海量数据支撑下的崇明地区电网无功负荷分布时空特性分析

0 引 言

随着社会经济发展及全社会环保意识的增强,使得近年来城市电网发展呈现出:网架电缆化程度增高、负荷峰谷差加大和因可再生能源发电大量接入导致电网的复杂性和不确定性日益增加等特征。电网运行出现无功过剩和电压偏高等问题日益凸显,因此有必要对无功负荷分布特性进行分析,探究造成无功倒送等不合理现象的原因,为电网的运行规划提供参考。

总之，小学语文教学中培养学生综合阅读能力是新课标的主要要求。在实际语文教学中，需要教师引导学生进行词句基础训练、教导学生正确阅读的方法及引导学生深入感悟文章的内涵，以让学生掌握文章整体脉络，从而提高学生的综合阅读能力。

由于传统电网主要存在电压偏低、功率因数偏低和无功功率不足的问题,故目前的研究主要集中在容性无功补偿问题上。文献[1]提出了针对风电系统静止同步补偿器(STATCOM)的无功优化方案;文献[2] 开发了一套基于功率因数和电压双控的、分布式的配电网无功优化自动化控制系统;文献[3]则将多目标决策协调算法与群体进化理论有机结合起来,通过优化变压器分接头位置和并联电容器组数实现多目标无功优化;文献[4]介绍了应用与低压配电网系统中的5种不同的电容器投切控制策略,实现无功自动补偿。

崇明地区有着丰富的风电资源,同时出现电缆线路大量接入、无功电压越限和无功倒送现象频发。本文将在对SCADA系统记录的海量数据进行清洗预处理基础上,对该地区无功电压时空分布特性进行深度挖掘,为配电网无功规划提供参考。

1 SCADA数据预处理

SCADA系统中包含大量缺失值、异常点,也包含大量噪声。为了保证数据分析结果的准确性,需要对SCADA系统中记录的数据进行预处理,得到标准“干净”的有效数据集。

1.1 功率平衡准则

SCADA系统中的遥测装备主要安装在变电站。变电站的基本结构[5]如图1所示。以变电站的主变压器作为SCADA数据的基本分析单元进行功率平衡分析。

图1 变电站的基本结构

功率平衡是电力系统中的一条基本准则:电力系统的有功和无功功率实时平衡和节点或母线的输出功率实时平衡。设定流出图1中箭头指向为正方向,可以写出两组约束。

一是以租代管，继续加强和规范土地租赁工作。坚持以管理为目标、经营为补充的工作原则，进一步加强和规范租赁业务，为重大项目、弥补城市功能短板提供服务与保障。

(1) 变压器主变功率平衡:

sH+sL+sM-Δst=0

(1)

式中: sH——主变高压侧功率;

sM——主变中压侧功率;

sL——主变低压侧功率;

Δst——变压器损耗功率。

(2) 母线功率平衡:

(2)

式中:和高压侧、中压侧和低压侧母线分段数目;

崇明地区配电网岛内总负荷不高,同时岛内负荷逐年变化比较平稳。因此,SCADA系统中位置大数据具有数据量大、价值密度低的特点。为了进行数据的时间分布特征挖掘,需要考虑负荷季节和时间差异,各时间段间的相似性,对有明显差异性的无功负荷进行分析。本文采用的时间降维方法为2.1节中介绍的负荷数据的K-means聚类算法。数据对象为崇明地区年8 760总负荷数据。时间降维负荷数据聚类结果示意图如图3所示。

目前，教育部门新课标中对初中英语阅读各项训练技能进行了明确的规定，要求英语教师首先从宏观层面把握作者的主观态度，然后结合文中特定的情景来对文章整体脉络进行预测。英语教师首先要自行搜索相关的参考资料来解决阅读中所遇到的诸多问题，在此基础之上，来完成初中英语教学，传授相关的阅读技巧和方法，并实现寓教于乐，提升学生的阅读积极性。

高中低压侧分段母线出线数目以及对应功率;

和高中低压侧分段母线对应功率;

对电网拓扑进行3种方式划分之后分别进行无功分布特性分析。计算划分到不同类型的站点的平均全年无功倒送频率,得到区域平均无功倒送频率分析表,如表2所示。

除了变电站功率平衡之外,两个变电站测量的同一条线路数据也满足一个功率平衡等式约束:

农村师资发展的需求 在信息化的教育条件下，教师有机会强化自身，适应学习型社会的要求，提升自身素质。教育信息化为教师提高自身素质提供了便利条件，无纸化的学习环境可节约大量经费，便利的网络交流渠道使教师学习更加便捷，从而改变农村教育经费紧张和农村教师收入低导致的影响业务学习的状况，方便教师利用分散的时间和地点进行学习，使教学效率得到提高，改善长期以来农村教育师资落后的局面。

sib,jl=sib,jl′+Δsl

(3)

5）如果满足条件flag=true并且 cout＜threshlod1，则进入步骤6），否则返回步骤2）。

sib,jl——线路末端变电站测得线路实时功率;

Δsl——实部为线路损耗的有功功率,虚部为线路损耗的无功功率以及充电功率之和。

（3）充电站的工作方式以及充电设施使用情况。私家车主一般均会选择直流快充，目前大多数充电站也都已配备直流快充功能。而充电站的工作时间以及当前充电桩是否已经满载都是在进行路径规划时必须考虑的问题。在充电车位已满的情况下，可以选择等待空车位的出现或是提前预约车位。这将增加额外的出行时间或是费用。

1.2 数据清洗流程

电网无功负荷的时空特性分析必须建立在历史负荷数据的基础上。为此,需要对SCADA系统中的原始数据进行清洗填补,保证分析数据的正确性和可靠性[6]。项目收集到数据是以各变电站站点为单位的txt文件,在此基础上使用功率平衡准则辨识和剔除坏数据和无效数据。预处理示意图如图2所示。

图2 数据预处理示意图

BVAC.N99D型真空主断路器是单极交流真空断路器，该部件有三个主要的组成部分：①高压电路部分。②地隔离的绝缘部分。③电空机械装置和低压电路部分。主要部件如图1所示：

(2)形成有效数据集。在相关数据集基础上删除无效数据。判断无效数据的主要方式有:① 全天数据缺失大于70%的当日数据;② 以天为单位,记录数据样本去除重复值后少于全天数据的10%。全天有大量重复数据代表着数据样本全天采样成功率低;③ 数据样本数据异常,表现在数值大于该类数据均值的50%或者小于其均值50%。从相关数据集中删除无效数据之后,得到有效数据集。

(3)形成可疑数据集。选取误差阈值为数据均值的5%,使用上述功率平衡准则对每个变电站的母线负荷数据和线路负荷数据进行等式校核,功率平衡偏差大于误差阈值,则把该站点的数据放到可疑数据集中。

(4)错误数据辨识。此时,可疑数据集中包含站点数据中的部分错误数据和正确数据,且数量十分有限,可以通过人工分析方式找到错误数据,进行数据删除或数据填补,完成数据清洗工作。

通过上述数据预处理方法,得到干净有效的负荷数据,为下一步进行无功负荷时空分布特性挖掘结果的准确性奠定基础。

2 无功负荷时间分布特性挖掘

由表2中得出以下结论:

式中: sib,jl′——线路始端变电站测得线路实时功率;

2.1 负荷数据的K-means聚类

K-means聚类是一种较为成熟的无监督聚类方法。K-means以欧式距离作为评价指标,以距离最小为优化目标选取最优质心[7]。

K-means聚类算法快速简单,时间复杂度低,但是算法对初始聚类中心和样本输入顺序敏感,受孤立点影响较大。

由于本文使用的数据已经经过数据预处理,且以天为单位的负荷数据具有一定的规律性和连续性,故可以忽略样本输入顺序和孤立点对算法的效果影响。但是初始聚类中心点的选择对聚类效果影响重大。

根据负荷数据的基本特点,对数据进行季节一次分配后再进行K-means聚类,即将负荷数据按季节分成4组数据。将4个季节区域按照工作日和节假日进行二次分配,在每个区域内随机选择2个日期不相邻的日负荷数据作为初始聚类中心,再进行K-means聚类。

两次预分配的K-means聚类方法在已知负荷数据特征规律的基础上选择初始聚类中心,保证聚类算法初始值的分散性和代表性。因此减少了迭代数目和算法时间,具有较好的聚类效果。

2.2 多负荷场景的时间降维

仪式感所创设的环境，能把人与物区别开来，凸显人的尊严。比如穷得揭不开锅的杨白劳，欠着账也要给喜儿买上两尺红头绳，躲着债也要在年关买上二斤白面；再比如身在牢笼拒不投降的洪承畴在听到孝庄太后前来探视的消息后，不由自主就轻拂了一下身上的灰尘。再潦倒的人，只要内心存有一种叫仪式感的东西，他的世界依然会闪烁出炫目的光亮。

2.3 时间特征挖掘结果

将崇明地区年负荷数据降维为春夏秋冬四季共16条典型曲线。计算16种运行场景日期下对应崇明电网220 kV站点110 kV和35 kV无功倒送频率,得到不同运行场景下崇明电网无功负荷分布,如表1所示。

从远古时代开始，为了日常生活和生产实践的需要，人们创造出一些语言用来表达事物量的多少，比如，狩猎收获的多少，祭祀牺牲的多少，等等．

图3 时间降维负荷数据聚类结果示意图

由表1中可以看出:

(1) 220 kV站点110 kV侧在冬季无功倒送情况比较严重,春季和夏季无功倒送情况发生概率比较低。

(2) 35 kV侧在春季、夏季基本不发生无功倒送现象,秋冬季节易发生无功倒送。

(3) 整体上,电网在轻载时倒送现象明显严重,重载时期基本不发生倒送。

他们都说，那是一个平头的男生。丸子总共也不认识几个男生啊！平头的男生？她想到的只有一个，她的前男友。或许他是出于愧疚，想要给自己点补偿吗？

表1 不同运行场景下崇明电网无功负荷分布

运行场景聚类中心编号110kV侧无功日倒送频率/%35kV侧无功日倒送频率/%春季12.450.0021.000.0036.783.8242.505.37夏季18.670.0025.890.0030.000.0040.000.01秋季110.802.6425.784.69323.405.90447.9014.80冬季138.789.63248.006.69335.7010.67447.9324.90

3 无功负荷空间分布特性挖掘

将连续的拓扑结构离散化,分成具有空间显著区别的区域。通过区域之间的电压等级、电源结构等因素差异,分析无功负荷的空间分布特征。

3.1 拓扑划分的无功负荷空间降维

为了分析电压等级、电源结构、负荷场景对无功倒送频率的影响,对地区电网拓扑进行3种不同方式的结构划分。

(1)形成相关数据集。首先对初始数据集利用数据标签进行筛选,组成无功负荷特性分析相关数据集。筛选有效关键词主要为电压、无功、有功、主变、线路、电容器、高抗。

(1)按220 kV变电站供电区域进行划分。由于我国电网大部分在220 kV及以上电压等级拓扑采用环形电网,35 kV及以下电压等级电网拓扑采用辐射型电网。因此第一种划分方式为以220 kV电网为根节点将崇明地区电网划分为几个相对独立的辐射状供电区域,每个区域的电网网架结构相似。

(2)按电压等级划分电网,即把每个供电区域划分为220 kV电压等级、110 kV电压等级和35 kV及以下电压等级。

(3)以负荷特征将该区域电网划为重负荷域、轻负荷域以及含风电区域。该划分方式将以主变50%容量为分界线。若该站点夏季高峰负荷小于50%,则该站点为轻负荷区域,否则为重负荷区域。

崇明地区电网基本网架示意图如图4所示。图4中第1种划分方式将岛内变电站划分为A、B、C 3个区;第2种划分方式将岛内网架划分为220 kV层、110 kV层和35 kV层;第3种划分方式将电网划分为风电接入站点(1～4号风)、重负荷站点和轻负荷站点。

图4 崇明地区电网拓扑划分方式示意图

3.2 空间特征挖掘结果

和中低压侧无功补偿装置的功率。

对电网总负荷数据进行两次预分配后进行聚类,将全年负荷场景进行时间降维成具有代表性的16个负荷场景,分析多个负荷场景无功负荷分布状态,明确无功负荷分布特性时间分布规律。

(1)B区出现无功倒送情况的频率最高,而A区无功倒送频率最低。

80年代在中国东部沿海一带的玄武岩中，相继发现了许多蓝宝石矿床。其中以山东（昌乐）蓝宝石质量最佳。晶体呈六方桶状，粒径较大，一般在1cm以上，最大的可达数千克拉。蓝宝石因含铁量高，多呈近于炭黑色的靛蓝色、蓝色、绿色和黄色。以靛蓝色为主。宝石级蓝宝石中包裹体极少，除见黑色固态包体之外，尚可见指纹状包体。没有绢丝状金红石及弥漫状液体包体。蓝宝石中平直色带明显，聚片双晶不发育。大的晶体外缘可见平行六方柱面的生长线。山东蓝宝石因内部缺陷少，属优质蓝宝石。

表2 区域平均无功倒送频率分析表

分区方式各区描述平均倒送频率/%第1种分区方式A区(220kV中双港站及其相连站点)16.52B区(220kV堡北站及其相连站点)37.71C区(220kV陈家镇站及其相连站点)28.17第2种分区方式220kV28.49110kV24.9935kV7.62第3种分区方式风电接入区37.52重负荷区3.40轻负荷区23.79

(2)第2种划分方式下,110 kV站点无功倒送情况比35 kV层明显严重,说明无功倒送已经逐渐集中在220 kV以下,尤其是110 kV电压等级电网中。

(3)第3种空间划分方式下,风电接入地区的无功倒送情况与轻负荷区域都明显高于重负荷区域。其中,风电接入区无功倒送情况最为严重。这说明轻负荷与风电接入都是崇明地区发生无功倒送的主要原因之一。

4 结 语

本文基于SCADA系统中海量数据,以基本的数据处理工具和功率平衡理论进行数据清洗,进一步从时空两个维度上对崇明地区无功负荷分布特性进行分析,得出无功负荷分布的时空分布规律,据此推断发生无功倒送现象的诱因。得到如下结论:

涂装是现代产品制造工艺中的重要环节之一，它包括涂装前对被涂物表面的处理、涂布工艺和干燥三个基本工序以及设计合理的涂层系统。传统涂装工艺中，在喷漆、烘干工段会产生大量的有机溶剂气体，其主要成分是甲苯、二甲苯、苯等，这些有害物质外排不仅影响大气环境，而且有火灾和爆炸的环境风险。涂装工艺产生的环境污染与涂料选择、作业环境条件、质量及工艺管理各方面息息相关［1］。

(1)基于功率平衡准则,提出了SCADA系统数据清洗的实用化方法和具体流程,辨识方法简单有效。

(2)通过两次预分配的K-means聚类方法和3种不同的空间划分方式,降低了时空复杂度,分析无功负荷的分布特性。

(3)结合实际网架拓扑和时空分布特性挖掘结果,风电接入和轻载是导致崇明地区无功倒送的主要原因之一,无功负荷在小负荷时期、极端负荷时期会出现严重倒送,且110 kV区、B区域需要成为无功优化的重点关注区域。

在无功负荷分布特性分析结果的基础上,合理规划无功补偿装置配置方案,制定AVC动作策略,以期达到无功最优分布。

【参 考 文 献】

[1] 饶成诚,王海云.风电并网系统中无功电源优化配置方案分析[J].低压电器,2013(14):43-47.

[2] 周云成,朴在林,付立思,等.10 kV配电网无功优化自动化控制系统设计[J].电力系统保护与控制,2011,39(2):125-130.

[3] 李圣清,曾黎琳,罗晓东,等.基于多目标决策协调进化算法的电力系统无功优化[J].低压电器,2013(4):45-49.

[4] 孙建东,陶小虎,岳仁超,等.低压配电系统中的无功补偿控制策略[J].低压电器,2014(5):49-51.

[5] 王锡凡.现代电力系统分析[M].北京:科学出版社,2003.

[6] 唐新安,胡铁斌.SCADA 系统中坏数据的自动检测[J].电力自动化设备,2002,22(10):81-82.

[7] 管红立,李亚芳,郑文栋,等.基于相空间重构理论和K-means聚类算法电弧故障诊断[J].电器与能效管理技术,2017(17):1-8.