摘要：隨著電網中高比例可再生能源及電力電子設備滲透率的提高，電力系統的運行形態將發生深刻變化，基于經驗選擇的電力系統方式分析，越來越難以應對電力系統運行、規劃、保護和穩定分析的要求。為此，該文基于電力系統時序運行模擬數據，提出了數據驅動的電力系統運行方式及其形態變化分析方法。該方法首先對高維運行模擬數據進行預處理，通過聚類和緊密度指標飽和點分別辨識典型運行模式及其數量，利用SNE降維算法提取主要特征并可視化運行方式的時空變化規律;接著，從定量的角度，提出了描述電力系統運行方式分散性、季節一致性、時序多變性的評估指標。最后，以甘肅電網實際算例系統分析了高比例可再生能源對電力系統運行方式的影響，驗證了文中數據驅動方法的有效性。實驗結果表明，電力系統運行方式的分散性及典型運行方式的數量會隨著可再生能源滲透率的上升而迅速增加。此外，電力系統運行方式與季節的耦合性逐漸減弱。

　　關鍵詞：數據驅動;高比例可再生能源;電力系統運行方式;電力系統運行模擬;降維;聚類

　　0引言

　　大力發展可再生能源成為構建新一代低碳化、清潔化電力系統重要趨勢[12]。但高比例可再生能源的強不確定性及電力電子設備的大量接入給電力系統帶來了多重挑戰，例如運行方式多樣化、電網潮流雙向化、穩定機理復雜化等[34]。此外，可再生能源消納的壓力及日益增長的調峰調頻需求使儲能等靈活性資源在電力系統中的作用逐漸凸顯[57]。這些新的因素開始主導電網的運行方式，傳統基于模型和經驗的電力系統分析方法越來越難以應對電力系統運行、規劃、保護和穩定分析中海量多變的運行方式[89]。

　　電力系統論文范例： 電力系統繼電保護與自動化裝置的可靠性分析

　　由于傳統電力系統的運行方式主要受負荷或季節性水電出力的影響，具有相對固定的模式，在電力系統規劃中往往利用“冬大冬小，夏大夏小，豐水枯水”選取典型運行方式進行經濟性、安全性和穩定性評估。但在高比例可再生能源和電力電子設備接入下，按傳統方式選取的電力系統典型運行場景難以還原真實的情況。

　　因此，如何在運行和規劃中確定典型運行方式及其數量如何在保護和穩定分析中確定極端運行方式均亟需研究未來高比例可再生能源等新因素接入下電力系統運行方式的變化機理。 學術界已經對數據驅動技術在電力系統中的應用進行了初步探索[10]。這些研究主要集中在個方面：預測，模式識別和決策分析。

　　預測主要包括負荷預測[1112]和可再生能源預測[1315]，基本思路是通過數據驅動的方法建立負荷或可再生能源出力與影響因素之間的相關模型而非因果模型進行預測，為負荷預測提供了新的思路。文獻[12]先將負荷聚類分組，再通過集成學習的方法預測總負荷。文獻[11]則將LST模型應用于個體概率性負荷預測。文獻[15]通過深度學習的方法選取主要特征以提高風電短期出力預測精度。在模式識別方面，數據驅動的方法主要用于電力系統狀態估計[16]，拓撲識別[1718]，和事故辨識[1921]等。

　　文獻[16]通過數據驅動方法對歷史數據進行學習以改善智能電網在線狀態估計的效果�？偟膩碚f，已經有許多數據驅動的方法應用于運行規劃過程中電力系統典型運行場景選取，但是缺少高比例可再生能源等新因素接入下電力系統運行方式及其模式變化規律的研究。在實際電力系統規劃中，仍然沿用“冬大冬小，夏大夏小，豐水枯水”等通過經驗選取電力系統運行方式數量及模式的方法。

　　為此，本文基于電力系統精細化運行模擬仿真數據，提出了數據驅動的電力系統運行方式分析方法及框架;該方法首先對海量高維運行模擬數據進行預處理以壓縮其中的冗余維度，提高后續算法的運行效率;接著利用聚類算法和緊密度指標飽和點分別在高維空間發現典型運行模式及其數量;然后通過降維可視化算法提取運行方式主要特征并在低維空間直觀展示運行方式的高維空間分布及時序特點;接著，從定量的角度，本文提出了描述電力系統運行方式分散性、季節一致性、時序多變性等特點的數學指標。最后，以甘肅電網實際算例實證分析了高比例可再生能源對電力系統運行方式影響，驗證了本文提出的框架和數據驅動方法的有效性。

　　本文的創新性主要體現在以下幾個方面：

　　1)精細化運行模擬生成海量運行方式數據：數據驅動的方法需要足夠的數據支撐，但是電力系統實驗成本高昂且部分研究場景在當前實際系統中并不存在，例如超高比例可再生能源電力系統，本文的方法基于精細化運行模擬數據產生海量運行方式數據，以解決實際電力系統中歷史運行方式數據不足的問題;

　　2)數據驅動的新視角：通過緊密度指標飽和點和聚類等數據驅動算法分析電力系統運行方式數據，從而辨識高比例可再生能源、儲能等新因素接入下電力系統典型運行方式及其數目，避免了基于經驗選取典型運行方式的方法在篩選海量運行場景方面的不足;

　　3)從定性和定量兩個方面展示電力系統運行方式的特點：通過高維聚類和降維可視化，在低維展示了電力系統運行方式的高維空間分布及時序變化，能夠幫助我們直觀分析和理解新因素對電力系統運行方式的影響，同時通過對運行方式直觀特點的定量描述，提出了運行方式分散性、季節一致性、時序多變性等嚴格指標，有助于我們將所得結論應用于電力系統運行規劃;

　　4)適用于實際電力系統：電力系統數據具有高維復雜非線性相關的特點，特別是對于大型實際電力系統，本文通過甘肅省實際算例驗證了所提方法的有效性并對比分析了不同可再生能源接入下甘肅電網運行方式的特點。實驗結果表明電力系統運行方式的分散性及典型運行方式的數量會隨著可再生能源滲透率的上升而迅速增加。此外，電力系統運行方式與季節的耦合性逐漸減弱。

　　1數據驅動的電力系統運行方式分析框架

　　電力系統運行方式數據具有高維且非線性相關的特點，利用數據驅動的方法分析電力系統的運行方式，需要解決以下個問題：

　　1)如何獲取新因素作用下的海量運行方式數據，如何高效地對高維非線性相關的運行方式數據進行分析;2)如何定量地對電力系統運行方式的特性進行描述為此，圖給出了數據驅動的電力系統運行方式分析框架：3)確定邊界條件：根據研究因素可再生能源、儲能等確定電力系統的邊界條件，例如，研究高比例可再生能源時需要確定可再生能源機組容量、出力概率分布、時空相關性、季日特性、線路和負荷參數等;4)電力系統精細化運行模擬：數據驅動的方法需要足夠的數據支撐，但是電力系統實驗成本高昂且部分研究場景在當前實際系統中并不存在，例如超高比例可再生能源電力系統，因此，本框架基于電力系統精細化運行模擬產生海量運行方式數據，以解決實際電力系統中歷史運行方式數據不足的問題。

　　首先通過隨機微分方程重構考慮時空相關性、季日特性的可再生能源時序出力，同時進行水電中長期運行模擬和火電全年檢修模擬;通過可再生能源、水電、檢修模擬得到的日邊界條件，以最小化運行成本為目標，逐日模擬考慮多種電源類型和網絡約束的電力系統優化調度，得到電力系統機組出力，線路潮流、負荷等運行方式數據。電力系統運行模擬方法較為成熟，目前已有一些商業軟件，因此具體方法不再贅述[3。

　　2數據驅動方法

　　2.1電力系統運行方式數據的特點及數據驅動算法選取原則

　　電力系統運行方式數據具有以下特點：

　　1)數據規模大，維度高：電力系統運行方式的變化具體表現為線路潮流、機組出力、節點電壓相角等相關電氣量運行規律的變化。實際電力系統中包含大量的元件，多樣的電氣量，不同的時間尺度和時間粒度。因此其數據維度高，數據規模大。例如江蘇省220kV以上線路超過2500條，如果僅考慮小時級時間粒度，則全年存在365個60000維日潮流向量。此外，隨著高比例可再生能源、儲能等新因素的接入下，電力系統運行方式呈現進一步多樣化的趨勢，因此，需要仿真更多的運行方式樣本分析其規律，這種新的特點進一步增大了所需電力系統運行方式數據的規模。

　　如果使用電力系統歷史數據，則由于實際電力系統中廣泛存在的量測設備，仍然面臨數據規模大、維度高的問題。因此，一方面有必要對運行方式數據進行預處理以提高后續算法的效率，另一方面高維度運行方式數據難以直觀理解，有必要通過聚類算法確定其在高維空間的聚類結構，并通過降維可視化的方法在低維空間直觀展示其高維空間分布及時序特點，從而加深我們在新因素接入下對電力系統運行方式特點的理解。

　　2)不同維度之間非線性相關：電力系統運行方式數據的不同維度之間存在物理規律的時空耦合，例如基爾霍夫電流定律、電壓定律、潮流方程的耦合等，因此不同維度之間存在時間和空間的復雜非線性相關性，同時存在一定的冗余性，例如機組出力、負荷及線路潮流數據只要知道前兩者就可以通過潮流方程計算出線路潮流。因此我們有必要通過預處理算法對冗余維度進行壓縮。同時需要降維可視化算法解耦其在高維空間的相關性并投影到二維平面進行直觀展示。如綜上所示，本文采用了預處理、聚類、降維可視化的思路對海量運行方式數據進行分析。

　　預處理、聚類、可視化降維等數據驅動方法應當通過以下原則選取：預處理算法應當能快速處理大規模高維運行方式數據，能對運行方式的冗余維度進行壓縮并表示其壓縮程度，對于實際數據需要能辨識異常運行方式，以提升后續算法的運行效率;聚類算法應當能快速處理大規模樣本，魯棒性高，同時應當通過適當的指標合理確定電力系統運行方式數量;降維可視化算法應當能夠解耦高維非線性相關運行方式數據，同時能在低維平面反映數據在高維空間的分布，例如在高維空間聚在一類的運行方式在低維空間應當相互鄰近。下面將具體介紹各環節的典型算法。

　　2.2預處理

　　由于電力系統實際和仿真數據往往存在壞數據或維度冗余的問題，通常需要對實際和仿真數據進行預處理。對于仿真數據，常用的預處理方法是降維壓縮。降維壓縮可以過濾掉電力系統實際和仿真數據中冗余的維度，提高后續聚類及可視化算法的效率，從而將數據驅動方法拓展到實際大型電力系統。常用的降維預處理算法有主成分分析(PCA)，多維變量縮放等[3。本文使用效率較高且易于控制壓縮程度的PCA算法對高維運行方式數據進行降維預處理。

　　3電力系統運行方式特征指標

　　通過數據驅動的方法對電力系統運行方式進行聚類、降維、可視化分析可以得到對電力系統運行方式空間分布的直觀理解。為了定量描述電力系統的運行方式的特征以進一步將指導電力系統運行規劃，本文提出個指標分別描述電力系統運行方式的分散性、季節的一致性以及時序多變性。

　　4算例分析

　　4.1甘肅電網算例數據

　　為研究高比例可再生能源滲透率對電力系統運行方式的影響，本文以甘肅省電網實際數據進行實證分析。截止020年上半年，甘肅省可再生能源最大出力超過1000MW，占甘肅電網用電負荷7.3，占當時總發電出力的7.240。隨著可再生能源滲透率的提高，甘肅電網運行方式面臨巨大挑戰。本文以甘肅電網實際數據和網架結構為基準，設計了低比例(0%)，中比例20%)，高比例(3%)等種可再生能源滲透率情景，分別代表過去、當前、及未來電網的形態。

　　5結論

　　高比例可再生能源等新因素接入使得電力系統運行方式呈現多樣化的趨勢。本文基于電力系統精細化運行模擬仿真數據，提出了數據驅動的電力系統運行方式分析方法。該方法利用預處理、聚類、降維可視化算法直觀分析和定性理解電力系統運行方式及其變化規律，接著設計定量指標描述電力系運行方式及其變化的特點，以指導實際電力系統運行規劃。

　　6展望

　　本文重點對高比例可再生能源接入下電力系統運行方式及其變化規律進行了定性和定量的分析。但電網中各類新的要素不斷增加，例如大量儲能以及電動汽車逐漸接入電網。電熱氣等多種能源系統的耦合增加，電力系統的運行方式和形態可能發生新的變化。

　　因此，未來的研究可以從以下兩個方面展開：1)利用本文提出的數據驅動方法分析高比例集中式或分散式儲能的接入電網以及多能源系統耦合等因素對電力系統運行方式的影響。2)將本文的結論應用于實際電力系統運行規劃中選取典型和極端運行方式。

　　參考文獻

　　[1]國家發改委能源研究所.中國2050高比例可再生能源發展情景暨路徑研究[J].北京：國家發改委能源研究所，2015.Instituteofenergyresearchofnationaldevelopmentandreformcommission.China2050highrenewableenergypenetrationscenarioandroadmapstudy[J].Beijing:Instituteofenergyresearchofnationaldevelopmentandreformcommission，2015(inChinese).

　　[2]KROPOSKIB，JOHNSONB，ZHANGYingchen，etal.Achievinga100%renewablegrid：operatingelectricpowersystemswithextremelyhighlevelsofvariablerenewableenergy[J].IEEEPowerandEnergyMagazine，2017，15(2)：6173.

　　[3]康重慶，姚良忠.高比例可再生能源電力系統的關鍵科學問題與理論研究框架[J].電力系統自動化，2017，41(9)：11.KANGChongqing，YAOLiangzhong.Keyscientificissuesandtheoreticalresearchframeworkforpowersystemswithhighproportionofrenewableenergy[J].AutomationofElectricPowerSystems，2017，41(9)：11(inChinese).

　　[4]袁小明，程時杰，胡家兵.電力電子化電力系統多尺度電壓功角動態穩定問題[J].中國電機工程學報，2016，36(19)：51455154.

　　作者：侯慶春，杜爾順1*，田旭，劉飛，張寧，康重慶