还将包括对分布式电源和储能装置的控制。配电网运行优化问题的目标函数主要有最小化系統的有功功率损耗，减少设备的运行成本等。优化变量包括连续型变量即分布式电源和储能装置的有功无功等，离散型变量即变压器的分接头和电容器的投切组数，接入设备的位置和容量等。针对配电网的优化问题，目前主要的求解方法有传统的数学优化方法和人工智能方法。传统的数学优化方法主要包括线性/非线性规划法、动态规划法等，而人工智能方法主要包括遗传算法、模拟退火法和粒子群优化算法等。传统的优化算法从全局考虑整个优化问题，原理严格，计算时间较短。但是对目标函数和优化变量的初值要求较高。人工智能算法对目标函数和初值的要求不高，并且能够求解高维度的优化问题，其缺点是容易陷入局部最优，计算时间较长。
根据自动化系统中各主变、配电线路的历史、实时潮流数据、限额等，结合配电线路的联络关系，公、专变用户及容量，改扩容记录，新能源发电类型及容量，历年天气数据等，从中发现模型的关键因素，初步对配电变压器输出线路统一编号，第i个输出线路的容量Ui，调整当日受到影响的变压器输出线路为F={l1，l2，…，lk}，FJ={j|bij=1，i∈F}。被编入同一个线路的公、专变用户群统一编号，第j个用户群负荷Vj，线路与用户群之间可联络的0-1矩阵A=（aij），aij表示用户群j有线路可以连接到线路i;当前线路与用户群之间联络的0-1矩阵B=（bij），bij表示当前用户群j正连接到线路i;用户群j的用户的第i种新能源发电量为Pij，调整当日第i种新能源发电指数αi。假设xij表示用户群j是否接到线路i。通过数学建模可以建立一个具有上千变量的配网运行0-1线性规划模型，
利用当前主流的线性规划求解工具CPLEX计算配网运行安排结果，然后科学合理地给出最佳安排方案。得到解集为（1，0，…，1）等形式，其中0表示该线路不能翻转（即只能等待线路维修好了后供电），1表示可以可以翻转，即基本不受到检修或者维修带来的停电影响。具体的翻转方案将根据翻转矩阵获得。如果遇见非线性规划问题，将利用非线性规划处理技术转换为线性规划问题，并利用当前主流的线性规划求解工具CPLEX或者开发针对该问题的算法快速计算配网运行安排结果，然后科学合理的给出最佳安排方案。
4 结束语
通过对县域历史潮流数据清洗、整理、综合，采用大数据流行治理技术，形成各线路潮流在各类因素影响下的典型特征库;通过数据挖掘技术挖掘上述特征库，获得影响配电网潮流的主要因素以及它们之间的相关性和依赖度，从而获得配电网相关的常数。在给定条件下按配网联络关系模型，通过线性规划技术快速计算得出结果，科学合理地给出最佳方式安排方案。
参考文献
[1] 李孟超，王允平，李献伟，等. 智能变电站及技术特点分析[J]. 电力系统保护与控制，2010 （18）： 59-62.
[2] 杨志宏，周斌，张海滨，等.智能变电站自动化系统新方案的探讨[J]. 电力系统自动化，2016，40（14）： 1-7.
[3] Van der Vleuten E，Lagendijk V. Interpreting transnational infrastructure vulnerability： European blackout and the historical dynamics of transnational electricity governance[J]. Energy Policy，2010，38（4）： 2053-2062.
[4] 宋亚奇，周国亮，朱永利，等.云平台下输变电设备状态监测大数据存储优化与并行处理[J].中国电机工程学报，2015，35（2）：255-267.
[5] 丁明，石雪梅.新能源接入对主动配电网的影响[J].电力建设，2015，36（1）：76-84.
[6] 胡学浩.智能电网--未来电网的发展态势[J].电网技术，2009，33（14）：1-5.
[7] 王成山，李鹏.分布式发电、微网与智能配电网的发展与挑战[J].电力系统自动化，2010，34（2）：10-14，23.
[8] 陈炜，艾欣，吴涛，等.光伏并网发电系统对电网的影响研究综述[J].电力自动化设备，2013，33（2）：26-32，39.
[9] 许晓艳，黄越辉，刘纯，等.分布式光伏发电对配电网电压的影响及电压越限的解决方案[J].电网技术，2010，34（10）：140-146.
[10] 王颖，文福拴，赵波，等.高密度分布式光伏接入下电压越限问题的分析与对策[J].中国电机工程学报，2016，36（5）：1200-1206.
[11] 许寅，李佳旭，王颖，等.考虑光伏出力不确定性的园区配电网日前运行计划[J].电力自动化设备，2020，40（5）：85-94，106.