基于kDBA++聚类算法的谐波污染分区策略_王杨.pdf

新型电力系统DOI:10.15961/j.jsuese.202200405基于kDBA+聚类算法的谐波污染分区策略王杨1，唐文楚1，赵劲帅1*，汪清2，张华赢2，肖先勇1，晁苗苗1(1.四川大学 电气工程学院，四川 成都 610065；2.南方电网公司新型智慧城市高品质供电联合实验室（深圳供电局有限公司），广东 深圳 518020)摘要：随着电网中非线性负荷大量接入及电力电子化率的逐步提升，谐波问题日渐严重，开展电力系统谐波污染区域化治理，是一种有效解决思路。谐波污染分区的意义在于，同一分区内的谐波畸变主要由该分区内的谐波源导致，而受其他分区谐波源影响较小。为此，提出了一种抗时移聚类算法kDBA+。首先，考虑到电能质量监测数据具有高维度、含噪声等特点，采用分段聚合近似（picesise aggregate approximation，PAA）算法对数据进行压缩降噪预处理，降低后续计算复杂度。其次，采用kmeans+算法作为逻辑框架。考虑到非同步测量下数据间存在时移现象，难以直接利用kmeans+开展聚类，从而引入动态时间弯曲（dynamic time wraping，DTW）距离对算法进行优化。进而，鉴于DTW距离下聚类质心难以获取，因此采用DTW质心平均算法（DTW barycenter averaging，DBA）克服这一局限性，并最终得到所提kDBA+算法。采用IEEE123节点仿真系统及实际工程案例开展算法对比分析，结果显示所提kDBA+算法聚类精度优于现有算法，可准确进行谐波污染分区。此外，利用谐波污染分区转移阻抗矩阵及谐波贡献度对求得分区加以验证，分析结果表明，各谐波源对其所在分区内节点的谐波畸变影响较大，而对非同一分区节点的影响较小，从而论证了所提方法的实用性和有效性。关键词：谐波污染；监测数据时移特性；谐波污染分区；kDBA+聚类算法中图分类号：TM711文献标志码：A文章编号：2096-3246（2023）02-0084-13Harmonic Pollution Partition Method Based on kDBA+Clustering AlgorithmWANG Yang1，TANG Wenchu1，ZHAO Jinshuai1*，WANG Qing2，ZHANG Huaying2，XIAO Xianyong1，CHAO Miaomiao1(1.College of Electrical Eng.,Sichuan Univ.,Chengdu 610065,China;2.China Southern Power Grid Corp.New Smart City High Quality Power Supply JointLab.(Shenzhen Power Supply Bureau Co.,Ltd.),Shenzhen 518020,China)Abstract:With the large number of nonlinear loads connected into the power grid and the gradual increase of the power electronic rate,the har-monic problem is becoming more and more serious.It is an effective solution to carry out the regional management of harmonic pollution in thepower system.The significance of the harmonic pollution zoning is that the harmonic distortion in the same zone is mainly caused by the harmon-ic source in this zone,and is less affected by the harmonic sources in other zones.On this basis,an anti-time-shift clustering algorithm,i.e.kD-BA+was proposed.First,considering the characteristics of power quality monitoring data such as high dimensions and noise,the Picesise Ag-gregate Approximation (PAA)algorithm was used to compress and denoise the data to reduce the subsequent computational complexity.Secondly,the kmeans+algorithm was used as the logical framework.Considering the time shift phenomenon between data under asynchronousmeasurement,it is difficult to directly use kmeans+to carry out clustering.To solve this issue,the dynamic time warping(DTW)distance wasintroduced to optimize the kmeans+algorithm.Furthermore,to overcome the limitations that the clustering centroids are difficult to obtain un-der the DTW distance,the DTW Barycenter Averaging algorithm(DBA)was integrated into kmeans+,and finally the proposed kDBA+al-收稿日期:2022 05 03基金项目:国家自然科学基金项目（52177104）；南方电网公司科技项目（090000KK52190169；SZKJXM2019669）作者简介:王杨（1990），男，研究员，博士.研究方向：电能质量；新能源并网；电力系统广域监测与控制.E-mail：*通信作者:赵劲帅，E-mail：网络出版时间:2022 10 10 00:00:00 网络出版地址:https:/ http:/http:/ 第 55 卷 第 2 期工 程 科 学 与 技 术Vol.55 No.22023 年 3 月ADVANCED ENGINEERING SCIENCESMar.2023gorithm was obtained.The IEEE123 node simulation system and actual engineering cases were used to carry out algorithm comparison research.The analysis results show that the proposed kDBA+algorithm has better clustering accuracy than the existing algorithms,and can accuratelycarry out harmonic pollution zoning.In addition,the transfer impedance matrix of the harmonic pollution zoning and the harmonic contributiondegree were used to verify the correctness of the obtained zones.The analysis results indicate that each harmonic source has a great influence onthe harmonic distortion of the nodes in the zone where it is located,while it has little influence on the nodes in different zones.Thus,the practic-ability and effectiveness of the proposed method are verified.Key words:harmonic pollution;time-shift characteristics of monitoring data;harmonic pollution zoning;kDBA+clustering algorithm 随着分布式新能源和电力电子设备的大量接入，电力系统中谐波源呈现大幅增长，谐波污染问题逐步向复杂化、全网化发展，对电网的电能质量带来巨大影响1。谐波溯源是谐波治理的前提，其关键在于明晰区域内主导谐波源位置及其影响范围，对改善电能质量、维持电网稳定具有重要意义。当前的谐波溯源问题可分为定性溯源和定量溯源。定性溯源主要根据谐波的功率方向展开研究，通过判断PCC点处有功功率或无功功率的流向来确定主导谐波源位置25。而定量溯源研究主要利用实测电流电压数据来量化谐波源在关注节点的谐波贡献度。对于仅有单个谐波源的电力网络，基于诺顿等效电路模型将网络划分为系统侧和用户侧，通过计算两侧的谐波阻抗即可得到谐波源对关注节点谐波畸变的影响程度69。对于含多谐波源的复杂网络，其关注母线的谐波畸变是所有谐波源交互影响、共同作用下的结果。Xu10和Hooman11等首次提出了多谐波责任划分量化模型及相应的基于最小二乘的求解方法，该模型通过定义各谐波源单独作用时产生的谐波电压在关注母线测得谐波电压上的投影来描述各谐波源在关注母线上的谐波责任，其求解关键在于找到背景谐波稳定且只有一个谐波源波动的有效数据集。然而，当谐波源数量增加时，这样的有效数据集将大幅减少。后续研究在此基础上提出了一系列改进的多谐波源责任求解方法。张安安等12提出了一种新颖的谐波阻抗估计算法，但因其计算量庞大，不利于推广。王杨等13提出一种多元回归算法用以估计量化谐波责任。该方法可最大限度降低背景谐波波动的影响，但要求各可疑谐波源在关注母线上产生的谐波电压与关注母线电压间的夹角不变。Wang14、徐方维15、Zhao16等利用复数独立分量分析法计算多谐波源谐波责任，该方法能够更好地抵御背景谐波干扰，但求解过程较为复杂，在需要评估的可疑谐波源过多时，运算量增大且计算准确度下降。此外，该方法要求谐波电压电流幅值相角已知，因此需要测量数据之间具有严格的时钟同步。尽管谐波溯源问题在理论上取得了一定进展，但在谐波源高密度、分散化、全网化的背景下，上述方法的现实应用都面临以下3个困境：1）当系统可疑谐波源较多时，谐波责任量化算法的精度通常不理想，算法的计算负担较重；2）中国现有电能质量监测平台数据以谐波电压为主，仅有少量关键负荷配有谐波电流监测数据，且数据质量较差，难以满足谐波责任划分需求，具体在第1节中讨论；3）若安装额外的高精度电能质量监测装置或采用便携式电能质量监测装置，需明确主导谐波源位置。现有工程中大多通过经验或者负荷类型判断，误差较大。面对上述工程难题，利用数据挖掘技术进行谐波污染分区，缩小主导谐波源范围，实现多谐波源的区域化定位，是一种有效且实际的解决思路。相关研究在近年取得一些进展，例如：于浩等17提出了一种基于时间序列模式匹配的电能质量污染区域化治理策略，通过动态时间弯曲的趋势时间距离实现时间序列模式特征矩阵的模式匹配，并计算出节点间电能质量的长期耦合度，最后通过设