使用智能电表数据进行智能电网负载分析

廖圣威 戈健 杨俊豪 金天扬

【摘 要】使用智能计数器中的大量数据进行大规模的详细模拟会导致巨大的it成本。除了大型数据问题外，随机负荷建模还面临复杂且高度非线性的电气模型。为此，提出了一种新的载荷建模方法，该方法简化了数据的复杂性，同时保持了数据的分辨率并减少了线性载荷曲线的数量。最后通过试验验证了该方法的有效性和优点本文主要分析了智能仪表数据在智能电网负荷分析中的应用。

【关键词】负载建模;负载分析;智能电表

1、建模方法

1.1数据预处理

预处理数据是指删除数据集中缺少的值或包含零的数据样本。该数据集由大约6000个用户每半个小时的m条功耗序列记录组成。

1.2扩展k均值聚类算法

扩展k平均类算法使用k平均类将每个类（父类）按层次分为两个类（子类），直到类中的每个节点都满足关闭条件。第一个关闭条件是集群中的用户数少于阈值。低于阈值的类被认为在类中具有足够的模式相似性。经验表明，在智能辐射计数据聚类方案和测试中，人口少于1%的内部聚类模型的相似性足以提取模型。虽然群集内的用户较少，但it成本却显着增加。因此，必须在组数量和特性相似性之间保持平衡，以减少对it成本的影响，同时简化数据。因此，根据经验评估，1 %的用户被视为第一个停止条件。分组过程的第二个停止条件是子类错误小于父类错误。选择错误作为停止条件的主要障碍是数据的可变性。在类别结果的每个阶段，都会计算父项和子项丛集的平均绝对错误百分比

1.3曲线平滑和线性化

从类结果生成平均能耗曲线文件，以便使用单个函数来表示类用户的能耗数据模式。平均功耗曲线波动很大，使得数据模型不清楚。因此，可以应用曲线平滑技术（例如多项式曲线平滑和移动平均平滑）来平滑数据。较低的多项式次数难以捕捉，而较高的多项式次数受到拉格朗日现象的影响，使得曲线难以平滑化。在大多数情况下，平均功耗曲线可减少由于意外更改功耗而导致的数据噪音。要执行此操作，请使用移动平均平滑处理类数据。平滑后，将使用电气曲线的线性来降低数据模型的复杂性。Taylor类的线性化过程允许对非线性函数进行线性化。功耗阈值点用作线性工作点。确定阈值点后，将忽略其用于线性化的数据点。忽略出现在三个数据点或一个半小时内的阈值点，以进一步减少更改。起点仅用作将泰勒系列扩展到第一级的操作点。高级别项目将被忽略，因为它们的影响微不足道。

2、网络负载均衡算法分析

2.1关于物元分析模型的网络评价

负载平衡是提高网络运行质量的有效手段之一。对于异构无线网络，使用负载平衡可以缓解资源分配不均的问题，在一定程度上减少企业拥塞，并有效提高资源利用率。在无线异构网络环境中，为了实现负载平衡效果，可以通过选择最佳的网络接入来实现，同时结合元数据分析和相关功能的相关特性，可以对质量水平进行全面、精细的判断选择适当的网络访问时，可以参考配电通讯服务的优先级顺序，并使用相应的算法进行计算分析。物理分析是一门新兴的法律和方法学科，用于解决相互矛盾的问题，更适合于多因素评估。就网络质量而言，对网络的评估可导致相应的定性或定量评估。在网络评估中应用元数据分析可以有效地解决相关冲突。通过建立适当的物理模型，可以确定网络评估指标的权重，并通过计算相应的相关性来确定网络级别。用户要实现负载平衡，所选网络的访问权限必须高。

2.2评定网络的质量等级

距离和相关功能为了量化要评估的网络要素的特性，本文引入了距离概念。这基本上是实际变形函数中距离的概念。对于无线异构网络的性能指标，根据相关知識理论，该指标差异越大，信息熵越小，系统需要给予更大的权重;另一方面，随着业绩指标之间的差距缩小，信息的熵值也随之增大，因此提供的信息较少，只需对指标给予较低的权重即可。确定适当的阵列级别，以及对象在多大程度上与标准对象级别相对应，通常由相关性大小指示。相关性值越高，对象越符合要求。因此，可以通过计算不同网络级别之间的相关性来确定网络级别。

3、智能负载的提出

目前，世界主要的风能国家正在积极探索将风能等可再生能源纳入电网的可能性，重点是积极发展智能电网和先进的大规模储存系统。但是，智能电网本身并不生产和消耗电力，它们只是电力的载体，而发电终端则通过电网无条件地满足电力终端的需求。因此，欧洲和美国的一些国家和地区，在迅速发展风能的同时，根据石油、天然气和水力的优势，正在大力适应先进能力燃料/天然气股和混合动力股的发展，以适应对以下方面的需求和欧洲的西班牙一样，过去十年来风力发电发展强劲，充电能力超过2×107kW，但具有深度调节能力的机组发展达到2×107 kw，调整机组总数远远高于l的总数由于中国的能源以煤炭为主，发电商很难立即转变输出电力以满足电力消费者不断变化的需求，国际先进智能电网的概念也无法解决大规模利用风能的问题发电机锅炉燃烧系统具有延迟（反应缓慢）、延迟和无法对水、电和煤气等机组进行深度调节等特点。如果用于深度调整，会增加煤炭消耗，降低机组效率，增加机组故障概率。表1显示了200兆瓦的煤炭消费量因超临界燃烧装置在各种不同条件下的贡献减少而产生的价值。风力发电充足时，参与峰值调节的电力机组输出功率降低，煤炭消耗量逐级快速增加;当输出功率降至额定功率的80%时，煤炭消耗量增加6g;50%的煤电消耗量增加24克，燃煤发电厂处于亏损状态;50%的煤电消耗量增加24克，燃煤发电厂处于亏损状态;50%的煤电消耗量增加24克，燃煤发电厂处于亏损状态;50%的煤电消耗量增加24克，燃煤发电厂处于亏损状态;50%的煤电消耗量增加24克，燃煤发电厂处于亏损状态。煤炭消费量下降到30%时，将增加约36克，燃煤发电厂将遭受严重损失。

4、仿真试验

实验数据是来自某一区域近5000个用户的一年智能测距仪数据。数据集由六个CSV（逗号分隔值）文件组成，总大小为3 go。使用MATLAB在配备8gb ram的intelcorei 7笔记型电脑上实作此方法并执行两项模拟。第一次试验以每周一次的频率收集预处理数据。一年中52周的数据每周汇总一次，共有52个分组。以30分钟时间分辨率显示的每周功耗分布图的大小为d =（60x168）/30，即336。提取并线性化每个最终组的平均功耗分布，以生成加权线性分布。第二次测试的聚集过程从一周增加到一个月。一年的智能压力表数据每月用于聚合一次。每个月的功耗数据文件大小因月份日期而异。每个测试都有几个单独的用户类，在统计上称为“陷印值”。

结束语

与常规线性近似方法相比，此方法可线性处理非线性能耗数据，而不会影响精度。测试表明，在高精度群集中提取具有相似模型的模型，并将高非线性特征转换为线性特征级联，可以在不降低精度的情况下提高智能安培数据建模的效率。

参考文献：

[1]何哲楠，吴浩，程祥，等.基于变电站–用户双层结构的变电站负荷聚类研究[J].电网技术，2019，43（8）：2983-2991.

[2]金承旭，徐箭，廖思阳.基于智能电能表的居民需求响应协同策略[J].电测与仪表，2019，56（13）：136-141;147.

[3]刘紫熠，刘卿，王崇，等.基于智能电表运行故障数据的纵向分析模型[J].计算机科学，2019，46（增刊1）：436-438;456.

（作者单位：武汉东湖学院）