基于关联分析与机器学习的配网台区重过载预测方法

针对配电网运行中长期存在的台区重过载问题,提出基于关联规则挖掘的重过载影响因素分析方法,从设备和用户属性、自然环境、短期负荷特性中挖掘针对各类重过载事件的关联规则。从关联项中提取重过载影响因素,并基于机器学习模型,建立重过载事件预测模型,实现对重过载事件的短期预测。最后利用业务系统实际数据,对所提方法进行了效果验证。算例结果表明,新方法能够更为系统、全面地刻画重过载事件,提出的重过载预测模型在命中率和准确率方面表现良好。

高比例分布式光伏接入下低压配电台区最大可开放容量多阶段评估方法

针对高渗透率分布式光伏接入低压配电网导致台区反向重过载、电压越限、三相不平衡等问题,提出了一种考虑高比例分布式资源接入的配电台区可开放容量多阶段评估方法。首先,分析了分布式光伏与负荷的逆调峰时序特性,考虑光伏超发引起台区反向重过载和电压越限约束以及三相不平衡对台区变压器负载能力的影响,提出了提升配电变压器负载能力的台区需求响应鲁棒优化模型。其次,考虑分布式光伏选相配置、电动汽车有序充电和柔性负荷需求响应,构建了高比例分布式光伏与电动汽车接入下配电台区最大可开放容量的选相配置-虚拟增容-校验修正多阶段协同评估模型。最后,基于嵌套列与约束生成算法(nested column and constraint generation algorithm,N-C&CG)将该模型转化为光伏选相配置优化、灵活性资源需求响应和上级变电站容量校验3个子问题进行交互式求解。通过典型配电台区仿真对比分析可知,所提方法能提升配电台区可开放容量9.84%以上,为配电网业扩报装配套接入方案优化和可靠运行提供了技术支撑。