陳寧釗

摘 要：為了進(jìn)一步改善直流電能質(zhì)量，需要提出一種基于PSO優(yōu)化SVM分類(lèi)器的配電網(wǎng)電壓波動(dòng)分析方法。在分析直流電壓波動(dòng)的基礎(chǔ)上，設(shè)計(jì)了基于PSO優(yōu)化的SVM分類(lèi)器。通過(guò)仿真分析得到采在含有5各類(lèi)簇的情況下，輪廓系數(shù)與1非常接近，可見(jiàn)采用特征集對(duì)各類(lèi)直流電能質(zhì)量擾動(dòng)情況進(jìn)行準(zhǔn)確分析。測(cè)試發(fā)現(xiàn)，在30個(gè)測(cè)試樣本內(nèi)實(shí)現(xiàn)正確分類(lèi)的是28，只出現(xiàn)了1 組電壓波動(dòng)以及1組電壓紋波發(fā)生分類(lèi)錯(cuò)誤的情況，分類(lèi)模型獲得了高達(dá)92.1%的準(zhǔn)確率。通過(guò)算法比較得到采用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行處理時(shí)形成了更低的分類(lèi)準(zhǔn)確率，相對(duì)于SVM需要更多的訓(xùn)練樣本數(shù)。采用文中算法能夠使分類(lèi)過(guò)程達(dá)到更高的準(zhǔn)確率，能夠顯著改善PSO優(yōu)化效果，而在訓(xùn)練時(shí)間方面則比多分類(lèi)SVM更弱。

關(guān)鍵詞：配電網(wǎng);電壓波動(dòng);SVM分類(lèi)器;準(zhǔn)確率

中圖分類(lèi)號(hào)：TP 393

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1007-757X（2020）11-0174-03

Abstract：In order to further improve the DC energy quality， it is necessary to propose a PSO-based SVM classifier optimization method for distribution network voltage fluctuation analysis. Based on the analysis of DC voltage fluctuation， an SVM classifier based on PSO optimization is designed. The simulation analysis shows that in the case that there are 5 kinds of clusters， the contour coefficient is very close to 1， so it can be seen that the feature set is used to accurately analyze the mass disturbance of all kinds of dc energy. The test finds that 28 of the 30 test samples are correctly classified， only 1 set of voltage fluctuation and 1 set of voltage ripple are misclassified. The classification model achieves an accuracy rate of 92.1%. Through algorithm comparison， it can be concluded that the classification accuracy is lower when BP neural network algorithm is used for processing， and more training samples are required than SVM. The algorithm proposed in this paper can make the classification process achieve higher accuracy and significantly improve the optimization effect of PSO. However， it is weaker than multi-classification SVM in the term of training time.

Key words：distribution network;voltage fluctuation;SVM classifier;accuracy

0?引言

目前，多種電力電子技術(shù)呈現(xiàn)快速發(fā)展的趨勢(shì)，由此產(chǎn)生了更明顯的源儲(chǔ)荷直流特征，這使得直流配用電技術(shù)也引起眾多學(xué)者與企業(yè)的密切關(guān)注。根據(jù)前期相關(guān)研究資料可知，直流配電系統(tǒng)可以實(shí)現(xiàn)更強(qiáng)的輸電性能，同時(shí)可以顯著減小線路損耗，并表現(xiàn)出優(yōu)異的新能源消納能力，這使其成為了配電系統(tǒng)的一個(gè)重要發(fā)展方向[1-5]。由于直流配電網(wǎng)具備多源多變換的特征，因此在電能質(zhì)量方面具有獨(dú)特的性能，并且隨著敏感負(fù)荷的占比增大，要求電網(wǎng)系統(tǒng)具備更高的電能質(zhì)量，因此需在初期規(guī)劃階段對(duì)直流配電網(wǎng)電能質(zhì)量進(jìn)行深入分析[6-8]。為了快速發(fā)現(xiàn)電能質(zhì)量的相關(guān)問(wèn)題，需為直流配電網(wǎng)設(shè)置可靠的電能質(zhì)量監(jiān)測(cè)措施，同時(shí)對(duì)實(shí)際擾動(dòng)情況精確辨識(shí)，根據(jù)擾動(dòng)的具體特征設(shè)置針對(duì)性處理方案來(lái)實(shí)現(xiàn)對(duì)電能質(zhì)量的綜合改善[9-11]。由此可見(jiàn)，通過(guò)分析電能質(zhì)量擾動(dòng)數(shù)據(jù)并從中提取關(guān)鍵特征再實(shí)施分類(lèi)處理，已經(jīng)成為直流配電網(wǎng)電能質(zhì)量監(jiān)測(cè)的一項(xiàng)重要內(nèi)容。

直流配用電技術(shù)不需要考慮相位、無(wú)功、頻率因素的干擾，被廣泛應(yīng)用于船舶動(dòng)力，航空設(shè)備等重要領(lǐng)域，，不過(guò)將其應(yīng)用在大規(guī)模直流配電工程方面的報(bào)道還較少[12]。進(jìn)入21世紀(jì)后，世界各國(guó)都開(kāi)始重視對(duì)直流配用電技術(shù)開(kāi)展研究與應(yīng)用方面的工作，同時(shí)建立了許多示范性項(xiàng)目。到目前為止，大部分研究都是集中于故障測(cè)試、拓?fù)浣Y(jié)構(gòu)與系統(tǒng)運(yùn)行調(diào)控的過(guò)程，還沒(méi)有深入分析關(guān)于電能質(zhì)量方面的問(wèn)題[13-15]?，F(xiàn)階段，有文獻(xiàn)報(bào)道電壓波動(dòng)等直流電能質(zhì)量變化過(guò)程并提出了相應(yīng)的治理方案，同時(shí)根據(jù)交流系統(tǒng)的評(píng)價(jià)標(biāo)準(zhǔn)構(gòu)建了適合對(duì)直流電能質(zhì)量進(jìn)行評(píng)估的依據(jù)，但還沒(méi)有對(duì)直流電能的質(zhì)量擾動(dòng)情況開(kāi)展辨識(shí)研究方面的工作。由于交直流系統(tǒng)在電能質(zhì)量方面存在一定的區(qū)別，因此不能將現(xiàn)有交流電能質(zhì)量分析方法直接應(yīng)用到直流系統(tǒng)中，這就要求開(kāi)發(fā)一種能夠?qū)χ绷麟娔苜|(zhì)量擾動(dòng)性能進(jìn)行分辨的技術(shù)。

對(duì)直流配電網(wǎng)進(jìn)行電能質(zhì)量分析時(shí)，本文先根據(jù)直流配電網(wǎng)組成結(jié)構(gòu)對(duì)電壓偏差情況進(jìn)行了分析，重點(diǎn)研究了電壓紋波、波動(dòng)性與暫降現(xiàn)象的產(chǎn)生機(jī)理及其變化規(guī)律。

1?直流電能質(zhì)量分析

1.1?直流電壓偏差

可以將直流電壓偏差分成比額定電壓更高或更低兩種類(lèi)型，如果偏差不在允許值范圍內(nèi)，說(shuō)明產(chǎn)生了過(guò)電壓或者欠電壓的情況，通常選擇電壓偏差的大小作為評(píng)價(jià)指標(biāo)。

對(duì)于直流配電網(wǎng)來(lái)說(shuō)，當(dāng)配電系統(tǒng)的內(nèi)阻有電流通過(guò)時(shí)便會(huì)形成壓降，導(dǎo)致線路出現(xiàn)固有電壓差，如式（1）。

式中，P表示電網(wǎng)有功功率。

直流配電網(wǎng)運(yùn)行參數(shù)改變后，將會(huì)形成特定的潮流分布，使母線電壓發(fā)生偏移。

在直流配電網(wǎng)發(fā)生電壓偏差時(shí)形成的波形特征，如圖1所示。

1.2?直流電壓波動(dòng)

直流電壓通常以無(wú)規(guī)則的狀態(tài)發(fā)生波動(dòng)，呈現(xiàn)連續(xù)性的快速變化過(guò)程，并且幅值基本都在10%以?xún)?nèi)。直流配電網(wǎng)通常含有眾多的接入端，可以利用直流母線的電容方程來(lái)求解不同接入端發(fā)生的功率交換情況。當(dāng)儲(chǔ)能與負(fù)荷等參數(shù)發(fā)生改變或者交流側(cè)出現(xiàn)電網(wǎng)功率變化時(shí)都會(huì)使直流母線有功功率的波動(dòng)性，使直流母線電壓發(fā)生波動(dòng)。直流母線發(fā)生電壓波動(dòng)的具體過(guò)程，如圖2所示。

電壓紋波形成過(guò)程受到多種因素的共同作用。當(dāng)配電網(wǎng)的交流負(fù)荷以不對(duì)稱(chēng)方式運(yùn)行時(shí)會(huì)使直流母線出現(xiàn)二次紋波，當(dāng)交流電網(wǎng)內(nèi)的n次諧波通過(guò)變流器完成傳變后同樣會(huì)使直流側(cè)形成n+1次紋波，在不同的開(kāi)關(guān)函數(shù)下，變流器會(huì)在直流側(cè)形成基波頻帶與高頻紋波。在直流母線上形成的多源紋波會(huì)發(fā)生疊加的狀態(tài)，受到特定疊加影響后，將會(huì)極大損害電能質(zhì)量。在不同的紋波注入源作用下，電壓紋波也存在較大差異，因此表現(xiàn)出不同的大小與持續(xù)時(shí)間，但會(huì)形成特定交流分量。由于直流電能質(zhì)量主要受到整數(shù)紋波的影響，因此本文只對(duì)整數(shù)紋波進(jìn)行分析。

2?基于PSO優(yōu)化的SVM分類(lèi)器設(shè)計(jì)

SVM是通過(guò)統(tǒng)計(jì)學(xué)的方法完成機(jī)器學(xué)習(xí)的過(guò)程，能夠?qū)π颖緮?shù)據(jù)進(jìn)行高效學(xué)習(xí)，非常適合將其用于處理非線性的直流電能擾動(dòng)情況。

PSO算法按照以下方式進(jìn)行迭代。

以交叉測(cè)試形成的平均分類(lèi)準(zhǔn)確率設(shè)置成PSO適應(yīng)度函數(shù)，如式（2）。

給出了優(yōu)化PSO的具體流程，如圖3所示。

3?算例分析

建立具有對(duì)稱(chēng)單極輻射特征的直流配電網(wǎng)仿真測(cè)試模型，如圖4所示。

可以看到該模型的具體結(jié)構(gòu)，如表1所示。

列出了各項(xiàng)參數(shù)，將采樣頻率設(shè)定為6.4 kHz。

按照上述機(jī)理仿真測(cè)試電壓偏差、紋波、波動(dòng)、故障暫降與暫降的情況，總共形成了150組擾動(dòng)樣本，其中各類(lèi)擾動(dòng)分別包含30條，如圖5所示。

給出了數(shù)據(jù)處理的具體框圖，各類(lèi)電能質(zhì)量特征，如表2所示。

采用k-means聚類(lèi)方法對(duì)100條樣本數(shù)據(jù)實(shí)施測(cè)試。顯示了輪廓系數(shù)的改變過(guò)程，如圖6所示。

可以看到，在各類(lèi)簇的情況下，輪廓系數(shù)與0.85非常接近，由此可以推斷可以采用特征集對(duì)各類(lèi)直流電能質(zhì)量擾動(dòng)情況進(jìn)行準(zhǔn)確分析。

從中選擇130組數(shù)據(jù)組成分類(lèi)器訓(xùn)練和測(cè)試樣本，并將樣本分配，如表3所示。

通過(guò)測(cè)試發(fā)現(xiàn)，在30個(gè)測(cè)試樣本內(nèi)實(shí)現(xiàn)正確分類(lèi)的是28，只出現(xiàn)了1 組電壓波動(dòng)以及1組電壓紋波發(fā)生分類(lèi)錯(cuò)誤的情況。 含有較少訓(xùn)練樣本時(shí)，分類(lèi)模型獲得了高達(dá)92.1%的準(zhǔn)確率。

對(duì)不同方法形成的分類(lèi)效果進(jìn)行了比較，本文總共對(duì)150組樣本進(jìn)行了測(cè)試，結(jié)果如表4所示。

根據(jù)表4可知，采用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行處理時(shí)形成了更低的分類(lèi)準(zhǔn)確率，相對(duì)于SVM需要更多的訓(xùn)練樣本數(shù)。這是由于建立在經(jīng)驗(yàn)風(fēng)險(xiǎn)最小的神經(jīng)網(wǎng)絡(luò)算法基礎(chǔ)上處于一定樣本數(shù)量下不能獲得最小的期望風(fēng)險(xiǎn)。而建立在結(jié)構(gòu)風(fēng)險(xiǎn)最小基礎(chǔ)上的SVM能夠有效克服出現(xiàn)局部極值的問(wèn)題，從而達(dá)到更高的準(zhǔn)確率，這使得SVM更符合用于對(duì)小樣本數(shù)據(jù)進(jìn)行擾動(dòng)分析。

通過(guò)對(duì)比本文算法和多分類(lèi)SVM可知，采用本文算法能夠使分類(lèi)過(guò)程達(dá)到更高的準(zhǔn)確率，能夠顯著改善PSO優(yōu)化效果，而在訓(xùn)練時(shí)間方面則比多分類(lèi)SVM更弱，這主要是因?yàn)檫M(jìn)行參數(shù)優(yōu)化后使模型需要花費(fèi)更長(zhǎng)時(shí)間進(jìn)行訓(xùn)練，而模型訓(xùn)練可以通過(guò)離線方式進(jìn)行，因此不會(huì)影響最終測(cè)試時(shí)間。

4?總結(jié)

1） 采在含有5各類(lèi)簇的情況下，輪廓系數(shù)與1非常接近，可見(jiàn)采用特征集對(duì)各類(lèi)直流電能質(zhì)量擾動(dòng)情況進(jìn)行準(zhǔn)確分析。測(cè)試發(fā)現(xiàn)，在30個(gè)測(cè)試樣本內(nèi)實(shí)現(xiàn)正確分類(lèi)的是28，只出現(xiàn)了1 組電壓波動(dòng)以及1組電壓紋波發(fā)生分類(lèi)錯(cuò)誤的情況，分類(lèi)模型獲得了高達(dá)92.1%的準(zhǔn)確率。

2） 采用BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行處理時(shí)形成了更低的分類(lèi)準(zhǔn)確率，相對(duì)于SVM需要更多的訓(xùn)練樣本數(shù)。采用本文算法能夠使分類(lèi)過(guò)程達(dá)到更高的準(zhǔn)確率，能夠顯著改善PSO優(yōu)化效果，而在訓(xùn)練時(shí)間方面則比多分類(lèi)SVM更弱。

參考文獻(xiàn)

[1]?王志強(qiáng)，方正，劉文霞，等.基于概率多場(chǎng)景的柔性配電網(wǎng)魯棒運(yùn)行優(yōu)化[J].電力自動(dòng)化設(shè)備，2019，39（7）：37-44.

[2]?祖文靜，李勇，譚益，等.高滲透率可再生能源配電網(wǎng)測(cè)試系統(tǒng)建模與有效性分析[J].電力自動(dòng)化設(shè)備，2019，39（7）：45-50.

[3]?賴(lài)一峰.直流配電網(wǎng)的電壓協(xié)同控制及穩(wěn)定運(yùn)行研究[J].電氣技術(shù)，2019，20（7）：42-47.

[4]?于航，夏曼.含分布式光伏的配電網(wǎng)諧振與電壓越限抑制策略[J].電氣時(shí)代，2019（7）：32-35.

[5]?劉志虹，王金麗，盛萬(wàn)興，等.農(nóng)村有源配電網(wǎng)電壓無(wú)功優(yōu)化控制方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2019，50（S1）：318-323.

[6]?陳偉，吳建虎，裴喜平.基于諧波電壓畸變率機(jī)會(huì)約束的光伏極限接入容量計(jì)算方法[J].電氣應(yīng)用，2019，38（7）：52-59.

[7]?滕德云，滕歡，劉鑫，等.考慮多個(gè)分布式電源接入配電網(wǎng)的多目標(biāo)無(wú)功優(yōu)化調(diào)度[J].電測(cè)與儀表，2019，56（13）：39-44.

[8]?張力，趙巧娥，段俐存，等.可控負(fù)荷對(duì)直流配電網(wǎng)的電壓波動(dòng)抑制策略[J].自動(dòng)化與儀表，2019，34（7）：1-4.

[9]?程杉，倪凱旋，蘇高參，等.基于DAPSO算法的含分布式電源的配電網(wǎng)重構(gòu)[J].高壓電器，2019，55（7）：195-202.

[10]?Fernando M Camilo， Rui Castro， M E Almeida， et al. Probabilistic load elasticity analysis in low voltage distribution networks with high penetration of photovoltaic micro generation[J]. International Journal of Electrical Power and Energy Systems，2019， 113（66）：102-115.

[11]?Darwin A. Quijano， Antonio Padilha-Feltrin. Optimal integration of distributed generation and conservation voltage reduction in active distribution networks[J]. International Journal of Electrical Power and Energy Systems， 2019，113（66）：36-42.

[12]?Hasan Mehrjerdi. Simultaneous load leveling and voltage profile improvement in distribution networks by optimal battery storage planning[J]. Energy，2019，181.

[13]?謝榮斌，馬春雷，李幫勝，等.配電網(wǎng)過(guò)電壓在線監(jiān)測(cè)裝置布點(diǎn)問(wèn)題研究[J].電力大數(shù)據(jù)，2019，22（7）：69-75.

[14]?朱建軍.分布式光伏并網(wǎng)對(duì)配電變壓器運(yùn)行特性的影響研究[J].機(jī)電工程技術(shù)，2019（7）：177-179

[15]?王洪波，陳朔，丁亮，等.含分布式光伏的配電網(wǎng)電壓協(xié)調(diào)控制實(shí)現(xiàn)策略[J].電子技術(shù)與軟件工程，2019（14）：226-227.

（收稿日期：2020.03.13）