配电网数据挖掘论文提纲

论文题目：基于数据挖掘的低压配电网拓扑智能识别与电压管理优化

摘要：在以“互联网+智慧能源”为能源发展战略,“碳中和”为能源发展目标的背景下,越来越多的分布式电源、充电桩在低压配电网（low-voltage distribution network,LVDN）中接入,间歇性电压越限将成为其安全运行的主要挑战之一,而LVDN电压管理的支撑基础是拓扑智能识别。因此,LVDN拓扑智能识别和电能质量管理成为电网行业促进分布式电源、储能、电动汽车并网以及打造高质量现代供电服务体系的关键技术需求。本文基于LVDN中的用电量测数据,围绕LVDN的“变-相-线-户”关系识别和电压质量管理理论方法与工程应用展开研究,具体工作如下:（1）针对LVDN变户关系识别中数据区分度和数据噪音对识别效果的影响问题,提出了基于知识驱动的变户关系识别方法。首先,基于潮流模型,推导了与变户关系相关的先验知识;其次,联合Z-Score和主成分分析法对原始数据进行标准化和特征提取处理,以放大数据间的差异并削弱数据噪声的影响;进而,建立了综合利用有关靠近配变首端和非靠近配变首端用户的电压关联特性的知识驱动变户识别模型。算例分析验证了所提方法的有效性,探讨了所提方法在不同场景下的性能表现,相比已有方法,所提方法可以达到更高的变户关系识别准确率,且对数据区分度和噪音有较好的鲁棒性。（2）针对LVDN相-线-户关系识别中用户用电特征多样性考虑不足影响识别准确率的问题,提出了考虑空房用户自适应聚类的相-线-户关系识别模型。首先,基于节点电压时空分布规律,推导了用户间的关联特性,进一步提出了可将空房电表与用电电表相关联的用户自适应聚类方法;其次,构建了以低压母线与所连接电表电流之和的差值最小化为目标的识别二次规划模型;进而,设计了基于蒙特卡洛的识别结果概率分布模型,提升识别算法对电表计量误差的鲁棒性。算例分析验证了所提模型的有效性,探讨了阈值系数对识别准确率的影响,在存在空房用户和电表计量误差的用电特征多样性场景下,所提模型可以达到更高的LVDN相-线-户识别准确率。（3）针对LVDN相户关系识别中数据质量对识别效果的显著影响问题,提出了考虑数据不完整性的相户识别多维校正改进方法。首先,基于LVDN节点电压特性,推导了低压用户和母线间的多维关联特性;接着,结合定位指标和多维关联特性,刻画了可修正远离低压母线用户的相序连接关系的多维校正理论;进而,综合多种相序识别理论,构建了面向数据不完整的多样化相户识别模型和方法。算例分析验证了所提方法的有效性,探讨了阈值系数对识别准确率的影响,在数据不完整情况下,本文所提多维校正改进方法相比已有方法可以达到更高的相户识别准确率。（4）针对LVDN电压幅值和三相不平衡越限治理中手段不足的问题,提出了充分调动居民需求侧资源潜力的思路,建立了基于温控设备（thermostatically controllable appliances,TCA）多目标电压管理优化模型。首先,建立了电热水器和空调在LVDN电压管理中的响应模型;其次,构建了以最小化需求侧响应成本、网络损耗和用户不舒服性为目标,用户的热水器和空调用电功率作为决策变量的LVDN电压管理多目标优化模型。算例分析表明,所提方法能兼顾电网企业调节成本、用户舒适性,将LVDN所有节点的三相电压不平衡度和电压幅值控制合格范围内,并提高LVDN对光伏并网容量的耐受渗透比。论文研究成果丰富了LVDN拓扑智能识别及电压质量管理方面的理论和方法,对于推动我国“构建以新能源为主体的新型电力系统”的建设和用户用电体验提升具有重大意义。

关键词：低压配电网;知识驱动;数据挖掘;拓扑智能识别;二次规划;多维校正;电压管理;住宅需求侧响应;多目标优化

学科专业：电力系统及其自动化

摘要

ABSTRACT

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究发展现状

1.2.1 LVDN拓扑识别方法的研究进展

1.2.2 LVDN电压幅值和三相不平衡管理技术研究进展

1.2.3 研究进展小结

1.3 本文主要研究工作和章节安排

第二章 基于知识驱动的变户关系识别

2.1 LVDN变-户关系识别问题概述

2.1.1 LVDN数据采集现状描述

2.1.2 变户关系现状描述

2.2 量测数据时空特性推导与LVDN变-户关系先验知识分析

2.2.1 量测数据的时间与空间特性推导

2.2.2 LVDN变-户关系先验知识分析

2.3 知识驱动的LVDN变-户关系识别模型

2.3.1 数据标准化和主要特征提取

2.3.2 基于先验知识的变户识别模型

2.4 算例分析

2.4.1 算例参数描述

2.4.2 方法识别过程

2.4.3 算法性能分析

2.4.4 与现有方法的对比分析

2.4.5 阈值系数灵敏性分析

2.5 本章小结

第三章 考虑空房用户自适应聚类的相-线-户关系识别

3.1 LVDN空房问题描述

3.2 应对空房用户的用户自适应聚类模型

3.2.1 用户间的关联特性推导

3.2.2 关联空房用户的自适应聚类模型

3.2.3 用户聚类结果修正策略

3.3 基于二次规划和概率分布的相-线-户关系识别建模

3.3.1 基于KCL定律的相-线-户关系识别二次规划模型

3.3.2 提升算法鲁棒性的蒙特卡洛概率分布模型

3.4 算例分析

3.4.1 算例参数描述

3.4.2 方法识别过程

3.4.3 与现有方法的对比分析

3.4.4 阈值系数灵敏性分析

3.5 本章小结

第四章 考虑数据不完整性的相户识别多维校正

4.1 数据不确定性问题描述

4.1.1 LVDN中数据不确定性问题描述

4.1.2 混合整数规划模型不可行论证

4.2 基于时序曲线相关性的多维校正模型刻画

4.2.1 用户与低压母线关联特性推导

4.2.2 用户间的关联特性推导

4.2.3 应用于相户识别的多维校正模型描述

4.3 基于多维校正的相户识别改进方法

4.3.1 基于多维校正的相户识别改进方法概述

4.3.2 基于用户相关性的用户聚类模型

4.3.3 基于用户和低压母线相关性的相户初始识别模型

4.3.4 基于用户相关性的识别结果校正模型

4.4 算例分析

4.4.1 算例参数描述

4.4.2 方法识别过程

4.4.3 不同场景方法性能分析

4.4.4 与现有方法的对比分析

4.4.5 阈值系数灵敏性分析

4.4.6 试点应用

4.5 本章小结

第五章 基于温控设备多目标电压管理优化建模

5.1 温控设备在LVDN电压幅值和三相不平衡管理中的响应模型

5.1.1 温控设备响应模型

5.1.2 应用温控设备的优越性分析

5.2 LVDN电压幅值和三相不平衡管理的多目标优化模型

5.2.1 目标函数

5.2.2 约束条件

5.2.3 模型求解

5.3 算例分析

5.3.1 算例参数

5.3.2 优化方案验证与对比分析

5.3.3 不同目标函数对优化结果的影响分析

5.3.4 光伏渗透率对优化结果的影响分析

5.3.5 用户舒适温度范围对优化结果的影响分析

5.4 本章小结

结论与展望

本文主要结论

后续研究工作展望

参考文献

致谢