一种非侵入式变电站馈线负荷识别分解方法与流程

本发明涉及电力系统供电规划技术领域，特别涉及一种非侵入式变电站馈线负荷识别分解方法。

背景技术：

变电站作为电力变换传输的枢纽，既是辖管分散负荷的供电中心，亦是区域用能特征的反映节点，其馈线负荷类别信息的感知与获取对电网规划建设和区域用能分析的至关重要。在城市配电网中，变电站、馈线、用户三者之间为层近关系，变电站是上层，通过中层馈线覆盖辖区内所有的下层用户。目前，电网数据采集监控系统可提供变电站10千伏及以上电压等级终端馈线的实时综合负荷信息。为进一步明晰变电站10千伏馈线的负荷类别及占比，电力公司已着手建设负荷控制管理、用电信息采集等客户系统，用以收集变电站10千伏馈线下级客户的用电信息。若能通过分析电网数据采集与监控系统中变电站10千伏馈线负荷信息，完成馈线负荷类别的总体识别划分，即非侵入式的馈线负荷识别，则将有效降低电力公司在客户系统建设层面的投资。

非侵入式负荷监测(non-intrusiveloadmonitoring，nilm)于20世纪80年代由hart提出，其实质是将用户的总负荷信息分解为各用电设备的能耗信息。与侵入式负荷监测相比，nilm具有用户接受程度高、实用性强、用户少等特点。现阶段，nilm在变电站馈线层面的研究应用仍属空白。

技术实现要素：

本发明的目的是提供非侵入式变电站馈线负荷识别分解方法，能够根据采集的馈线日负荷信息，自动化识别该馈线所覆盖用户及用户的行业。实现对馈线负荷类型的总体识别划分，即非侵入式的识别馈线负荷。

为了达到上述目的，本发明提供一种非侵入式变电站馈线负荷识别分解方法，变电站通过若干馈线覆盖若干用户，所述若干馈线包含若干专供型馈线和若干综合型馈线，所述方法包含步骤：

s1、采集若干变电站下所述馈线的日负荷信息，生成对应的馈线日负荷特征向量；根据所述馈线日负荷特征向量，建立馈线有效日负荷数据库；

s2、从所述馈线有效日负荷数据库中选取所有专供型馈线的馈线日负荷特征向量，建立专供型馈线有效日负荷数据库；

s3、对所述专供型馈线有效日负荷数据库进行迭代聚类；

s4、根据聚类结果建立适用于城市配电网的行业划分规则，不同的聚类对应不同的行业；

s5、根据步骤s3的聚类结果建立行业典型日负荷特征向量库；基于所述行业典型日负荷特征向量库，非侵入式识别变电站馈线负荷类型。

优选的，所述步骤s1包含：

s11、采集馈线日负荷信息pi,j^(d)，其中pi,j^(d)为第i变电站下第j条馈线在第d次采集的负荷功率值；i∈[1,m]，m为采集的变电站总数；j∈[1,n]，n为任一变电站下采集的馈线总数；d∈[1,n]，d为每日采集的总次数；根据pi,j^(d)生成对应的馈线日负荷曲线li,j；

s12、令其中，表示馈线日负荷曲线li,j在第d次采集的变化率；若超过预设阈值，视li,j、pi,j无效，其中d∈[1,n]；否则，进入s13；

s13、若采集日的温差未超过设定的阈值，进入s14；否则，校正馈线日负荷信息pi,j^(d)；

令

为pi,j^(d)的校正值，ti,j^(d)为馈线日负荷曲线li,j在第d次采集的环境温度，和为设定的第d次采集时的基准负荷功率和基准环境温度，tbt为设定的日基准环境温度；用更新pi,j^(d)；

s14、令对pi,j进行归一化处理，生成对应的馈线日负荷特征向量其中pi,j^(d)为pi,j的第d次个特征值；将pi,j计入所述馈线有效日负荷数据库。

所述步骤s2具体是指：若第i变电站下第j条馈线为专供型馈线，则将馈线日负荷特征向量计入专供型馈线有效日负荷数据库。

优选的，所述步骤s3具体包含：

s31、从所述专供型馈线有效日负荷数据库中任意选取k个馈线日负荷特征向量，作为k个初始的聚类中心；

s32、通过k-means算法对所述专供型馈线有效日负荷数据库中的所有馈线日负荷特征向量进行迭代聚类，将误差平方和函数(sumofthesquarederror,sse)作为聚类的最小化目标函数，生成k个新的聚类中心；将专供型馈线有效日负荷数据库中的馈线日负荷特征向量与其最近的聚类中心归为一个聚类；

s33、若迭代次数达到设定的第一阈值，或者满足设定的终止条件，停止迭代；否则重复s32、s33。

优选的，所述步骤s33中所述终止条件具体包含：

被重新分配给新的聚类中心的馈线日负荷特征向量数量少于设定的第二阈值，更新的聚类中心数目少于设定的第三阈值，所述最小化目标函数的值小于设定的第四阈值中的任意一个或多个。

优选的，所述步骤s4中具体包含：

s41、获取k个聚类中第k个聚类的馈线日负荷特征向量，获取该馈线日负荷特征向量对应专供型馈线的用户及该用户所属行业；其中k∈[1,k]；

s42、将步骤s41中所述用户计入第k类馈线负荷用户，和/或将所述用户所属行业计入第k类馈线负荷行业，建立适用于城市配电网的行业划分规则。

优选的，所述步骤s5中具体包含：

s51、将k个聚类中心的第k个聚类中心所对应的馈线日负荷特征向量pk＝[pk^(d)]d∈[1,n]作为与第k类馈线负荷行业、第k类馈线负荷用户对应的典型日负荷特征向量；其中k∈[1,k]；pk^(d)为pk的第d个特征值；

s52、将pk计入所述行业典型日负荷特征向量库；其中k∈[1,k]；

s53、采集变电站下专供型馈线q的日负荷信息，并生成对应的馈线日负荷特征向量q＝[q^(d)]d∈[1,n]；q^(d)为对该专供型馈线q第d次采集的负荷功率值归一化处理的结果；

s54、若pl满足则将所述专供型馈线q对应的用户计入第l类馈线负荷用户，和/或将该用户所属行业计入第l类馈线负荷行业，其中l∈[1,k]。

优选的，所述步骤s5中还包含：

s55、采集变电站下综合型馈线z的日负荷信息，并生成对应的馈线日负荷特征向量z＝[z^(d)]d∈[1,n]；z^(d)为对该综合型馈线第d次采集的负荷功率值进行归一化处理的结果；

s56、若pg和ph满足：

其中g、h∈[1,k]，g≠h；分别为典型日负荷特征向量pg、ph、pi、pj的第d个特征值；ai、aj、ag、ah∈(0,1)，均为设定的特征向量系数；则说明综合型馈线z对应的用户包含第g类、第h类馈线负荷用户，和/或说明综合型馈线z的用户所属行业包含第g类、第h类馈线负荷行业。

与现有技术相比，本发明的有益效果在于：能够根据采集的馈线日负荷信息，自动化识别该馈线所覆盖用户及用户的行业。实现对馈线负荷类型的总体识别划分。变电站能够依据本发明的识别结果，自动化调整对不同馈线输送的电能，能够有效的配置能源。

附图说明

为了更清楚地说明本发明技术方案，下面将对描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一个实施例，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为本发明的非侵入式变电站馈线负荷识别分解方法流程图；

图2为本发明的一个实施例中，基于k-means算法聚类得到的五个聚类中心对应的专供型馈线经归一化后的馈线日负荷曲线示意图；

图3为本发明的一个实施例中的综合型馈线日负荷曲线示意图；

图3a、图3b分别为对图3所示综合型馈线负荷的识别与分解结果示意图。

图4为本发明的另一个实施例中的综合型馈线日负荷曲线示意图；

图4a、图4b分别为对图4所示综合型馈线负荷的识别与分解结果示意图。

具体实施方式

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，所描述的实施例仅仅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做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。

变电站通过若干馈线覆盖若干用户，所述若干馈线包含若干专供型馈线和若干综合型馈线。专供型馈线是指专门为某企业或楼宇等独立用户供给电能的馈线。综合型馈线为多种行业(一般不超过3种)提供电能。本实施例中所述的馈线可以是10千伏终端馈线。

本发明提供一种非侵入式变电站馈线负荷识别分解方法，如图1所示，所述方法包含步骤：

s1、采集若干变电站下所述馈线的日负荷信息，生成对应的馈线日负荷特征向量。根据所述馈线日负荷特征向量，建立馈线有效日负荷数据库。

所述步骤s1包含：

s11、采集馈线日负荷信息pi,j^(d)，其中pi,j^(d)为第i变电站下第j条馈线在第d次采集的负荷功率值；所述第i变电站下第j条馈线可以是专供型馈线、也可以是综合型馈线。i∈[1,m]，m为采集的变电站总数；j∈[1,n]，n为任一变电站下采集的馈线总数；d∈[1,n]，d为每日采集的总次数；根据pi,j^(d)生成对应的馈线日负荷曲线li,j；

s12、令其中，表示馈线日负荷曲线li,j在第d次采集的变化率。所述馈线日负荷曲线li,j为将若干个离散点pi,j^(d)连接而成的曲线。由于配网改造建设、配电系统故障、设备检修停役等因素将使馈线日负荷曲线出现骤升或骤降情况。因此若超过预设阈值，视li,j、pi,j无效，其中d∈[1,n]；否则，进入s13；

s13、考虑环境温度突变因素将使冬夏两季的空调负荷短时激增或急降，造成馈线日负荷曲线的曲率出现反常，此类情况可通过对异常数据的校正进行补偿。

若采集日的温差未超过设定的阈值，进入s14；否则，校正馈线日负荷信息pi,j^(d)；

令

为pi,j^(d)的校正值，ti,j^(d)为馈线日负荷曲线li,j在第d次采集的环境温度，pb^(d)和tb^(d)为设定的第d次采集时的基准负荷功率和基准环境温度，tbt为设定的日基准环境温度；用更新pi,j^(d)；

s14、令对pi,j进行归一化处理，生成对应的馈线日负荷特征向量pi,j＝[pi,j^(d)]d∈[1,n]，其中pi,j^(d)为pi,j的第d次个特征值；将pi,j计入所述馈线有效日负荷数据库。

s2、从所述馈线有效日负荷数据库中选取所有专供型馈线的馈线日负荷特征向量，建立专供型馈线有效日负荷数据库；具体是指：若第i变电站下第j条馈线为专供型馈线，则将其馈线日负荷特征向量pi,j＝[pi,j^(d)]d∈[1,n]计入专供型馈线有效日负荷数据库。

s3、对所述专供型馈线有效日负荷数据库进行迭代聚类；

所述步骤s3具体包含：

s31、从所述专供型馈线有效日负荷数据库中任意选取k个馈线日负荷特征向量，作为k个初始的聚类中心；

s32、通过k-means算法对所述专供型馈线有效日负荷数据库中的所有馈线日负荷特征向量进行迭代聚类(此为现有技术)，将误差平方和函数(sumofthesquarederror,sse)作为聚类的最小化目标函数(此为现有技术)，生成k个新的聚类中心；将专供型馈线有效日负荷数据库中的馈线日负荷特征向量与其最近的聚类中心归为一个聚类；

其中误差平方和函数为

ci表示聚类中心，x表示与ci属于同一个聚类的馈线日负荷特征向量。dist(·)表示x与ci的距离。

s33、若迭代次数达到设定的第一阈值，或者满足设定的终止条件，停止迭代；否则重复s32、s33。

所述终止条件具体包含：

被重新分配给新的聚类中心的馈线日负荷特征向量数量少于设定的第二阈值，更新的聚类中心数目少于设定的第三阈值，所述最小化目标函数的值小于设定的第四阈值中的任意一个或多个。

s4、根据聚类结果建立适用于城市配电网的行业划分规则，不同的聚类对应不同的行业；

所述步骤s4中具体包含：

s41、获取k个聚类中第k个聚类的馈线日负荷特征向量，获取该馈线日负荷特征向量对应专供型馈线的用户及该用户所属行业；其中k∈[1,k]；

s42、将步骤s41中所述用户计入第k类馈线负荷用户，和/或将所述用户所属行业计入第k类馈线负荷行业，建立适用于城市配电网的行业划分规则。

在本发明的实施例中，基于中华人民共和国国家标准《国民经济行业分类》获取专供型馈线的用户所隶属的行业(如农业、教育、制造业、金融业等)。根据步骤s3的聚类结果，属于同一个聚类的专供型馈线视为覆盖同一类馈线负荷用户，属于同一类馈线负荷行业。也即是说，本发明中按照馈线负荷来识别用户和用户所属行业。

s5、根据步骤s3的聚类结果建立行业典型日负荷特征向量库；基于所述行业典型日负荷特征向量库，非侵入式识别变电站馈线负荷类型。

s51、将k个聚类中心的第k个聚类中心所对应的馈线日负荷特征向量pk＝[pk^(d)]d∈[1,n]作为与第k类馈线负荷行业、第k类馈线负荷用户对应的典型日负荷特征向量；其中k∈[1,k]；pk^(d)为pk的第d个特征值；

s52、将pk计入所述行业典型日负荷特征向量库；其中k∈[1,k]；

s53、采集变电站下专供型馈线q的日负荷信息，并生成对应的馈线日负荷特征向量q＝[q^(d)]d∈[1,n]；q^(d)为对该专供型馈线q第d次采集的负荷功率值归一化处理的结果；

s54、若pl满足则将所述专供型馈线q对应的用户计入第l类馈线负荷用户，和/或将该用户所属行业计入第l类馈线负荷行业，其中l∈[1,k]。

优选的，所述步骤s5中还包含：

s55、采集变电站下综合型馈线z的日负荷信息，并生成对应的馈线日负荷特征向量z＝[z^(d)]d∈[1,n]；z^(d)为对该综合型馈线第d次采集的负荷功率值进行归一化处理的结果；

s56、若pg和ph满足：

其中g、h∈[1,k]，g≠h；分别为典型日负荷特征向量pg、ph、pi、pj的第d个特征值；ai、aj、ag、ah∈(0,1)，均为设定的特征向量系数；则说明综合型馈线z对应的用户包含第g类、第h类馈线负荷用户，和/或说明综合型馈线z的用户所属行业包含第g类、第h类馈线负荷行业。

步骤s55、步骤s56适用于对综合型馈线负荷的分解与识别。

如图2所示，图2为本发明的实施例中，以a城市配电网区域内所有变电站10千伏终端馈线的日负荷信息为基础，建立变电站10千伏终端的馈线有效日负荷数据库，从中提取得到10千伏终端的专供型馈线有效日负荷数据库，运用k-means算法对该专供型馈线有效日负荷数据库进行聚类迭代，得到聚类数为5。

图2中显示了五个聚类中心对应的专供型馈线归一化后的馈线日负荷曲线。图中的每条曲线分别对应一类馈线负荷用户。图2中，横坐标表示时间，纵坐标表示归一化后的负荷功率值。

图3和图4是所述a城市配电网区域内采集的两条10千伏终端的综合型馈线的馈线日负荷曲线示意图。首先，基于图2所示的聚类结果，生成了行业典型日负荷特征向量库，然后，分解图3、图4所示的两条综合型馈线的日负荷曲线，根据分解结果识别每条综合型馈线所对应的若干个行业。图3a、图3b是对图3的分解结果。图4a、图4b是对图4的分解结果。最终，识别出图3的综合型馈线的用户包含图2中所示的第一类和第二类馈线负荷用户，图4的综合型馈线的用户包含图2中所示的第二类和第三类馈线负荷用户。

与现有技术相比，本发明的有益效果在于：能够根据采集的馈线日负荷信息，自动化识别该馈线所覆盖用户及用户的行业。实现对馈线负荷类型的总体识别划分。变电站能够依据本发明的识别结果，自动化调整对不同馈线输送的电能，能够有效的配置能源。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。