基于PSO優(yōu)化SVM分類器的配電網(wǎng)電壓波動分析

陳寧釗

摘 要：為了進一步改善直流電能質(zhì)量，需要提出一種基于PSO優(yōu)化SVM分類器的配電網(wǎng)電壓波動分析方法。在分析直流電壓波動的基礎(chǔ)上，設(shè)計了基于PSO優(yōu)化的SVM分類器。通過仿真分析得到采在含有5各類簇的情況下，輪廓系數(shù)與1非常接近，可見采用特征集對各類直流電能質(zhì)量擾動情況進行準(zhǔn)確分析。測試發(fā)現(xiàn)，在30個測試樣本內(nèi)實現(xiàn)正確分類的是28，只出現(xiàn)了1 組電壓波動以及1組電壓紋波發(fā)生分類錯誤的情況，分類模型獲得了高達92.1%的準(zhǔn)確率。通過算法比較得到采用BP神經(jīng)網(wǎng)絡(luò)算法進行處理時形成了更低的分類準(zhǔn)確率，相對于SVM需要更多的訓(xùn)練樣本數(shù)。采用文中算法能夠使分類過程達到更高的準(zhǔn)確率，能夠顯著改善PSO優(yōu)化效果，而在訓(xùn)練時間方面則比多分類SVM更弱。

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

中圖分類號：TP 393

文獻標(biāo)志碼：A

文章編號：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，由此產(chǎn)生了更明顯的源儲荷直流特征，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)可以實現(xiàn)更強的輸電性能，同時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)量方面具有獨特的性能，并且隨著敏感負荷的占比增大，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)劃階段對直流配電網(wǎng)電能質(zhì)量進行深入分析[6-8]。為了快速發(fā)現(xiàn)電能質(zhì)量的相關(guān)問題，需為直流配電網(wǎng)設(shè)置可靠的電能質(zhì)量監(jiān)測措施，同時對實際擾動情況精確辨識，根據(jù)擾動的具體特征設(shè)置針對性處理方案來實現(xiàn)對電能質(zhì)量的綜合改善[9-11]。由此可見，通過分析電能質(zhì)量擾動數(shù)據(jù)并從中提取關(guān)鍵特征再實施分類處理，已經(jīng)成為直流配電網(wǎng)電能質(zhì)量監(jiān)測的一項重要內(nèi)容。

直流配用電技術(shù)不需要考慮相位、無功、頻率因素的干擾，被廣泛應(yīng)用于船舶動力，航空設(shè)備等重要領(lǐng)域，，不過將其應(yīng)用在大規(guī)模直流配電工程方面的報道還較少[12]。進入21世紀(jì)后，世界各國都開始重視對直流配用電技術(shù)開展研究與應(yīng)用方面的工作，同時建立了許多示范性項目。到目前為止，大部分研究都是集中于故障測試、拓撲結(jié)構(gòu)與系統(tǒng)運行調(diào)控的過程，還沒有深入分析關(guān)于電能質(zhì)量方面的問題[13-15]?，F(xiàn)階段，有文獻報道電壓波動等直流電能質(zhì)量變化過程并提出了相應(yīng)的治理方案，同時根據(jù)交流系統(tǒng)的評價標(biāo)準(zhǔn)構(gòu)建了適合對直流電能質(zhì)量進行評估的依據(jù)，但還沒有對直流電能的質(zhì)量擾動情況開展辨識研究方面的工作。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，這就要求開發(fā)一種能夠?qū)χ绷麟娔苜|(zhì)量擾動性能進行分辨的技術(shù)。

對直流配電網(wǎng)進行電能質(zhì)量分析時，本文先根據(jù)直流配電網(wǎng)組成結(jié)構(gòu)對電壓偏差情況進行了分析，重點研究了電壓紋波、波動性與暫降現(xiàn)象的產(chǎn)生機理及其變化規(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型，如果偏差不在允許值范圍內(nèi)，說明產(chǎn)生了過電壓或者欠電壓的情況，通常選擇電壓偏差的大小作為評價指標(biāo)。

對于直流配電網(wǎng)來說，當(dāng)配電系統(tǒng)的內(nèi)阻有電流通過時便會形成壓降，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)運行參數(shù)改變后，將會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)生電壓偏差時形成的波形特征，如圖1所示。

1.2?直流電壓波動

直流電壓通常以無規(guī)則的狀態(tài)發(fā)生波動，呈現(xiàn)連續(xù)性的快速變化過程，并且幅值基本都在10%以內(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求解不同接入端發(fā)生的功率交換情況。當(dāng)儲能與負荷等參數(shù)發(fā)生改變或者交流側(cè)出現(xiàn)電網(wǎng)功率變化時都會使直流母線有功功率的波動性，使直流母線電壓發(fā)生波動。直流母線發(fā)生電壓波動的具體過程，如圖2所示。

電壓紋波形成過程受到多種因素的共同作用。當(dāng)配電網(wǎng)的交流負荷以不對稱方式運行時會使直流母線出現(xiàn)二次紋波，當(dāng)交流電網(wǎng)內(nèi)的n次諧波通過變流器完成傳變后同樣會使直流側(cè)形成n+1次紋波，在不同的開關(guān)函數(shù)下，變流器會在直流側(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發(fā)生疊加的狀態(tài)，受到特定疊加影響后，將會極大損害電能質(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)時間，但會形成特定交流分量。由于直流電能質(zhì)量主要受到整數(shù)紋波的影響，因此本文只對整數(shù)紋波進行分析。

2?基于PSO優(yōu)化的SVM分類器設(shè)計

SVM是通過統(tǒng)計學(xué)的方法完成機器學(xué)習(xí)的過程，能夠?qū)π颖緮?shù)據(jù)進行高效學(xué)習(xí)，非常適合將其用于處理非線性的直流電能擾動情況。

PSO算法按照以下方式進行迭代。

以交叉測試形成的平均分類準(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

建立具有對稱單極輻射特征的直流配電網(wǎng)仿真測試模型，如圖4所示。

可以看到該模型的具體結(jié)構(gòu)，如表1所示。

列出了各項參數(shù)，將采樣頻率設(shè)定為6.4 kHz。

按照上述機理仿真測試電壓偏差、紋波、波動、故障暫降與暫降的情況，總共形成了150組擾動樣本，其中各類擾動分別包含30條，如圖5所示。

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

采用k-means聚類方法對100條樣本數(shù)據(jù)實施測試。顯示了輪廓系數(shù)的改變過程，如圖6所示。

可以看到，在各類簇的情況下，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各類直流電能質(zhì)量擾動情況進行準(zhǔn)確分析。

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

通過測試發(fā)現(xiàn)，在30個測試樣本內(nèi)實現(xiàn)正確分類的是28，只出現(xiàn)了1 組電壓波動以及1組電壓紋波發(fā)生分類錯誤的情況。 含有較少訓(xùn)練樣本時，分類模型獲得了高達92.1%的準(zhǔn)確率。

對不同方法形成的分類效果進行了比較，本文總共對150組樣本進行了測試，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)算法進行處理時形成了更低的分類準(zhǔn)確率，相對于SVM需要更多的訓(xùn)練樣本數(shù)。這是由于建立在經(jīng)驗風(fēng)險最小的神經(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。而建立在結(jié)構(gòu)風(fēng)險最小基礎(chǔ)上的SVM能夠有效克服出現(xiàn)局部極值的問題，從而達到更高的準(zhǔn)確率，這使得SVM更符合用于對小樣本數(shù)據(jù)進行擾動分析。

通過對比本文算法和多分類SVM可知，采用本文算法能夠使分類過程達到更高的準(zhǔn)確率，能夠顯著改善PSO優(yōu)化效果，而在訓(xùn)練時間方面則比多分類SVM更弱，這主要是因為進行參數(shù)優(yōu)化后使模型需要花費更長時間進行訓(xùn)練，而模型訓(xùn)練可以通過離線方式進行，因此不會影響最終測試時間。

4?總結(jié)

1） 采在含有5各類簇的情況下，輪廓系數(shù)與1非常接近，可見采用特征集對各類直流電能質(zhì)量擾動情況進行準(zhǔn)確分析。測試發(fā)現(xiàn)，在30個測試樣本內(nèi)實現(xiàn)正確分類的是28，只出現(xiàn)了1 組電壓波動以及1組電壓紋波發(fā)生分類錯誤的情況，分類模型獲得了高達92.1%的準(zhǔn)確率。

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

參考文獻

[1]?王志強，方正，劉文霞，等.基于概率多場景的柔性配電網(wǎng)魯棒運行優(yōu)化[J].電力自動化設(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)測試系統(tǒng)建模與有效性分析[J].電力自動化設(shè)備，2019，39（7）：45-50.

[3]?賴一峰.直流配電網(wǎng)的電壓協(xié)同控制及穩(wěn)定運行研究[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].電氣時代，2019（7）：32-35.

[5]?劉志虹，王金麗，盛萬興，等.農(nóng)村有源配電網(wǎng)電壓無功優(yōu)化控制方法[J].農(nóng)業(yè)機械學(xué)報，2019，50（S1）：318-323.

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

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

[8]?張力，趙巧娥，段俐存，等.可控負荷對直流配電網(wǎng)的電壓波動抑制策略[J].自動化與儀表，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)過電壓在線監(jiān)測裝置布點問題研究[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)對配電變壓器運行特性的影響研究[J].機電工程技術(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）