CN114552634A - 一种分布式电源规模化并网多目标动态集群划分方法及装置 - Google Patents
一种分布式电源规模化并网多目标动态集群划分方法及装置 Download PDFInfo
- Publication number
- CN114552634A CN114552634A CN202210092013.0A CN202210092013A CN114552634A CN 114552634 A CN114552634 A CN 114552634A CN 202210092013 A CN202210092013 A CN 202210092013A CN 114552634 A CN114552634 A CN 114552634A
- Authority
- CN
- China
- Prior art keywords
- index
- cluster
- node
- target
- dynamic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 230000002068 genetic effect Effects 0.000 claims abstract description 22
- 230000006870 function Effects 0.000 claims description 48
- 230000008859 change Effects 0.000 claims description 23
- 230000035772 mutation Effects 0.000 claims description 13
- 230000035945 sensitivity Effects 0.000 claims description 9
- 230000035699 permeability Effects 0.000 claims description 8
- 230000008878 coupling Effects 0.000 claims description 5
- 238000010168 coupling process Methods 0.000 claims description 5
- 238000005859 coupling reaction Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000004069 differentiation Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000009795 derivation Methods 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 6
- 230000003068 static effect Effects 0.000 abstract description 4
- 238000004590 computer program Methods 0.000 description 11
- 238000004146 energy storage Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 230000000737 periodic effect Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种分布式电源规模化并网多目标动态集群划分方法及装置,该方法包括:建立分布式集群划分的结构性指标和功能性指标;结合所述结构性指标和所述功能性指标,形成多目标综合划分性能指标,并将所述多目标综合划分性能指标转化为多目标扩展时间动态指标,依据分布式集群划分所述多目标扩展时间动态指标,获得连续的扩展时间动态的综合性能指标函数,利用遗传算法求解所述综合性能指标函数,根据求解结果进行分布式电源的多目标动态集群划分。本发明提供充分考虑了DGs集群之间功率消纳问题和灵活性资源对集群内部的影响,并通过数学推导处理将综合划分性能指标由静态转化成了扩展时间动态指标。
Description
技术领域
本发明涉及分布式电源并网运行调控领域,具体是一种分布式电源规模化并网多目标动态集群划分方法及装置。
背景技术
近年来,由于国家可再生能源可持续发展政策的支持和人们绿色环保意识的提高,水力发电、光伏发电、风力发电等大规模分布式发电(Distributed Generations,DGs)得到了迅速发展,这对电网的安全稳定运行和管理带来一定的影响。面对DGs大规模集成并网的挑战,迫切需要改进和完善DGs的集成调控技术,确保电网稳定、安全、经济运行,提高绿色、可持续的可再生电源并网能力。
目前DGs的调控方式主要有集中式控制结构、微电网模式控制结构和集群控制模式结构。由于偏远地区的DGs单体通常容量小、数量多、地理分布分散,很难采用集中调控的模式。而集群调控模式可以使分散的DGs单元有序合理的进行分组管理,能够充分发挥集群的自治特性,保证大规模DGs的安全高效并网。目前,针对DGs集群的主要研究和应用场景是系统规划和调度控制相关,而从已有的研究内容来看,国内外学者和工程师已经对DGs集群划分进行了初步研究,如包含DGs单元的电网划分、无功电压控制区域划分、群控群调等。然而,如何有效地实现DG集群的多目标动态划分,目前的研究中鲜有报道。
综上所述,合理的集群划分方法是促使DGs集群成为可再生能源电网集成的重要解决方案,而如何在考虑扩展时间场景的情况下实现大规模DGs的动态划分需要进一步研究。
发明内容
有鉴于此,本发明提供充分考虑了DGs集群之间功率消纳问题和灵活性资源对集群内部的影响,并通过数学推导处理将综合划分性能指标由静态转化成了扩展时间动态指标,提出了一种分布式电源规模化并网多目标集群划分方法及装置。
一种分布式电源规模化并网多目标动态集群划分方法,包括如下步骤:
建立分布式集群划分的结构性指标和功能性指标;
结合所述结构性指标和所述功能性指标,形成多目标综合划分性能指标,并将所述多目标综合划分性能指标转化为多目标扩展时间动态指标,
依据分布式集群划分所述多目标扩展时间动态指标,获得连续的扩展时间动态的综合性能指标函数,利用遗传算法求解所述综合性能指标函数,根据求解结果进行分布式电源的多目标动态集群划分。
进一步的,所述结构性指标采用模块度ρ的概念来描述,其定义如下:
式中:为集群网络中所有边的权重之和,Duv表示的是节点u和节点v之间所连接的边的权重;表示所有节点中与节点u直接相连的边的权重之和,kv表示所有节点中与节点v直接相连的边的权重之和;对于δu,v),若两节点被划分在同一个集群内时,其值为1,否则就为0。
进一步的,所述节点u和节点v之间所连接的边的权重Duv基于电气距离Luv决定,具体关系式如下:
Duv=1-Luv/max(L)
其中,max(L)表示所有节点间电气距离的最大值;
电气距离Luv用于衡量节点之间耦合的紧密程度,通过无功传送与电压的关系获得,具体关系式如下:
式中:ΔV和ΔQ分别表示为电压幅值和无功变化量;SVQ为灵敏度矩阵,通过节点电压对无功的偏微分获得;SVQ,uv表示为节点v单位下的无功功率变化值对应节点u的电压变化值;SVQ,vv表示为节点v单位下的无功功率变化值对应节点v的电压变化值;duv为节点u和节点v之间的电压无功关联程度关系;
网络集群中共有n个节点,两节点间的电气距离为Luv,表达式如下:
式中:dun表示节点u和节点n之间的电压无功关联程度关系;dvn表示节点v和节点n之间的电压无功关联程度关系。
式中:Qi为集群i的无功供应和需求之比,包括t时刻集群内部无功功率提供的最大值Q群内sup(t)和外部其它集群所能提供的无功功率Q群间sup(t);为无功平衡度指标;c为集群个数;Qneed(t)为t时刻集群内部无功功率需求,表示为:
式中:QV为调节集群Ck过电压节点所需的最小无功功率;ΔVi为节点i的电压变化量;SVQ,ii为节点i对于自身的无功电压灵敏度;
进一步的,所述多目标扩展时间动态指标表示为:
上式中,n=1,2,3…;γt,N表示为N等分划分区间[t,t+Δι]中最高渗透率时集群的综合性能指标;式中,函数定义域区间为[0,T];f(T)表示为在T时刻函数的取值即此时的综合性能指标;ω0=π/2T表示基波圆频。
进一步的,所述依据分布式集群划分所述多目标扩展时间动态指标,获得连续的扩展时间动态的综合性能指标函数,利用遗传算法求解所述综合性能指标函数,实现分布式电源的多目标动态集群划分,具体包括:
根据所得到的综合性能指标函数,采用遗传算法进行模型求解,采用自适应遗传算法的思想,对交叉率和变异率进行根据解的适应度而相应变化的动态调整,调整的原则如下:
式中:pc和pm分别表示为交叉和变异概率;pc,max,pc,min和pm,max,pm,min分别表示为交叉和变异概率的最大值和最小值;I为迭代次数;f′代表进行变异的个体适应度值,f则为进行交叉的两个个体中的最大适应度值;favg为平均适应度值。
一种分布式电源规模化并网多目标动态集群划分装置,包括:
指标建立模块,用于建立分布式集群划分的结构性指标和功能性指标;
多目标扩展时间动态指标构建模块,用于结合所述结构性指标和所述功能性指标,形成多目标综合划分性能指标,并将所述多目标综合划分性能指标转化为多目标扩展时间动态指标,
多目标动态集群划分模块,用于依据分布式集群划分所述多目标扩展时间动态指标,获得连续的扩展时间动态的综合性能指标函数,利用遗传算法求解所述综合性能指标函数,根据求解结果进行分布式电源的多目标动态集群划分。
进一步的,所述指标建立模块,具体用于建立采用模块度ρ的概念来描述的结构性指标,其定义如下:
式中:为集群网络中所有边的权重之和,Duv表示的是节点u和节点v之间所连接的边的权重;表示所有节点中与节点u直接相连的边的权重之和,kv表示所有节点中与节点v直接相连的边的权重之和;对于δ(u,v),若两节点被划分在同一个集群内时,其值为1,否则就为0。
上式中,n=1,2,3…;γt,N表示为N等分划分区间[t,t+Δι]中最高渗透率时集群的综合性能指标;式中,函数定义域区间为[0,T];f(T)表示为在T时刻函数的取值即此时的综合性能指标;ω0=π/2T表示基波圆频。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下有益效果:
1、采用本发明提出的集群划分方法综合考虑了集群之间功率消纳、灵活性资源对集群的调控等多个划分目标;
2、采用本发明提出的集群划分方法充分考虑了动态时间场景,将已有的静态划分性能指标改进成扩展动态时间指标,实现了分布式电源全天多个时段的动态划分。
附图说明
图1是本发明分布式电源规模化并网多目标动态集群划分方法其中一个实施例的流程图;
图2是本发明实施例的IEEE-14网络拓扑结构;
图3扩展时间动态综合性能指标计算结果曲线;
图4是本发明实施例的遗传算法求解的模块度变化图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明的一部分实施例,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的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。
针对现有技术的缺陷或改进需求,本发明提供了一种分布式电源规模化并网多目标动态集群划分方法,其目的在于针对大规模分布式电源并网,综合考虑电气距离、有功消纳、无功平衡、灵活性资源调控等多种因素,以优化集群划分的多目标性;同时通过数学推导,将多目标综合划分性能指标转化为多目标扩展时间动态指标,实现全天多个时段的动态划分。
请参阅图1,本发明实施例提供一种分布式电源规模化并网多目标动态集群划分方法,包括下述步骤:
步骤一、建立分布式集群划分的结构性指标和功能性指标;
为了衡量集群网络结构的强度和紧密性,所述结构性指标采用模块度ρ的概念来加以描述,其定义如下:
式中:Duv表示的是节点u和节点v之间所连接的边的权重;为集群网络中所有边的权重之和;表示所有节点中与节点u直接相连的边的权重之和;kv表示所有节点中与节点v直接相连的边的权重之和;对于δ(u,v),若两节点被划分在同一个集群内时,其值为1,否则就为0。
所述节点的边的权重Duv基于电气距离Luv决定,电气距离Luv不仅可以衡量节点之间耦合的紧密程度,也能通过无功传送与电压的关系获得,具体关系式如下:
式中:ΔV和ΔQ分别表示为电压幅值和无功变化量;SVQ为灵敏度矩阵,通过节点电压对无功的偏微分获得;SVQ,uv表示为节点v单位下的无功功率变化值对应节点u的电压变化值;SVQ,vv表示为节点v单位下的无功功率变化值对应节点v的电压变化值;duv为节点u和节点v之间的电压无功关联程度关系。
考虑到两节点的权重关系与网络中其它节点也有关联,因此,设网络集群中共有n个节点,两节点间的电气距离为Luv,表达式如下:
式中:dun表示节点u和节点n之间的电压无功关联程度关系;dvn表示节点v和节点n之间的电压无功关联程度关系。
公式的电气距离是节点电压耦合程度的量化,节点间联系越紧密,其数值越大,这与电气距离来反应结构紧密程度的表述相反,所以令Duv=1-Luv/max(L),使电气距离越小,所占权重越大,其中max(L)表示所有节点间电气距离的最大值。
所述功能性指标包括无功平衡指标和有功平衡指标。关于所述的无功平衡指标构建问题,集群应该具有一定的调节能力以保持无功的平衡。当可再生能源出力波动程度越高时,电压的波动程度也随着升高,对应集群内部的无功功率需求也会增加,此时应尽可能地满足内部无功平衡的需求。当集群内部无功调节能力达到上限时,还需要通过多个集群的相互支撑以达到该集群的无功平衡。所述无功平衡度指标定义如下:
式中:Qi为集群i的无功供应和需求之比,包括t时刻集群内部无功功率提供的最大值Q群内sup(t)和外部其它集群所能提供的无功功率Q群间sup(t);为无功平衡度指标;c为集群个数;Qneed(t)为t时刻集群内部无功功率需求,表示为:
式中:QV为调节集群Ck过电压节点所需的最小无功功率;ΔVi为节点i的电压变化量;SVQ,ii为节点i对于自身的无功电压灵敏度,可以看出节点对于自身的灵敏度最高。上述公式中无功平衡度Qi的值为一比值,其越接近于1则集群的平衡程度越好。
式中:Ps(t)i为集群i中可再生能源各时间段内的有功出力,为集群i中可调灵活资源所能提供的有功功率,为外部集群对集群i所能提供的有功功率,Pi为集群i的有功平衡度。由式可知,集群有功平衡度指标的定义计及了不同集群中可调节灵活资源的功率支撑作用以进一步促进分布式可再生能源的消纳,因此需要对可调节灵活资源的功率支援能力进行分析。
所述的可调节灵活资源包括电动汽车、储能单元等。对于电动汽车这种灵活便携的储能装置而言,设Pevi,t为电动汽车i在t时刻时的功率,其值是其额定功率与调节功率ΔPevi,t之和,若一共有N台电动汽车参与功率调节,则其总功率调节的表达式如下:
功率约束条件为电动汽车的功率需大于等于其最大的放电功率,小于等于其最大充电功率。
对于储能单元参与系统灵活调节而言,若t时刻储能系统所在的集群i中可再生能源所发出的功率为Pi(t),储能系统的容量状态为Et,负荷所需求的功率为Pload(t),则令ΔP(t)=Pi(t)-Pload(t),若ΔP(t)≥0,则考虑是否储存能量,若ΔP(t)≤0,则考虑是否释放能量,将ΔP(t)与坐标轴之间围成的面积记为ΔEs(t),其正负代表了储能系统的充放电状态,所以,在时间ι区间内,储能系统需要储存(或释放)的电量为E(t),E(t)的表达式为:
因此储能系统t时刻容量状态的表达式为:
Et=E0+E(t)
式中,E0为储能系统初始状态容量。
除了以上调节的手段,配电网中常规可用的功率调节手段还是只要由可调节的小水电和备用火电机组为主,通过将部分具有可调空间的机组参与到系统的功率调节响应中以实现适配系统有功功率不平衡的能力。因此,对于集群内部的常规可调节机组,可设其在t时刻出力的功率为PG,t。通过上述不同形式的可调节灵活资源的分析,可得到最后集群内部可调节功率总和为下式:
步骤二、结合分布式集群划分的结构性指标和功能性指标,形成多目标综合划分性能指标,并通过数据推导将其转化为多目标扩展时间动态指标;具体的,根据上述的各类指标,包括模块度指标、无功和有功平衡度指标,得到多目标综合性能指标γ的公式如下:
λ1、λ2和λ3为模块度指标、无功平衡度指标和有功平衡度指标对应的权重大小,其取值可在进行集群划分时根据实际需求选取。
考虑实际情况下,时变的负荷需求以及电源的出力对于电气距离也有一定的影响,所以选择在可再生能源出力渗透率最高时的时间场景进行计算。因此,所示的集群综合性能评估指标代表了t时刻的情况。以一天24小时T为区间,若将时间T平均分为N等分,则每个小区间[t,t+ι]中必有一个高渗透率时刻的综合指标γt,当ι无限趋于0时,即可得到每一时刻的综合性能指标为:
f(t)=γ(t)
所述的综合性能指标f(t)可以与集群划分的好坏程度挂钩,若集群的划分良好,则对于函数中各项中的无功和有功平衡度指标在时间区间下波动小,即该函数的导数趋于平稳,所以若以综合性能指标理想最佳值作为横坐标起始值,并对函数在时间区间T上的积分取绝对值,所得到面积S的大小反应了集群划分的优良程度,S越小则划分程度越好,反之亦然。S的表达式如下所示。
对于综合性能指标函数f(t)只在区间[0,T]上有定义,并满足狄立克雷充分条件,则对其进行周期偶延拓,其定义域变为[-T,T],周期为2T,也可展开成傅里叶级数,函数展开后可获得余弦级数,如下:
其中an通过分部积分法可得:
式中,s的值为:
所以,最终得到区间[0,T]上函数所展开的傅里叶级数为
若N取值有限,得到近似值S0,则最终得到多目标扩展时间动态指标即可表示为:
上式中,n=1,2,3…;γt,N表示为N等分划分区间[t,t+Δι]中最高渗透率时集群的综合性能指标;式中,函数定义域区间为[0,T];f(T)表示为在T时刻函数的取值即此时的综合性能指标,可根据数据取值算得;ω0=π/2T表示为基波圆频率。上述公式通过将非周期函数进行偶函数的周期延拓,并由非连续函数的极限取值得到其相关的系数,从而获得连续的扩展时间动态的综合性能指标函数。
步骤三、依据分布式集群划分多目标扩展时间动态指标,利用遗传算法进行求解,根据求解结果进行分布式电源的多目标动态集群划分。
具体的,根据所得到的综合性能指标函数,采用遗传算法进行模型求解。为了提高遗传算法在搜索全局时的迭代效率,采用了自适应遗传算法的思想,对交叉率和变异率进行了根据解的适应度而相应变化的动态调整。调整的原则如下:对于适应度高的个体,在对其进行交叉与变异过程中,则增加其变异概率,减少其交叉概率以增强算法的局部搜索能力;对于适应度低的个体,则根据迭代状态来赋予其相应的交叉率和变异率。随着迭代次数的增加,集群的划分结果愈趋近最优值,此时高交叉率的个体使得交叉效果不明显,此时应当增加变异的概率,提升算法局部搜索能力,具体公式如下:
式中:pc和pm分别表示为交叉和变异概率;pc,max,pc,min和pm,max,pm,min分别表示为交叉和变异概率的最大值和最小值;I为迭代次数;f′代表进行变异的个体适应度值,f则为进行交叉的两个个体中的最大适应度值;favg为平均适应度值。综上分布式电源集群划分算法流程图如图1所示。
选用IEEE-14节点系统作为分析对象,验证所提集群的划分指标方法和综合性能函数在动态上判断标准的有效性。以改进的遗传算法将其进行划分,并对结果进行比较和分析。IEEE-14系统的网络拓扑结构如附图2。该网络一共有14个节点,其中1、2、3、6、7、8节点为传统电源节点,不参与集群划分,与此同时,在算例中综合考虑了储能单元和电动汽车的灵活性调控能力的影响。选取分布式电源在高渗透率情况下的时间场景,此时可再生能源对于系统的影响特征明显。应用提出的改进的扩展时间动态推导方法和遗传算法进行集群划分。改进的扩展时间动态推导方法出的综合性能指标曲线如图3所示。设定种群个数N=30、遗传最大迭代次数Imax=40、变异概率pm=(0.2,0.7)、交叉概率pc=(0.2,0.7),通过多次的迭代计算,对集群划分最优解的追踪,最终得到的变化趋势如图4。
通过结果显示,在迭代次数达到15以后,模块度的解达到最优,此时模块度数值为0.1435,根据最后解时对邻接矩阵的分析,可以得到集群划分的结果为节点9、10、11、12、13、14归为一个集群,节点4和5分别划分为一个集群。由节点电气距离可知,4、5节点相对于其它节点在电气距离上较远,而其它节点之间的电气距离较为适中,将4、5节点分别单独划分为一个集群符合网络地理位置上将临近节点具有相似电气特性归为一类的逻辑思想。同时,通过对于综合性能指标函数的验证图3可知,本发明所提出的综合性能指标函数实现了通过函数积分得到对于全时间段的集群划分结果,以及各时段的连续综合性能指标值。因此采用本发明提出的集群划分方法能够充分考虑动态时间场景,将已有的静态划分性能指标改进成扩展动态时间指标,实现分布式电源全天多个时段的动态划分和全时段的综合性能指标评估。
本发明实施例还提供一种分布式电源规模化并网多目标动态集群划分装置,包括:
指标建立模块,用于建立分布式集群划分的结构性指标和和功能性指标;其中,所述结构性指标采用模块度ρ的概念来描述,其定义如下:
式中:为集群网络中所有边的权重之和,Duv表示的是节点u和节点v之间所连接的边的权重;表示所有节点中与节点u直接相连的边的权重之和,kv表示所有节点中与节点v直接相连的边的权重之和;对于δ(u,v),若两节点被划分在同一个集群内时,其值为1,否则就为0。
所述节点u和节点v之间所连接的边的权重Duv基于电气距离Luv决定,具体关系式如下:
Duv=1-Luv/max(L)
其中,max(L)表示所有节点间电气距离的最大值;
电气距离Luv用于衡量节点之间耦合的紧密程度,通过无功传送与电压的关系获得,具体关系式如下:
式中:ΔV和ΔQ分别表示为电压幅值和无功变化量;SVQ为灵敏度矩阵,通过节点电压对无功的偏微分获得;SVQ,uv表示为节点v单位下的无功功率变化值对应节点u的电压变化值;SVQ,vv表示为节点v单位下的无功功率变化值对应节点v的电压变化值;duv为节点u和节点v之间的电压无功关联程度关系;
设网络集群中共有n个节点,两节点间的电气距离为Luv,表达式如下:
式中:dun表示节点u和节点n之间的电压无功关联程度关系;dvn表示节点v和节点n之间的电压无功关联程度关系。
式中:Qi为集群i的无功供应和需求之比,包括t时刻集群内部无功功率提供的最大值Q群内sup(t)和外部其它集群所能提供的无功功率Q群间sup(t);为无功平衡度指标;c为集群个数;Qneed(t)为t时刻集群内部无功功率需求,表示为:
式中:QV为调节集群Ck过电压节点所需的最小无功功率;ΔVi为节点i的电压变化量;SVQ,ii为节点i对于自身的无功电压灵敏度;
多目标扩展时间动态指标构建模块,用于结合所述结构性指标和所述功能性指标,形成多目标综合划分性能指标,并通过数据推导将所述多目标综合划分性能指标转化为多目标扩展时间动态指标;
所述多目标扩展时间动态指标表示为:
上式中,n=1,2,3…;γt,N表示为N等分划分区间[t,t+Δι]中最高渗透率时集群的综合性能指标;式中,函数定义域区间为[0,T];f(T)表示为在T时刻函数的取值即此时的综合性能指标;ω0=π/2T表示基波圆频。
多目标动态集群划分模块,用于依据分布式集群划分所述多目标扩展时间动态指标,获得连续的扩展时间动态的综合性能指标函数,利用遗传算法求解所述综合性能指标函数,根据求解结果进行分布式电源的多目标动态集群划分。具体的,根据所得到的综合性能指标函数,采用遗传算法进行模型求解,采用自适应遗传算法的思想,对交叉率和变异率进行根据解的适应度而相应变化的动态调整,调整的原则如下:
式中:pc和pm分别表示为交叉和变异概率;pc,max,pc,min和pm,max,pm,min分别表示为交叉和变异概率的最大值和最小值;I为迭代次数;f′代表进行变异的个体适应度值,f则为进行交叉的两个个体中的最大适应度值;favg为平均适应度值。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明实施例还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述的分布式电源规模化并网多目标动态集群划分方法。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述的分布式电源规模化并网多目标动态集群划分方法。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种分布式电源规模化并网多目标动态集群划分方法,其特征在于:包括如下步骤:
建立分布式集群划分的结构性指标和功能性指标;
结合所述结构性指标和所述功能性指标,形成多目标综合划分性能指标,并将所述多目标综合划分性能指标转化为多目标扩展时间动态指标;
依据分布式集群划分所述多目标扩展时间动态指标,获得连续的扩展时间动态的综合性能指标函数,利用遗传算法求解所述综合性能指标函数,根据求解结果进行分布式电源的多目标动态集群划分。
3.如权利要求2所述的分布式电源规模化并网多目标动态集群划分方法,其特征在于:所述节点u和节点v之间所连接的边的权重Duv基于电气距离Luv决定,具体关系式如下:
Duv=1-Luv/max(L)
其中,max(L)表示所有节点间电气距离的最大值;
电气距离Luv用于衡量节点之间耦合的紧密程度,通过无功传送与电压的关系获得,具体关系式如下:
式中:ΔV和ΔQ分别表示为电压幅值和无功变化量;SVQ为灵敏度矩阵,通过节点电压对无功的偏微分获得;SVQ,uv表示为节点v单位下的无功功率变化值对应节点u的电压变化值;SVQ,vv表示为节点v单位下的无功功率变化值对应节点v的电压变化值;duv为节点u和节点v之间的电压无功关联程度关系;
网络集群中共有n个节点,两节点间的电气距离为Luv,表达式如下:
式中:dun表示节点u和节点n之间的电压无功关联程度关系;dvn表示节点v和节点n之间的电压无功关联程度关系。
式中:Qi为集群i的无功供应和需求之比,包括t时刻集群内部无功功率提供的最大值Q群内sup(t)和外部其它集群所能提供的无功功率Q群间sup(t);为无功平衡度指标;c为集群个数;Qneed(t)为t时刻集群内部无功功率需求,表示为:
式中:QV为调节集群Ck过电压节点所需的最小无功功率;ΔVi为节点i的电压变化量;SVQ,ii为节点i对于自身的无功电压灵敏度;
7.如权利要求4所述的分布式电源规模化并网多目标动态集群划分方法,其特征在于:所述依据分布式集群划分所述多目标扩展时间动态指标,获得连续的扩展时间动态的综合性能指标函数,利用遗传算法求解所述综合性能指标函数,实现分布式电源的多目标动态集群划分,具体包括:
根据所得到的综合性能指标函数,采用遗传算法进行模型求解,采用自适应遗传算法的思想,对交叉率和变异率进行根据解的适应度而相应变化的动态调整,调整的原则如下:
式中:pc和pm分别表示为交叉和变异概率;pc,max,pc,min和pm,max,pm,min分别表示为交叉和变异概率的最大值和最小值;I为迭代次数;f′代表进行变异的个体适应度值,f则为进行交叉的两个个体中的最大适应度值;favg为平均适应度值。
8.一种分布式电源规模化并网多目标动态集群划分装置,其特征在于,包括:
指标建立模块,用于建立分布式集群划分的结构性指标;
和功能性指标;
多目标扩展时间动态指标构建模块,用于结合所述结构性指标和所述功能性指标,形成多目标综合划分性能指标,并将所述多目标综合划分性能指标转化为多目标扩展时间动态指标;
多目标动态集群划分模块,用于依据分布式集群划分所述多目标扩展时间动态指标,获得连续的扩展时间动态的综合性能指标函数,利用遗传算法求解所述综合性能指标函数,根据求解结果进行分布式电源的多目标动态集群划分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210092013.0A CN114552634A (zh) | 2022-01-26 | 2022-01-26 | 一种分布式电源规模化并网多目标动态集群划分方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210092013.0A CN114552634A (zh) | 2022-01-26 | 2022-01-26 | 一种分布式电源规模化并网多目标动态集群划分方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114552634A true CN114552634A (zh) | 2022-05-27 |
Family
ID=81673351
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210092013.0A Pending CN114552634A (zh) | 2022-01-26 | 2022-01-26 | 一种分布式电源规模化并网多目标动态集群划分方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114552634A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117833374A (zh) * | 2023-12-26 | 2024-04-05 | 国网江苏省电力有限公司扬州供电分公司 | 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 |
-
2022
- 2022-01-26 CN CN202210092013.0A patent/CN114552634A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117833374A (zh) * | 2023-12-26 | 2024-04-05 | 国网江苏省电力有限公司扬州供电分公司 | 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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023274425A1 (zh) | 一种风光水火储系统的多能容量优化配置方法 | |
CN109165788B (zh) | 一种冷热电联供系统的优化方法 | |
CN105846461B (zh) | 一种大规模储能电站自适应动态规划的控制方法和系统 | |
CN109325608A (zh) | 考虑储能并计及光伏随机性的分布式电源优化配置方法 | |
CN109672184B (zh) | 一种含光伏的配电网电压控制方法和系统 | |
CN110350518B (zh) | 一种用于调峰的电网储能容量需求评估方法及系统 | |
CN111900719B (zh) | 考虑柔性可控负荷的电网充裕度评估方法、装置及系统 | |
CN109034587B (zh) | 一种协调多种可控单元的主动配电系统优化调度方法 | |
CN112365021A (zh) | 一种基于混合储能的区域综合能源系统规划优化方法 | |
CN112531689B (zh) | 受端电力系统的源网荷储协调控制能力评估方法和设备 | |
CN114421459A (zh) | 一种分布式电源规模化并网的集群划分评估方法及系统 | |
CN115017854A (zh) | 一种基于多维评估指标体系的配电网dg最大准入容量计算方法 | |
CN114611842B (zh) | 一种整县屋顶分布式光伏功率预测方法 | |
CN115114854A (zh) | 一种虚拟电厂分布式资源两级自组织优化聚合方法及系统 | |
CN115940267A (zh) | 一种区域配电网分布式光伏集群划分方法 | |
CN114552634A (zh) | 一种分布式电源规模化并网多目标动态集群划分方法及装置 | |
CN109829599A (zh) | 基于高比例可再生能源的配电网的集群划分方法及装置 | |
CN110852495A (zh) | 一种分布式储能电站选址方法 | |
CN116404642A (zh) | 一种分布式电源集群划分方法、装置、电子设备及存储介质 | |
CN108683211B (zh) | 一种考虑分布式电源波动性的虚拟发电厂组合优化方法及模型 | |
CN115912421A (zh) | 一种配电网储能选址定容多目标优化方法及系统 | |
CN110970939B (zh) | 一种分布式能源集群优化方法及系统 | |
CN115995840A (zh) | 基于风、光、储能协调的新能源系统调峰优化方法和装置 | |
CN117748622B (zh) | 一种微电网多态协调控制方法及系统 | |
Chang et al. | Cluster Partition Method of Large-Scale Grid-Connected Distributed Generations considering Expanded Dynamic Time Scenarios |
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 |