基于聚类融合的数字电网用电负荷智能量测系统设计

陆煜锌，赵 云，周 密，钱 斌

（南方电网科学研究院有限责任公司，广东广州 510663）

聚类融合是以非监督机器学习理论为基础的新型应用算法，可对所有聚类成员进行清晰划分，再联合既定函数定义式，确定融合处理的具体操作权限量。在融合函数设计方面，聚类融合可将数据参量的优化问题，转化为信息值的平均分配与处理，一般情况下，待处理的信息参量水平越高，最终所得聚类融合结果的实际应用能力也就越强[1-2]。近年来，该算法主要被应用于电信号处理、电负荷指标测量等多个领域。

在数字电网环境中，随着供电时间的延长，用电量与电子负荷逐渐增大，容易导致供电效果难以控制的问题。为解决此问题，传统需求响应型电负荷量测系统在实时调控策略的支持下，确定电子传输量的鲁棒性水平，再通过用户用电行为引导的方式，确定相关电量节点处的电压与电流量测水平。但该系统所需消耗的电压差数值过高，易导致电子负荷量水平的持续走低。

为避免上述情况的发生，设计基于聚类融合的数字电网用电负荷智能量测系统，在互联多微电网架构与Hadoop 云计算平台的作用下，实现对电负荷融合条件的准确计算，再通过对比实验的方式，突出该系统的实际应用价值。

1 系统硬件设计

1.1 互联多微电网架构

互联多微电网由光电板、风电机、逆变器、蓄电池组、电量负载等多个应用结构共同组成，如图1 所示。其中，光电板、风电机与发电机同时位于互联多微电网的顶层执行单元中，可在电量负载结构体的作用下，将高压电子转变为既定的低压存储形式，再借助电网信道，将这些应用电子量传输至既定电网元件结构之中[3-4]。数字逆变器、聚类逆变器同时位于互联多微电网的中层执行单元中，可在感知蓄电池组现有电量转存能力的情况下，获取光电板中的电子应用信号，并可借助电量负载元件，控制电子量的实际传输流量水平。电量负载结构不具备独立的电网执行能力，只能作为附属元件，配合其他电网设备的实际电子转存需求[5]。

图1 互联多微电网架构示意图

1.2 智能量测电路

智能量测电路负责提供数字电网用电负荷智能量测系统所需的传输电子量，可在互联多微电网架构的作用下，对第一电源、第二电源进行分布转接，从而实现对继电器执行设备的有效促进。IC4NE555设备作为智能量测电路中的核心应用元件，能够干扰数字耦合元件的现有连接状态，并可根据R1、R2电阻值的不同，对传输电量进行分流处理[6-7]。K1继电器、K2继电器同时存在于电动机M 的两端，可通过区分正向、负向存储电流的方式，影响D1、D2电负荷元件中应用电子的输出连接状态。一般情况下，待转存的电网数字电流传输值越大，D1、D2电负荷元件的实际存储能力就越强，反之则越弱。电路示意图如图2 所示。

图2 智能量测电路示意图

1.3 电网用电负荷感知模块

用电负荷感知模块能够记录数字电网环境下各类电感元件中应用电流的现有输出水平，并可根据智能量测电路的电量应用等级，确定智能量测主机所具备的电子存储能力。通常情况下，该模块以TMS320LF2407A 元件作为核心搭建设备，可在聚类融合法则的作用下，确定数字电子量在单位时间内的传输转存标准，并可遵照Hadoop 云计算平台的实际处理能力，更改与数字电网空间匹配的电负荷消耗数值[8-9]。设u0代表既定时间节点处的最小电量负荷系数，un代表既定时间节点处的最大电量负荷系数，n代表单位时间内的电量转存次数，代表数字电网环境中的智能化电子量测指标。联立上述物理量，可将电网用电负荷感知模块的连接执行能力定义为：

式中，Ui代表数字电网总线处的电压负载水平，U1代表数字电网支线处的电压负载水平，ΔT代表电子量的单位传输时长，Pˉ代表用电负荷指标在单位时间内的消耗均值量。

2 系统软件设计

2.1 Hadoop云计算平台

Hadoop 云计算平台是数字电网用电负荷智能量测系统中的软件执行基础，可在聚类融合法则的作用下，通过控制电子输入与输出行为的方式，实现对MySQL 数据库连接状态的定向性干预[10]。整个电量调度单元包含MQ、Redis、File 三类执行节点，其中前两者可记录聚类融合法则环境下Pig1 与Pig2 节点的接入状态，再联合N1 与N2 两侧结构体，实现对待传输电子量的规划与分配，从而避免负荷电量累积行为的出现[11-12]。Hadoop 体系位于云计算平台最底层，包含Reduce、Hbase、Storm 三类基础执行节点，可在感知MySQL 数据库现有连接状态的情况下，完成对待融合电量的提取与应用。平台结构如图3所示。

图3 Hadoop云计算平台结构图

2.2 电网子空间聚类

电网子空间聚类的基本思想是：先将目标电负荷数据集根据聚类属性分成若干个独立组别，再根据特殊融合原则，将各个属性组参量整合成全新的聚类数据集，此时的电网子空间已经得到了降维处理，一般情况下，这种聚类行为始终围绕着电量属性数据集进行[13]。实质上，电网子空间聚类是对所有电量信息点和电负荷属性的同时融合处理，可以将所有待量测电子参量和其属性描述信息看作是一个独立矩阵[14]。设e0代表电网子空间中的初级负荷电量聚类条件，en代表电网子空间中的终极负荷电量聚类条件，联立式（1），可将电网子空间的聚类条件定义为：

式中，β代表与聚类融合原则相关的电负荷量测系数，代表第一个输入的数字电网负荷参量，代表第n个输入的数字电网负荷参量，Q′代表数字电网环境中的电量负荷指标。

2.3 电负荷融合条件计算

电负荷融合条件计算是基于聚类融合数字电网用电负荷智能量测系统搭建的末尾设计环节，可在已知电网子空间聚类条件的情况下，确定电负荷指标的实际传输方向，从而避免非合理电量消耗行为的出现[15-16]。设j0代表阶段性电子传输时间内的最小电量聚类融合系数，jn代表阶段性电子传输时间内的最大电量聚类融合系数，一般情况下，由上述两项指标限定的物理数值空间越大，数字电网主机所具备的电负荷量测能力也就越强，反之则越弱。设gmin代表数字电网环境中的最小电量负荷传输指标，gmax代表数字电网环境中的最大电量负荷传输指标，在上述物理量的支持下，联立式（2），可将电负荷融合条件的计算结果表示为：

式中，fj代表既定的电负荷参量传输系数条件，ΔH代表传输电荷在单位时间内的变化量数值，χ代表与电信号相关的幂次项传输量测系数。至此，实现各项软、硬件系统执行环境的搭建，在聚类融合算法的支持下，实现新型数字电网用电负荷智能量测系统的顺利应用。

3 系统应用能力检测

为验证基于聚类融合数字电网用电负荷智能量测系统的实际应用价值，设计如下对比实验。搭建数字电网应用环境，将实验组、对照组电负荷执行主机同时接入该电量传输环境中，其中实验组主机搭载基于聚类融合数字电网用电负荷智能量测系统，对照组主机搭载基于需求响应的电负荷量测系统。其他实验条件保持不变的情况下，记录各项电负荷量测指标的具体变化情况。

已知单位时间内的电子负荷量水平及电压差数值均能描述数字电网主机对用电负荷指标的合理性规划能力，一般情况下，电子负荷量水平越高、电压差数值越小，数字电网主机对用电负荷指标的合理性规划能力也就越强，反之则越弱。表1、表2 记录了实验组、对照组电子负荷量及电压差数值的实际变化趋势。

表1 单位时间内的电子负荷量对比表

分析表1 可知，在前两个单位时长内，实验组电子负荷量始终保持不断上升的变化趋势，从第3 个单位时长开始，这种数值变化状态逐渐趋于稳定，全局最大值达到了8.8×1015T。对照组电子负荷量则始终保持相对稳定的波动变化状态，全局最大值仅能达到6.6×1015T，与实验组极大值相比，下降了2.2×1015T。综上可知，应用基于聚类融合数字电网用电负荷智能量测系统后，单位时间内的电子负荷量出现了明显递增的变化状态，可促进数字电网主机对用电负荷指标合理性规划能力不断增强。

分析表2 可知，随着实验时间的延长，实验组电压差数值保持先上升、再稳定、最后下降的变化趋势，全局最大值只能达到21 V。对照组电压差数值在整个实验过程中始终保持不断上升的变化趋势，全局最大值达到了47 V，与实验组极大值相比，上升了26 V。综上可知，应用基于聚类融合数字电网用电负荷智能量测系统后，电压差数值的上升趋势得到了有效控制，实现用电负荷能力的稳定提升。

表2 电压差数值对比表

4 结束语

文中设计了基于聚类融合的数字电网用电负荷智能量测系统，与基于需求响应的电负荷量测系统相比，应用基于聚类融合的数字电网用电负荷智能量测系统后，可在增大单位时间内电子负荷量水平的同时，控制电压差数值的实际上升趋势，从而促进数字电网主机对用电负荷指标合理性规划能力不断增强。从搭建流程的角度来看，在互联多微电网架构、智能量测电路等多个硬件执行结构的作用下，新型用电负荷量测系统可在实现电网子空间聚类处理的同时，得到准确的电负荷融合条件计算值，具备较强的应用可行性。