Поиск однотипных графиков нагрузки энергообъекта

Александр Сергеевич Тавлинцев, Антон Алексеевич Суворов, Елена Дмитриевна Стаймова

Аннотация


Одной из важнейших потребностей при планировании и анализе режимов работы энергосистемы является прогнозирование величин и графиков нагрузок. В настоящей статье предложен алгоритм поиска однотипных графиков нагрузки на основе методов интеллектуального анализа данных. В качестве исходных данных служат усреднённые получасовые графики потребления активной и реактивной мощности. Предлагаемый алгоритм в первую очередь нацелен на предварительную обработку и группировку данных измерений при решении задачи идентификации статических характеристик нагрузки по напряжению, но также возможно выполнение исследований в области поиска типовых графиков нагрузки для выполнения проектных и перспективных расчётов. Результатом обработки данных будет массив меток принадлежности суточного графика к той или иной группе. В основе предлагаемого алгоритма лежит метод k-средних. Алгоритм апробирован на реальных данных, собранных с подстанции, питающей сборочный завод. В том случае, если в качестве исходных данных служит выборка графиков нагрузки за несколько лет, то можно поставить задачу прогнозирования конфигурации графика нагрузки. Исходными данными для решения этой задачи будет служить упорядоченный во времени массив меток принадлежности суточного графика нагрузки к тому или иному типу.


Ключевые слова


статическая характеристика нагрузки; суточный график нагрузки энергосистемы; статистически равновесное состояние нагрузки; комплексная электрическая нагрузка

Полный текст:

PDF

Литература


C4.605 W.G. Modeling and Aggregation of Loads in Flexible Power Networks, 2014.

Pankratov A.V., Polishchuk V.I., Batseva N.L. Measurement-Based Approach for Identification of Static Load Models of Electric Power Systems. Bulletin of the South Ural State University. Ser. Power Engi-neering, 2015, vol. 15, no. 1, pp. 11–20. (in Russ.) DOI: 10.14529/power150102.

Bushueva O.A., Kuleshov A.I., Murzin A.Yu. et al. [The Experimental Studies and Determination of

the Voltage Steady-State Load Characteristics in Electric Networks with Complex Load]. State and Prospects of

the Development of Electricity and Heat Technology (XVIII Benardos Readings). Materials of the Interna-tional Scientific and Technical Conference, 2015, pp. 163–166. (in Russ.)

Berdin A.S., Bliznyuk D.I., Romanov I.B. [Estimation of Resultant Load Characteristics for Transients’ Studies]. Izvestiya NTTS Edinoy energeticheskoy sistemy [Bulletin of the United Power System], 2016, no. 1 (74), pp. 35–41. (in Russ.)

Kondrashov M.A., Smirnova A.Yu. [Application of Cluster Analysis in the Task of Identifying Static Load Characteristics]. Materials of Intellectual Energy Systems of the V International Youth Forum. National Research Tomsk Polytechnic University, 2017, pp. 79–83. (in Russ.)

Lipskiy A.M. Aronovich I.M. [Experimental Determination of Static Characteristics of Load Nodes of Electrical Systems]. Natural and Technical Sciences, 2009, no. 3 (41), pp. 410–415. (in Russ.)

Pankratov A., Kondrashov M., Paul S. Using Static Polynomial Load Models in “Rastrwin” Software Package for Power System Studies. Materials of MATEC Web of Conferences. Ser. “Smart Grids 2015”, 2015. DOI: 10.1051/matecconf/20153701039

Kondrashov M.A., Pankratov A.V. [Clustering Methods for Static Load Model Identification by the Passive Experiment Data]. Materials of the VIII International Scientific and Technical Conference “Electrici-ty in the Eyes of Youth 2017”, Samara, 2017, pp. 275–278. (in Russ.)

Drimitriev S.A., Semenenko S.I., Suvorov A.A. Complex Load Bus Static Load Characteristics Deter-mination Using Passive Experiment Method. The Seventeenth International Scientific Technical Conference “Alterna¬ting Current Electric Drive” – ACED 2018, Yekaterinburg, Russia, 26–30 March, 2018. DOI: 10.1109/ACED.2018.8341711

Tavlintsev A.S., Suvorov A.A. Statistically Equilibrium States of Load in the Problem of Static Load Characteristics Identification. Bulletin of the South Ural State University. Ser. Power Engineering, 2017, vol. 17, no. 2, pp. 23–28. (in Russ.) DOI: 10.14529/power170203.

Serria J., Arcos J.L. A Competitive Measure to Assess the Similarity Between Two Time Series. Case-Based Reasoning Research and Development, 2012, pp. 414–427. DOI: 10.1007/978-3-642-32986-9_31

Bishop C. Pattern Recognitionand Machine Learning. NewYork, Springer-Verlag . 2006.

MacQueen J. Some Methods for Classification and Analysis of Multivariate Observations. Proc. 5th Berkeley Symp. on Math. Statistics and Probability, 1967, pp. 281–297.

Laurens van der Maaten, Geoffrey Hinton. Visualizing Data Using t-SNE. Journal of Machine Learn-ing Research, 2008, no. 9, pp. 2579–2605.




DOI: http://dx.doi.org/10.14529/power180203

Ссылки

  • На текущий момент ссылки отсутствуют.