基于自適應FCM算法的智能母線負荷聚類特性研究

吳茵，岳菁鵬，羅欣，楊小衛

(1.廣西電網公司，廣西南寧530023;2.北京清軟創新科技有限公司，北京100085)

基于自適應FCM算法的智能母線負荷聚類特性研究

吳茵1，岳菁鵬2，羅欣2，楊小衛1

(1.廣西電網公司，廣西南寧530023;2.北京清軟創新科技有限公司，北京100085)

隨著新一輪的科技革新和電力體制改革的不斷深入，電力調度的智能化和工作精細化的要求不斷提高。以母線負荷數據的有效信息提取和應用為主線，結合廣西省母線負荷數據，基于自適應FCM算法對區域電網母線建立聚類C模型，從而針對不同母線的負荷特征進行分析，為精確的負荷預測提供了一種新思路和算法參考。

自適應FCM算法;母線聚類;負荷預測

0 引言

廣西電網地處“西電東送”主要通道的中部位置，是南方電網的重要組成部分。廣西電網供電面積達到23.67萬平方公里，供電服務人口5 200多萬人，供電客戶數960多萬戶。廣西省母線數量龐大，覆蓋面廣，母線種類錯綜復雜;對于其特性也較難把握，導致母線負荷預測難度較大，而精確的母線負荷預測可以提高電網智能化調度水平，所以做好負荷分類與特性分析工作是提高負荷預測的根本和前提條件。

目前母線負荷預測主要有兩大類方法:一類是基于母線負荷自身變化規律的預測方法。這類方法全網負荷的分析相似，根據母線負荷自身的變化規律，用全網預測的某些方法進行負荷預測;但由于母線符合的波動性和不穩定性，用此種方法預測可能會產生較大誤差。另一類是基于系統負荷分配的預測方法，該方法首先取得全網某一時刻的預測值，然后按照一定的比例因子將其分配到每一條母線上。此方法便捷易用，但缺少獨立的母線負荷規律性分析和預測手段［1－2］。

電網中母線數目眾多，各個母線負荷具有不規律波動性和變化模式復雜性等特點，提高母線預測精度的途徑之一是通過對不同的母線特征進行分析，研究自適應策略。利用自適應FCM算法找到科學合理的母線聚類數C，將區域電網母線進行分類，進而對不同的母線負荷特征進行分析，為進一步精確快速的母線負荷預測提供了有效算法。

1 母線負荷模型與數據

母線負荷建模即構建母線負荷對象，基本模型一般為樹狀結構，可以描述為分區、廠區、母線負荷的層級關系，其定義依據源自EMS電網模型。母線負荷模型可以通過電網模型中的負荷組定義、主變壓器端點定義或者線路端點定義進行創建［5］。如圖1采用的母線負荷分層樹狀結構中，第一層為系統負荷，第二層為區域負荷，第三層為變電站負荷，第四層為母線負荷。

母線負荷在數據統計上可以關聯到電力元件測量值，采用狀態估計或SCADA數據作為數據源，通常情況下針對日96點(每15 min一點)的有功和無功負荷進行統計和預測。其中單母線負荷在時段的相對誤差為

圖1 母線負荷分層樹狀結構圖

平均日母線負荷預測準確率為

2 自適應FCM算法思想及關鍵技術

2.1 自適應FCM算法

FCM算法是基于聚類的劃分算法，其思想是認為同一類的分析對象相似度最大，不同類之間相似度最小。用普通FCM算法可以對數據集合進行有效聚類，但聚類數需事先人為給出，聚類的“好壞”需進行有效驗證。

將FCM算法和自適應方法進行結合，在數據劃分上采用柔性模糊劃分，數據分類時盡可能將類間距離增大，而同類的數據點距離減小，下面給出自適應FCM算法的具體函數。

總體樣本的中心量為

聚類數C的自適應函數為

式中，L(C)的分子表示類與類之間的距離，分母表示類內數據點與該類中心之間的距離，因此L(C)的值越大，說明分類越合理，對應L(C)值最大的C為最佳值。

2.2 自適應FCM算法步驟及實現

2.2.1 自適應FCM算法的具體步驟

首先初始化:給出迭代標準ε＞0，聚類數C= 2，聚類數1的自適應函數L(1)=0，初始分類矩陣V(0)，K=0。

1)用式(3)計算U(K)

2)用式(4)計算V(K+1)

3)用一個矩陣范數‖·‖比較V(K+1)與V (K)，若‖V(K+1)－V(K)‖≤ε，則停止迭代，否則，置k=k+1，轉向步驟1)。

4)計算L(C)，在c＞2并且c＜2的情況下，若L(C－1)＞L(C－2)并且L(C－1)＞L(C)，則聚類過程結束，否則，置c=c+1，轉向步驟1)。

FCM算法基于局部尋找點最小，故只需要在局部數據比較L(C)。

2.2.2 系統實現

系統根據離線的歷史負荷數據來獨立操作來完成自適應網絡訓練。自適應系統應具備按照外部環境的變化進行調整和自身不斷學習的能力。通過循環訓練過程以找到一套合理的預測參數和聚類數C，將負荷進行分類后進行預測，其效果明顯優于固定參數估計的方法。

自適應FCM預測技術是采用反饋型的預測思路，把得到合理的預測參數作為自適應過程得到的模型參數，用于未來時間的母線負荷預測，這個過程構成了預測行為的閉環和反饋。

主要實現過程如圖2。

由于母線節點數量多，預測參數及模型組合復雜等原因，基于自適應機制實現的母線負荷預測計算量和實現難度較大，其中自適應預測天數、母線的數量、母線的梳理預測模型庫中模型的數量、參數優化組合、各模型參數的數量等因素決定了預測計算量的大小，并且隨著預測節點的增加自適應訓練的計算量也會成倍增長。因此只有借助計算機軟件平臺才能完成如此大的計算量，且應在負荷較輕的時間段完成訓練。

3 應用算例分析

選取廣西省某區域電網120條220 kV母線的96點負荷為觀測樣本，利用Matlab進行FCM聚類分析。目標函數在循環68次后收斂，選擇的聚類數C為2類，圖3列出了兩種類型的負荷聚類曲線。

圖2 系統實現流程

圖3 220 kV母線96點負荷聚類圖

表1將兩種類型進行了統計，具體統計如下。

表1 母線分類情況統計表

由表1可知，本區域母線負荷大多為類型1，為88條，占總母線數量比為73.3%，類型2有32條，占總量的26.7%。

由表1還可知，類型1的平均日負荷率達到0.6，負荷曲線在0到30點為較低值，在65到85點為較最高，同時平均峰谷差為0.8，可以判斷類型1受時間的影響較大，應以民用電為主。類型2的平均日負荷率為0.42，且平均日峰谷差率為0.35，可以判斷應以連續生產或三班倒的企業為主，受時間的影響較小。在電網運行中的一項基本原則是，盡量提高負荷率、降低峰谷差。根據聚類后母線負荷特性的分析結果，可以對突變較大的負荷采取有效方法來應對峰谷差，進行“削峰平谷”，使供電企業有較好的經濟性能及有利于電網的穩定安全運行。

基于以上結果，對同一或相似區域電網母線或進行負荷預測時，可將此區域電網負荷與已經聚類好母線進行對比，由于不同類型母線影響其負荷的因素不同，在對母線特征進行綜合分析后，選擇成熟的有針對性的方法進行預測，也可以有效提高母線負荷預測速度和準度。

4 結論

針對廣西省某一區域電網母線數量多、不規律波動及模式多樣性的特點，通過自適應FCM算法對母線進行聚類，根據聚類的結果對日負荷率和峰谷差率進行分析。根據實例仿真，算法可以完成對該區域母線負荷較科學的分類，在下一步進行預測中根據不同的母線類型分別進行負荷預測，提高了預測速度和精度。對廣西地區母線負荷類型具有針對性的掌控，同時也為進一步建設“無人值守”的預測機制和智能化母線負荷預測平臺提供了參考。

［1］康重慶，夏清，劉梅.電力系統負荷預測［M］.北京:中國電力出版社，2007.

［2］Espinoza M，Joye C，Belmans R，et al.Short－term Load Forecasting Profile Identification and Customer Segmentation:A Methodology Based on Periodic Time Series［J］.IEEE Trans on Power Systems，2005，20(3):1622－1630.

［3］廖峰.220 kV母線負荷特性縫隙及其預測的研究［D］.長沙:湖南大學，2012.

［4］李光珍.電網短期母線負荷數據預處理及預測模型研究［D］.保定:華北電力大學，2009.

［5］趙燃，康重慶，劉梅，等.面向節能發電調度的母線負荷預測平臺［J］.中國電力，2009，42(6):32－36.

［6］牛東曉，曹樹華，盧建昌，等.電力負荷預測技術及其應用(第二版)［M］.北京:中國電力出版社，2009.

［7］陳小平.母線負荷預測的實用算法［J］.四川電力技術，2012，35(1):66－68.

［8］高峰，康重慶，程旭.短期負荷預測相關因素的自適應訓練［J］.電力系統自動化，2002，26(18):6－10.

吳茵(1979)，碩士，高級工程師，主要從事電網運行方式策劃管理工作;

楊小衛(1982)，碩士，高級工程師，主要從事電網調度運行管理工作;

岳菁鵬(1985)，碩士，助理工程師，主要研究電網負荷預測、分布式發電等;

羅欣(1983)，碩士，工程師，主要研究電力市場分析、電網負荷預測等。

表1 瀑布溝電站計劃電量完成率

CPS1指標體現了控制區域對互聯電網頻率質量貢獻的大小，該策略執行前后相鄰年份某同一月份的CPS1日平均值比對情況如圖5所示。從圖中CPS1曲線可以看出，啟用新策略后四川電網CPS1考核指標亦有所改善。

圖5 CPS1日平均值曲線對比

4 結語

AGC應用作為電網實時控制的重要環節，承擔著安全穩定運行、頻率穩定和聯絡線、電量考核的重要職責。從機組有功控制模式著手，探索實時發電計劃與AGC閉環控制策略，并闡述了AGC控制模式切換方案及多工況下模式切換策略，通過備用在不同控制模式機組間相互轉移，促進不同控制模式機組調節備用的合理分布，降低了機組整體調節成本。

參考文獻

［1］張伯明，吳文傳，鄭太一，等.消納大規模風電的多時間尺度協調的有功調度系統設計［J］.電力系統自動化，2011，35(1):1－6.

［2］周劼英，張伯明，尚金成，等.河南電網實時調度系統若干功能與算法［J］.電力系統自動化，2006，30 (2):99－104.

［3］滕賢亮，高宗和，張小白，等.有功調度超前控制和在線水火電協調控制策略［J］.電力系統自動化，2008，32(22):16－20.

［4］李予州，張伯明，吳文傳，等.在線有功調度協調控制系統的研究與開發［J］.電力自動化設備，2008，28 (5):12－16.

［5］徐帆，丁恰，謝麗榮，等.實時發電計劃閉環控制模型與應用［J］.電網技術，2014，38(11):3187－3192.

［6］鄧勇，朱澤磊，黃文英，等.日內及實時發電計劃的遞進協調方法［J］.電力系統自動化，2015，39(1):141－146.

作者簡介:

周劍(1972)，碩士，高級工程師，研究方向為智能電網調度控制;

于昌海(1987)，碩士，工程師，研究方向為電網調度自動化、新能源協調控制;

吳繼平(1984)，碩士，工程師，研究方向為智能電網調度自動;

滕賢亮(1978)，碩士，高級工程師，研究方向為電網調度自動化、新能源運行控制。

(收稿日期:2015－08－10)

With a new round of technological innovation and the deepening of power system reform，the requirements for intelligent and refined power dispatching continue to increase.Taking the effective information extraction and application of bus load data as the main line and combined with the bus load data of Guangxi province，the C model of regional power grid is established based on adaptive FCM algorithm，and then the load characteristics of different buses are analyzed.It provides a new idea and algorithm reference for the accurate load forecasting.

adaptive FCM algorithm;bus clustering;load forecasting

TM76

A

1003－6954(2015)06－0068－04

2015－07－06)