CN112215492A - 一种基于电源空间分布及调节特性的聚合分群方法 - Google Patents
一种基于电源空间分布及调节特性的聚合分群方法 Download PDFInfo
- Publication number
- CN112215492A CN112215492A CN202011085667.8A CN202011085667A CN112215492A CN 112215492 A CN112215492 A CN 112215492A CN 202011085667 A CN202011085667 A CN 202011085667A CN 112215492 A CN112215492 A CN 112215492A
- Authority
- CN
- China
- Prior art keywords
- power supply
- aggregation
- clustering
- power
- spatial distribution
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了一种基于电源空间分布及调节特性的聚合分群方法,包括以下步骤:s5:调整分群聚合中心,确定各群聚合中心节点,计算“关联指数”;s6:统计各待聚合分群电源,利用模糊聚类算法确定各电源归属聚合群节点;s7:调整个别电源分群结果;s8:得到其他电源基于空间分布和调节特性的聚合分群结果,本发明的有益效果是确定了基于电源空间分布及调节特性的其他电源聚合分群的原则,优先考虑联络线稳定限额作为电源聚合分群的首要原则,在此基础上划分待聚合区域;以电气距离作为聚合分群的次要原则,由此确定各电源聚合中心;最后考虑各电源调峰能力,调整分群结果,不同类型电源之间形成优势互补。
Description
技术领域
本发明涉及一种聚合分群方法,特别涉及一种基于电源空间分布及调节特性的聚合分群方法,属于电气工程技术领域。
背景技术
甘肃可再生能源90%集中在河西地区,而现有的具有调峰能力的水火电机组主要集中在主网地区,输电通道长达800公里,且送出功率常呈现可再生能源的波动特性,增大了主网地区的调峰压力,为了解决调峰难题,增大可再生能源送出,需要综合考虑河西电网和甘肃主网地区其他电源的调峰能力。基于此,根据河西电网和甘肃主网地区其他电源的空间分布和调节特性进行聚合分群,将各个电源单独参与调峰转变为分区分群调峰,对于河西电网而言,通过聚合电源群与可再生能源协调控制,平抑高比例可再生能源基地输送功率的波动,减小可再生能源的反调峰效应;对于甘肃主网,通过评估各电源群调峰能力,对各电源机组进行优化控制,精细化调峰过程,充分利用大电网的调控资源以提高新能源并网服务能力的要求。
为了增加河西地区可再生能源送出,西北电网建设750kV输电网架,以期增加风光电功率外送容量,河西地区风光电主要分布在河西地区西部,通过各汇集点集中后升压接入750kV电网,在此过程中,联络线输送容量受输送断面稳定限额约束,因此在调峰过程中必须优先考虑联络线稳定限额作为电源聚合分群的首要原则,在此基础上划分待聚合区域;电源电气距离表征电源与电气节点之间的联系紧密程度,以电气距离作为聚合分群的次要原则,由此确定各电源聚合中心;最后考虑各电源调峰能力,调整分群结果,不同类型电源之间形成优势互补,增加聚合群调峰能力。
发明内容
本发明的目的在于提供一种基于电源空间分布及调节特性的聚合分群方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于电源空间分布及调节特性的聚合分群方法,包括以下步骤:
s1:提取电网电网结构参数,得到电网重要联络线稳定限额和各节点间电抗参数;
s2:结合其他电源的空间分布特性和重要联络线稳定限额划分待聚合群区域;
s3:预确定分群聚合中心;
s4:根据该区域电源电气网络结构信息,提取连边阻抗信息,形成网络边权连接矩阵,并计算各节点间最短电气距离;
s5:调整分群聚合中心,确定各群聚合中心节点,计算“关联指数”;
s6:统计各待聚合分群电源,利用模糊聚类算法确定各电源归属聚合群节点;
s7:考虑不同类型电源之间的调峰互补效应,调整个别电源分群结果;
s8:得到其他电源基于空间分布和调节特性的聚合分群结果。
作为本发明的一种优选技术方案,步骤s3的确定分群聚合中心步骤为:
a1:统计区域内的750kv节点名称个数;
a2:根据各个电源距离750kv节点的空间分布距离及距离各个750kv节点的电气距离远近初步确定2-4个分群聚合中心,考虑特殊地区具有调峰能力的其他电源分布情况,预先选取a、b两个750kV节点作为预聚合中心,考虑特殊地区的构架,预先选取c、d、e三个750kV节点作为三个聚合中心。
步骤s5中的定义各电源与聚合中心的“关联指数”(考虑电气距离与实际地理距离),计算全部水电分别距离c、d、e三个聚合点的“关联指数”,计算全部火电分别距离a、b、c、d、e五个聚合点的紧密指数,统计分析关联指数的最大最小及分布,若某些电源与三个中心的关联指数都过大,则考虑选取新的330kV及以上的节点作为新的聚合中心,直至每个群内部电源分布均匀合理,不至于出现群内电源距离分散电气联系过弱的情况。
步骤s5中的模糊聚类算法是通过对目标函数进行优化的一种聚类方法,其输出形式是隶属度,隶属度代表某一个数据点与聚类中心的隶属程度,可以用一个数值来表示,该算法是一种不需要进行监督的模糊聚类方法,如下计算:
设置输入数据集X={xj},j为输入数据集中的样本,xj={xji}为样本j的特征向量,i为样本特征。模糊聚类算法将全部的样本通过一定的概率分为C 个类别,V为聚类中心,V={vi},i=1,2,3...,c,这些概率通过隶属函数来获得,U 为隶属度矩阵,U={uij},uij为在i类别中j样本的隶属度,约束条件为uij∈[0,1],模糊聚类算法的目标函数为:
式中:n——待聚合电源数目;
m——模糊加权参数;
dij——聚类中心vi和电源j之间的欧氏距离;
通过反复迭代,可以得到最有的聚类中心矩阵和隶属度矩阵,迭代的算法步骤如下:
步骤1:给定聚类数C和磨具加权参数m;
步骤2:给定初始聚类中心V;
步骤3:通过集合V求出Uij
步骤4:求出隶属度函数后,在此求取新的聚类中心
步骤5:重复步骤3和步骤4,当连续两次计算结果vi或者Uij的值稳定时,则算法结束。
步骤s7中针对特殊地区主网水火电并存的情况,在分群结果中,尽量平衡各群调峰能力,水火电结合,避免出现单个群中只存在一种电源的情况。
与现有技术相比,本发明的有益效果是:
1.本发明一种基于电源空间分布及调节特性的聚合分群方法,有益效果在于:确定了基于电源空间分布及调节特性的其他电源聚合分群的原则,优先考虑联络线稳定限额作为电源聚合分群的首要原则,在此基础上划分待聚合区域;以电气距离作为聚合分群的次要原则,由此确定各电源聚合中心;最后考虑各电源调峰能力,调整分群结果,不同类型电源之间形成优势互补,接着对电源电气距离对聚合分群结果的影响进行研究,在各个电源的相对电气距离增加或者部分电源的电气距离较为极端时,将会使得电源聚合程度下降,削弱整个聚合群内部的电气联系,不利于综合各电源的调峰资源。
附图说明
图1为本发明电源聚合分群的原理示意图;
图2为本发明基于电源空间分布及调节特性的聚合分群方法的程序框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-2,本发明提供了一种基于电源空间分布及调节特性的聚合分群方法的技术方案:
根据图1-2所示,包括以下步骤:
s1:提取电网电网结构参数,得到电网重要联络线稳定限额和各节点间电抗参数;
s2:结合其他电源的空间分布特性和重要联络线稳定限额划分待聚合群区域;
s3:预确定分群聚合中心;
s4:根据该区域电源电气网络结构信息,提取连边阻抗信息,形成网络边权连接矩阵,并计算各节点间最短电气距离;
s5:调整分群聚合中心,确定各群聚合中心节点,计算“关联指数”;
s6:统计各待聚合分群电源,利用模糊聚类算法确定各电源归属聚合群节点;
s7:考虑不同类型电源之间的调峰互补效应,调整个别电源分群结果;
s8:得到其他电源基于空间分布和调节特性的聚合分群结果。
步骤s3的确定分群聚合中心步骤为:
a1:统计区域内的750kv节点名称个数;
a2:根据各个电源距离750kv节点的空间分布距离及距离各个750kv节点的电气距离远近初步确定2-4个分群聚合中心,考虑特殊地区具有调峰能力的其他电源分布情况,预先选取a、b两个750kV节点作为预聚合中心,考虑特殊地区的构架,预先选取c、d、e三个750kV节点作为三个聚合中心。
步骤s5中的定义各电源与聚合中心的“关联指数”(考虑电气距离与实际地理距离),计算全部水电分别距离c、d、e三个聚合点的“关联指数”,计算全部火电分别距离a、b、c、d、e五个聚合点的紧密指数,统计分析关联指数的最大最小及分布,若某些电源与三个中心的关联指数都过大,则考虑选取新的330kV及以上的节点作为新的聚合中心,直至每个群内部电源分布均匀合理,不至于出现群内电源距离分散电气联系过弱的情况。
步骤s5中的模糊聚类算法是通过对目标函数进行优化的一种聚类方法,其输出形式是隶属度,隶属度代表某一个数据点与聚类中心的隶属程度,可以用一个数值来表示,该算法是一种不需要进行监督的模糊聚类方法。如下计算:
设置输入数据集X={xj},j为输入数据集中的样本,xj={xji}为样本j的特征向量,i为样本特征。模糊聚类算法将全部的样本通过一定的概率分为C 个类别,V为聚类中心,V={vi},i=1,2,3...,c,这些概率通过隶属函数来获得,U 为隶属度矩阵,U={uij},uij为在i类别中j样本的隶属度,约束条件为uij∈[0,1],模糊聚类算法的目标函数为:
式中:n——待聚合电源数目;
m——模糊加权参数;
dij——聚类中心vi和电源j之间的欧氏距离。
通过反复迭代,可以得到最有的聚类中心矩阵和隶属度矩阵,迭代的算法步骤如下:
步骤1:给定聚类数C和磨具加权参数m;
步骤2:给定初始聚类中心V;
步骤3:通过集合V求出Uij
步骤4:求出隶属度函数后,在此求取新的聚类中心
步骤5:重复步骤3和步骤4,当连续两次计算结果vi或者Uij的值稳定时,则算法结束。
步骤s7中针对特殊地区主网水火电并存的情况,在分群结果中,尽量平衡各群调峰能力,水火电结合,避免出现单个群中只存在一种电源的情况。
在本发明的描述中,需要理解的是,指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明中,除非另有明确的规定和限定,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (5)
1.一种基于电源空间分布及调节特性的聚合分群方法,其特征在于,包括以下步骤:
s1:提取电网电网结构参数,得到电网重要联络线稳定限额和各节点间电抗参数;
s2:结合其他电源的空间分布特性和重要联络线稳定限额划分待聚合群区域;
s3:预确定分群聚合中心;
s4:根据该区域电源电气网络结构信息,提取连边阻抗信息,形成网络边权连接矩阵,并计算各节点间最短电气距离;
s5:调整分群聚合中心,确定各群聚合中心节点,计算“关联指数”;
s6:统计各待聚合分群电源,利用模糊聚类算法确定各电源归属聚合群节点;
s7:考虑不同类型电源之间的调峰互补效应,调整个别电源分群结果;
s8:得到其他电源基于空间分布和调节特性的聚合分群结果。
2.根据权利要求1所述的一种基于电源空间分布及调节特性的聚合分群方法,其特征在于:步骤s3的确定分群聚合中心步骤为:
a1:统计区域内的750kv节点名称个数;
a2:根据各个电源距离750kv节点的空间分布距离及距离各个750kv节点的电气距离远近初步确定2-4个分群聚合中心,考虑特殊地区具有调峰能力的其他电源分布情况,预先选取a、b两个750kV节点作为预聚合中心,考虑特殊地区的构架,预先选取c、d、e三个750kV节点作为三个聚合中心。
3.根据权利要求1所述的一种基于电源空间分布及调节特性的聚合分群方法,其特征在于:步骤s5中的定义各电源与聚合中心的“关联指数”(考虑电气距离与实际地理距离),计算全部水电分别距离c、d、e三个聚合点的“关联指数”,计算全部火电分别距离a、b、c、d、e五个聚合点的紧密指数,统计分析关联指数的最大最小及分布,若某些电源与三个中心的关联指数都过大,则考虑选取新的330kV及以上的节点作为新的聚合中心,直至每个群内部电源分布均匀合理,不至于出现群内电源距离分散电气联系过弱的情况。
4.根据权利要求1所述的一种基于电源空间分布及调节特性的聚合分群方法,其特征在于:步骤s5中的模糊聚类算法是通过对目标函数进行优化的一种聚类方法,其输出形式是隶属度,隶属度代表某一个数据点与聚类中心的隶属程度,可以用一个数值来表示,该算法是一种不需要进行监督的模糊聚类方法,如下计算:
设置输入数据集X={xj},j为输入数据集中的样本,xj={xji}为样本j的特征向量,i为样本特征,模糊聚类算法将全部的样本通过一定的概率分为C个类别,V为聚类中心,V={vi},i=1,2,3...,c,这些概率通过隶属函数来获得,U为隶属度矩阵,U={uij},uij为在i类别中j样本的隶属度,约束条件为uij∈[0,1],模糊聚类算法的目标函数为:
式中:n——待聚合电源数目;
m——模糊加权参数;
dij——聚类中心vi和电源j之间的欧氏距离;
通过反复迭代,可以得到最有的聚类中心矩阵和隶属度矩阵,迭代的算法步骤如下:
步骤1:给定聚类数C和磨具加权参数m;
步骤2:给定初始聚类中心V;
步骤3:通过集合V求出Uij
步骤4:求出隶属度函数后,在此求取新的聚类中心
步骤5:重复步骤3和步骤4,当连续两次计算结果vi或者Uij的值稳定时,则算法结束。
5.根据权利要求1所述的一种基于电源空间分布及调节特性的聚合分群方法,其特征在于:步骤s7中针对特殊地区主网水火电并存的情况,在分群结果中,尽量平衡各群调峰能力,水火电结合,避免出现单个群中只存在一种电源的情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011085667.8A CN112215492A (zh) | 2020-10-12 | 2020-10-12 | 一种基于电源空间分布及调节特性的聚合分群方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011085667.8A CN112215492A (zh) | 2020-10-12 | 2020-10-12 | 一种基于电源空间分布及调节特性的聚合分群方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112215492A true CN112215492A (zh) | 2021-01-12 |
Family
ID=74053554
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011085667.8A Pending CN112215492A (zh) | 2020-10-12 | 2020-10-12 | 一种基于电源空间分布及调节特性的聚合分群方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112215492A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113315167A (zh) * | 2021-06-28 | 2021-08-27 | 国网甘肃省电力公司电力科学研究院 | 一种新能源集群电网中电源聚合分群方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170083920A1 (en) * | 2015-09-21 | 2017-03-23 | Fair Isaac Corporation | Hybrid method of decision tree and clustering technology |
CN107203785A (zh) * | 2017-06-02 | 2017-09-26 | 常州工学院 | 多路径高斯核模糊c均值聚类算法 |
CN108390387A (zh) * | 2018-01-16 | 2018-08-10 | 华北电力大学 | 一种动态自律分散协调的源荷调峰控制方法 |
CN108710914A (zh) * | 2018-05-22 | 2018-10-26 | 常州工学院 | 一种基于广义模糊聚类算法的无监督数据分类方法 |
WO2019218263A1 (zh) * | 2018-05-16 | 2019-11-21 | 深圳大学 | 基于极限学习机的极限ts模糊推理方法及系统 |
-
2020
- 2020-10-12 CN CN202011085667.8A patent/CN112215492A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170083920A1 (en) * | 2015-09-21 | 2017-03-23 | Fair Isaac Corporation | Hybrid method of decision tree and clustering technology |
CN107203785A (zh) * | 2017-06-02 | 2017-09-26 | 常州工学院 | 多路径高斯核模糊c均值聚类算法 |
CN108390387A (zh) * | 2018-01-16 | 2018-08-10 | 华北电力大学 | 一种动态自律分散协调的源荷调峰控制方法 |
WO2019218263A1 (zh) * | 2018-05-16 | 2019-11-21 | 深圳大学 | 基于极限学习机的极限ts模糊推理方法及系统 |
CN108710914A (zh) * | 2018-05-22 | 2018-10-26 | 常州工学院 | 一种基于广义模糊聚类算法的无监督数据分类方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113315167A (zh) * | 2021-06-28 | 2021-08-27 | 国网甘肃省电力公司电力科学研究院 | 一种新能源集群电网中电源聚合分群方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108599206B (zh) | 高比例不确定电源场景下的配电网混合储能配置方法 | |
CN109508823B (zh) | 一种基于场景分析法的配电网中分布式电源规划方法 | |
JP2020517227A (ja) | 超大規模の水力発電所群の短期間実用化スケジューリング方法 | |
WO2019056753A1 (zh) | 一种分布式光伏电站集群的动态等值建模方法 | |
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 | |
CN108199404A (zh) | 高渗透率分布式能源系统的谱聚类集群划分方法 | |
CN110148971A (zh) | 一种分布式电源优化配置方法 | |
CN112215492A (zh) | 一种基于电源空间分布及调节特性的聚合分群方法 | |
CN113452033A (zh) | 分区自治的含高比例光伏配电网电压控制方法及存储介质 | |
CN116054213A (zh) | 一种基于集群划分的分布式储能群间协同的电压控制方法 | |
CN113420994B (zh) | 一种主动配电网结构灵活性评估方法及系统 | |
CN112510831B (zh) | 一种用于分布式光伏电站数据传输中的分簇方法 | |
CN115564142A (zh) | 一种混合储能系统的选址定容优化方法及系统 | |
CN115329899A (zh) | 一种聚类等效模型构建方法、系统、设备和存储介质 | |
CN114239942A (zh) | 一种分区平衡整体协调的互联电网的控制方法 | |
CN114389261A (zh) | 一种考虑并网管理方式的分布式光伏电源集群划分方法 | |
Chen et al. | Distributed photovoltaic power cluster partition based on DPC Clustering algorithm | |
CN108233373B (zh) | 考虑天气场景的分布式光伏接入配电网的概率谐波分析方法 | |
CN111934363B (zh) | 各类型电源空间分布和调节能力约束的多源协调调峰方法 | |
Shi et al. | Extraction of typical scenarios of power grid operation based on improved K-means clustering algorithm | |
CN117833374A (zh) | 基于随机游走算法的分布式灵活资源集群划分方法及系统 | |
CN117833363A (zh) | 一种分布式资源聚合簇分时互补协调优化降损方法 | |
CN114329857A (zh) | 一种基于改进鲸鱼算法的分布式电源规划方法 | |
CN113315167A (zh) | 一种新能源集群电网中电源聚合分群方法 | |
Liao et al. | Optimal Configuration of Capacity for Hybrid Energy Storage Based on ISDPC–K-means Clustering and Cluster Division |
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 |