CN108199404A - 高渗透率分布式能源系统的谱聚类集群划分方法 - Google Patents
高渗透率分布式能源系统的谱聚类集群划分方法 Download PDFInfo
- Publication number
- CN108199404A CN108199404A CN201711403880.7A CN201711403880A CN108199404A CN 108199404 A CN108199404 A CN 108199404A CN 201711403880 A CN201711403880 A CN 201711403880A CN 108199404 A CN108199404 A CN 108199404A
- Authority
- CN
- China
- Prior art keywords
- node
- matrix
- subgroup
- energy resource
- distributed energy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000035699 permeability Effects 0.000 title claims abstract description 34
- 230000003595 spectral effect Effects 0.000 title claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims abstract description 73
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 230000035945 sensitivity Effects 0.000 claims description 19
- 230000033228 biological regulation Effects 0.000 claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 5
- 238000002347 injection Methods 0.000 claims description 5
- 239000007924 injection Substances 0.000 claims description 5
- 238000000926 separation method Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- IAPHXJRHXBQDQJ-ODLOZXJASA-N jacobine Natural products O=C1[C@@]2([C@H](C)O2)C[C@H](C)[C@](O)(C)C(=O)OCC=2[C@H]3N(CC=2)CC[C@H]3O1 IAPHXJRHXBQDQJ-ODLOZXJASA-N 0.000 claims description 3
- 230000001172 regenerating effect Effects 0.000 abstract description 2
- 238000010276 construction Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 238000000638 solvent extraction Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 206010068052 Mosaicism Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000009931 harmful effect Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000007261 regionalization Effects 0.000 description 1
- 210000003765 sex chromosome Anatomy 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
Classifications
-
- H02J3/382—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明针对现有高渗透率大规模分布式能源系统,在集群划分依据、划分方法方面仍旧处于探索阶段,不便于对高渗透率大规模分布式能源系统开展后续电压调节的问题,提供一种高渗透率分布式能源系统的谱聚类集群划分方法。该方法,包括:通过N个节点之间的电气距离,构造权重矩阵和度矩阵,利用权重矩阵和度矩阵计算标准化的拉普拉斯矩阵LLaplacian并进行降为,采用K‑means算法将数据降为后的矩阵L聚为n个亚群落,确定每个亚群落中的一个节点为该亚群落的聚类质心;构造适应度函数,依据适应度函数确定N个节点的最终亚群落划分结果和每个亚群落的聚类质心。本发明可有效的解决高渗透率可再生能源的过电压问题,并具有良好的实时性。
Description
技术领域
本发明涉及电力系统运行优化相关技术领域,具体地说,涉及一种高渗透率分布式能源系统的谱聚类集群划分方法。
背景技术
风电、光伏等新型能源并网所形成的集群系统,具有多容量、高密度、大规模的特点,分为区域分散型/集中型不同的接入形式。分布式电源 (Distributed Generation,DG)的大规模接入,易产生电压越限、功率倒送、线路过载等不良影响,并将传统的辐射状配电网逐渐转变为有源配网。其中电压越限是最显著的问题,依靠变电站有载调压器和就地无功补偿的方法有待进改进。目前已有相关文献在组件建模方法、有功控制控制、无功补偿、实时海量数据传输与存储、储能与逆变设备等各方面对电压协调控制展开研究。
光伏逆变器本身具有无功调节能力,原则上逆变器的无功剩余容量如果能够得到充分利用,不仅可以降低网损还可以提高电网的电压调节能力。但若对大规模光伏系统中每个节点进行调节,所需的设备投资成本高,且数据处理量大、控制复杂。因此对大规模高渗透率可再生能源集群进行亚群落划分,分别进行无功补偿,可以有效减少计算量和投切成本。过去传统电力系统区域的划分多基于运行人员经验和自然归属地,无法反映高渗透率大规模分布式能源集群系统的网架拓扑及结构特征。
为应对高渗透率大规模分布式能源系统的电压调节问题,已有研究者探索在集群划分的基础上进行的电压调节方式。现有技术中,提出了一种分区协调控制的有源配电网调压方法;以高渗透率光伏分布式系统为研究对象,对模块化指标改进后,划分集群,并用基本粒子群算法进行区域调压控制;基于聚类分析方法得出电力系统关键负荷节点,基于分区策略研究分布式能源电力系统的电压稳定性问题。但在含高渗透率分布式能源系统集群划分依据、划分方法、调压策略等方面仍处于探索阶段。
发明内容
本发明针对现有高渗透率大规模分布式能源系统,在集群划分依据、划分方法方面仍旧处于探索阶段,不便于对高渗透率大规模分布式能源系统开展后续电压调节的问题,提供一种高渗透率分布式能源系统的谱聚类集群划分方法。
本发明所需要解决的技术问题,可以通过以下技术方案来实现:
一种高渗透率分布式能源系统的谱聚类集群划分方法,其特征在于,包括:
用数据集合V={V1,V2,…VN}表示分布式能源系统中的N个节点,E表示数据集合里所有边的集合,将分布式能源系统构成无向图G(V,E);
通过N个节点之间的电气距离[e(i,j)]N×N,构造N×N维的权重矩阵W和 N×N维对角线度矩阵D,利用权重矩阵W和度矩阵D计算标准化的拉普拉斯矩阵LLaplacian,通过特征值分解的获得数据降为后的矩阵L,
采用K-means算法将数据降为后的矩阵L聚为n个亚群落,确定每个亚群落中的一个节点为该亚群落的聚类质心;
构造K-means算法的适应度函数,依据适应度函数确定N个节点的最终亚群落划分结果和每个亚群落的聚类质心。
本发明中,构造N个节点之间的电气距离[e(i,j)]N×N,包括:
计算分布式能源系统节点i,j之间等值阻抗Zij,equ;
定义分布式电源接入电力系统后的电压有功敏感度矩阵VSCP和电压无功敏感度矩阵VSCQ,假设每个节点都有功率调节,且第j个节点的有功功率和无功功率分别调节△Pi、△Qi,计算节点i的电压变化△V;
定义节点i对j的电压有功影响因子矩阵VIFP和电压无功影响因子矩阵 VIFQ,再结合等值阻抗Zij,equ,构造N个节点之间的电气距离[e(i,j)]N×N。
所述计算分布式能源系统节点i,j之间等值阻抗Zij,equ=(Zii-Zij)-(Zij-Zjj),其中,Zij为电力系统节点阻抗矩阵第i行第j列元素。
所述电压有功敏感度矩阵VSCP和电压无功敏感度矩阵VSCQ,利用雅各比矩阵J的逆矩阵元素进行构造,计算节点i的电压变化△V,包括:
其中,i,j∈N,N为分布式能源系统的总节点数,分别为节点i对j的电压有功敏感度系数和无功敏感度系数,Pi、Qi为节点i的有功注入和无功注入,Vj为节点j电压。
所述N个节点之间的电气距离:
其中,
本发明中,构造对称权重矩阵W,W=[eij]N×N,其中,e(i,j) 为节点i到节点j的电气距离,e(j,i)为节点j到节点i的电气距离;
构造N×N维对角线矩阵D作为度矩阵,D=diag(d1,d2,…,dN),其中,
本发明中,计算标准化的拉普拉斯矩阵LLaplacian=D-1/2(D-W)D1/2,并通过特征值分解的获得数据降为后的矩阵L,包括:
对矩阵L作特征值分解,求得其特征值和特征向量,按从小到大对特征值排序,取前k1个特征值,并用对应的特征向量构成N×k1维特征矩阵
设为F的第i个列向量,用K-means算法将L={li|i=1,…N}聚为n个亚群落{C1,C2,…,Ck,…Cn}。
本发明中,将可控PV节点作为亚群落的聚类质心。
本发明中,所述适应度函数其中,{λ1,λ2,λ3}∈[0,1],λ1、λ2、λ3分别为DBI、SI、DUNN指标的权重,DBI指标为类内相似性和类间差异性的评估指标,SI指标为集群划分结果的异质性的评估指标,DUNN 指标为用亚群落间距离表示不同集群间的分离程度,在聚类算法过程中应使所述适应度函数fcluster最小化。
所述其中,和分别为亚群落i和亚群落j内其他节点到各自聚类质心的平均电气距离,亚群落Ci和亚群落Cj的聚类质心分别为和
所述其中,
亚群落Ck内第i个节点到同一集群内其他节点的平均距离为a(i),该节点到其他集群内最大平均距离为b(i),则其剪影宽度为s(i);
所述DUNN指标的定义如下:
diam{Ck}为第k个亚群落Ck的直径,d(Ci,Cj)为集群间节点的最短距离。
本发明的高渗透率分布式能源系统的谱聚类集群划分方法,提出一种以阻抗距离和敏感度为双重标准的改进电气距离定义,综合考虑节点电气距离耦合连接度和分布式电源分别接入后的电压灵敏度。以改进的电气距离为量化参数,应用谱聚类对高渗透率的含分布式能源系统进行集群划分。
为优化分区结果,引入戴维森保丁指数(Davies Bouldin Index,DBI)、剪影指数(Silhouette Index,SI)、DUNN指数(DUNN Index)与归一化的均方误差指标相结合,作为集群划分的综合衡量指标,将谱聚类算法结果作为分布式可再生能源集群的分区依据,取聚类质心为关键节点,以此为可控光伏节点选址。
将本发明提出的集群划分和调压控制策略应用于IEEE-33节点标准系统和安徽省金寨县某地区电网实际系统,仿真结果表明所提出的方法可有效的解决高渗透率可再生能源的过电压问题,并具有良好的实时性。
附图说明
以下结合附图和具体实施方式来进一步说明本发明。
图1为本发明的流程图。
图2为IEEE-33节点系统的拓扑结构图。
图3为IEEE-33系统点归一化后总改进电气距离。
图4为IEEE-33系统集群划分结果。
图5为安徽省金寨县实际61节点系统光伏出力图。
图6为安徽省金寨县61节点实际系统的拓扑结构图和分区结果。
图7为节点实际系统的地理分布图和分区结果。
具体实施方式
为了使本发明的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体图示,进一步阐述本发明。
本发明的主旨在于,通过对现有高渗透率分布式能源系统的分析,发现在集群划分依据、划分方法方面仍旧处于探索阶段,存在不便于对高渗透率大规模分布式能源系统开展后续电压调节的问题,通过本发明提供一种高渗透率分布式能源系统的谱聚类集群划分方法以解决上述问题。
参见图1,高渗透率分布式能源系统的谱聚类集群划分方法,核心的步骤包括:
用数据集合V={V1,V2,…VN}表示分布式能源系统中的N个节点,E表示数据集合里所有边的集合,将分布式能源系统构成无向图G(V,E);
通过N个节点之间的电气距离[e(i,j)]N×N,构造N×N维的权重矩阵W和 N×N维对角线度矩阵D,利用权重矩阵W和度矩阵D计算标准化的拉普拉斯矩阵LLaplacian,通过特征值分解的获得数据降为后的矩阵L,
采用K-means算法将数据降为后的矩阵L聚为n个亚群落,确定每个亚群落中的一个节点为该亚群落的聚类质心;
构造K-means算法的适应度函数,依据适应度函数确定N个节点的最终亚群落划分结果和每个亚群落的聚类质心。
这里需要说明的是,谱聚类是从图论中演化出来的算法。它的主要思想是把所有的数据看做空间中的点,这些点之间可以用边连接起来。距离较远的两个点之间的边权重值较低,而距离较近的两个点之间的边权重值较高,通过对所有数据点组成的图进行切图,让切图后不同的子图间边权重和尽可能的低,而子图内的边权重和尽可能的高,从而达到聚类的目的。
对于图G,一般用点的集合V和边的集合E来描述。即为G(V,E)。对于 V中的任意两个点,可以有边连接,也可以没有边连接。定义权重wij为点vi和点vj之间的权重。对于无向图,有wij=wji。
出于优选,本发明中采用了一种改进的电气距离,以阻抗距离和敏感度为双重标准,综合考虑节点电气距离耦合连接度和分布式电源分别接入后的电压灵敏度。
阻抗距离、模块化指标、敏感度矩阵均被用来衡量节点间的电气距离及关系。电力系统节点i,j之间等值阻抗Zij,equ为从节点i注入单位电流元后节点i与 j之间电压Uij即,
Zij,equ=Uij/Ii=Uij (1)
该数值可由节点阻抗矩阵元素计算:
Zij,equ=(Zii-Zij)-(Zij-Zjj) (2)
其中Zij为电力系统节点阻抗矩阵第i行第j列元素,基于等值阻抗的指标可从电气学角度辨识一个节点是否处于系统电气结构的关键位置。
多个分布式电源接入后,在考虑各节点间阻抗距离关系的基础上,还需要分析分布式电源出力变化时对其他节点的影响程度。根据功率变化对母线电压和相角影响的,可定义分布式电源接入后的电压敏感度。
利用雅各比矩阵J的逆矩阵元素,构造在工作点Γ含分布式可再生能源系统的电压有功敏感度矩阵VSCP、电压无功敏感度矩阵VSCQ。
其中,i,j∈N,N为所研究分布式能源系统的总节点数,分别为节点i对j的电压有功、无功敏感度系数,Pi、Qi为节点i的有功和无功注入,Vj为节点j电压。假设每个节点都有功率调节,且第j个节点的有功功率和无功功率分别调节△Pi、△Qi,则节点i的电压变化为:
为区分不同接入点对其他节点的电压敏感度,定义节点i对j的电压影响因子矩阵VIFP、VIFQ。
以IEEE-33节点标准系统为例,某节点VIFP、VIFQ数值与注入有功及无功变量基本呈线性关系。为了综合考虑电网拓扑结构中节点距离耦合连接度和分布式电源分别接入后的电压灵敏度,本文将传统的等值阻抗与电压敏感度相结合,构造改进的电气距离。
其中e(i,j)为节点i到节点j的改进电气距离,可同时反映节点i,j之间等效阻抗距离Zij,equ和电压影响因素。
基于聚类分析方法的方法进行集群划分是常用的分区策略,K-means聚类算法和谱聚类算法都被应用于电力系统集群划分问题中。谱聚类算法通过矩阵谱分析理论,导出表征聚类对象性质的特征值与特征向量,再利用新的数据特征对原数据进行聚类。与其他聚类算法相比,谱聚类算法不易陷入局部最优解,且具有识别非凸分布的聚类的能力。
将含分布式电源的电力系统集群划分问题表述为聚类集成问题。数据集合V={V1,V2,…VN}表示电力系统中的N个节点,E表示数据集里所有边的集合,则根据图论,该电力系统构成无向图G(V,E)。应用改进的电气距离e(i,j)定义对称权重矩阵W。
构造N×N维对角线矩阵D作为度矩阵。
计算标准化的拉普拉斯矩阵LLaplacian。
LLaplacian=D-1/2(D-W)D1/2 (10)
对L作特征值分解,求得其特征值和特征向量。按从小到大对特征值排序,取前k1个特征值,并用对应的特征向量构成N×k1维特征矩阵原电力系统的节点映射为F的每一行谱数据点,引入的拉普拉斯变换有效实现数据降为。设为F的第i个列向量,用K-means算法将L={li|i=1,…N}聚为n个亚群落(簇){C1,C2,…,Ck,…Cn}。第k个亚群落Ck中包含节点数Nk;其中关键节点选取为聚类质心记为剩下的Nk-1个节点为普通节点。为达到最佳电压调节效果,并降低安装成本投入,将可控PV节点选址于关键节点 (聚类质心)。以式子(7)定义的改进电气距离大的节点,阻抗距离大、电压敏感度高,以此参数作为聚类算法的度量参数,可有效的选择关键节点。
为衡量聚类算法在电力系统中集群划分的结果,在不同算法中取最优或在相同算法中找到参数的最佳位置,引入DBI、SI、DUNN等聚类有效性指标,作为谱聚类算法中K-means阶段的适应度函数。在聚类算法执行过程中,以类间数据对象的相异度高、类内数据对象的相似度高为依据来衡量聚类结果的好坏程度。DBI是类内相似性和类间差异性的评估准则,SI则用来评估集群划分结果的异质性。
设亚群落Ci和亚群落Cj的关键节点(级质心)分别为和 为两者之间改进电气距离。记为第k个亚群落内其他节点到关键节点的平均改进电气距离。
电力系统集群划分的DBI指标定义如下:
其中和分别为亚群落i和亚群落j内其他节点到各自关键节点的平均改进电气距离。DBI指标越小,表明集群划分的个数合理、群间电气距离大、群内关联度高。
SI反映了类的紧密性(即类内平均距离)和可分性(最小类间距离)。设亚群落Ck内第i个节点到同一集群内其他节点的平均距离为a(i),该节点到其他集群内最大平均距离为b(i),则其剪影宽度(Silhouette Width,SD)为s(i)。
对包含N个节点的电力系统,集群划分结果为n个亚群落{C1,C2,…,Ck,…Cn},第k个亚群落Ck中包含节点数Nk。则SI指标定义如下:
Silhouette指数值越大则表明相应算法下的聚类质量越好。
DUNN指数用亚群落的直径来对集群的紧密性进行表示,用亚群落间距离表示不同集群间的分离程度。定义diam{Ck}为第k个亚群落Ck的直径,即集群内节点间改进电气距离的最大值;d(Ci,Cj)为集群间节点的最短距离;DUNN 指数定义如式(19)。
DUNN指数值越大则表明聚类结果越可靠。
融合多个度量指标进行聚类结果的有效性度量,应用于谱聚类算法的 k-means聚类阶段,定义聚类适应度函数如下:
其中{λ1,λ2,λ3}∈[0,1]表示了DBI、SI、DUNN指标的权重程度,在聚类算法过程中应使该适应度函数fcluster最小化。该指标从不同角度体现了电力系统集群划分的群内电气耦合紧密度、群间分离程度和集群个数合理性。
为了更好的说明本发明,对IEEE-33节点标准系统进行集群划分,考虑光伏并入后对调压策略进行研究,获得良好节点电压控制效果;并将本发明提出的方法应用于安徽省金寨县某实际高渗透率大规模分布式能源系统。
IEEE-33节点标准系统的拓扑结构如图2所示,馈线的正常负荷为 3.715MW+j2.3MVar。考虑每个节点都有光伏单元并入,但考虑经济问题,仅能在有限的节点上安装可控PV单元。
为了找出适合安装可控PV单元的节点,首先根据式(1)-(7)计算各节点的改进电气距离eΓ(i,j)和VSCP,VSCQ;再应用提出的谱聚类集群划分方法,由式(11)-(19)构建集群划分滚动指标,并在改进粒子群算法中将其最小化。所得电气距离eΓ(i,j)及VSCP,VSCQ均为33×33矩阵。
定义第i个节点的总有功和无功电压影响因子和如下:
以{Γ1:△Pk=1MW,△Qk=1MVar}和{Γ2:△P=0.9MW,△Q=0.436MVar}两种工况为例研究,在Γ1和Γ2两种工况下,根据计算结果,选择电压影响因子最大的两个节点进一步分析。节点13和29为对其他节点的有功和无功电压影响因子列举,总有功和无功电压影响因子和的数值大小与△P和△Q基本呈线性比例关系,因此省略下标Γ。
为方便表示及比较,将IEEE 33节点系统中每个节点与剩余节点的改进电气距离eΓ(i,j)之和标准化,并定义为etotal,i,如下式(29)。标准化后结果如图3 所示。
基于改进的电气距离eΓ(i,j),应用集群划分算法流程,将含PV接入的 IEEE33节点系统划分为5个亚群落,划分结果如图4所示。表示不同分区,圆形标志为普通光伏并网点或负荷节点,三角形标志为该亚群落中的关键节点(质心)。可控PV装置即安装于关键节点,可以在考虑经济性和有效性下,达到最佳的电压调节效果。
参见图5,考虑安徽省金寨县某区域的10kV电力系统,位于北纬 31°28′0.91″、东经115°47′44.33″。该系统中有61个节点,馈线总负荷为 1.16MW+j0.69MVar。目前已有27个节点安装了光伏系统,未来将有共 5.01MW的光伏系统并入,具体安装点和容量见表2,光伏渗透率达到143%。光伏出力最大效率约为86.7%,全年最大出力时刻均发生在11:00-14:00。除1 月份和11月份外,其余每月最大出力相差不大。
记录现场一年的数据进行分析,选取每个月第一周的周日、周三作为典型日,记录典型日24小时的光伏输出、负荷数据和节点电压,形成共计24 ×2×12=576个时间断面。
应用基于谱聚类的集群划分方法,将61节点的实际系统划分为5个亚群落,每个亚群落内包含的节点和其中的关键节点如下所示。
其拓扑结构图和分区结果如图6所示。考虑实际系统的地理位置,各节点分布和集群划分结果如图7所示。
在图6和图7中,集群1-5均分别用蓝、黄、绿、红、紫色表示。图7 中普通节点以圆点表示,关键节点以三角形表示,由该图可见,基于改进电气距离的集群划分结果基本与地理分布情况相仿。只有节点61与相距较远的其他节点共同构成亚群落1,这是因为位于节点61处为一水力发电站,向亚群落1其他节点所处地域供电,因此电气距离较近。可见划分结果合理。
以上仅就本发明较佳的实施例作了说明,但不能理解为是对权利要求的限制。本发明不仅局限于以上实施例,其具体结构允许有变化。总之,凡在本发明独立权利要求的保护范围内所作的各种变化均在本发明的保护范围内。
Claims (10)
1.高渗透率分布式能源系统的谱聚类集群划分方法,其特征在于,包括:
用数据集合V={V1,V2,…VN}表示分布式能源系统中的N个节点,E表示数据集合里所有边的集合,将分布式能源系统构成无向图G(V,E);
通过N个节点之间的电气距离[e(i,j)]N×N,构造N×N维的权重矩阵W和N×N维对角线度矩阵D,利用权重矩阵W和度矩阵D计算标准化的拉普拉斯矩阵LLaplacian,通过特征值分解的获得数据降为后的矩阵L;
采用K-means算法将数据降为后的矩阵L聚为n个亚群落,确定每个亚群落中的一个节点为该亚群落的聚类质心;
构造K-means算法的适应度函数,依据适应度函数确定N个节点的最终亚群落划分结果和每个亚群落的聚类质心。
2.根据权利要求1所述的高渗透率分布式能源系统的谱聚类集群划分方法,其特征在于:构造N个节点之间的电气距离[e(i,j)]N×N,包括:
计算分布式能源系统节点i,j之间等值阻抗Zij,equ;
定义分布式电源接入电力系统后的电压有功敏感度矩阵VSCP和电压无功敏感度矩阵VSCQ,假设每个节点都有功率调节,且第j个节点的有功功率和无功功率分别调节△Pi、△Qi,计算节点i的电压变化△V;
定义节点i对j的电压有功影响因子矩阵VIFP和电压无功影响因子矩阵VIFQ,再结合等值阻抗Zij,equ,构造N个节点之间的电气距离[e(i,j)]N×N。
3.根据权利要求2所述的高渗透率分布式能源系统的谱聚类集群划分方法,其特征在于:所述计算分布式能源系统节点i,j之间等值阻抗Zij,equ=(Zii-Zij)-(Zij-Zjj),其中,Zij为电力系统节点阻抗矩阵第i行第j列元素。
4.根据权利要求2所述的高渗透率分布式能源系统的谱聚类集群划分方法,其特征在于:所述电压有功敏感度矩阵VSCP和电压无功敏感度矩阵VSCQ,利用雅各比矩阵J的逆矩阵元素进行构造,计算节点i的电压变化△V,包括:
其中,i,j∈N,N为分布式能源系统的总节点数,分别为节点i对j的电压有功敏感度系数和无功敏感度系数,Pi、Qi为节点i的有功注入和无功注入,Vj为节点j电压。
5.根据权利要求2所述的高渗透率分布式能源系统的谱聚类集群划分方法,其特征在于:所述N个节点之间的电气距离:
其中,
6.根据权利要求1所述的高渗透率分布式能源系统的谱聚类集群划分方法,其特征在于:构造对称权重矩阵W,W=[eij]N×N,其中,e(i,j)为节点i到节点j的电气距离,e(j,i)为节点j到节点i的电气距离;
构造N×N维对角线矩阵D作为度矩阵,D=diag(d1,d2,…,dN),其中,
7.根据权利要求6所述的高渗透率分布式能源系统的谱聚类集群划分方法,其特征在于:计算标准化的拉普拉斯矩阵LLaplacian=D-1/2(D-W)D1/2,并通过特征值分解的获得数据降为后的矩阵L,包括:
对矩阵L作特征值分解,求得其特征值和特征向量,按从小到大对特征值排序,取前k1个特征值,并用对应的特征向量构成N×k1维特征矩阵
设为F的第i个列向量,用K-means算法将L={li|i=1,…N}聚为n个亚群落{C1,C2,…,Ck,…Cn}。
8.根据权利要求1所述的高渗透率分布式能源系统的谱聚类集群划分方法,其特征在于:将可控PV节点作为亚群落的聚类质心。
9.根据权利要求1所述的高渗透率分布式能源系统的谱聚类集群划分方法,其特征在于:所述适应度函数其中,{λ1,λ2,λ3}∈[0,1],λ1、λ2、λ3分别为DBI、SI、DUNN指标的权重,DBI指标为类内相似性和类间差异性的评估指标,SI指标为集群划分结果的异质性的评估指标,DUNN指标为用亚群落间距离表示不同集群间的分离程度,在聚类算法过程中应使所述适应度函数fcluster最小化。
10.根据权利要求9所述的高渗透率分布式能源系统的谱聚类集群划分方法,其特征在于:所述其中,和分别为亚群落i和亚群落j内其他节点到各自聚类质心的平均电气距离,亚群落Ci和亚群落Cj的聚类质心分别为和
所述其中,
亚群落Ck内第i个节点到同一集群内其他节点的平均距离为a(i),该节点到其他集群内最大平均距离为b(i),则其剪影宽度为s(i);
所述DUNN指标的定义如下:
diam{Ck}为第k个亚群落Ck的直径,d(Ci,Cj)为集群间节点的最短距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711403880.7A CN108199404B (zh) | 2017-12-22 | 2017-12-22 | 高渗透率分布式能源系统的谱聚类集群划分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711403880.7A CN108199404B (zh) | 2017-12-22 | 2017-12-22 | 高渗透率分布式能源系统的谱聚类集群划分方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108199404A true CN108199404A (zh) | 2018-06-22 |
CN108199404B CN108199404B (zh) | 2020-06-16 |
Family
ID=62583259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711403880.7A Active CN108199404B (zh) | 2017-12-22 | 2017-12-22 | 高渗透率分布式能源系统的谱聚类集群划分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108199404B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109146290A (zh) * | 2018-08-22 | 2019-01-04 | 南京航空航天大学 | 一种针对大气环境影响的机场停机位优先级分析方法及系统 |
CN109167395A (zh) * | 2018-11-22 | 2019-01-08 | 国网宁夏电力有限公司电力科学研究院 | 基于adpss的光伏发电系统的暂态等值电势辨识方法 |
CN109599895A (zh) * | 2018-12-10 | 2019-04-09 | 国网浙江建德市供电有限公司 | 一种基于聚类分析的分布式光伏接入方法 |
CN110490492A (zh) * | 2019-09-06 | 2019-11-22 | 南方电网科学研究院有限责任公司 | 一种划分分布式能源集群的方法和装置 |
CN111092425A (zh) * | 2018-10-24 | 2020-05-01 | 中国电力科学研究院有限公司 | 一种基于拓扑特性的网架聚类分析方法及系统 |
CN111723876A (zh) * | 2020-07-20 | 2020-09-29 | 浙江大学 | 一种考虑双尺度相似性的负荷曲线集成谱聚类算法 |
CN112508279A (zh) * | 2020-12-10 | 2021-03-16 | 国网山东省电力公司电力科学研究院 | 基于空间相关性的区域分布式光伏预测方法及系统 |
CN112994078A (zh) * | 2019-12-17 | 2021-06-18 | 南京南瑞继保电气有限公司 | 一种面向高密度分布式发电的集群分区划分方法 |
CN114156879A (zh) * | 2021-12-06 | 2022-03-08 | 国网山东省电力公司电力科学研究院 | 基于集群划分的配电网优化调度方法和系统 |
CN116073342A (zh) * | 2023-03-01 | 2023-05-05 | 天津大学 | 分布式电源t接配电网多端差动保护整定方法 |
CN117238378A (zh) * | 2023-09-15 | 2023-12-15 | 杭州普罗亭医学检验实验室有限公司 | 基于密度估计和二次型距离的自动圈门方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103326351A (zh) * | 2013-05-17 | 2013-09-25 | 国家电网公司 | 一种基于层次化聚类自动分区的分布式并行潮流计算方法 |
CN105243476A (zh) * | 2015-09-25 | 2016-01-13 | 华中科技大学 | 一种用于高渗透分布式光伏的分层储能能量管理系统的体系结构 |
US20160259314A1 (en) * | 2015-03-05 | 2016-09-08 | Regents Of The University Of Minnesota | Decentralized optimal dispatch of photovoltaic inverters in power distribution systems |
CN106529731A (zh) * | 2016-11-17 | 2017-03-22 | 云南电网有限责任公司电力科学研究院 | 一种区域电网光伏电站集群划分方法 |
CN107039984A (zh) * | 2017-06-19 | 2017-08-11 | 国网重庆市电力公司电力科学研究院 | 一种无功电压分区方法 |
CN107093007A (zh) * | 2017-03-31 | 2017-08-25 | 华南理工大学 | 一种考虑光储持续带载能力的配电网可靠性评估方法 |
-
2017
- 2017-12-22 CN CN201711403880.7A patent/CN108199404B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103326351A (zh) * | 2013-05-17 | 2013-09-25 | 国家电网公司 | 一种基于层次化聚类自动分区的分布式并行潮流计算方法 |
US20160259314A1 (en) * | 2015-03-05 | 2016-09-08 | Regents Of The University Of Minnesota | Decentralized optimal dispatch of photovoltaic inverters in power distribution systems |
CN105243476A (zh) * | 2015-09-25 | 2016-01-13 | 华中科技大学 | 一种用于高渗透分布式光伏的分层储能能量管理系统的体系结构 |
CN106529731A (zh) * | 2016-11-17 | 2017-03-22 | 云南电网有限责任公司电力科学研究院 | 一种区域电网光伏电站集群划分方法 |
CN107093007A (zh) * | 2017-03-31 | 2017-08-25 | 华南理工大学 | 一种考虑光储持续带载能力的配电网可靠性评估方法 |
CN107039984A (zh) * | 2017-06-19 | 2017-08-11 | 国网重庆市电力公司电力科学研究院 | 一种无功电压分区方法 |
Non-Patent Citations (1)
Title |
---|
万庆祝 等: "区域微电网集群技术研究新进展", 《电气工程学报》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109146290A (zh) * | 2018-08-22 | 2019-01-04 | 南京航空航天大学 | 一种针对大气环境影响的机场停机位优先级分析方法及系统 |
CN109146290B (zh) * | 2018-08-22 | 2022-01-07 | 南京航空航天大学 | 一种针对大气环境影响的机场停机位优先级分析方法及系统 |
CN111092425A (zh) * | 2018-10-24 | 2020-05-01 | 中国电力科学研究院有限公司 | 一种基于拓扑特性的网架聚类分析方法及系统 |
CN111092425B (zh) * | 2018-10-24 | 2021-12-03 | 中国电力科学研究院有限公司 | 一种基于拓扑特性的网架聚类分析方法及系统 |
CN109167395A (zh) * | 2018-11-22 | 2019-01-08 | 国网宁夏电力有限公司电力科学研究院 | 基于adpss的光伏发电系统的暂态等值电势辨识方法 |
CN109599895A (zh) * | 2018-12-10 | 2019-04-09 | 国网浙江建德市供电有限公司 | 一种基于聚类分析的分布式光伏接入方法 |
CN110490492A (zh) * | 2019-09-06 | 2019-11-22 | 南方电网科学研究院有限责任公司 | 一种划分分布式能源集群的方法和装置 |
CN112994078A (zh) * | 2019-12-17 | 2021-06-18 | 南京南瑞继保电气有限公司 | 一种面向高密度分布式发电的集群分区划分方法 |
CN111723876B (zh) * | 2020-07-20 | 2021-09-28 | 浙江大学 | 一种考虑双尺度相似性的负荷曲线集成谱聚类方法 |
CN111723876A (zh) * | 2020-07-20 | 2020-09-29 | 浙江大学 | 一种考虑双尺度相似性的负荷曲线集成谱聚类算法 |
CN112508279A (zh) * | 2020-12-10 | 2021-03-16 | 国网山东省电力公司电力科学研究院 | 基于空间相关性的区域分布式光伏预测方法及系统 |
CN112508279B (zh) * | 2020-12-10 | 2023-04-07 | 国网山东省电力公司电力科学研究院 | 基于空间相关性的区域分布式光伏预测方法及系统 |
CN114156879A (zh) * | 2021-12-06 | 2022-03-08 | 国网山东省电力公司电力科学研究院 | 基于集群划分的配电网优化调度方法和系统 |
CN116073342A (zh) * | 2023-03-01 | 2023-05-05 | 天津大学 | 分布式电源t接配电网多端差动保护整定方法 |
CN116073342B (zh) * | 2023-03-01 | 2023-09-22 | 天津大学 | 分布式电源t接配电网多端差动保护整定方法 |
CN117238378A (zh) * | 2023-09-15 | 2023-12-15 | 杭州普罗亭医学检验实验室有限公司 | 基于密度估计和二次型距离的自动圈门方法、装置、设备及存储介质 |
CN117238378B (zh) * | 2023-09-15 | 2024-04-26 | 杭州普罗亭医学检验实验室有限公司 | 基于密度估计和二次型距离的自动圈门方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108199404B (zh) | 2020-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108199404A (zh) | 高渗透率分布式能源系统的谱聚类集群划分方法 | |
Ismail et al. | A comprehensive review on optimal location and sizing of reactive power compensation using hybrid-based approaches for power loss reduction, voltage stability improvement, voltage profile enhancement and loadability enhancement | |
CN107301472B (zh) | 基于场景分析法和电压调节策略的分布式光伏规划方法 | |
Kayal et al. | Placement of wind and solar based DGs in distribution system for power loss minimization and voltage stability improvement | |
CN107732957B (zh) | 一种高渗透率分布式可再生能源发电集群划分方法 | |
CN103150606B (zh) | 一种分布式电源最优潮流优化方法 | |
CN107069814B (zh) | 配网分布式电源容量布点的模糊机会约束规划方法与系统 | |
CN108183488A (zh) | 基于集群划分的高渗透率分布式能源系统智能调压方法 | |
CN108418255A (zh) | 一种适用于含高渗透率新能源的特高压直流外送电网规划方法及系统 | |
Wu et al. | Source-network-storage joint planning considering energy storage systems and wind power integration | |
CN106532710B (zh) | 计及电压稳定约束的微电网潮流优化方法 | |
CN107947192A (zh) | 一种下垂控制型孤岛微电网的无功优化配置方法 | |
CN108306303A (zh) | 一种考虑负荷增长和新能源出力随机的电压稳定评估方法 | |
CN104600713A (zh) | 含风力/光伏发电配电网日前无功调度的生成装置及方法 | |
CN110556847B (zh) | 含光伏配电网中储能系统规划运行联合优化方法及系统 | |
CN108599239A (zh) | 一种下垂控制型孤岛微电网电压质量概率评估方法 | |
CN104578091A (zh) | 一种含多源电网的无延时最优无功协调控制系统及方法 | |
Manas et al. | Optimal distributed generator sizing and placement by analytical method and fuzzy expert system: a case study in Tezpur University, India | |
CN109494787B (zh) | 一种光伏多馈入电力系统并网容量极限计算方法 | |
Rezaeian‐Marjani et al. | Probabilistic assessment of D‐STATCOM operation considering correlated uncertain variables | |
Šarić et al. | Distributed generation allocation using fuzzy multi criteria decision making algorithm | |
CN110336322B (zh) | 基于日最小负荷置信区间的光伏发电准入容量确定方法 | |
CN105354761B (zh) | 一种风电接入电网的安全与效能评估方法及系统 | |
CN103490443B (zh) | 在电网三级电压控制体系中对风电场进行电压控制的方法 | |
CN115564142A (zh) | 一种混合储能系统的选址定容优化方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |