【技术实现步骤摘要】
本专利技术涉及电力自动化，具体涉及一种电力系统的潮流智能计算方法。
技术介绍
1、在电力系统运行过程中，电源电流或功率通过电力系统的各个元件，分布在电力网络的各个部分，称为电力潮流。在现代电力系统网络中，电力系统潮流计算是对电力系统是否合理运行的检测判断依据，在未来电力系统的扩展和规划过程中起着及其重要的作用。现代电力系统也从以传统火力发电为主能源结构逐渐转变为以新能源为主的新型电力系统。但包含风电、光伏接入的新型电力系统，由于其稳定性相对较差，导致新型电力系统中电力数据出现异常，影响对电力系统中不同节点潮流计算的稳定性和电力系统节点功率分配。
技术实现思路
1、本专利技术提供一种电力系统的潮流智能计算方法，以解决模糊聚类算法中仅使用欧式距离获取异常数据类别过程中误差较大的问题，所采用的技术方案具体如下：
2、本专利技术一个实施例一种电力系统的潮流智能计算方法，该方法包括以下步骤：
3、获取ieee标准电力系统中不同时刻处的不同节点的电力数据序列，包括发电机节点参数、变压器节点参数和支路节点参数；
4、根据不同时刻处电力数据序列计算得到不同时刻的电力离散趋势系数并获取局部表征子序列，根据不同时刻的局部表征子序列获取离散电力数据集合；
5、根据不同时刻处离散电力数据获取电力等分片段序列，根据不同时刻处的电力等分片段序列计算得到时序关联系数，根据时序关联系数获取初始聚类中心，利用初始聚类中心获取聚类中心局部片段，根据聚类中心局部片段获取多
6、根据多尺度对齐中心距离获取稳健电力数据序列，根据稳健电力数据序列完成对电力系统潮流的计算和电力系统节点功率分配。
7、优选地，所述根据不同时刻处电力数据序列计算得到不同时刻的电力离散趋势系数并获取局部表征子序列的方法为：
8、
9、上式中，表示了第t个时刻处电力数据序列的标准差，表示了第t个时刻处电力数据序列数据的均值，表示了时刻t处电力系统电力数据序列的总长度，表示了在第t个时刻处电力系统电力数据序列中第k个时刻位置处电力系统电力数据大小，表示了时刻t处电力系统电力数据序列中最小数值，表示了第t个时刻处电力数据序列中的极差，表示了第t个时刻处电力离散趋势系数；
10、将不同时刻处的电力数据序列作为shapelet算法的输入，将算法输出结果记为局部表征子序列。
11、优选地，所述根据不同时刻的局部表征子序列获取离散电力数据集合的方法为：
12、将电力数据序列的电力离散趋势系数大于局部表征子序列的电力离散趋势系数的所有电力数据序列记为离散电力数据序列集合。
13、优选地，所述根据不同时刻处离散电力数据获取电力等分片段序列的方法为：
14、将不同时刻处离散电力数据按照时间先后顺序平均划分得到预设个数的序列并记为电力数据等分片段序列。
15、优选地，所述根据不同时刻处的电力等分片段序列计算得到时序关联系数的数学公式为：
16、
17、上式中，表示了第t个离散电力数据序列中第i个电力等分片段序列的峰度，表示了第t个离散电力数据序列中第i个电力数据等分片段序列的波形熵，表示了两个不同电力数据序列之间的dtw距离，m表示了电力数据等分片段序列的总个数，，分别表示了第t个离散电力数据序列中第i个和第j个电力数据等分片段序列，表示了第t个离散电力数据序列中第i个电力数据等分片段序列的时序关联系数。
18、优选地，所述电力数据等分片段序列的波形熵的具体方法为：
19、将所有不同时刻处数据曲率大小对应的数据点个数与电力数据等分片段序列长度的比值记为波形曲率数值概率，计算波形曲率数值概率的信息熵大小作为电力数据等分片段序列的波形熵。
20、优选地，所述根据聚类中心局部片段获取多尺度聚类中心对齐电力数据序列的具体方法为：
21、将聚类中心局部片段分别向前和向后平移预设单位长度得到的数据序列分别记为多尺度聚类中心对齐电力数据序列。
22、优选地，所述根据多尺度聚类中心对齐电力数据序列计算不同数据点与聚类中心数据点之间的多尺度对齐中心距离的数学公式为：
23、
24、上式中，表示了时刻t处电力系统电力数据序列的总长度，表示了多尺度聚类中心对齐电力数据序列的个数，表示了在时刻z处电力数据局部片段的方差，表示了多尺度聚类中心对齐电力数据序列第s个数据序列的方差，表示了以自然常数为底的指数函数，表示了两个数据点之间欧式距离计算函数，表示了第z个时刻处的电力数据，表示了在时刻t处电力系统电力数据序列初始聚类中心数据点，表示了电力数据序列中第z个时刻位置处数据与初始聚类中心数据点之间的多尺度对齐中心距离。
25、优选地，所述根据多尺度对齐中心距离获取稳健电力数据序列的方法为：
26、将不同时刻电力系统获取得到的电力数据序列作为优化后模糊c均值聚类算法的输入，获取得到不同类别的电力数据，并将不同时刻处电力系统的电力数据序列中异常数据类别外的其余所有不同类别的电力系统电力数据记为稳健电力数据序列。
27、优选地，所述根据稳健电力数据序列完成对电力系统潮流的计算和电力系统节点功率分配方法为：
28、将稳健电力数据序列作为高斯-赛德尔算法的输入，获取得到当前电力系统中不同节点位置处功率数值大小，记为电力系统潮流功率解，将电力系统不同节点的功率赋值为电力系统潮流功率解，从而完成对电力系统潮流的精确计算和电力系统节点功率的分配。
29、本专利技术的有益效果是：本专利技术根据不同时刻处电力数据变化情况计算得到不同时刻处的电力离散趋势系数，并结合离散趋势系数获取离散电力数据集合，对电力数据的异常离散数据进行计算表征。同时，本专利技术根据离散电力数据序列片段之间的相似关联状态计算得到时序关联系数对离散电力数据集合中的电力数据序列片段之间数值异常情况分析表征。进一步地，本专利技术通过时序关联系数快速获取电力数据序列的聚类中心和多尺度对齐中心距离，并根据多尺度对齐中心距离对模糊c均值聚类算法进行优化，准确地获取电力数据序列中的异常数据，提高了对电力系统潮流计算过程中的精确性。
本文档来自技高网...【技术保护点】
1.一种电力系统的潮流智能计算方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种电力系统的潮流智能计算方法，其特征在于，所述根据不同时刻处电力数据序列计算得到不同时刻的电力离散趋势系数并获取局部表征子序列的方法为：
3.根据权利要求2所述的一种电力系统的潮流智能计算方法，其特征在于，所述根据不同时刻的局部表征子序列获取离散电力数据集合的方法为：
4.根据权利要求3所述的一种电力系统的潮流智能计算方法，其特征在于，所述根据不同时刻处离散电力数据获取电力等分片段序列的方法为：
5.根据权利要求4所述的一种电力系统的潮流智能计算方法，其特征在于，所述根据不同时刻处的电力等分片段序列计算得到时序关联系数的数学公式为：
6.根据权利要求5所述的一种电力系统的潮流智能计算方法，其特征在于，所述电力数据等分片段序列的波形熵的具体方法为：
7.根据权利要求1所述的一种电力系统的潮流智能计算方法，其特征在于，所述根据聚类中心局部片段获取多尺度聚类中心对齐电力数据序列的具体方法为：
8.根据权利要求
9.根据权利要求8所述的一种电力系统的潮流智能计算方法，其特征在于，所述根据多尺度对齐中心距离获取稳健电力数据序列的方法为：
10.根据权利要求1所述的一种电力系统的潮流智能计算方法，其特征在于，所述根据稳健电力数据序列完成对电力系统潮流的计算和电力系统节点功率分配方法为：
...【技术特征摘要】
1.一种电力系统的潮流智能计算方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种电力系统的潮流智能计算方法，其特征在于，所述根据不同时刻处电力数据序列计算得到不同时刻的电力离散趋势系数并获取局部表征子序列的方法为：
3.根据权利要求2所述的一种电力系统的潮流智能计算方法，其特征在于，所述根据不同时刻的局部表征子序列获取离散电力数据集合的方法为：
4.根据权利要求3所述的一种电力系统的潮流智能计算方法，其特征在于，所述根据不同时刻处离散电力数据获取电力等分片段序列的方法为：
5.根据权利要求4所述的一种电力系统的潮流智能计算方法，其特征在于，所述根据不同时刻处的电力等分片段序列计算得到时序关联系数的数学公式为：
6.根据权利要求5所述的一种电...
【专利技术属性】
技术研发人员：李楷东，周建，王志辉，赵迪，王璐，沈锦生，吴凯，谭信科，杨洪文，
申请(专利权)人：广州南洋电缆集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。