CN107732957A - 一种高渗透率分布式可再生能源发电集群划分方法 - Google Patents

Abstract

本发明公开了一种高渗透率分布式可再生能源发电集群划分方法，由分布式可再生能源电源、负荷以及配电线路构成有源配电网，以分布式可再生能源电源、负荷接入的母线作为节点，根据节点的特征相量进行发电集群的划分；特征向量由节点功率特性曲线、节点地理坐标、节点电气距离构成；以节点功率在典型日的小时节点功率曲线作为节点的功率特性曲线；以节点所在地理平面坐标作为节点地理坐标；以网络拓扑及典型日负荷曲线信息，计算节点间的电压无功灵敏度矩阵；采用模糊聚类算法，根据特征向量表征的不同特点，构造相似矩阵，进行分布式可再生能源电源发电集群划分。本发明简化了大规模可再生能源的调控问题，有益于对可再生能源的群调群控。

Description

一种高渗透率分布式可再生能源发电集群划分方法

技术领域

本发明涉及含分布式可再生能源电源的配电网规划和控制领域，更具体地说是一种对配电网中的高渗透率分布式可再生能源电源进行集群划分的方法。

背景技术

分布式可再生能源电源接入配电网后，对传统配电网的可靠性和稳定性产生了巨大的不利影响。随着可再生能源电源在配电网中的渗透率逐渐增加，配电网所面临的电网复杂性和管控难度也随之增加。分布式可再生能源电源采用发电集群方式进行规划和管控，可以有效地解决可再生能源电源规模有序、安全可靠、灵活高效地接入电网所面临的问题，可以实现可再生能源与电网友好协调及高效消纳。因此，研究分布式可再生能源发电集群的划分方法具有重要的工程价值。

目前，分布式可再生能源电源的调控采用的方法主要有：最大功率控制、集中调控和微网控制。配电网中分布式可再生能源电源单体容量小、电源个数多，出力波动性强，采用最大功率控制时，分布式可再生能源电源的随机波动会转移到电网侧，使得电网调度困难。集中调控方式下，由于控制点多，导致计算海量，造成实时性差。当采用微网控制时，在一般的城镇配电网中，由于可再生能源电源单体容量小，接入点数目多且位置分散，大规模应用微网存在困难。

对于可再生能源电源发电集群而言，在一定空间尺度上，不同的节点的出力具有差异性，同时发电集群出力外特性是节点出力特性的综合表现，使得可再生能源电源在消纳困难的情况下，为集群内部功率协调提供了基础。同时以发电集群作为控制对象使得电网在进行调度、控制时所面对的控制对象数量急剧减少，控制中无论从灵活性、调控简便性以及适用性上，相对于传统方式都具有优越性。

现有的分布式能源发电集群划分方法有：按地理区域进行划分，其划分依据只包含地理信息，未考虑电源间电气关系，划分结果较为粗糙。以无功电压灵敏度或者有功相角关系为依据进行的集群划分，其应用背景仅考虑电压控制的需要，并未考虑节点的特征，即对节点是普通电源还是可再生能源电源并无不同，且没有计及高渗透率可再生能源的就地消纳问题。而分布式可再生能源的就地消纳，对提升分布式能源的利用价值具有重要意义。因此，在考虑分布式能源资源地理分布特性和电压控制特性的基础上，引入有助于可再生分布式能源就地消纳的因素成为分布式能源发电集群划分方法中亟待解决的一个问题。

发明内容

本发明是为避免上述现有技术所存在的不足，提供一种高渗透率分布式可再生能源发电集群划分方法，除考虑了配电网节点间的空间关系和电气关系，还在此基础上以各节点出力互补性为目标对集群进行调整。节点间的空间关系以节点间的地理坐标关系表示；节点间的电气关系采用节点间的电气距离描述；为计及分布式可再生能源的就地消纳，将节点的时域出力特性列入集群划分指标，考虑节点间的功率互补特性，充分发挥集群的自我消纳能力。

本发明为解决技术问题采用如下技术方案：

本发明高渗透率分布式可再生能源发电集群划分方法的特点是按如下步骤进行：

步骤1、在由分布式可再生能源电源、负荷以及配电线路构成的有源配电网中，分布式可再生能源电源和负荷单独或者二者共同接入的母线称为节点；节点特征矩阵X为：X＝{X₁,X₂...,X_N}^T，N为配电网中待划分集群的节点个数，X_i为节点i特征向量，是由节点i功率特性曲线、节点i地理坐标和节点i与所有节点的电气距离向量共同构成，i为正整数，且i＝1,2…N；

所述节点i功率特性曲线在数值上记为P_i,1、P_i,2…P_i,24，P_i,t为节点i在典型日整点时刻t的节点功率，t为正整数，且t＝1,2…24，并有：P_i,t＝P_L,i,t+P_G,i,t，其中P_L,i,t为节点i在时刻t的负荷功率，P_G,i,t为节点i在时刻t的分布式可再生能源电源功率；

所述节点i地理坐标采用高斯－克吕格坐标描述为：POS_x,i、POS_y,i；

节点间电气距离S表征为：

其中，以S_i,j表示节点i无功变化时，节点i电压变化与节点j电压变化的数值关系， S'_i,j表示典型日负荷曲线条件下，节点i与节点j的电压无功灵敏度系数均值，其中S_i,j,t为典型日整点时刻t，节点i与节点j的电压无功灵敏度系数值；i和j为不大于N的正整数，包括i＝j；

步骤2、利用模糊聚类算法按如下方式进行分布式可再生能源发电集群划分：

对节点特征矩阵X进行数据标准化，得到标准化矩阵X'为：X'＝{x₁,x₂..x_n}^T，x_i为标准化矩阵X'中的特征向量x_i，i为正整数，且i＝1,2…N，针对标准化矩阵X'中的特征向量x_i的功率特性曲线、地理坐标和电气距离向量的不同特征分别进行相似矩阵元素的计算，将不同特征的相似矩阵元素进行叠加获得模糊相似矩阵R_N×N；利用逐次平方法求出模糊相似矩阵R_N×N的传递闭包阵t(R)，所述传递闭包阵t(R)为模糊等价矩阵R^*，即R^*＝t(R)；

步骤3、设置阙值λ，λ∈[0,1]，利用阙值λ按如下方法对所述模糊等价矩阵R^*进行截割，获得λ截矩阵R^* _λ：

R^*＝(R^* _ij)_N×N，R^* _λ＝(R^*(λ)_ij)_N×N，则：

所获得的λ截矩阵R^* _λ为一个等价Boolean矩阵，根据λ截矩阵R^* _λ进行分类，所得到的分类结果即为在阙值λ水平上的等价聚类结果，分类的原则是：将R^*(λ)_ij＝1所对应的节点i和节点j归为同一类；

设置阙值λ为不同的取值，相应的等价聚类结果随之改变，以此获得动态模糊聚类图G，根据不同的指标对动态模糊聚类图G进行筛选，获得符合要求的最优聚类结果；

设当阙值λ取值为λs时得到最优聚类结果，则分类结果表达为：{CN_λs,N_λs,J},其中CN_λs表示分类的个数，N_λs,J表示分类中第J类中包含的节点数，分类结果{CN_λs,N_λs,J}即为最终集群划分结果。

本发明高渗透率分布式可再生能源发电集群划分方法的特点也在于：所述步骤1中电压无功灵敏度系数值S_i,j,t按如下方式计算获得：

在典型日整点时刻t的断面下，常规潮流方程表达为式(1)：

其中Δδ_t、ΔV_t、ΔP_t、ΔQ_t分别为典型日整点时刻t断面下，配电网各节点的功角、电压、有功功率和无功功率一一对应与各量初值的偏差构成的维数均为N的向量；S_δPt、S_VPt、S_VQt、S_δQt分别为时刻t断面下，功角有功灵敏度系数矩阵、电压有功灵敏度系数矩阵、电压无功灵敏度系数矩阵和功角无功灵敏度系数矩阵；取电压无功灵敏度系数矩阵S_VQt中的元素并按式(2)计算获得S_i,j,t：

式(2)中是节点i对节点j的电压灵敏度，是节点j对节点i的电压灵敏度。

本发明高渗透率分布式可再生能源发电集群划分方法的特点也在于：

将节点i的特征向量X_i表征为：X_i＝{P_i,1,...,P_i,t,...,P_i,24,POS_x,i,POS_y,i,S_i,1,...S_i,j...,S_i,N}，对于所述步骤2中的相似矩阵元素R_ij按式(3)计算获得：

R_ij＝r_ij,L+r_ij,D (3)，

式(3)中，r_ij,L为节点i和节点j之间的负荷互补关系，并有：其中， x_ik为节点i的特征向量X_i中的第k个特征元素，x_jk为节点j的特征向量X_j中的第k个特征元素，k为正整数；

r_ij,D为节点i和节点j之间的空间和电气距离关系，并有：其中，c′＝max{|x_ik-x_jk|}。

本发明高渗透率分布式可再生能源发电集群划分方法的特点也在于：所述步骤3中所指的不同的指标取为方差分析中的F统计量，利用所述F统计量对G进行筛选。

本发明高渗透率分布式可再生能源发电集群划分方法的特点也在于：所述F统计量由式(4)表征：

(4)，其中：

SSA为类间离差平方和，

SSE为类内离差平方和，

N_λs,J为第J分类节点的个数，为第J分类的第k个特征值的平均值，为节点集合整体中第k个特征值的平均值，x_ik ^(J)为第J分类中第i元素的第k个特征值，为第J分类中第k个特征值的平均值，F统计量值越大分类越合理，取F_λs＝max{F_λ}，F_λs为对应最佳分类时的统计量的值，F_λ为取阙值λ时的F统计量值，此时分类结果为{CN_λR,N_λR,J}。

与已有技术相比，本发明有益效果体现在：

1、本发明方法综合考虑了配电网节点间的空间关系和电气关系，使得集群内部各节点不仅在空间范围上集中，而且在电气耦合上也较为紧密，避免出现空间距离近而电气距离远的节点以及空间距离远而电气距离近的节点划入同一集群；

2、将节点的时域出力特性列入集群划分指标，考虑节点间的功率互补特性，包括各类型可再生能源电源之间的互补以及电源与负荷之间的匹配，充分发挥集群的自我消纳能力，对后续的可再生能源规划与群调群控有一定的益处；

3、考虑节点间的互补性有利于平抑可再生能源出力的波动性，使可再生能源电源的出力更平滑。

附图说明

图1为本发明方法流程图；

图2为算例中部分集群划分结果；

图3为集群6的风电、光伏以及负荷出力标么值情况；

具体实施方式

参见图1，本实施例中高渗透率分布式可再生能源发电集群划分方法按如下步骤进行：

步骤1、在由分布式可再生能源电源、负荷以及配电线路构成的有源配电网中，分布式可再生能源电源和负荷单独或者二者共同接入的母线称为节点；节点特征矩阵X为：X＝{X₁,X₂...,X_N}^T，N为配电网中待划分集群的节点个数，X_i为节点i特征向量，是由节点i功率特性曲线、节点i地理坐标和节点i与所有节点的电气距离向量共同构成，i为正整数，且i＝1,2…N。

节点i功率特性曲线在数值上记为P_i,1、P_i,2…P_i,24，P_i,t为节点i在典型日整点时刻t的节点功率，t为正整数，且t＝1,2…24。节点i功率特性曲线的时间尺度可以根据不同场景进行设置，不同场景可以是典型日、典型月、典型年等，如选择典型年场景，按照小时计算则有8760个数据点，即：节点i功率特性曲线在数值上记为P_i,1、P_i,2…P_i,t…P_i,8760，t为正整数，且t＝1,2…8760。本实施例中取典型日进行说明，并有：P_i,t＝P_L,i,t+P_G,i,t，其中P_L,i,t为节点i在时刻t的负荷功率，P_G,i,t为节点i在时刻t的分布式可再生能源电源功率。

节点i地理坐标采用高斯－克吕格坐标描述为：POS_x,i、POS_y,i；

节点间电气距离S表征为：

其中，以S_i,j表示节点i无功变化时，节点i电压变化与节点j电压变化的数值关系， S'_i,j表示典型日负荷曲线条件下，节点i与节点j的电压无功灵敏度系数均值，其中S_i,j,t为典型日整点时刻t，节点i与节点j的电压无功灵敏度系数值；i和j为不大于N的正整数，包括i＝j。

步骤2、利用模糊聚类算法按如下方式进行分布式可再生能源发电集群划分：

对节点特征矩阵X进行数据标准化，得到标准化矩阵X'为：X'＝{x₁,x₂..x_n}^T，x_i为标准化矩阵X'中的特征向量x_i，i为正整数，且i＝1,2…N，针对标准化矩阵X'中的特征向量x_i的功率特性曲线、地理坐标和电气距离向量的不同特征分别进行相似矩阵元素的计算，将不同特征的相似矩阵元素进行叠加获得模糊相似矩阵R_N×N；利用逐次平方法求出模糊相似矩阵R_N×N的传递闭包阵t(R)，传递闭包阵t(R)为模糊等价矩阵R^*，即R^*＝t(R)。

步骤3、设置阙值λ，λ∈[0,1]，利用阙值λ按如下方法对模糊等价矩阵R^*进行截割，获得λ截矩阵R^* _λ：

R^*＝(R^* _ij)_N×N，R^* _λ＝(R^*(λ)_ij)_N×N，则：

所获得的λ截矩阵R^* _λ为一个等价Boolean矩阵，根据λ截矩阵R^* _λ进行分类，所得到的分类结果即为在阙值λ水平上的等价聚类结果，分类的原则是：将R^*(λ)_ij＝1所对应的节点i和节点j归为同一类。

设置阙值λ为不同的取值，相应的等价聚类结果随之改变，以此获得动态模糊聚类图G，根据不同的指标对动态模糊聚类图G进行筛选，获得符合要求的最优聚类结果。

设当阙值λ取值为λs时得到最优聚类结果，则分类结果表达为：{CN_λs,N_λs,J},其中CN_λs表示分类的个数，N_λs,J表示分类中第J类中包含的节点数，分类结果{CN_λs,N_λs,J}即为最终集群划分结果。图2展示了算例中部分集群划分的结果，可以看出集群的划分结果在逻辑上合理，即：不存在孤立的节点，集群的连通性能够满足。

具体实施中，步骤1中电压无功灵敏度系数值S_i,j,t按如下方式计算获得：

在典型日整点时刻t的断面下，常规潮流方程表达为式(1)：

其中Δδ_t、ΔV_t、ΔP_t、ΔQ_t分别为典型日整点时刻t断面下，配电网各节点的功角、电压、有功功率和无功功率一一对应与各量初值的偏差构成的维数均为N的向量；S_δPt、S_VPt、S_VQt、S_δQt分别为时刻t断面下，功角有功灵敏度系数矩阵、电压有功灵敏度系数矩阵、电压无功灵敏度系数矩阵和功角无功灵敏度系数矩阵；取电压无功灵敏度系数矩阵S_VQt中的元素并按式(2)计算获得S_i,j,t：

式(2)中，是节点i对节点j的电压灵敏度，是节点j对节点i的电压灵敏度。

将节点i的特征向量X_i表征为：X_i＝{P_i,1,...,P_i,t,...,P_i,24,POS_x,i,POS_y,i,S_i,1,...S_i,j...,S_i,N}，对于步骤2中的相似矩阵元素R_ij按式(3)计算获得：

R_ij＝r_ij,L+r_ij,D (3)，

式(3)中，r_ij,L为节点i和节点j之间的负荷互补关系，并有：其中， x_ik为节点i的特征向量X_i中的第k个特征元素，x_jk为节点j的特征向量X_j中的第k个特征元素，k为正整数；r_ij,D为节点i和节点j之间的空间和电气距离关系，并有：其中，c′＝max{|x_ik-x_jk|}。

具体实施中，步骤3中所指的不同的指标取为方差分析中的F统计量，利用F统计量对G进行筛选，F统计量由式(4)表征：

SSA为类间离差平方和，

SSE为类内离差平方和，

N_λs,J为第J分类节点的个数，为第J分类的第k个特征值的平均值，为节点集合整体中第k个特征值的平均值，x_ik ^(J)为第J分类中第i元素的第k个特征值，为第J分类中第k个特征值的平均值，F统计量值越大分类越合理，取F_λs＝max{F_λ}，F_λs为对应最佳分类时的统计量的值，F_λ为取阙值λ时的F统计量值，此时分类结果为{CN_λR,N_λR,J}。

以某地区35kV馈线系统为例：

某地区35kV配电网系统中含节点42个，其中包含的可再生能源电源种类有光伏、风电以及水电，以光伏容量居多。网络中光伏发电类型多为户用屋顶式光伏，它们接在380V侧，也有6个光伏电站，它们由专线直接与35kV相连；风电场1个；水电站2个。取2016年11月1日为典型日，进行集群划分，得到10个集群，部分集群结果即集群4、集群5和集群6如图2所示，图中横线代表母线，电压等级为35kV。从整个网络来看，互补性主要体现在：光伏装机容量较多节点与光伏装机容量较少节点的源荷的互补、光伏与风电的互补、光伏与水电互补，其中光伏与水电的互补特性在较长时间尺度上表现的更为明显，因而在计算时可以考虑适当增加时间尺度。图3为既含有光伏又含有风电的集群6出力标么值情况，其横坐标表示时间，纵坐标表示功率的标么值，可以看出此集群的互补性较为明显。

Claims (5)

1.一种高渗透率分布式可再生能源发电集群划分方法，其特征是按如下步骤进行：

步骤1、在由分布式可再生能源电源、负荷以及配电线路构成的有源配电网中，分布式可再生能源电源和负荷单独或者二者共同接入的母线称为节点；节点特征矩阵X为：X＝{X₁,X₂...,X_N}^T，N为配电网中待划分集群的节点个数，X_i为节点i特征向量，是由节点i功率特性曲线、节点i地理坐标和节点i与所有节点的电气距离向量共同构成，i为正整数，且i＝1,2…N；

所述节点i功率特性曲线在数值上记为P_i,1、P_i,2…P_i,24，P_i,t为节点i在典型日整点时刻t的节点功率，t为正整数，且t＝1,2…24，并有：P_i,t＝P_L,i,t+P_G,i,t，其中P_L,i,t为节点i在时刻t的负荷功率，P_G,i,t为节点i在时刻t的分布式可再生能源电源功率；

所述节点i地理坐标采用高斯－克吕格坐标描述为：POS_x,i、POS_y,i；

节点间电气距离S表征为：

其中，以S_i,j表示节点i无功变化时，节点i电压变化与节点j电压变化的数值关系，S'_i,j表示典型日负荷曲线条件下，节点i与节点j的电压无功灵敏度系数均值，其中S_i,j,t为典型日整点时刻t，节点i与节点j的电压无功灵敏度系数值；i和j为不大于N的正整数，包括i＝j；

步骤2、利用模糊聚类算法按如下方式进行分布式可再生能源发电集群划分：

对节点特征矩阵X进行数据标准化，得到标准化矩阵X'为：X'＝{x₁,x₂..x_n}^T，x_i为标准化矩阵X'中的特征向量x_i，i为正整数，且i＝1,2…N，针对标准化矩阵X'中的特征向量x_i的功率特性曲线、地理坐标和电气距离向量的不同特征分别进行相似矩阵元素的计算，将不同特征的相似矩阵元素进行叠加获得模糊相似矩阵R_N×N；利用逐次平方法求出模糊相似矩阵R_N×N的传递闭包阵t(R)，所述传递闭包阵t(R)为模糊等价矩阵R^*，即R^*＝t(R)；

步骤3、设置阙值λ，λ∈[0,1]，利用阙值λ按如下方法对所述模糊等价矩阵R^*进行截割，获得λ截矩阵R^* _λ：

R^*＝(R^* _ij)_N×N，R^* _λ＝(R^*(λ)_ij)_N×N，则：

所获得的λ截矩阵R^* _λ为一个等价Boolean矩阵，根据λ截矩阵R^* _λ进行分类，所得到的分类结果即为在阙值λ水平上的等价聚类结果，分类的原则是：将R^*(λ)_ij＝1所对应的节点i和节点j归为同一类；

设置阙值λ为不同的取值，相应的等价聚类结果随之改变，以此获得动态模糊聚类图G，根据不同的指标对动态模糊聚类图G进行筛选，获得符合要求的最优聚类结果；

设当阙值λ取值为λs时得到最优聚类结果，则分类结果表达为：{CN_λs,N_λs,J},其中CN_λs表示分类的个数，N_λs,J表示分类中第J类中包含的节点数，分类结果{CN_λs,N_λs,J}即为最终集群划分结果。

2.根据权利要求1所述的高渗透率分布式可再生能源发电集群划分方法，其特征是：所述步骤1中电压无功灵敏度系数值S_i,j,t按如下方式计算获得：

在典型日整点时刻t的断面下，常规潮流方程表达为式(1)：

其中Δδ_t、ΔV_t、ΔP_t、ΔQ_t分别为典型日整点时刻t断面下，配电网各节点的功角、电压、有功功率和无功功率一一对应与各量初值的偏差构成的维数均为N的向量；S_δPt、S_VPt、S_VQt、S_δQt分别为时刻t断面下，功角有功灵敏度系数矩阵、电压有功灵敏度系数矩阵、电压无功灵敏度系数矩阵和功角无功灵敏度系数矩阵；取电压无功灵敏度系数矩阵S_VQt中的元素并按式(2)计算获得S_i,j,t：

式(2)中，是节点i对节点j的电压灵敏度，是节点j对节点i的电压灵敏度。

3.根据权利要求1所述的高渗透率分布式可再生能源发电集群划分方法，其特征是：

将节点i的特征向量X_i表征为：X_i＝{P_i,1,...,P_i,t,...,P_i,24,POS_x,i,POS_y,i,S_i,1,...S_i,j...,S_i,N}，对于所述步骤2中的相似矩阵元素R_ij按式(3)计算获得：

R_ij＝r_ij,L+r_ij,D (3)，

式(3)中，r_ij,L为节点i和节点j之间的负荷互补关系，并有：其中，xik为节点i的特征向量X_i中的第k个特征元素，x_jk为节点j的特征向量X_j中的第k个特征元素，k为正整数；

r_ij,D为节点i和节点j之间的空间和电气距离关系，并有：其中，c′＝max{|x_ik-x_jk|}。

4.根据权利要求1所述的高渗透率分布式可再生能源发电集群划分方法，其特征是：所述步骤3中所指的不同的指标取为方差分析中的F统计量，利用所述F统计量对G进行筛选。

5.根据权利要求4所述的高渗透率分布式可再生能源发电集群划分方法，其特征是：所述F统计量由式(4)表征：

其中：

SSA为类间离差平方和，

SSE为类内离差平方和，

N_λs,J为第J分类节点的个数，为第J分类的第k个特征值的平均值，为节点集合整体中第k个特征值的平均值，x_ik ^(J)为第J分类中第i元素的第k个特征值，为第J分类中第k个特征值的平均值，F统计量值越大分类越合理，取F_λs＝max{F_λ}，F_λs为对应最佳分类时的统计量的值，F_λ为取阙值λ时的F统计量值，此时分类结果为{CN_λR,N_λR,J}。