科技创新 ２０１６年第２ｌ期ｌ科技创新与应用 基于复杂网络理论的电网主导节点选择 徐毅非 程雪丽 覃书妍ｚ （１、西华大学电气与电子信息学院，四川成都６１００３９ ２、龙滩水力发电厂，广西天峨５４７３００） 摘要：随着电网规模日益增大，对其进行电压控制越发困难。为了更好的对其进行电网优化控制，集中选取电网中的主导节点 作为无功补偿点成为关键。为此文章提出基于复杂网络理论的主导节点选择方法，并通过ＩＥＥＥ一３９节点系统进行仿真校验。 关键词：电网；电网控制；主导节点，复杂网络理论 前言 为了验证基于复杂网络理论中程度中心性指标的电网主导选 自从１９９９年Ｂａｒａｂａ和Ａｌｂｅｒｔ发现了无标度网络特性，揭示出 择方法的可行性，文章将利用Ｍａｔｌａｂ仿真软件对ＩＥＥＥ一３９节点标 复杂网络结构中包含的结构特征与各种动力学特征之间的关系，突 准测试系统进行仿真分析。 破了单纯的规则网络和随机网络模型的束缚后，复杂网络理论的研 ２算例分析 究就上了一个新的台阶［１Ｊ。而电网可以抽象成一个复杂网络，具有复 根据潮流计算收敛后的雅克比矩阵求出了Ｏｔ 矩阵和ｐ 矩阵， 杂网络的一般特征，可运用复杂网络理论来进行分析。文章引入复 但这两矩阵数量值不在同一个数量级上，因此需对其进行标准化计 杂网络理论中的程度中心性指标与灵敏度矩阵相结合来衡量节点 算。根据式（３）求出节点的目标函数值，文章只列出最大的３个节 在电网系统中的重要程度。 点，其值如表１所示。 １主导节点选择方法 表１主导节点选择 １．１灵敏度矩阵的介绍 电网中的主导节点不仅要能进行电压调控，同时也应该具有反 映其节点电压水平的能力。因此，在已有文献中大部分都是通过构 建成考虑可观性与可控性的目标函数来进行主导节点选择Ｉ２－３１。该矩 阵是关于无功注入变化对电压变化的灵敏度，其性质能反映电网间 无功、电压间联系的疏密程度。电网节点ｉ的灵敏度目标函数定义 由表１可以看出，所选主导节点在区域内部大致处于中心位 为： 置，有利于对电网区域中末端位置的节点电压水平进行调控，能更 好的实现电压无功控制。 ｆ一 一１ ３结束语 文章基于复杂网络理论提出了一种新的主导节点选择方法。并 式中，ｍ，ｊ分别为区域内所有负荷节点的编号和无功电源节点 在ＩＥＥＥ一３９节点标准测试系统上进行了仿真验证，所得到的主导节 的编号；ｓ 为分区内所有负荷节点合集，Ｓ 为分区内所有无功电源 点综合考虑了电网的地理结构与灵敏度矩阵，从而提高了主导节点 节点合集。可观性指标 ．ｍ和可控性指标ｐ．，均由潮流计算收敛后的 选择的准确度。雅克比矩阵求得。 参考文献 １．２程度中心性指标介绍 『１］Ｎｅｗｍａｎ Ｍ Ｅ Ｊ，Ｇｉｒｖａｎ Ｍ．Ｆｉｎｄｉｎｇ ａｎｄ ｅｖａｌｕａｔｉｎｇ ｃｏｍｍｕｎｉｔｙ 程度中心性指标是社团中节点在其所属群体内的重要程度进 ｓｔｒｕｃｔｕｒｅ ｉｎ ｎｅｔｗｏｒｋｓ［Ｊ］．Ｐｈｙｓ Ｒｅｖ Ｅ，２００４，６９（２）：１—１６． 行判别依据之一Ｈ，其定义为： 【２］潘高峰，王星华，彭显冈０，等．基于社团结构理论的电网无功分区 及主导节点选择方法研究［Ｊ］．电力系统保护与控制，２０１３，４１（２２）： Ｚｉ（ｎ）： ｉ：ｌ，２，…，ｋ （２） ３２—３７． ｇｉ——１ ［３】龙启峰，丁晓群，刘小波，等．基于可控主导节点的电压分区及电 Ｊ］．电网技术，２００５，２９（２４）：５９—６２． 式中，ｄｉ（ｎ）为电网第ｎ个节点与电网内其他节点关系权重和，ｇ 压校正研究【为电网内所有节点之间权重和。 ［４】武澎，王恒山．一种网络社团划分的评价及改进方法［Ｊ］．计算机应 按目标函数（１）计算出电网节点具有较大的灵敏度，但在实际 用研究，２０１４，３１（３）：７４４—７４７． 电网中求出的节点可能处于电网区域末端位置，那么该节点就不适 通讯作者：徐毅非（１９９２一）。男，硕士研究生，研究方向为电力 ｍ∈ｓ。 ＪｅＳｓ ｌ Ｓｉ＝ｍａｘ｛∑Ｑ ＋∑６ｉ【ｊ｝ （１） 合作为电网主导节点。因此本文提出基于程度中心性指标改进目标 系统保护。函数，改进的目标函数表达式如下： Ｓｉ＝Ｚｉ×ｍａｘ｛∑ 【＋∑ｐ ｝ ｍ∈ｓｃ ｊｅ￥‘ Ｊ ｆ一 一１ （３） 中，更多的侧重于对集成分类器、多分类器的研究，其引领了遥感图 像分类方法的发展潮流，通过不断改进分类方式与分类算法，逐步 提高分类的精确度与准确性。同时也发现，中国科学院的专利申请 大部分都被授予专利权，其专利申请的超高的被授权率延续至今。 ５结束语 （１）前几年，遥感图像应用技术中，人们使用的较多的分类技术 仍是传统的监督分类和非监督分类两类分类方法。但是，近几年来， 得益于计算机图像数据处理技术的爆炸式发展，专家系统和神经网 络等一些原先在工程实践中实现起来较为困难的新方法也在遥感 图像处理中逐渐开始发挥起其优势作用。同时，多分类器集合分类 的方式也逐步得到更为有效的应用。因此，多学科的交叉是遥感图 像分类发展的重要方向。 （２）当前研究遥感图像分类方法的高校、研究所众多，企业还相 对来说较少，发明专利申请想要被授予专利权难度较早期更大，但 是几个领域中的重要申请人的申请授权率依然很高。由此可见，遥 感分类相关技术的发展还处在高速发展的阶段。并且，在申请人中， 几大主要申请人还集中在高校和研究所，企业申请人仍然很少，由 此也可以看出，遥感分类方法大多还处于研发阶段，能够获得商业 应用的相关技术仍然欠缺。 参考文献 ［１］韩敏，程磊，邢军．基于神经网络的扎龙湿地土地覆盖分类研究［Ｊ］． 大连理工大学学报。２００４（４）． 【２】施益强，陈嵩成，陈玲．遥感技术在环境资源中的应用进展与展望 ［Ｊ１．国土资源遥感，２００４（４）． 【３］基于神经网络的支持向量机学习方法研究【Ｊ１．计算工程与应用， ２００９（２）． ［４】蒲智，刘萍，杨辽，等．面向对象技术在城市绿地信息提取中的应 用ｆＪ】．福建林业科技，２００６（１）． 作者简介：李梦诗（１９８９，１１－），女，汉族，湖北武汉人，研究生学 历，国家知识产权局专利局专利审查协作湖北中心，专利审查员，主 要从事图像识别以及计算机信息检索方面专利审查工作，研究方 向：图像识别与计算机信息检索。 ——４９—．