基于灰色关联分析的电网设备利用率评估研究

王 枫，周 斌，胡济洲，李 卉，刘 洁

(1.国网湖北省电力有限公司，湖北 武汉 430077)(2.天津天大求实电力新技术股份有限公司，天津 300384)

分布式配电网的建设使得对电网设备优化管理的要求不断提高。基于电网设备运行情况进行电网输出稳定性评价和质量分析，建立电网设备利用率优化模型，根据电网设备运维状况进行输出稳定性控制，可提高电网设备的运维管理和优化控制能力。研究电网设备的利用率评估模型，根据电网设备输出参数分析模型，进行电网设备安全管理，可提高电网设备的利用率。由此，相关的电网设备利用率评估方法研究受到人们的极大关注[1]。

传统方法中，对电网设备利用率的评估方法有基于卷积神经网络学习的电网设备利用率评估方法、基于空间均衡配置的电网设备利用率评估方法以及基于PID学习的电网设备利用率评估方法等[2-3]，通过构建电网设备利用率的参数融合模型，结合质量管理进行电网设备利用率评估。倪有源等[4]构建了基于支持向量机学习的电网设备利用率评估模型，通过特征提取和对电网用电设备的输出参数进行均衡调节，评估电网设备利用率，但该方法下电网设备利用率评估的输出稳定性欠佳，应用的自适应性也不理想；杨兴等[5]提出了基于分布式信息管理的电网设备利用率评估方法，该方法通过建立配电网设备利用率评估系统结构模型，采用混合双馈入直流输电控制，实现电网设备利用率评估，但该方法的计算复杂度较高，输出稳定性也有待提高。

针对上述传统方法存在的问题，本文提出基于灰色关联分析的电网设备利用率评估模型。结合参数辨识和约束特征解析分析方法识别电网设备利用率的相关参数，采用灰色关联分析方法调节电网设备的利用性能和稳态增益，实现电网设备利用率的优化评估。仿真测试结果验证了本文方法在提高电网设备利用率评估准确性方面具有明显的优势。

1 电网设备利用率约束参数评估及特征分析

1.1 参数评估

为实现基于灰色关联分析的电网设备利用率评估，结合参数融合辨识方法，分析电网设备的利用率参数约束评价；结合显著度参数约束和特征辨识方法，构建电网设备的输出功率因素解析模型，通过正序和负序之间的频率耦合特征分析，进行约束特征解析模型设计；结合模糊度辨识和特征优化控制，进行电网用电设备的电压扰动与电流响应分析[6]。得到电网设备的输出功率-电压关系曲线如图1所示。

图1 电网设备输出功率-电压关系

构建模糊度辨识模型，通过统计特征分析方法，优化辨识正、负序之间的转换控制和参数[7]，得到配电网设备利用率评估的参数自适应解析控制模型为：

(1)

式中：M为配电网设备利用率评估的参数自适应解析控制模型；φ为模糊度；ha(x)为a个配电网设备利用率参数优化辨识函数，a为参数个数；u(k)为电网设备利用率评估的模糊状态特征方程。

分析电网设备正序和负序之间的功率差异性，通过交流侧相序阻抗参数识别，进行配电网设备利用率评估和模糊度辨识[8]，得到配电网设备利用率的参量控制模型为：

ρ(t)=Δφ-Δh(x)+d(t)

(2)

式中：ρ(t)为配电网设备利用率的参量控制模型；Δφ为模糊度；Δh(x)为配电网设备利用率参数优化辨识函数；d(t)为时间函数。

根据配电网设备利用率的参量控制模型，分析设备利用率指标，以角频率Φ为自变量，分析电网设备利用率参数的模糊决策，得到电网设备利用率分布的分区调度模型，进而得到电网设备利用率自适应评价函数F为：

(3)

式中：fΦ为电网设备利用率函数。

构建电网设备利用率评估频率耦合模型，结合拓扑结构控制，分析频率耦合因素，再结合耦合频率解析和功率因素控制[9]，得到电网设备利用率评估的耦合分量X为：

(4)

式中：xi为电网设备利用率评估耦合函数；ω为频率耦合因素；bi为拓扑结构控制量。

根据电网设备利用率评估耦合分量，结合频率耦合特性进行电网利用率参数评价，得到输入、输出旋转矢量。建立扰动频率分量抑制模型，得到并网特征量Sb：

(5)

式中：c为最大扰动频率值；mi为不同频率的耦合电流分量负序扰动电压；pi为扰动频率分类抑制函数。

根据扰动频率分量抑制模型，得到配电网设备利用率评估的参数解析模型，根据并网特征量完成电网设备的利用率优化评估[10]。

1.2 电网设备的利用率指标特征分析

以电网设备的最大功率点跟踪性能分析设备指标，将电网设备的输出稳态功率、输出频率、电压等参数设置为自变量[11]，建立配电网设备利用率分布的梯度函数，根据基频电流的幅值进行梯度融合，得到正序电流响应的幅值和相位的耦合分量A，A满足：

(6)

式中：ri为不同频率的耦合电流分量正序扰动电压。

采用梯度解析和耦合状态特征分析方法，得到电网设备利用率安全评估的模糊迭代函数J：

(7)

式中：μ为迭代次数。

在持续扰动下，以并网逆变器的频率耦合特性为自变量，通过扰动分量抑制，得到电网设备的并网逆变梯度控制模型。由于电压扰动对电流响应分量的影响，通过锁相环的传递函数识别[12]，得到电网设备利用率评价的模糊特征分量λ，分析电压扰动对电流响应的影响，结合全功率控制的方法，得到电网设备的利用率指标特征I：

(8)

通过对电网设备进行利用率特征分析，可基于利用率特征有效预防导致电网设备提前报废等问题，从而提升电网设备的利用水平。

2 电网设备的利用率评估

2.1 参数融合

采用灰色关联分析方法调节电网设备的利用性能稳态增益，以输出功率增益为代价函数，得到电网设备的负荷量调节函数R[13]：

(9)

式中：τ为稳控系统层的时延间隔；q为稳控系统层的单位负荷量。

根据快速功率控制和自适应参数评价方法，进行电网设备的利用性能优化控制，得到控制函数。通过干扰抑制和特征优化提取，得到电网设备利用率评估的模糊度函数Y：

Y=lnqτJ/ε

(10)

式中：ε为自适应环境参数调节常数。

通过对电网设备用电参数的融合评价以及灰色关联分析，得到电网设备有效利用的运维评价参数分布fΦ(χ)：

(11)

式中：σ为电网设备利用率评估的模糊度隶属函数；χ为灰度值。

通过特征优化解析和自适应控制，进行电网设备输出稳态调节，建立电网设备的输出负荷控制模型，得到灰色关联分布函数为：

(12)

式中：V为V项的灰色关联函数；j为j项的灰色关联函数；gNa为电网设备利用率的调节系数；αj为并网逆变器各个区域支持度阈值；gL为最小调节量；Iext为灰色关联函数的误差补偿值。

2.2 利用率参数评估决策

基于2.1节的参数融合结果，得到配电网设备利用率评估的区域调制阻抗信息分布为：

Z=ωX/αj/V+β

(13)

式中：Z为配电网设备利用率评估的区域调制阻抗信息；β为调制阻抗。

经过锁相环最大可调节量分布式融合，参考现有电网设备控制系统的利用原则，得到电网设备利用率评估的稳态控制模型G：

G=wlnv1+lnv2-Z

(14)

式中：w为分布式融合调节量；lnv1与lnv2为两个稳态控制函数。

根据配电线路的谐波振荡分布，进行电网设备利用率评估，电网设备利用率评估的稳态控制模型误差最小值表示为：

(15)

考虑到电网设备分支线路关联因素的影响，通过灰色关联分析，得到电网设备利用率评估的模糊状态方程为：

(16)

在电网设备评估的潮流参数和运维参数联合调控下，实现电网设备利用率的优化评估。

3 仿真实验测试与分析

为验证本文方法实现电网设备利用率优化评估的性能，进行仿真测试。假设电网设备的输出稳态功率为15 kW，设备的功率等级分别为0.3 MW、0.8 MW和1.0 MW，滤波电感为0.65 mH，基频频率为50 Hz，电压增益为 0.95。

根据上述参数设定，进行电网设备利用率评估，测试回流功率，得到结果如图2所示。

图2 回流功率测试

由图2得知，运用本文方法进行电网设备的利用率优化，回流功率增益较高，测试输出功率增益较大。

为进一步测试所提方法的应用准确性，将评估精度数据的最大值设置为单位1，测试不同方法的评估精度。对比方法为文献[4]提出的基于支持向量机学习的电网设备利用率评估方法以及文献[5]提出的基于分布式信息管理的电网设备利用率评估方法。实验迭代次数为80次，每20次迭代记录一次实验数据，得到数据对比结果见表1。

由表1可知，运用本文所提方法进行电网设备利用率评估的精度较高。80次迭代实验的评估精度在0.99以上，不仅说明所提方法的精度较为理想，也说明所提方法的稳定性较好。这是因为所提方法通过对电网设备输出负荷均衡控制、构建的电网设备输出正序阻抗和负序阻抗均衡模型以及采用灰色关联分析方法调节电网设备性能稳态增益，有效提升了设备输出的稳定性，保证了本文所提方法应用的精度。

表1 评估精度对比

4 结束语

为解决电网设备利用率评估结果误差较大的问题，本文提出了基于灰色关联分析的电网设备利用率评估模型。结合参数融合、辨识方法，以电网设备的输出稳态功率、输出频率、电压等参数为模型自变量，获取配电网设备利用率评估指标，根据优先级或与优先级参数融合，实现电网设备利用率优化评估。实验结果验证了本文所提方法的准确率较高，输出功率增益较好，回流功率的稳定性较高。