基于熵权法的智能电网管理水平评价指标量化方法

谢瀚阳， 江疆， 彭泽武， 杨秋勇， 蔡雄

(广东电网有限责任公司， 广东， 广州 610106)

0 引言

随着智能电网管理建设不断推进，智能电网管理水平评价指标分析是提高电力资源服务能力的重要一环，促进智能电网管理水平的不断提升，相关的智能电网管理水平评价指标量化分析方法研究受到人们的极大关注[1-4]。

智能电网管理水平评价指标量化分析的方法主要有关联特征检测方法、模糊度寻优控制方法和特征空间融合聚类分析方法等。其中，文献[5]提出了基于关联指标参数融合聚类的智能电网管理水平评价指标量化方法，通过大数据融合聚类分析，进行智能电网管理水平评价和模糊决策，但该方法进行智能电网管理水平评价的决策性不好，寻优能力不强。文献[6]提出了基于大容量输电传输控制的智能电网管理水平评价指标量化方法，利用继电保护控制，进行输出可靠性设计，提高电网的智慧化管理水平，但该方法进行智能电网管理水平评价指标量化分析的计算可靠性不高。针对上述问题，本文提出了基于熵权法的智能电网管理水平评价指标量化方法，提取智能电网管理水平评价体系的熵权特征量，结合大数据挖掘和智能调度，实现了智能电网管理水平评价指标的量化评价，展示了本文方法在提高智能电网管理水平和量化分析能力方面的优越性能。

1 智能电网管理水平评价的约束参数和特征分析

1.1 智能电网管理水平评价的约束参数

为了实现智能电网管理水平评价指标量化分析，采用多直流馈入方法构建智能电网管理水平评价指标体系与构建约束参数模型。首先，采用零序功率法[7]，得到智能电网管理水平评价的标准量化时间序列为{xn}，智能配电网的空间采样时间延迟为n、五次谐波时值为t，首次谐波时值为t0，采用配电线路的谐波振荡抑制的方法，得到折反射行波分布为

xn=h(t0+nΔt)+ωn

(1)

式中，h(·)为智能电网管理水平评价指标量化评价的统计时间序列，ωn为配电网运行的三相工频电气量。

智能电网管理水平评价指标定量评价的参考指标，模糊约束重构[8]，初始电压电流行波分量，得到智能电网管理水平评价指标的关联维分布矩阵为

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为工频电气变化量，τ为潮流参数。N为智能电网管理水平评价指标数量，a为电压电流行波分量。通过子空间约束重组的方法，得到智能电网管理水平的量化评价分布序列[9]，在重构的维相空间内，构建智能电网管理水平评价指标量化分析的主成分分量为M，M=U*S*C。通过电压电流行波分析的方法，得到智能电网管理水平评价指标的层次分析模型，智能电网管理水平评价的标准属性集为S，多元指标参数为U和C，得到电网管理水平的指标量化线性相关矩阵。利用小波变换模极大值分解的方法，得到特征分布映射，初始电压电流行波分量，得到相空间中的初始电压电流行波分布，初始电压电流行波分量，得到智能电网管理水平评价的标准属性集为

S=diag(σ1,σ2,…,σk),σ1≥σ2≥…≥σk≥0

(3)

式中，σ为智能电网管理水平评价标准量，k为标准属性集的元素数量。对任意一个正交矩阵，通过高频分量衰减约束的方法，得到智能电网管理水平评价指标质量的属性特征集重构轨迹矩阵S′，结合无功潮流耦合分析方法进行智能电网管理水平参数分析。通过恒功率、恒电流补偿进行量化指标参数约束[10]。

1.2 智能电网管理水平评价特征分析

建立智能电网管理的代价约束模型，通过电压电流变化约束分析的方法[11]，求得维数为N×m的智能电网管理水平评价指标质量量化评价特征数据的相空间重构矩阵。考虑到配电网分支线路的关联系数J(1)x，J(N)x，通过第m个零模信号进行智能电网管理水平评价指标管理，得到智能电网管理水平评价的潮流参数：

δxi+1=J(1)xi(yi-xi)

(4)

式中，yi表示模糊特征向量。有效地获得了理想的电压参数，分析了智能电网管理水平评价的量化特征，得到了电网管理水平评价指标的量化参数，得出了智能电网管理水平评价指标量化参数的相关系数。通过对智能电网管理水平评价指标的定量评价，得到配电网系统运行可靠性参数ωn。根据工频电压电流的相位差来评价智能电网的管理水平。结合数据特征挖掘方法，得到了电压和电流的幅值和相位分布为

A=(1-ω)xi+ωn∑i=1yi

i=1,2,…,n

(5)

利用凯伦贝尔变换进行解耦分析，对于智能电网管理水平评价的系统有功功率点∀i∈S，通过电网智能调度[12]，功率方向模块因子为

βi=Ri1yi+∑k∈SRikQk

(6)

式中，Rik为第k个元素下的电阻，Qk为第k个元素下的电能。在负荷侧，通过电流的幅值分布，进行零序电压特征分析，得到零序电压：

V=∑i=1vivσ-w

(7)

式中，vi为第i个零模信号下的电压，vσ为智能电网管理水平评价标准电压，w为电流幅值，根据智能电网管理水平评价指标特征分析，进行量化分解和信息融合管理[13]。

2 智能电网管理水平评价指标管理优化

2.1 熵权分析

进行智能电网管理水平评价的熵权指标参数分析，提取智能电网管理水平评价体系的熵权特征量，结合大数据挖掘和智能调度[14]，得到智能电网管理水平评价指标量化评价的工频零序电压为

Vxn=ωxci-(1+ω)xc-1i+V

i=1,2,…,n

(8)

式中，c表示迭代次数。输出的智能电网管理水平评价指标量化评价的熵权分布为

E=∑σi=1V2i+∑ni=1Vixn

(9)

基于最大负荷电流检测方法，得到负荷端的关联函数C(τ)定义为

C(τ)=E+limA→∞1A∫-AAx(t)x(t+τ)dτ

(10)

式中，d表示t和t+τ时刻智能电网管理水平评价指标量化评价统计数据A变化的关联度，根据关联度进行智能电网管理水平评价指标量化评价统计数据的模糊度检测，得到智能电网管理水平评价指标评价的三阶自相关特征：

Bor3=〈(qn+)(qn-g+)(qn-G+)〉〈(qn-)3〉

(11)

式中，qn表示智能电网管理水平评价指标的线性离散时间序列，g表示采样时延，得到智能电网管理水平评价指标分布的空间时间间隔G=2g，表示均值，〈q(n)〉表示对q(n)取均值：

〈q(n)〉=1N∑Nn=1q(n)

(12)

根据电网中交流节点轮换调度的方法，得到智能电网管理水平评价的熵权特征量为

Y(τ)=E-lnxn(τ)σ

(13)

通过熵权分析智能电网管理水平评价的熵权特征量以及全网条件下的电压电流变化分布，进行智能电网管理水平评价。

2.2 智能电网管理水平评价量化处理

对智能电网管理水平评价的熵权指标参数进行分析，提取智能电网管理水平评价体系的熵权特征量，结合大数据挖掘和智能调度，实现智能电网管理水平评价指标的量化评价[15]。根据智能电网管理水平评价指标量化评价的电流输出I进行关联分析，得到关联权重系数为

D=(d1,I1),(d2,I2),…,(dn,In)，dn∈[0,1]

(14)

分析网络节点导纳，得到母线电压幅值，通过熵权调度，得到智能电网管理水平评价指标量化回归分析结果为

Jα(E)=∑ci=1ωαic(dic)2-V

(15)

式中，α表示智能电网管理水平评价指标量化评价的解耦系数，通过上述分析，实现智能电网管理水平评价指标量化评估。

3 仿真实验分析

在Five ThirtyEight Datasets(https://github.com/fivethirtyeight/data)中选择某智能电网的年际数据，以此为实验样本进行通过MATLAB仿真实验验证本文方法分析效能。其中，智能电网管理水平评价参数采样的频率为140 kHz，采样时间宽度为T=4 ms，逆变侧视在功率为120 kW，智能电网的侧定电流控制定值为 2 kA，等值阻抗为10 kΩ。

将本文方法(模式1)与文献[5](模式2)和文献[6](模式3)两种模式进行对比，比较直流电流和直流电压的变化情况，得到智能电网的输出电流、电压参数如图1所示。

(a) 模式1

以图1的输入参数为约束指标，建立智能电网管理水平评价指标参数模型，结合无功潮流耦合分析方法进行智能电网管理水平参数分析，得到优化的管理水平评价，输出结果如图2所示。

(a) 模式1

分析图2得知，本文方法进行智能电网管理水平评价指标量化评价，输出的稳定性较高。

测试输出可靠性，得到对比结果见表1。

表1 可靠性测试

分析表1得知，本文方法进行智能电网管理水平评价指标量化评价的输出可靠性较高。

4 总结

本文通过多参数指标融合和特征识别的方法，对智能电网管理水平的评价指标进行量化，提高了智能电网的管理水平。

结合无功潮流耦合分析方法，对智能电网管理水平的参数进行了分析，有效地得到了理想的电压参数，分析了智能电网管理水平评价的量化特征。

结合大数据挖掘和智能调度，采用karenberg变换进行解耦分析，得到了反映智能电网管理水平的定量评价指标工频零序电压。采用熵权分析法对智能电网的管理水平进行评价。分析表明，定量分析智能电网管理水平评价指标的可靠性和稳定性较高。