基于kDBA++聚类算法的谐波污染分区策略

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