基于K-means聚类算法的负荷模型研究

电力负荷是电力系统的重要组成部分。负荷模型准确与否直接影响到电力系统仿真结果的准确性,进而对电力系统的分析、规划、设计、运行等方面的决策有很大影响。负荷建模原始数据应取自电网实际运行数据,所以必须从海量的运行数据中提取出能够代表节点负荷特性的数据。传统的静态负荷模型对电压变化的适应范围较小,需要能适应电压大范围变化的模型来描述现代电力负荷。本文针对这种情况,对建模数据的聚类分析和静态负荷建模进行了研究。 首先,对聚类分析算法中的k-means算法进行了研究,对k-means原始算法的缺陷做出了改进。利用基于密度的思想对初始聚类中心进行选择;在迭代中重新计算聚类中心时,将孤立点排除;利用DBI指标选择最优聚类个数。通过对数据集的测试,证明改进算法可以选择最优聚类个数,选择的初值比较接近最优结果从而减少迭代次数,并能够排除孤立点的干扰,使结果更能反映数据集特征。 其次,利用改进的k-means算法对变电所实际数据进行聚类分析,将负荷数据划分为代表不同负荷特性的几类。针对传统静态负荷模型对多数据点建模误差较大的缺陷,利用分段函数的思想,对处理后的原始数据建立了分段三次Hermite插值函数负荷模型。与传统静态模型相比,可以适应电压变化范围较大的情况。 最后,将基于聚类分析建立的负荷模型通过用户自定义模块编辑到PSASP中。利用所建立的模型计算辽宁电网各输电断面正常方式下和N-1方式下的功率传输情况,并与使用PSASP中的恒功率模型所得的结果作比较,分析负荷模型对断面传输功率的影响,验证了所建模型在实际电网仿真计算中的适用性。