不确定且时变负荷模型的层次化时间与空间聚类
系统与控制
2020-07-01 v1 系统与控制
摘要
由于负荷具有不确定和时变的特性，负荷建模十分困难。通过近期提出的 ambient signals 负荷建模方法，可以更频繁地跟踪这些特性。然而，大规模的负荷建模结果数据集成为了一个新的问题。本文提出一种负荷模型的层次化时间与空间聚类方法，此后大规模负荷模型数据集可由若干代表性负荷模型(RLMs)表示。在时间聚类阶段，通过聚类挑选出某一负荷母线的RLMs，以表示该负荷母线在不同时间的所有负荷模型。在空间聚类阶段，所有负荷母线的RLMs构成一个新集合，并通过空间聚类挑选出系统的RLMs。通过这种方式，大规模负荷模型集合由少量RLMs表示，从而显著减少负荷模型的存储空间。在IEEE 39母线系统中的验证结果表明，用RLMs替换负荷模型后仍能保持仿真精度。由此，所提层次化聚类框架的有效性得到验证。
引用
@article{arxiv.2006.16493,
title = {Hierarchical Temporal and Spatial Clustering of Uncertain and Time-varying Load Models},
author = {Xinran Zhang and David J. Hill},
journal= {arXiv preprint arXiv:2006.16493},
year = {2020}
}