滨州电业局负荷数据分析.doc

滨州电业局负荷数据分析基于滨州电业局220kv大杨站#2主变220kv侧#202的数据做以下分析：1 电压量分析1.1 一个月数据量分析数据于2011年9月10至2011年10月10日每小时采集一次，基于一个月的数据量。利用分形原理做R/S分析得出重标极差与时间的log/log图，如下所示：9月10日至10月10日大杨站220kv电压R/S分析由图可知，利用一个月的数据量分析得出的赫斯特指数H=0.5886。因为，所以电力系统的电压负荷具有分形特征。该负荷序时间列具有状态持续性，或称长期记忆性。也就是说，若负荷时间序列在过去时期是上升（下降）的，则在将来时期将继续上升（下降）。在理论上说这种长期记忆性是指今天发生的事对以后发生的事总有影响。而且，负荷时间序列的的这种长期记忆性不会随着实践标度的变化而变化。我们这里是以时间增量为小时来观察，则未来的小时变化与过去的小时变化是相关的。在分析中，H指数越接近1，则长期记忆性越强，对于接下来的分时段有更高的准确性。因此，我们求出该负荷时间序列的统计循环长度。所谓统计循环长度是指负荷时间序列在平均意义上的周期长度。我们得出t=81h，利用在平均周期长度内的负荷时间序列分析得出赫斯特指数H=0.9296.同一个月的数据分析所得的赫斯特指数相比，明显更接近于1.因此，我们可以利用81小时内的数据进行的分时段分析。1.2 两个月数据量分析数据于2011年9月10至2011年11月10日每小时采集一次，基于两个月的数据量用分形原理做R/S分析得出重标极差与时间的log/log图，如下所示：9月10日至11月10日大杨站220kv电压R/S分析同理，利用两个月的负荷时间序列做分形分析得出赫斯特指数H=0.7108。求取平均循环长度t=82h内的H指数为0.9083.与利用一个月数据量所作分析结论相同。1.3 变时段分析大杨站22kv电压81小时负荷变化曲线通过上图可以看出:每天相同时刻的负荷数据是不一样的,但是每天负荷的变化趋势相似,但又不是周期性的变化,这种情况 符合了分形的特征.利用基于负荷多重分形特征参量的分时段方法.依据分形理论得到负荷变化的趋势,该趋势能够充分反映每天负荷变化的情况,并计算不同时刻的多重分形特征参量.利用谱系聚类算法,合并多重分形特征参量类似的相邻时刻,得到补偿时段.大杨站220kv电压多重分形谱上图为大杨站220kv电压24个负荷时间序列多重分形谱。能够反映电网负荷的波动水平，所以可以根据负荷波动水平的相似情况，对电网时段进行聚类。使用谱系聚类算法将相近的时段聚合为同一时段，最终根据负荷的波动情况将每天24小时分为8个时段，1-8,9,10-11，12-15,16-21,22,23,24。2 有功功率分析2.1 有功功率数据量分析根据大杨站#2主变220kV侧#202有功功率两个月的时间序列进行分析，得出赫斯特指数H=0.7883.H指数在0.5与1之间，此时间序列具有明显的分形特征。进一步计算其统计循环周期t=78h，在平均周期内的H指数为0.8993.大杨站220kv有功R/S分析上图中，绿色曲线为V统计量曲线，是一个判断平均周期长度的统计量。图中曲线由斜变平停止增长的拐点处，就是平均周期点。黑色曲线为平滑处理后的V值曲线，可以更精确的确定拐点。红色直线（下面）为利用两个月数据得出的H指数，确定平均周期长度后得到的是红色直线（上面）更接近于1.蓝色星号曲线为重标极差序列与时间的对数散点图。2.2 变时段分析大杨站220kv有功多重分形谱根据的数值进行聚类，得出8时段，分别是1-5,6-8,9-11,12,13,14-19,20,21,22-24。3 无功功率分析3.1 无功功率数据量分析根据大杨站#2主变220kV侧#202无功功率两个月的时间序列进行分析，得出赫斯特指数H=0.7922.H指数在0.5与1之间，此时间序列具有明显的分形特征。进一步计算其统计循环周期t=79h，在平均周期内的H指数为0.9067.3.2 变时段分析利用无功功率数据进行分析得出分时段结果为1-8,9,10-11,12-15,16-21,22,23,24.在各补偿节点，以该补偿点的负荷波动程度确定电压无功控制装置的电压、