基于时序运行数据的输电网线路重要度评估

doi:10.3969/j.issn.1000-7229.2019.01.010

摘要/Abstract

摘要： 针对传统基于物理模型进行仿真模拟的方法，基于电网实际运行数据，提出一种在较长时间尺度下，面向不同运行方式的输电网线路重要度评估框架。首先基于输电网络线路有功潮流数据样本，通过模糊C-均值（fuzzy C-means，FCM）聚类与谱系聚类两步式聚类技术，划分输电网络不同的典型运行方式，建立典型场景；然后提出一种新的时序潮流熵计算方法，并将其和典型相关系数理论结合形成一种新的输电网线路重要度指标，用来对各个运行场景下输电网线路重要度进行评估，克服以往传统关键线路评估方法时不变性的缺点；最后根据复杂网络理论，从输电网络拓扑结构角度对所得结论进行分析对比，证明所提评估方法的合理性。

关键词: 运行数据, 聚类, 时序潮流熵, 典型相关系数, 重要线路评估

Abstract: In view of the traditional way of thinking based on the simulation of physical model， this paper presents a framework for evaluating the importance of transmission lines in different operation modes based on actual operation data. Firstly， according to the active tidal current data samples of power transmission lines， this paper classifies the typical operation modes of power transmission network by two-step clustering technique based on fuzzy C clustering （FCM） and pedigree clustering， and establishes a typical scenario；Then a new method of calculating the entropy of timing power flow is proposed and combined with the typical correlation coefficient theory to form a new transmission line importance index， which is used to evaluate the importance of transmission line in each typical operation scenario to overcome the time-invariant characteristics in the past traditional evaluation of the key lines. Finally， according to the complex network theory， the conclusions of the transmission network are analyzed and compared from the perspective of the topological structure， and a reasonable explanation of the relevant operating characteristics is given to prove the rationality of the framework proposed in this paper.

Key words: actual operation data, clustering, tidal power flow entropy, typical correlation coefficient, evaluation of the key lines

中图分类号:

TM 712

杨智宇，刘俊勇，刘友波，温丽丽 . 基于时序运行数据的输电网线路重要度评估[J]. 电力建设, 2019, 40(1): 77-85.

YANG Zhiyu， LIU Junyong， LIU Youbo， WEN Lili. Transmission Line Importance Evaluation Based on Timing Operating Data[J]. Electric Power Construction, 2019, 40(1): 77-85.

参考文献

［1］ANDERSSO N G， DONALEK P， FARMER R， et al. Causes of the 2003 major grid blackouts in North American and Europe， and recommended means to improve system dynamic performance［J］.IEEE Transactions on Power Systems，2005， 20（4）：1922-1928.
［2］李勇，刘俊勇，刘晓宇，等. 基于潮流熵的电网连锁故障传播元件的脆弱性评估［J］.电力系统自动化，2012，36（19）：11-16.
LI Yong， LIU Junyong， LIU Xiaoyu， et al. Vulnerability assessment based on power flow entropy for lines in cascading failures and its application in Sichuan backbone power grid［J］.Automation of Electric Power Systems， 2012，36（19）：11-16.
［3］MOTTER A E， LAI Y C. Cascade-based attacks on complex networks［J］. Physical Review， 2002，65（2）：1-4.
［4］KINNEY R， CRUCITTI P， ALBERT R， et al. Modeling cascading failures in the North American power grid［J］. The European Physical Journal， 2005，46（1）：101-107.
［5］岳贤龙，王涛，顾雪平，等. 基于自组织临界理论的电网脆弱线路辨识［J］.电力系统保护与控制， 2016，44（15）：18-26.
YUE Xianlong， WANG Tao， GU Xueping， et al. Vulnerable line identification of power grid based on self-organizing critical theory［J］. Power System Protection and Control， 2016，44（15）：18-26.
［6］许立雄，刘俊勇，丁理杰，等. 基于网络流介数的关键线路识别［J］.电力系统保护与控制，2013，41（5）：91-96.
XU Lixiong， LIU Junyong， DING Lijie， et al. Identification of critical lines in power grid based on network flow betweenness［J］. Power System Protection and Control， 2013，41（5）：91-96.
［7］梁才，刘文颖，但扬清，等. 输电线路的潮流介数及其在关键线路识别中的应用［J］.电力系统自动化，2014，38（8）：35-40. LIANG Cai， LIU Wenying， DAN Qingyang， et al. Flow betweenness of transmission lines and its application in critical line identification［J］.Automation of Electric Power Systems， 2014，38（8）：35-40.
［8］MAJD A A， SAME T， GHANBARI T. k-NN based fault detection and classification methods for power transmission systems［J］. Protection and Control of Modern Power Systems， 2017，2（2）： 359-369.
［9］YADAV A， DASH Y， ASHOK V. ANN based directional relaying scheme for protection of Korba-Bhilai transmission line of Chhattisgarh state［J］. Protection and Control of Modern Power Systems， 2016，1（1）： 128-144.
［10］ZHAO Jinquan， ZHANG Yujie， ZHANG Pan， et al. Development of a WAMS based test platform for power system real time transient stability detection and control［J］. Protection and Control of Modern Power Systems， 2016， 1（1）： 37-47.
［11］刘思，丁嘉涵，黄民翔，等. 应用聚类分析与非参数核密度估计的空间负荷分布规律［J］.电网技术，2017，41（2）：604-609.
LIU Si， DING Jiahan， HAUGN Minxiang， et al. Spatial load distribution based on clustering analysis and non-parametric kernel density estimation ［J］. Power System Technology， 2017，41（2）：604-609.
［12］张素香，刘建明，赵丙镇，等. 基于云计算的居民用电行为分析模型研究［J］.电网技术，2013，37（6）：1542-1546.
ZHANG Suxiang， LIU Jianming， ZHAO Bingzhen， et al. Cloud computing-based analysis on residential electricity consumption behavior［J］. Power System Technology， 2013， 37（6）：1542-1546.
［13］ZHOU Kaile， FU Chao， YANG Shanlin. Big data driven smart energy management： From big data to big insights［J］.Renewable and Sustainable Energy Reviews， 2016， 56：215-225.
［14］LUSISA P， KHALILPOURA K R， ANDREWA L， et al. Short-term residential load forecasting： Impact of calendar effects and forecast granularity［J］. Applied Energy， 2017， 205：654-669.
［15］HUANG Li， YANG Yongbiao， ZHAO Honglei， et al. Time series modeling and filtering method of electric power load stochastic noise［J］. Protection and Control of Modern Power Systems，2017，2（2）： 269-275.
［16］SUN Qiming， SHI Libao， NI Yixin， et al. An enhanced cascading failure model integrating data mining technique［J］. Protection and Control of Modern Power Systems， 2017， 2（2）： 19-28.
［17］曹一家，陈晓刚，孙可，等. 基于复杂网络理论的大型电力系统脆弱线路辨识［J］.电力自动化设备，2006，26（12）：1-5，31.
CAO Yijia， CHEN Xiaogang， SUN Ke， et al. Identification of vulnerable lines in power grid based on complex network theory［J］. Electric Power Automation Equipment， 2006，26（12）：1-5，31.
［18］SHANNON C E. A mathematical theory of communication［J］. Bell System Technical Journal，1948，27（4）：623-656.
［19］曹一家，王光增，曹丽华，等. 基于潮流熵的复杂电网自组织临界态判断模型［J］.电力系统自动化，2011，35（7）：1-6.
CAO Yijia， WANG Guangzeng， CAO Lihua， et al. An identification model for self-organized criticalty of power grid based on power flow entropy［J］. Automation of Electric Power Systems， 2011，35（7）：1-6.
［20］HOTELLING H. Relations between two sets of variates［J］. Biometrika， 1936， 28（3）：321-377.

[1]	庄卫金, 张鸿, 方国权, 陈中. 基于设备运行状态挖掘的非侵入式负荷分解方法[J]. 电力建设, 2020, 41(8): 9-16.
[2]	艾欣，杨子豪，胡寰宇，王智冬，彭冬，赵朗. 基于改进k-means算法的VPP负荷曲线聚类方法及应用[J]. 电力建设, 2020, 41(5): 28-36.
[3]	史晨豪，唐忠，魏敏捷，李征南，陈寒. 基于数据驱动的配电网光伏双层优化调控策略[J]. 电力建设, 2020, 41(3): 62-70.
[4]	尹渠凯，米增强，贾雨龙，范辉. 基于改进K-means聚类的电力市场下分布式储能系统经济性调控模型[J]. 电力建设, 2019, 40(5): 20-27.
[5]	徐杉杉，朱俊澎，袁越，吴涵. 基于马尔可夫模型的光伏出力聚类与模拟[J]. 电力建设, 2019, 40(2): 54-62.
[6]	蔡鹏飞，杨秀，李泰杰，方陈，张勇. 基于改进聚类融合的办公型建筑用电行为分析[J]. 电力建设, 2019, 40(1): 60-67.
[7]	周冰钰，刘博，王丹，兰宇，马喜然，孙冬冬，霍秋屹. 基于自组织中心K-means算法的用户互动用电行为聚类分析[J]. 电力建设, 2019, 40(1): 68-76.
[8]	张杭，丁晓群，陈光宇，季日华. 基于场景时域概率的主动配电网全协调无功优化[J]. 电力建设, 2018, 39(8): 53-58.
[9]	薛友，李杨，高滢，文福拴，王珂，黄裕春. 计及风电出力随机特性的电-气综合能源系统随机优化[J]. 电力建设, 2018, 39(12): 2-12.
[10]	肖白，郭蓓，姜卓，施永刚，焦明曦. 基于负荷点聚类分区的配电网网架规划方法[J]. 电力建设, 2018, 39(11): 85-95.
[11]	陆凌芝，耿光飞，季玉琦，李秀磊，魏子睿. 基于电气距离矩阵特征根分析的主动配电网电压控制分区方法[J]. 电力建设, 2018, 39(1): 83-.
[12]	刘扬，严正，马洪艳，徐潇源. 风电接入下基于半监督谱聚类的备用动态分区方法[J]. 电力建设, 2018, 39(1): 90-.
[13]	魏梦洋，刘力铭，李耀华，王永，王飞. 服务于预测评价的风功率出力模式聚类研究 [J]. 电力建设, 2017, 38(6): 108-.
[14]	李力，傅子昊，孙磊，杨银国，谭嫣，林振智，文福拴. 基于半监督谱聚类的黑启动分区策略[J]. 电力建设, 2017, 38(4): 9-.
[15]	楼家辉，杨欢，王京，汤胜清，赵荣祥，郑太英. 考虑异质性的定频空调负荷聚合建模及功率跟踪策略[J]. 电力建设, 2017, 38(11): 55-.