CN106339801A - 一种光伏电站无功控制能力评估方法 - Google Patents

Abstract

本发明提供了一种光伏电站无功控制能力评估方法。所述光伏电站无功控制能力评估方法包括如下步骤：a、构建评估指标体系；b、指标数据采集；c、确定评估指标的权重赋值；d、评估光伏电站的无功控制能力。本发明的有益效果在于：所述本发明提供的光伏电站无功控制能力评估方法构建了光伏电站无功控制能力综合评估指标体系，并提出了基于层次分析法的权重赋值方法，进一步提高评估指标体系的科学性，而且还通过分析评估指标序列间的关联匹配系数来进行等级评估，从而从整体上和动态上评估出光伏电站的无功控制能力。

Description

一种光伏电站无功控制能力评估方法

技术领域

本发明属于分布式光伏电站无功控制能力评估领域，具体地涉及一种光伏电站无功控制能力评估方法。

背景技术

近年来，在我国政府的政策倾斜和鼓励下，光伏(PVs，Photovoltaics)发电技术及相关产业迅速发展并获得规模化应用。然而，光伏发电并网引起的无功电压问题也备受关注，一方面，规模化光伏电站接入会对配电网的电压产生冲击，甚至可能引起电压稳定性问题；另一方面，PV的波动性、间歇性、输出电流变化等，均会引发电压波动，甚至导致电压越限、以及无功/电压装置频繁动作。因此，提升无功电压控制能力显得尤为重要，不仅能保证系统的安全稳定运行，而且有利于提升光伏发电的利用效率，避免因过电压造成弃光[1-3]。

光伏电站(PVPS，Photovoltaic Power Station)，利用逆变器解耦并实现有功、无功分别控制，并使光伏电站能采用逆变无功控制为电网提供电压支持。国标也已明确规定，光伏逆变器本身需具备有功和无功功率调节能力，并参与系统电压调节。但是光伏电站无功调压措施较多，包括无功补偿和无功的合理分配、有载调压变压器抽头调压、电抗/电容器调压、以及综合调压等。而且，影响光伏电站无功控制能力的因素也很多，如何兼顾电网无功需求，并综合考虑并网方式、并网电压等级、无功补偿配置、功率因数调节等影响因素，科学合理地评估出光伏电站的无功控制能力是亟需解决的技术难点。因此，开展光伏电站无功控制能力量化评估研究，为光伏电站无功电压控制及无功补偿装置配置提供有力的技术参考和依据，具有非常强烈的现实意义。

目前，在光伏电站评估研究方面，国内外的研究主要关注光伏电站并网对配电网影响的评估方面，在光伏电站无功控制能力评估研究方面，仍未见针对性的研究，尚处在起步阶段，未形成通用的评估指标体系和评估方法，要实现光伏电站无功控制能力综合评估，需解决以下问题：

1)如何兼顾多重因数影响制定科学、合理的综合评估指标体系；

2)如何进行评估指标体系中各指标权重赋值，提升指标体系的合理性；

3)如何构建评估数据样本，并提出实用的评估方法综合量化评估出D光伏电站的无功控制能力。

综上，开展光伏电站无功控制能力综合评估是亟需解决的关键科学问题和技术难题。

发明内容

本发明的目的在于提供一种基于动态时间弯曲(DTW，Dynamic Time Warping)关联分析的光伏电站无功控制能力评估方法。

本发明的技术方案如下：一种光伏电站无功控制能力评估方法包括如下步骤：a、构建评估指标体系：针对光伏电站构建无功控制能力的综合评估指标体系，并建立标准样本序列，制定标准样本基准距离序列；b、指标数据采集：参照标准样本序列指标计算方式，采集光伏电站评估所需的指标数据，形成参考数据样本序列，以及待评估数据样本序列；c、确定评估指标的权重赋值：利用基于层次分析法(AHP，Analytic Hierarchy Process)的评估指标权重赋值方法，分析确定综合评估指标体系中各评估指标的客观权重；d、评估光伏电站的无功控制能力：通过标准指标样本距离序列和参考样本距离序列的动态时间弯曲关联分析确定评估等级，进而利用待评估样本距离序列与标准样本序列的动态时间弯曲关联分析评估无功控制能力等级。

优选地，步骤a具体包括如下步骤：综合考虑并网电压等级、无功配置容量、电网无功需求和功率因数阈值的影响因数，分析各关键因素的影响规律，形成光伏电站无功控制能力综合评估指标体系；针对光伏电站构建无功控制能力综合评估指标体系，并建立标准样本序列；制定标准样本对应的基准距离序列，根据评估标准样本中并网电压等级指标、无功配置容量指标、电网无功需求指标和功率因数阈值指标的基准距离获取基准距离序列，并进行归一化处理。

优选地，步骤c具体包括如下步骤：构造重要性判断矩阵：根据各评估指标在无功控制中发挥的作用，确定指标的重要性分级，并分析层次分析法的指标判断标度，构建重要性判断矩阵；一致性校验：计算重要性判断矩阵的最大特征值及其对应的特征向量以完成一致性校验；确定权重赋值：对满足条件的判断矩阵，利用求取得到的最大特征值和特征向量进行归一化处理，并求出加权后的基准距离矩阵、参考数据样本距离序列和待评估数据样本距离序列，从而完成主观权重赋值。

优选地，步骤d具体包括如下步骤：基于动态时间弯曲的无功控制能力评估等级划分：采用基于动态时间弯曲的关联匹配分析算法计算标准样本序列与参考样本序列的关联匹配系数S_i，进而划分出无功控制能力对应的评估等级范围；基于动态时间弯曲的无功控制能力综合评估：依据参考样本序列关联匹配系数Si确定的无功控制能力评估等级范围，分析计算待评估样本序列基于动态时间弯曲的最短距离和关联匹配系数，进而评估出待评估样本的无功控制能力等级。

优选地，在步骤d中，基于动态时间弯曲的综合评估方法通过分析两组数据样本序列之间的最小弯曲距离，从而利用最小弯曲距离大小来度量样本序列之间的相似度，其分析计算公式如下：

$\left\{\begin{array}{c}D(<>,<>)=0,\\ D(i,<>)=D(<>,j)=\mathrm{\&infin;},\\ D(1,1)={\mathrm{\&lambda;}}_{11},\\ D(i,j)={\mathrm{\&lambda;}}_{ij}\\ +\min \{D(i-1,j-1),D(i,j-1),D(i-1,j)\}\end{array}\right.$

其中，i＝2,3,…,m；j＝2,3,…,n；D表示累加距离矩阵，其右下角的值即两序列间的最短距离，也反映了两个样本序列间的相似度，λ_ij表示两个时间序列相应元素的欧式距离。

优选地，表示两个时间序列相应元素的欧式距离的λ_ij的计算过程如下：

${\mathrm{\&lambda;}}_{ij}=\mathrm{\&lambda;}(t_i,r_j)=\sqrt{{(t_i-r_j)}^2}$

其中，t和r分别表示需要比较的两个时间序列，对应的元素分别用i＝2,3,…,m和j＝2,3,…,n表示。

本发明的有益效果在于：所述本发明提供的光伏电站无功控制能力评估方法构建了光伏电站无功控制能力综合评估指标体系，全面涵盖了影响光伏电站的多种关键因素，提高了评估指标体系的综合性和科学性；

而且，本发明提出了基于层次分析法的权重赋值方法，进一步提高评估指标体系的科学性；

进一步地，本发明提出一种基于动态时间弯曲的光伏电站无功控制能力综合评估方法，通过分析评估指标序列间的关联匹配系数来进行等级评估，可从整体上和动态上评估出光伏电站的无功控制能力。

附图说明

图1为与本发明实施例提供的光伏电站无功控制能力评估方法的流程框图；

图2为图1所示光伏电站无功控制能力评估方法的流程示意图；

图3为本发明实施案例中采用的仿真系统结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

除非上下文另有特定清楚的描述，本发明中的元件和组件，数量既可以单个的形式存在，也可以多个的形式存在，本发明并不对此进行限定。本发明中的步骤虽然用标号进行了排列，但并不用于限定步骤的先后次序，除非明确说明了步骤的次序或者某步骤的执行需要其他步骤作为基础，否则步骤的相对次序是可以调整的。可以理解，本文中所使用的术语“和/或”涉及且涵盖相关联的所列项目中的一者或一者以上的任何和所有可能的组合。

请同时参阅图1和图2，图1为与本发明实施例提供的光伏电站无功控制能力评估方法的流程框图；图2为图1所示光伏电站无功控制能力评估方法的流程示意图。所述光伏电站无功控制能力评估方法100具体地包括如下步骤：

S1、构建评估指标体系：针对光伏电站构建无功控制能力的综合评估指标体系，并建立标准样本序列，制定标准样本基准距离序列。

具体地，所述光伏电站无功控制能力综合评估指标体系综合考虑了无功控制机理及无功控制能力极限估算原理，全面涵盖了影响光伏电站的多种关键因素，如并网电压等级、无功配置容量、电网无功需求、功率因数阈值等，具有较高的综合性和科学性。

而且，所述步骤S1具体包括如下步骤：

综合考虑并网电压等级、无功配置容量、电网无功需求和功率因数阈值的影响因数，分析各关键因素的影响规律，形成光伏电站无功控制能力的综合评估指标体系；

针对光伏电站构建无功控制能力综合评估指标体系，并建立标准样本序列；

制定标准样本对应的基准距离序列，根据评估标准样本中并网电压等级指标、无功配置容量指标、电网无功需求指标和功率因数阈值指标的基准距离获取基准距离序列，并进行归一化处理。

因此，所述综合评估指标体系包括并网电压等级指标、无功配置容量指标、电网无功需求指标和功率因数阈值指标。

而且，在建立标准样本序列的步骤中，设定标准样本为X₁＝[x₁₁,x₁₂,x₁₃,x₁₄]，其中，x₁₁是并网电压等级，x₁₂是无功配置容量，x₁₃是电网无功需求，x₁₄是功率因数阈值。例如，根据评估指标体系建立光伏电站评估标准样本，设置标准样本为X₁＝[x₁₁,x₁₂,x₁₃,x₁₄]，x₁₁、x₁₂、x₁₃和x₁₄分别对应为接入电压等级：10kV；无功容量配置：静止无功发生器(SVG，StaticVar Generator)，标准容量配置；电网无功需求：功率因数阈值

S2、指标数据采集：参照标准样本序列指标计算方式，采集光伏电站评估所需的指标数据，形成参考数据样本序列，以及待评估数据样本序列。

具体地，在步骤S2中，参照步骤S1所述标准样本序列指标计算方式，采集光伏电站评估所需数据，形成参考数据样本序列，以及待评估数据样本序列。

而且，所述参考数据样本序列由典型数据样本组成，为待评估样本序列的评估提供参考。一般而言，可取四组典型数据作为参考样本，并制定对应的样本数据变化范围，为制定评估等级提供依据。

S3、确定评估指标的权重赋值：利用基于层次分析法的评估指标权重赋值方法，分析确定综合评估指标体系中各评估指标的客观权重。

具体地，在步骤S3中，利用基于层次分析法的评估指标权重赋值方法，分析确定综合评估指标体系中各评估指标的客观权重，并进行归一化处理，求出加权后的基准距离矩阵、参考数据样本距离序列和待评估数据样本距离序列。

进一步地，所述步骤S3具体包括如下步骤：

构造重要性判断矩阵：根据各评估指标在无功控制中发挥的作用，确定指标的重要性分级，并分析层次分析法的指标判断标度，构建重要性判断矩阵；

一致性校验：计算重要性判断矩阵的最大特征值及其对应的特征向量以完成一致性校验；

确定权重赋值：对满足条件的判断矩阵，利用求取得到的最大特征值和特征向量进行归一化处理，并求出加权后的基准距离矩阵、参考数据样本距离序列和待评估数据样本距离序列，从而完成主观权重赋值。

S4、评估光伏电站的无功控制能力：通过标准指标样本距离序列和参考样本距离序列的动态时间弯曲关联分析确定评估等级，进而利用待评估样本距离序列与标准样本序列的动态时间弯曲关联分析评估无功控制能力等级。

具体地，在步骤S4中，基于动态时间弯曲的光伏电站无功控制能力综合评估，即通过标准指标样本距离序列和参考样本距离序列的DTW关联分析确定评估等级，进而利用待评估样本距离序列与标准样本序列的DTW关联分析评估出其无功控制能力等级。

进一步地，所述步骤S4具体包括如下步骤：

基于动态时间弯曲的无功控制能力评估等级划分：采用基于动态时间弯曲的关联匹配分析算法计算标准样本序列与参考样本序列的关联匹配系数S_i，进而划分出无功控制能力对应的评估等级范围；

基于动态时间弯曲的无功控制能力综合评估：依据参考样本序列关联匹配系数Si确定的无功控制能力评估等级范围，分析计算待评估样本序列基于DTW的最短距离和关联匹配系数，进而评估出待评估样本的无功控制能力等级。

在步骤S4中，基于动态时间弯曲的综合评估方法通过分析两组数据样本序列之间的最小弯曲距离，从而利用最小弯曲距离大小来度量样本序列之间的相似度，其分析计算公式如下：

$\left\{\begin{array}{c}D(<>,<>)=0,\\ D(i,<>)=D(<>,j)=\mathrm{\&infin;},\\ D(1,1)={\mathrm{\&lambda;}}_{11},\\ D(i,j)={\mathrm{\&lambda;}}_{ij}\\ +\min \{D(i-1,j-1),D(i,j-1),D(i-1,j)\}\end{array}\right.$

其中，i＝2,3,…,m；j＝2,3,…,n；D表示累加距离矩阵，其右下角的值即两序列间的最短距离，也反映了两个样本序列间的相似度，λ_ij表示两个时间序列相应元素的欧式距离。

而且，λ_ij的计算过程如下：

${\mathrm{\&lambda;}}_{ij}=\mathrm{\&lambda;}(t_i,r_j)=\sqrt{{(t_i-r_j)}^2}$

其中，t和r分别表示需要比较的两个时间序列，对应的元素分别用i＝2,3,…,m和j＝2,3,…,n表示。

如图3所示，建立光伏电站仿真系统，仿真所用光伏电站总装机容量为20MW，分为10个区阵列，分别为光伏阵列#1-10，光伏阵列#11-20，光伏阵列#21-30，光伏阵列#31-40，光伏阵列#41-50，光伏阵列#51-60，光伏阵列#61-70，光伏阵列#71-80，光伏阵列#81-90，及光伏阵列#91-100。

按照本发明实施例提供的光伏电站无功控制能力评估方法对图2所示光伏电站进行无功控制能力的评估，具体操作步骤如下：

一、评估数据采集

具体地，根据所述步骤S1确定的光伏电站无功控制能力评估指标体系，依据建立的仿真系统，采集并网电压等级指标x₁、无功配置容量指标x₂、电网无功需求指标x₃和功率因数阈值指标x₄相关数据如下：接入电压等级指标、无功配置容量指标、电网无功需求指标和功率因数阈值指标。

其中，所述接入电压等级指标的关注数据包括：并网点电压，并网电压等级，并网电压等级对光伏电站无功控制能力的影响。所述无功配置容量指标的关注数据包括：无功配置类型(包括电容器，电抗器)、无功配置容量、无功功率和无功配置容量对光伏电站无功控制能力的影响。所述电网无功需求指标的关注数据包括：电网功率需求、光伏电站功率因数、无功功率和功率因数调节范围。所述功率因数阈值指标的关注数据包括：功率因数阈值、功率因数、功率因数调节范围，无功功率。

二、评估标准样本序列构造

在综合评估指标体系下，构建光伏电站评估标准样本，并根据评估指标体系中各指标对光伏电站无功控制能力的影响程度制定标准影响标度，明确各指标对分布式光伏电站无功控制能力的影响程度，并确定标准样本序列各指标对应的基准距离，表示为基准标度A₁＝[a₁₁,a₁₂,a₁₃,a₁₄]，A₁中元素的计算根据评估指标体系中并网电压等级指标、无功配置容量指标、电网无功需求指标、功率因数阈值指标的影响差异化程度获取，并进行归一化处理。

表1 光伏电站评估标准样本序列及基准距离序列

三、基于AHP的指标权重赋值

利用所述步骤S3描述的基于AHP的指标权重赋值法计算权重，根据指标数量将分为同等重要、稍微重要、重要、明显重要四个重要性等级，进而计算光伏电站无功控制能力评估指标体系中各指标对应的主观权重，并进行归一化处理，进而得出加权基准距离序列，计算过程如表

表2 比例标度及其含义

表3 AHP判断矩阵

表3中判断矩阵的最大特征值为4.0022，随机一致性比率为0.00078<0.1，符合一致性要求，将其最大特征值对应的特征向量进行归一化，各指标归一化后的主观权重计算如下：

$w_j=\frac{{\mathrm{\&gamma;}}_j}{\underset{j=1}{\overset{n}{\&Sigma;}}{\mathrm{\&gamma;}}_j}=\left[\begin{array}{cccc}0.1643& 0.3511& 0.2093& 0.2753\end{array}\right]$

基于此，加权后标准样本序列可调整如下：

$\begin{array}{c}{A}_1^{\&prime;}=\left[\begin{array}{cccc}{a}_{11}^{\&prime;}& a_{12}^{\&prime;}& a_{13}^{\&prime;}& a_{14}^{\&prime;}\end{array}\right]\\ =\left[\begin{array}{cccc}0.1643& 0.3511& 0.2093& 0.2753\end{array}\right]\end{array}.$

四、评估参考样本序列构造及评估等级划分

在仿真中选取四组典型样本作为DTW关联分析及综合评估的参考样本序列，具体的数据如表4所示：

表4 光伏电站评估参考样本及等级范围

利用基于DTW的关联匹配分析算法对参考样本进行分析评估，根据所述步骤S4计算对应样本的欧式距离，进而，并根据所述步骤S4计算得出不同评估等级对应的累加距离矩阵，取其最小弯曲距离作为关联匹配系数，进而形成不同评估等级对应的关联匹配系数范围如下：

表5 光伏电站评估等级范围

五、待评估样本序列构造及综合评估

针对仿真所用光伏电站，分别测量不同并网电压等级、不同无功配置装置及容量、不同电网无功需求、不同功率因数条件下光伏电站运行状态和无功功率变化情况，并根据不同运行条件下光伏电站无功功率变化情况以及电压波动情况，明确各种不同指标对无功控制能力的影响，形成待评估样本序列，建立待评估样本无纲量化矩阵如下：

$\underset{i=6~10}{A_i}=\left[\begin{array}{cccc}0.9& 0.8& 0.9& 0.6\\ 0.8& 0.5& 0.8& 0.4\\ 0.7& 0.6& 0.3& 0.6\\ 0.6& 0.9& 0.6& 0.7\\ 0.5& 0.6& 0.7& 0.7\end{array}\right]$

加权后的待评估样本序列对应的距离矩阵为：

$\underset{i=6~10}{A_i^{\&prime;}}=\left[\begin{array}{cccc}0.\mathrm{1479}& 0.\mathrm{2809}& 0.\mathrm{1884}& 0.\mathrm{1652}\\ 0.\mathrm{1314}& 0.\mathrm{1756}& 0.\mathrm{1674}& 0.\mathrm{1101}\\ 0.\mathrm{1150}& 0.\mathrm{2107}& 0.\mathrm{0628}& 0.\mathrm{1652}\\ 0.\mathrm{0986}& 0.\mathrm{3160}& 0.\mathrm{1256}& 0.\mathrm{1927}\\ 0.\mathrm{0822}& 0.\mathrm{2107}& 0.\mathrm{1465}& 0.\mathrm{1927}\end{array}\right]$

依据参考样本序列关联匹配系数确定的无功控制能力等级范围，利用基于DTW的关联分析方法计算待评估样本序列累加距离矩阵如下：

根据第步骤S4分析可知，累加距离矩阵的右下角元素为最小弯曲距离，得出对应的关联匹配系数0.2176。依据该方法依次计算其他样本对应的关联匹配系数，并根据表4划分出的无功控制能力评估等级评估出待评估样本A_i(6～10)的无功控制能力等级，评估结果如下：

表6 光伏电站无功控制能力综合评估

综上，在进行光伏电站无功控制能力评估时，通过综合评估指标体系，包括并网电压指标、无功配置容量指标、电网无功需求指标、以及功率因数指标，较全面地对光伏电站的无功控制能力进行了综合评估。由评估结果可知，并网电压指标影响相对较小；而无功配置容量指标影响较大，无功配置容量越高，无功控制能力越强；电网无功需求指标对无功控制能力影响也较大，当功率因数可调节范围较大时，无功控制能力较强。

相较于现有技术，本发明提供的光伏电站无功控制能力评估方法100构建了光伏电站无功控制能力综合评估指标体系，全面涵盖了影响光伏电站的多种关键因素，提高了评估指标体系的综合性和科学性；

而且，本发明提出了基于层次分析法的权重赋值方法，进一步提高评估指标体系的科学性；

进一步地，本发明提出一种基于动态时间弯曲的光伏电站无功控制能力综合评估方法，通过分析评估指标序列间的关联匹配系数来进行等级评估，可从整体上和动态上评估出光伏电站的无功控制能力。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (6)

1.一种光伏电站无功控制能力评估方法，其特征在于，包括如下步骤：

a、构建评估指标体系：针对光伏电站构建无功控制能力的综合评估指标体系，并建立标准样本序列，制定标准样本基准距离序列；

b、指标数据采集：参照标准样本序列指标计算方式，采集光伏电站评估所需的指标数据，形成参考数据样本序列，以及待评估数据样本序列；

c、确定评估指标的权重赋值：利用基于层次分析法的评估指标权重赋值方法，分析确定综合评估指标体系中各评估指标的客观权重；

d、评估光伏电站的无功控制能力：通过标准指标样本距离序列和参考样本距离序列的动态时间弯曲关联分析确定评估等级，进而利用待评估样本距离序列与标准样本序列的动态时间弯曲关联分析评估无功控制能力等级。

2.根据权利要求1所述的光伏电站无功控制能力评估方法，其特征在于：步骤a具体包括如下步骤：

综合考虑并网电压等级、无功配置容量、电网无功需求和功率因数阈值的影响因数，分析各关键因素的影响规律，形成光伏电站无功控制能力综合评估指标体系；

针对光伏电站构建无功控制能力综合评估指标体系，并建立标准样本序列；

制定标准样本对应的基准距离序列，根据评估标准样本中并网电压等级指标、无功配置容量指标、电网无功需求指标和功率因数阈值指标的基准距离获取基准距离序列，并进行归一化处理。

3.根据权利要求1所述的光伏电站无功控制能力评估方法，其特征在于：步骤c具体包括如下步骤：

构造重要性判断矩阵：根据各评估指标在无功控制中发挥的作用，确定指标的重要性分级，并分析层次分析法的指标判断标度，构建重要性判断矩阵；

一致性校验：计算重要性判断矩阵的最大特征值及其对应的特征向量以完成一致性校验；

确定权重赋值：对满足条件的判断矩阵，利用求取得到的最大特征值和特征向量进行归一化处理，并求出加权后的基准距离矩阵、参考数据样本距离序列和待评估数据样本距离序列，从而完成主观权重赋值。

4.根据权利要求1所述的光伏电站无功控制能力评估方法，其特征在于：步骤d具体包括如下步骤：

基于动态时间弯曲的无功控制能力评估等级划分：采用基于动态时间弯曲的关联匹配分析算法计算标准样本序列与参考样本序列的关联匹配系数S_i，进而划分出无功控制能力对应的评估等级范围；

基于动态时间弯曲的无功控制能力综合评估：依据参考样本序列关联匹配系数Si确定的无功控制能力评估等级范围，分析计算待评估样本序列基于动态时间弯曲的最短距离和关联匹配系数，进而评估出待评估样本的无功控制能力等级。

5.根据权利要求1所述的光伏电站无功控制能力评估方法，其特征在于：在步骤d中，基于动态时间弯曲的综合评估方法通过分析两组数据样本序列之间的最小弯曲距离，从而利用最小弯曲距离大小来度量样本序列之间的相似度，其分析计算公式如下：

$\left\{\begin{array}{c}D\left(<>,<>\right)=0,\\ D\left(i,<>\right)=D\left(<>,j\right)=\mathrm{\&infin;},\\ D\left(1,1\right)={\mathrm{\&lambda;}}_{11},\\ D\left(i,j\right)={\mathrm{\&lambda;}}_{ij}\\ +\min \left\{D\left(i-1,j-1\right),D\left(i,j-1\right),D\left(i-1,j\right)\right\}\end{array}\right.$

其中，t和r分别表示需要比较的两个时间序列，对应的元素分别用i＝2,3,…,m和j＝2,3,…,n表示；D表示累加距离矩阵，其右下角的值即两序列间的最短距离，也反映了两个样本序列间的相似度，λ_ij表示两个时间序列相应元素的欧式距离。

6.根据权利要求5所述的光伏电站无功控制能力评估方法，其特征在于：表示两个时间序列相应元素的欧式距离的λ_ij的计算过程如下：

${\mathrm{\&lambda;}}_{ij}=\mathrm{\&lambda;}(t_i,r_j)=\sqrt{{(t_i-r_j)}^2}$

其中，t和r分别表示需要比较的两个时间序列，对应的元素分别用i＝2,3,…,m和j＝2,3,…,n表示。