基于熵權法的智能電網管理水平評價指標量化方法

謝瀚陽， 江疆， 彭澤武， 楊秋勇， 蔡雄

(廣東電網有限責任公司， 廣東， 廣州 610106)

0 引言

隨著智能電網管理建設不斷推進，智能電網管理水平評價指標分析是提高電力資源服務能力的重要一環，促進智能電網管理水平的不斷提升，相關的智能電網管理水平評價指標量化分析方法研究受到人們的極大關注[1-4]。

智能電網管理水平評價指標量化分析的方法主要有關聯特征檢測方法、模糊度尋優控制方法和特征空間融合聚類分析方法等。其中，文獻[5]提出了基于關聯指標參數融合聚類的智能電網管理水平評價指標量化方法，通過大數據融合聚類分析，進行智能電網管理水平評價和模糊決策，但該方法進行智能電網管理水平評價的決策性不好，尋優能力不強。文獻[6]提出了基于大容量輸電傳輸控制的智能電網管理水平評價指標量化方法，利用繼電保護控制，進行輸出可靠性設計，提高電網的智慧化管理水平，但該方法進行智能電網管理水平評價指標量化分析的計算可靠性不高。針對上述問題，本文提出了基于熵權法的智能電網管理水平評價指標量化方法，提取智能電網管理水平評價體系的熵權特征量，結合大數據挖掘和智能調度，實現了智能電網管理水平評價指標的量化評價，展示了本文方法在提高智能電網管理水平和量化分析能力方面的優越性能。

1 智能電網管理水平評價的約束參數和特征分析

1.1 智能電網管理水平評價的約束參數

為了實現智能電網管理水平評價指標量化分析，采用多直流饋入方法構建智能電網管理水平評價指標體系與構建約束參數模型。首先，采用零序功率法[7]，得到智能電網管理水平評價的標準量化時間序列為{xn}，智能配電網的空間采樣時間延遲為n、五次諧波時值為t，首次諧波時值為t0，采用配電線路的諧波振蕩抑制的方法，得到折反射行波分布為

xn=h(t0+nΔt)+ωn

(1)

式中，h(·)為智能電網管理水平評價指標量化評價的統計時間序列，ωn為配電網運行的三相工頻電氣量。

智能電網管理水平評價指標定量評價的參考指標，模糊約束重構[8]，初始電壓電流行波分量，得到智能電網管理水平評價指標的關聯維分布矩陣為

L=a1a1+τ…a1+(m-1)τ

a2a2+τ…a2+(m-1)τ

??…?

aN-1aN-1+τ…aN-1+(m-1)τ

(2)

式中，m為工頻電氣變化量，τ為潮流參數。N為智能電網管理水平評價指標數量，a為電壓電流行波分量。通過子空間約束重組的方法，得到智能電網管理水平的量化評價分布序列[9]，在重構的維相空間內，構建智能電網管理水平評價指標量化分析的主成分分量為M，M=U*S*C。通過電壓電流行波分析的方法，得到智能電網管理水平評價指標的層次分析模型，智能電網管理水平評價的標準屬性集為S，多元指標參數為U和C，得到電網管理水平的指標量化線性相關矩陣。利用小波變換模極大值分解的方法，得到特征分布映射，初始電壓電流行波分量，得到相空間中的初始電壓電流行波分布，初始電壓電流行波分量，得到智能電網管理水平評價的標準屬性集為

S=diag(σ1,σ2,…,σk),σ1≥σ2≥…≥σk≥0

(3)

式中，σ為智能電網管理水平評價標準量，k為標準屬性集的元素數量。對任意一個正交矩陣，通過高頻分量衰減約束的方法，得到智能電網管理水平評價指標質量的屬性特征集重構軌跡矩陣S′，結合無功潮流耦合分析方法進行智能電網管理水平參數分析。通過恒功率、恒電流補償進行量化指標參數約束[10]。

1.2 智能電網管理水平評價特征分析

建立智能電網管理的代價約束模型，通過電壓電流變化約束分析的方法[11]，求得維數為N×m的智能電網管理水平評價指標質量量化評價特征數據的相空間重構矩陣。考慮到配電網分支線路的關聯系數J(1)x，J(N)x，通過第m個零模信號進行智能電網管理水平評價指標管理，得到智能電網管理水平評價的潮流參數：

δxi+1=J(1)xi(yi-xi)

(4)

式中，yi表示模糊特征向量。有效地獲得了理想的電壓參數，分析了智能電網管理水平評價的量化特征，得到了電網管理水平評價指標的量化參數，得出了智能電網管理水平評價指標量化參數的相關系數。通過對智能電網管理水平評價指標的定量評價，得到配電網系統運行可靠性參數ωn。根據工頻電壓電流的相位差來評價智能電網的管理水平。結合數據特征挖掘方法，得到了電壓和電流的幅值和相位分布為

A=(1-ω)xi+ωn∑i=1yi

i=1,2,…,n

(5)

利用凱倫貝爾變換進行解耦分析，對于智能電網管理水平評價的系統有功功率點?i∈S，通過電網智能調度[12]，功率方向模塊因子為

βi=Ri1yi+∑k∈SRikQk

(6)

式中，Rik為第k個元素下的電阻，Qk為第k個元素下的電能。在負荷側，通過電流的幅值分布，進行零序電壓特征分析，得到零序電壓：

V=∑i=1vivσ-w

(7)

式中，vi為第i個零模信號下的電壓，vσ為智能電網管理水平評價標準電壓，w為電流幅值，根據智能電網管理水平評價指標特征分析，進行量化分解和信息融合管理[13]。

2 智能電網管理水平評價指標管理優化

2.1 熵權分析

進行智能電網管理水平評價的熵權指標參數分析，提取智能電網管理水平評價體系的熵權特征量，結合大數據挖掘和智能調度[14]，得到智能電網管理水平評價指標量化評價的工頻零序電壓為

Vxn=ωxci-(1+ω)xc-1i+V

i=1,2,…,n

(8)

式中，c表示迭代次數。輸出的智能電網管理水平評價指標量化評價的熵權分布為

E=∑σi=1V2i+∑ni=1Vixn

(9)

基于最大負荷電流檢測方法，得到負荷端的關聯函數C(τ)定義為

C(τ)=E+limA→∞1A∫-AAx(t)x(t+τ)dτ

(10)

式中，d表示t和t+τ時刻智能電網管理水平評價指標量化評價統計數據A變化的關聯度，根據關聯度進行智能電網管理水平評價指標量化評價統計數據的模糊度檢測，得到智能電網管理水平評價指標評價的三階自相關特征：

Bor3=〈(qn+)(qn-g+)(qn-G+)〉〈(qn-)3〉

(11)

式中，qn表示智能電網管理水平評價指標的線性離散時間序列，g表示采樣時延，得到智能電網管理水平評價指標分布的空間時間間隔G=2g，表示均值，〈q(n)〉表示對q(n)取均值：

〈q(n)〉=1N∑Nn=1q(n)

(12)

根據電網中交流節點輪換調度的方法，得到智能電網管理水平評價的熵權特征量為

Y(τ)=E-lnxn(τ)σ

(13)

通過熵權分析智能電網管理水平評價的熵權特征量以及全網條件下的電壓電流變化分布，進行智能電網管理水平評價。

2.2 智能電網管理水平評價量化處理

對智能電網管理水平評價的熵權指標參數進行分析，提取智能電網管理水平評價體系的熵權特征量，結合大數據挖掘和智能調度，實現智能電網管理水平評價指標的量化評價[15]。根據智能電網管理水平評價指標量化評價的電流輸出I進行關聯分析，得到關聯權重系數為

D=(d1,I1),(d2,I2),…,(dn,In)，dn∈[0,1]

(14)

分析網絡節點導納，得到母線電壓幅值，通過熵權調度，得到智能電網管理水平評價指標量化回歸分析結果為

Jα(E)=∑ci=1ωαic(dic)2-V

(15)

式中，α表示智能電網管理水平評價指標量化評價的解耦系數，通過上述分析，實現智能電網管理水平評價指標量化評估。

3 仿真實驗分析

在Five ThirtyEight Datasets(https://github.com/fivethirtyeight/data)中選擇某智能電網的年際數據，以此為實驗樣本進行通過MATLAB仿真實驗驗證本文方法分析效能。其中，智能電網管理水平評價參數采樣的頻率為140 kHz，采樣時間寬度為T=4 ms，逆變側視在功率為120 kW，智能電網的側定電流控制定值為 2 kA，等值阻抗為10 kΩ。

將本文方法(模式1)與文獻[5](模式2)和文獻[6](模式3)兩種模式進行對比，比較直流電流和直流電壓的變化情況，得到智能電網的輸出電流、電壓參數如圖1所示。

(a) 模式1

以圖1的輸入參數為約束指標，建立智能電網管理水平評價指標參數模型，結合無功潮流耦合分析方法進行智能電網管理水平參數分析，得到優化的管理水平評價，輸出結果如圖2所示。

(a) 模式1

分析圖2得知，本文方法進行智能電網管理水平評價指標量化評價，輸出的穩定性較高。

測試輸出可靠性，得到對比結果見表1。

表1 可靠性測試

分析表1得知，本文方法進行智能電網管理水平評價指標量化評價的輸出可靠性較高。

4 總結

本文通過多參數指標融合和特征識別的方法，對智能電網管理水平的評價指標進行量化，提高了智能電網的管理水平。

結合無功潮流耦合分析方法，對智能電網管理水平的參數進行了分析，有效地得到了理想的電壓參數，分析了智能電網管理水平評價的量化特征。

結合大數據挖掘和智能調度，采用karenberg變換進行解耦分析，得到了反映智能電網管理水平的定量評價指標工頻零序電壓。采用熵權分析法對智能電網的管理水平進行評價。分析表明，定量分析智能電網管理水平評價指標的可靠性和穩定性較高。