CN114662994A - 一种整县式光伏分区方法、存储设备及终端 - Google Patents

一种整县式光伏分区方法、存储设备及终端 Download PDF

Info

Publication number
CN114662994A
CN114662994A CN202210537971.4A CN202210537971A CN114662994A CN 114662994 A CN114662994 A CN 114662994A CN 202210537971 A CN202210537971 A CN 202210537971A CN 114662994 A CN114662994 A CN 114662994A
Authority
CN
China
Prior art keywords
photovoltaic
formula
voltage
clustering
partition
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
Application number
CN202210537971.4A
Other languages
English (en)
Other versions
CN114662994B (zh
Inventor
姬玉泽
陈文刚
宰洪涛
王新瑞
张轲
朱剑飞
刘贺龙
杨世宁
张玉娟
陈磊
姚泽龙
许泳涛
孙锦涛
赵赫
原亚飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jincheng Power Supply Co of State Grid Shanxi Electric Power Co Ltd
Original Assignee
Jincheng Power Supply Co of State Grid Shanxi Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jincheng Power Supply Co of State Grid Shanxi Electric Power Co Ltd filed Critical Jincheng Power Supply Co of State Grid Shanxi Electric Power Co Ltd
Priority to CN202210537971.4A priority Critical patent/CN114662994B/zh
Publication of CN114662994A publication Critical patent/CN114662994A/zh
Application granted granted Critical
Publication of CN114662994B publication Critical patent/CN114662994B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Primary Health Care (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供的一种整县式光伏分区方法、存储设备及终端，所述方法包括：S10，采集整县内每个屋顶光伏装置的电气量，建立整县式光伏用户的运行数据库；所述的电气量包括：电压偏差量、频率偏差量和三相电压不平衡度；S20，将采集的电气量作为参考量，基于最大熵聚类算法进行聚类分区，使运行状态特征具有相似变化的光伏用户划分为同一分区；S30，对分区内各个光伏用户与分区聚类中心进行相似性计算，以使工作人员对每个用户光伏分区内的用户光伏并网运行状态进行有效分析和评估；本发明具有适用于整县光伏管理、提高运行管理效率的有益效果，适用于光伏管理领域。

Description

一种整县式光伏分区方法、存储设备及终端
技术领域
本发明涉及光伏管理的技术领域，具体涉及一种整县式光伏分区方法、存储设备及终端。
背景技术
目前，我国有近700个整县(市、区)成为屋顶分布式光伏电站的开发试点，总装机容量将超过100GW，整县式光伏的发展已展现出巨大的潜力。
整县式屋顶分布式光伏电站与地面集中式光伏电站具有明显不同的运行特征，具体表现为：整县式屋顶光伏电站的安装范围涵盖了工商业厂房、公共建筑屋顶及农村居住建筑等多种类型区域，且其发电系统包括光伏组件串、汇流箱、逆变器、配电柜、二次系统、蓄电池等设备；由于整县式屋顶分布式光伏电站存在用户规模大、分布地域广以及环境复杂等特点，在大容量接入电网后为电网的运行调度和控制带来诸多困难；为了提高电网对整县式光伏的管控水平，必须采取合理的策略对整县式光伏的运行情况进行监测和分析，实现对整县式光伏的整体有效管理。
发明内容
针对相关技术中存在的不足，本发明所要解决的技术问题在于：提供一种适用于整县光伏管理、提高运行管理效率的整县式光伏分区方法、存储设备及终端。
为解决上述技术问题，本发明采用的技术方案为：
一种整县式光伏分区方法，包括：如下步骤：
S10，采集整县内每个屋顶光伏装置的电气量，建立整县式光伏用户的运行数据 库；所述的电气量包括：电压偏差量、频率偏差量和三相电压不平衡度；其中，采集的第i个 光伏用户的运行状态参数表达式为：
Figure 445263DEST_PATH_IMAGE001
；
S20，将采集的电气量作为参考量，基于最大熵聚类算法进行聚类分区，使运行状态特征具有相似变化的光伏用户划分为同一分区；
S30，对分区内各个光伏用户与分区聚类中心进行相似性计算，以使工作人员对每个用户光伏分区内的用户光伏并网运行状态进行有效分析和评估。
优选地，所述步骤S20，将采集的电气量作为参考量，基于最大熵聚类算法进行聚类分区，使运行状态特征具有相似变化的光伏用户划分为同一分区，具体包括：
S201，建立最大熵聚类算法的目标函数，所述目标函数的表达式为：
Figure 768928DEST_PATH_IMAGE002
式（1）；
式（1）中：c为聚类中心数，n为样本数，且c和n之间的关系满足：
Figure 79824DEST_PATH_IMAGE003
， m为加 权指数，
Figure 130825DEST_PATH_IMAGE004
为第j个样本
Figure 741935DEST_PATH_IMAGE005
对第i类的隶属度；
Figure 705343DEST_PATH_IMAGE006
为隶属度矩阵，表示每个样本点属于某一类的程度，隶属度矩阵的表达式为：
Figure 769114DEST_PATH_IMAGE007
式（2）；
Figure 125271DEST_PATH_IMAGE008
为聚类中心集，
Figure 325309DEST_PATH_IMAGE009
，每个聚类中心表示由电压偏差量、频率 偏差量和三相电压不平衡度构成的三维相量；
Figure 53093DEST_PATH_IMAGE010
为第j个样本
Figure 213947DEST_PATH_IMAGE005
与第i类的聚类中心
Figure 482117DEST_PATH_IMAGE011
之间的欧式距离；
Figure 661295DEST_PATH_IMAGE012
的计算表达式为：
Figure 887877DEST_PATH_IMAGE013
式（3）；
Figure 536027DEST_PATH_IMAGE014
为熵项，γ表示正则化参数，用于调节熵项在目标函数中的权重占 比；
S202，建立目标函数的约束条件；约束条件的表达式为：
Figure 342309DEST_PATH_IMAGE015
式（4）；
S203，基于最大熵聚类算法对整县用户光伏进行聚类分区，得到运行电压、频率和三相不平衡度不同的用户光伏分区。
优选地，所述步骤S203，基于最大熵聚类算法对整县用户光伏进行聚类分区，具体包括：
S2031，对最大熵聚类算法的参数进行初始化设置；
具体包括：设置聚类中心数c、初始聚类中心、初始隶属度矩阵
Figure 720201DEST_PATH_IMAGE016
、迭代停止阈值
Figure 212624DEST_PATH_IMAGE017
和初始迭代系数a；
S2032，对隶属度矩阵进行计算更新，计算更新的表达式如下：
Figure 472704DEST_PATH_IMAGE018
式（5）；
式（5）中，
Figure 958043DEST_PATH_IMAGE019
为第a+1次迭代时第j个样本
Figure 252758DEST_PATH_IMAGE005
对第i类的隶属度，
Figure 680198DEST_PATH_IMAGE020
为第i类的聚 类中心，其中：
Figure 161995DEST_PATH_IMAGE021
；
S2033，对聚类中心进行计算调整，计算调整的表达式如下：
Figure 451025DEST_PATH_IMAGE022
式（6）；
式（6）中，
Figure 537929DEST_PATH_IMAGE023
为第a+1次迭代时第i类的聚类中心；
S2034，根据更新计算后的聚类中心和隶属度矩阵，计算正则化系数γ；
S2035，根据目标函数，计算聚类结果；
S2036，迭代判断，若满足
Figure 11636DEST_PATH_IMAGE024
，则迭代停止，并执行步骤S2037， 否则，将迭代次数设置为
Figure 606828DEST_PATH_IMAGE025
后，重新进行隶属度矩阵的计算更新、聚类中心的计算调 整；
S2037，输出聚类中心、聚类结果及隶属度矩阵。
优选地，所述步骤S2034，根据更新计算后的聚类中心和隶属度矩阵，计算正则化系数γ；具体为：
S20341，构建正则化系数的最优计算模型：
Figure 558603DEST_PATH_IMAGE026
式（7）；
式（7）中：A为系数矩阵；
Figure 703277DEST_PATH_IMAGE027
；且
Figure 347885DEST_PATH_IMAGE028
；
Figure 928907DEST_PATH_IMAGE029
；
S20342，通过L曲线法进行正则化系数的寻优计算，具体为：
将
Figure 684374DEST_PATH_IMAGE030
作为横坐标，
Figure 480292DEST_PATH_IMAGE031
作为纵坐标，所述L型曲线 拐角处的曲线曲率计算正则化参数的最优值；
所述曲线曲率的计算表达式为：
Figure 171167DEST_PATH_IMAGE032
式（7-1）；
S20343，将曲率的最大值作为最优正则化参数，计算表达式为：
Figure 114852DEST_PATH_IMAGE033
式（7-2）；
其中：
Figure 288389DEST_PATH_IMAGE034
；
Figure 1131DEST_PATH_IMAGE035
；
Figure 862907DEST_PATH_IMAGE036
；
Figure 293889DEST_PATH_IMAGE037
。
优选地，所述步骤S30，对分区内各个光伏用户与分区聚类中心进行相似性计算，具体包括：
S301，建立加权欧式距离的计算表达式，具体为：
Figure 515791DEST_PATH_IMAGE038
式（8）；
式（8）中，
Figure 551881DEST_PATH_IMAGE039
为第k个聚类分区中第i个样本用户与中心用户电气量的加权欧 式距离；
Figure 443613DEST_PATH_IMAGE040
、
Figure 237257DEST_PATH_IMAGE041
、
Figure 403796DEST_PATH_IMAGE042
为第i个样本的频率、电压及三相不平衡度；
Figure 451649DEST_PATH_IMAGE043
、
Figure 779862DEST_PATH_IMAGE044
、
Figure 123118DEST_PATH_IMAGE045
为第k个聚类中 心的频率、电压及三相不平衡度；
Figure 703135DEST_PATH_IMAGE046
、
Figure 244975DEST_PATH_IMAGE047
、
Figure 868724DEST_PATH_IMAGE048
分别为
Figure 496014DEST_PATH_IMAGE049
、
Figure 614143DEST_PATH_IMAGE050
、
Figure 276068DEST_PATH_IMAGE051
与对应电网规定电气 量标准值的差值；
Figure 572183DEST_PATH_IMAGE052
、
Figure 686769DEST_PATH_IMAGE053
、
Figure 343009DEST_PATH_IMAGE055
分别为频率、电压及三相不平衡度的电气量距离权值；
S302，确定
Figure 859441DEST_PATH_IMAGE052
、
Figure 903621DEST_PATH_IMAGE056
、
Figure 630137DEST_PATH_IMAGE055
的权值系数，具体包括：
S3021，设第k个分区中，频率、电压、三相不平衡度的合格范围为：
Figure 214702DEST_PATH_IMAGE057
式（9）；
Figure 461007DEST_PATH_IMAGE058
式（10）；
Figure 472825DEST_PATH_IMAGE059
式（11）；
其中：
Figure 188103DEST_PATH_IMAGE060
、
Figure 576359DEST_PATH_IMAGE061
、
Figure 677170DEST_PATH_IMAGE062
分别为第k个分区中第i个样本的频率、电压、三相不平衡度；
Figure 63152DEST_PATH_IMAGE063
、
Figure 639627DEST_PATH_IMAGE064
、
Figure 690628DEST_PATH_IMAGE065
分别为第k个分区中电压、频率、三相不平衡度合格范围内允许的偏差；
S3022，计算不合格样本在分区内的占比，计算表达式为：
Figure 36159DEST_PATH_IMAGE066
式（12）；
Figure 530725DEST_PATH_IMAGE067
式（13）；
Figure 328917DEST_PATH_IMAGE068
式（14）；
其中：
Figure 262238DEST_PATH_IMAGE069
、
Figure 822795DEST_PATH_IMAGE070
、
Figure 612896DEST_PATH_IMAGE071
分别为电压、频率、三相不平衡度的不合格样本在第k个分区 中的占比；
Figure 773750DEST_PATH_IMAGE072
、
Figure 307500DEST_PATH_IMAGE073
、
Figure 486677DEST_PATH_IMAGE074
分别为第k个分区中电压、频率、三相不平衡度不合格的样本数 目；
S3023，根据最大熵项计算频率、电压、三相不平衡度的最大熵值，计算表达式为：
Figure 447680DEST_PATH_IMAGE075
式（15）；
Figure 158147DEST_PATH_IMAGE076
式（16）；
Figure 105374DEST_PATH_IMAGE077
式（17）；
其中，T为通过聚类分区后，形成的分区数目；a为系数，a=1/lnT；
S3024，根据最大熵值确定
Figure 280004DEST_PATH_IMAGE052
、
Figure 38006DEST_PATH_IMAGE056
、
Figure 298086DEST_PATH_IMAGE078
的权值系数，计算表达式为：
Figure 783426DEST_PATH_IMAGE079
式（18）
Figure 15824DEST_PATH_IMAGE080
式（19）
Figure 53050DEST_PATH_IMAGE081
式（20）
S303，在各分区中，根据计算所得的加权欧式距离对用户样本进行排列，从电压、频率和三相不平衡度综合反应每个样本用户的运行状况，以及每个分区的实际运行状态。
优选地，所述步骤S10中，所述电压偏差量、频率偏差量、三相电压不平衡度的表达式为：
Figure 925060DEST_PATH_IMAGE082
式（21）；
Figure 604303DEST_PATH_IMAGE083
式（22）；
Figure 363311DEST_PATH_IMAGE084
式（23）；
其中：
Figure 40280DEST_PATH_IMAGE085
为电压偏差，
Figure 9373DEST_PATH_IMAGE086
为电网电压的标准值，
Figure 587248DEST_PATH_IMAGE087
为第n个用户光伏的电压 实际值；
Figure 590976DEST_PATH_IMAGE088
为频率偏差，
Figure 845371DEST_PATH_IMAGE089
为电网频率的标准值，
Figure 567339DEST_PATH_IMAGE090
为第n个用户光伏的频率实际值；
Figure 447439DEST_PATH_IMAGE091
为第n个用户光伏的并网电流，
Figure 508936DEST_PATH_IMAGE092
为线电压的均方根，
Figure 324445DEST_PATH_IMAGE093
为系统的短路容 量。
存储设备，其中存储有多条指令，：所述指令适于由处理器加载并执行如上所述的一种整县式光伏分区方法。
终端，包括：
处理器，适于实现各指令；以及
存储设备，适于存储多条指令，所述指令适于由处理器加载并执行如上所述的一种整县式光伏分区方法。
本发明的有益技术效果在于：
1、本发明提出一种整县式光伏分区方法、存储设备及终端，改变传统的集中式光伏电站的管理方法，针对整县式光伏发电和集中式光伏电站的不同特点，结合电网的分区思想，提出适用于整县式光伏发电的分区管理方法，提高了整县式光伏建设和投运后的运行管理效率，同时在分区管理的基础上，实现了对用户光伏进行有效分析的目的，实用性极强。
2、本发明采基于最大熵聚类算法对整县式用户光伏进行分区，在聚类算法的迭代过程实时调整最大熵项的正则化参数权重，与传统聚类方法相比，聚类过程保留更多元素的信息，提高了聚类算法的计算速度和聚类精度。
3、本发明采用加权欧式距离对分区后的用户光伏进行运行状态分析和评估，同时采用最大熵原理确定欧式距离的权值系数，根据最大熵加权欧式距离，既能够清晰反应分区整体运行状况，方便于初步评估，也实现对各分区内用户光伏的合理监测和分析。
4、本发明将最大熵原理同时应用于聚类算法和加权欧式距离分析方法中，最大的充分考虑了原始样本的分布情况，减少了人为干预分区和分析，提高了整县式光伏建设和投运后的运行管理效率。
附图说明
图1是本发明实施例一提供的一种整县式光伏分区方法的流程示意图；
图2是本发明实施例二中步骤S20的流程示意图；
图3是本发明实施例二中步骤S203的流程示意图；
图4是本发明实施例三中步骤S30的流程示意图。
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作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。
其次，本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
本发明中，充分考虑了光伏发电运行的影响因素，即：主要包括外界环境变化和内部设备的影响，当屋顶式光伏正常运行时，光伏系统各设备均在正常工作状态，因此，外界环境的变化成为屋顶式光伏正常运行时的主要影响因素。
整县式光伏在地域上分布较广，地理环境的差别较大，不同区域的光伏运行情况存在较大差异性，因此可以根据不同的地域环境变化特征实现对光伏的分区管理。
整县式光伏的分区必须有合理的分区依据，根据不同地域的地理环境特征进行分区时，地域环境变化的信息采集所需工作量较大、投入成本较高，而且在得到环境变化的准确信息后仍需结合屋顶式光伏运行工况进行合理分析，分析难度较大；在用户光伏的实际运行中，用户侧的多功能电表采集系统能够将并网点的电气量信息进行采集，因此，结合用户的电量采集系统对并网点进行信息采集能够实现对用户光伏运行状态的感知和分析；当光照、温度及天气条件不同时，用户屋顶光伏并网运行时的电压、电流及频率等电气量会发生明显变化，因此，可以根据电气量的变化对用户光伏的运行状态进行分区管理和实时分析，达到对整县式光伏有效监测和管控的目的。
电网的分区利用合理高效的方法将复杂的电网划分为子网系统，在很大程度上减小了电网的规模，简化了电网的安全稳定计算，方便对电网进行分析和控制，极大地提高了供电系统的监视和调度管理功能，具有非常大的潜力和实用价值，所以，采用整县式光伏分区管理的方法具有较高的可靠性。
以下结合附图详细说明本发明的一个实施例。
实施例一
如图1所示，一种整县式光伏分区方法，包括：如下步骤：
S10，采集整县内每个屋顶光伏装置的电气量，建立整县式光伏用户的运行数据 库；所述的电气量包括：电压偏差量、频率偏差量和三相电压不平衡度；其中，采集的第i个 光伏用户的运行状态参数表达式为：
Figure 143497DEST_PATH_IMAGE001
；
S20，将采集的电气量作为参考量，基于最大熵聚类算法进行聚类分区，使运行状态特征具有相似变化的光伏用户划分为同一分区；
S30，对分区内各个光伏用户与分区聚类中心进行相似性计算，以使工作人员对每个用户光伏分区内的用户光伏并网运行状态进行有效分析和评估。
本发明中，整县式光伏分区将用户光伏并网运行时电压、电流及频率等电气量变化作为分区的参考量，为了合理的衡量电气参考量的变化，使用压偏差量、频率偏差量和三相电压不平衡度对所采集电气量信息进行评估。
具体地，所述步骤S10中，所述电压偏差量、频率偏差量、三相电压不平衡度的表达式为：
Figure 437075DEST_PATH_IMAGE094
式（21）；
Figure 41494DEST_PATH_IMAGE095
式（22）；
Figure 27904DEST_PATH_IMAGE096
式（23）；
其中：
Figure 334252DEST_PATH_IMAGE085
为电压偏差，
Figure 431521DEST_PATH_IMAGE086
为电网电压的标准值，
Figure 123402DEST_PATH_IMAGE087
为第n个用户光伏的电压 实际值；
Figure 483976DEST_PATH_IMAGE097
为频率偏差，
Figure 402254DEST_PATH_IMAGE089
为电网频率的标准值，
Figure 178580DEST_PATH_IMAGE090
为第n个用户光伏的频率实际值；
Figure 865913DEST_PATH_IMAGE091
为第n个用户光伏的并网电流，
Figure 831944DEST_PATH_IMAGE092
为线电压的均方根，
Figure 971938DEST_PATH_IMAGE093
为系统的短路容 量。
本实施例中，电气量的参考数值，可参考我国的光伏并网电压运行要求《光伏系统 并网技术要求》(GB/T 19939)及电网允许电压偏差《电能质量 供电电压允许偏差》(GB/T 12325)的规定，光伏并网电压的正常运行范围为：
Figure 879851DEST_PATH_IMAGE098
，光伏系统和电网 接口处的电压允许偏差：三相电压的允许偏差为额定电压的±7%，单相电压的允许偏差为 额定电压的-10%~7%。
以及参考我国的光伏并网电压运行要求《光伏系统并网技术要求》(GB/T 19939) 及电网允许频率偏差《电能质量 电力系统频率允许偏差》(GB/T 15945)的规定，光伏并网 频率的正常运行范围为：
Figure 297057DEST_PATH_IMAGE099
，光伏系统和电网接口处的频率允许偏差值为 ±0.5Hz。
以及参考我国的光伏并网电压运行要求《光伏系统并网技术要求》(GB/T 19939)规定，光伏系统并网运行时，电网接口处的三相电压不平衡度不应超过规定的数值，正常允许值为2%，短时允许值为4%。
实施例二
传统的模糊聚类算法对初始化聚类中心十分敏感，并且极易陷入局部最小值。因此，本实施例中，在目标函数中增加熵项，通过极大化信息熵可在聚类分析过程中保留更多的信息，从而让样本能够准确的划分到对应的类别。
如图2所示，在实施例一的基础上，一种整县式光伏分区方法，所述步骤S20，将采集的电气量作为参考量，基于最大熵聚类算法进行聚类分区，使运行状态特征具有相似变化的光伏用户划分为同一分区，具体包括：
S201，建立最大熵聚类算法的目标函数，所述目标函数的表达式为：
Figure 796172DEST_PATH_IMAGE100
式（1）；
式（1）中：c为聚类中心数，n为样本数，且c和n之间的关系满足：
Figure 548096DEST_PATH_IMAGE003
， m为加 权指数，
Figure 790859DEST_PATH_IMAGE004
为第j个样本
Figure 328150DEST_PATH_IMAGE005
对第i类的隶属度；
Figure 998166DEST_PATH_IMAGE006
为隶属度矩阵，表示每个样本点属于某一类的程度，隶属度矩阵的表达式为：
Figure 738851DEST_PATH_IMAGE007
式（2）；
Figure 722988DEST_PATH_IMAGE008
为聚类中心集，
Figure 239420DEST_PATH_IMAGE009
，每个聚类中心表示由电压偏差量、频率 偏差量和三相电压不平衡度构成的三维相量；
Figure 955703DEST_PATH_IMAGE010
为第j个样本
Figure 557586DEST_PATH_IMAGE005
与第i类的聚类中心
Figure 266784DEST_PATH_IMAGE101
之间的欧式距离；
Figure 903302DEST_PATH_IMAGE012
的计算表达式为：
Figure 790487DEST_PATH_IMAGE102
式（3）；
Figure 614086DEST_PATH_IMAGE103
为熵项，γ表示正则化参数，用于调节熵项在目标函数中的权重占 比。
具体地，对于单个样本
Figure 205605DEST_PATH_IMAGE005
，其对于每一类的隶属度之和为1，在聚类过程中，其划归 与隶属度值最大的那一类，隶属度值越接近于1，表示其隶属度越高，反之越低。因此，根据 隶属度的特点规定目标函数的约束条件，即：
S202，建立目标函数的约束条件；约束条件的表达式为：
Figure 57148DEST_PATH_IMAGE015
式（4）；
S203，基于最大熵聚类算法对整县用户光伏进行聚类分区，得到运行电压、频率和三相不平衡度不同的用户光伏分区。
具体地，所述步骤S203，基于最大熵聚类算法对整县用户光伏进行聚类分区，具体包括：
S2031，对最大熵聚类算法的参数进行初始化设置；具体包括：设置聚类中心数c、 初始聚类中心、初始隶属度矩阵
Figure 239868DEST_PATH_IMAGE016
、迭代停止阈值
Figure 957288DEST_PATH_IMAGE017
和初始迭代系数a；
S2032，对隶属度矩阵进行计算更新，计算更新的表达式如下：
Figure 883656DEST_PATH_IMAGE018
式（5）；
式（5）中，
Figure 88241DEST_PATH_IMAGE019
为第a+1次迭代时第j个样本
Figure 910704DEST_PATH_IMAGE005
对第i类的隶属度，
Figure 708895DEST_PATH_IMAGE020
为第i类的聚 类中心，其中：
Figure 48741DEST_PATH_IMAGE021
；
S2033，对聚类中心进行计算调整，计算调整的表达式如下：
Figure 514357DEST_PATH_IMAGE022
式（6）；
式（6）中，
Figure 930557DEST_PATH_IMAGE104
为第a+1次迭代时第i类的聚类中心；
S2034，根据更新计算后的聚类中心和隶属度矩阵，计算正则化系数γ；
S2035，根据目标函数，计算聚类结果；
S2036，迭代判断，若满足
Figure 950466DEST_PATH_IMAGE024
，则迭代停止，并执行步骤S2037， 否则，将迭代次数设置为
Figure 687478DEST_PATH_IMAGE025
后，重新进行隶属度矩阵的计算更新、聚类中心的计算调 整；
S2037，输出聚类中心、聚类结果及隶属度矩阵。
进一步地，所述步骤S2034，根据更新计算后的聚类中心和隶属度矩阵，计算正则化系数γ；具体为：
S20341，构建正则化系数的最优计算模型：
Figure 617388DEST_PATH_IMAGE026
式（7）；
式（7）中：A为系数矩阵；
Figure 312811DEST_PATH_IMAGE027
；且
Figure 210229DEST_PATH_IMAGE028
；
Figure 547669DEST_PATH_IMAGE029
；
S20342，通过L曲线法进行正则化系数的寻优计算，具体为：
将
Figure 332086DEST_PATH_IMAGE030
作为横坐标，
Figure 667252DEST_PATH_IMAGE031
作为纵坐标，所述L型曲线 拐角处的曲线曲率计算正则化参数的最优值；
所述曲线曲率的计算表达式为：
Figure 661753DEST_PATH_IMAGE105
式（7-1）；
S20343，将曲率的最大值作为最优正则化参数，计算表达式为：
Figure 163404DEST_PATH_IMAGE106
式（7-2）；
其中：
Figure 192540DEST_PATH_IMAGE034
；
Figure 105132DEST_PATH_IMAGE107
；
Figure 118087DEST_PATH_IMAGE108
；
Figure 656385DEST_PATH_IMAGE037
。
本实施例中，基于最大熵聚类算法对整县式用户光伏进行聚类分区，得到运行电压、频率和三相不平衡度不同的用户光伏群体，既能在一定程度上合理反应不同地域环境对光伏运行的影响，同时也能够准确反应不同地域用户光伏的运行状态。
实施例三
为了对不同分类群体的用户光伏进行分析和监测，在采用最大熵聚类算法得到用户光伏分区后，采用综合加权欧式距离对每个分区内的每户用户光伏进行准确定位和评估，即对分区内每户用户光伏与分区聚类中心的相似性进行计算。
综合加权欧式距离根据每个用户光伏样本的频率、电压及三相不平衡度与中心用户的加权欧式距离反应用户样本与中心用户的近似程度，确定该用户在分区中的位置，以评估该用户正常运行时各电气量的变化，达到稳态监测的目的。
本实施例中，分区内的光伏用户运行电气量包含电压偏差量、频率偏差量及三相电压不平衡度三个元素。
如图4所示，在实施例一的基础上，一种整县式光伏分区方法，所述步骤S30，对分区内各个光伏用户与分区聚类中心进行相似性计算，具体包括：
S301，建立加权欧式距离的计算表达式，具体为：
Figure 743290DEST_PATH_IMAGE038
式（8）；
式（8）中，
Figure 951417DEST_PATH_IMAGE039
为第k个聚类分区中第i个样本用户与中心用户电气量的加权欧 式距离；
Figure 795876DEST_PATH_IMAGE040
、
Figure 278810DEST_PATH_IMAGE041
、
Figure 643058DEST_PATH_IMAGE042
为第i个样本的频率、电压及三相不平衡度；
Figure 287666DEST_PATH_IMAGE049
、
Figure 947317DEST_PATH_IMAGE044
、
Figure 578150DEST_PATH_IMAGE045
为第k个聚类中 心的频率、电压及三相不平衡度；
Figure 436384DEST_PATH_IMAGE109
、
Figure 376527DEST_PATH_IMAGE047
、
Figure 320213DEST_PATH_IMAGE110
分别为
Figure 754736DEST_PATH_IMAGE049
、
Figure 670740DEST_PATH_IMAGE050
、
Figure 657150DEST_PATH_IMAGE045
与对应电网规定电气 量标准值的差值；
Figure 510968DEST_PATH_IMAGE052
、
Figure 811499DEST_PATH_IMAGE053
、
Figure 254113DEST_PATH_IMAGE055
分别为频率、电压及三相不平衡度的电气量距离权值；
S302，确定
Figure 411425DEST_PATH_IMAGE052
、
Figure 188757DEST_PATH_IMAGE056
、
Figure 355296DEST_PATH_IMAGE055
的权值系数，具体包括：
S3021，设第k个分区中，频率、电压、三相不平衡度的合格范围为：
Figure 917995DEST_PATH_IMAGE111
式（9）；
Figure 246209DEST_PATH_IMAGE058
式（10）；
Figure 12302DEST_PATH_IMAGE112
式（11）；
其中：
Figure 654635DEST_PATH_IMAGE060
、
Figure 196475DEST_PATH_IMAGE113
、
Figure 570956DEST_PATH_IMAGE062
分别为第k个分区中第i个样本的频率、电压、三相不平衡度；
Figure 198246DEST_PATH_IMAGE063
、
Figure 565643DEST_PATH_IMAGE064
、
Figure 493147DEST_PATH_IMAGE065
分别为第k个分区中电压、频率、三相不平衡度合格范围内允许的偏差；
S3022，计算不合格样本在分区内的占比，计算表达式为：
Figure 38529DEST_PATH_IMAGE114
式（12）；
Figure 887537DEST_PATH_IMAGE115
式（13）；
Figure 548370DEST_PATH_IMAGE116
式（14）；
其中：
Figure 64802DEST_PATH_IMAGE117
、
Figure 108981DEST_PATH_IMAGE070
、
Figure 320651DEST_PATH_IMAGE071
分别为电压、频率、三相不平衡度的不合格样本在第k个分区 中的占比；
Figure 905216DEST_PATH_IMAGE072
、
Figure 666367DEST_PATH_IMAGE118
、
Figure 678186DEST_PATH_IMAGE074
分别为第k个分区中电压、频率、三相不平衡度不合格的样本数 目；
S3023，根据最大熵项计算频率、电压、三相不平衡度的最大熵值，计算表达式为：
Figure 642731DEST_PATH_IMAGE119
式（15）；
Figure 968670DEST_PATH_IMAGE120
式（16）；
Figure 459694DEST_PATH_IMAGE121
式（17）；
其中，T为通过聚类分区后，形成的分区数目；a为系数，a=1/lnT；
S3024，根据最大熵值确定
Figure 268512DEST_PATH_IMAGE052
、
Figure 844987DEST_PATH_IMAGE056
、
Figure 646721DEST_PATH_IMAGE055
的权值系数，计算表达式为：
Figure 992252DEST_PATH_IMAGE122
式（18）
Figure 470507DEST_PATH_IMAGE123
式（19）
Figure 471961DEST_PATH_IMAGE124
式（20）
S303，在各分区中，根据计算所得的加权欧式距离对用户样本进行排列，从电压、频率和三相不平衡度综合反应每个样本用户的运行状况，以及每个分区的实际运行状态。
本发明还提供了存储设备，其中存储有多条指令，所述指令适于由处理器加载并执行如上所述的一种整县式光伏分区方法。
所述存储设备可为一计算机可读存储介质，可以包括：ROM、RAM、磁盘或光盘等。
本发明还提供了一种终端，所述终端可包括：
处理器，适于实现各指令；以及
存储设备，适于存储多条指令，所述指令适于由处理器加载并执行如上述的一种整县式光伏分区方法。
所述终端可为任意能够实现物品防伪溯源的装置，该装置可以是各种终端设备，例如：台式电脑、手提电脑等，具体可以通过软件和/或硬件来实现。
本发明针对整县式光伏发电和集中式光伏电站的不同特点，结合电网的分区思想，提出适用于整县式光伏发电的分区管理方法，提高了整县式光伏建设和投运后的运行管理效率，同时在分区管理的基础上，实现了对用户光伏进行有效分析的目的，实用性极强。
此外，采用加权欧式距离对分区后的用户光伏进行运行状态分析和评估，同时采用最大熵原理确定欧式距离的权值系数，根据最大熵加权欧式距离，既能够清晰反应分区整体运行状况，方便于初步评估，也实现对各分区内用户光伏的合理监测和分析。
综上，本发明提出一种整县式光伏分区方法、存储设备及终端，提高了整县式光伏建设和投运后的运行管理效率，同时在分区管理的基础上，实现了对用户光伏进行有效分析的目的，实用性极强。
在本发明的描述中，需要理解的是，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
可以理解的是，上述方法、装置及系统中的相关特征可以相互参考。另外，上述实施例中的“第一”、“第二”等是用于区分各实施例，而并不代表各实施例的优劣。
所述领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其他设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本发明也不针对任何特定的编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在本申请所提供的实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (8)

1.一种整县式光伏分区方法，其特征在于：包括：如下步骤：
S10，采集整县内每个屋顶光伏装置的电气量，建立整县式光伏用户的运行数据库；所 述的电气量包括：电压偏差量、频率偏差量和三相电压不平衡度；其中，采集的第i个光伏用 户的运行状态参数表达式为：
Figure 788841DEST_PATH_IMAGE001
；
S20，将采集的电气量作为参考量，基于最大熵聚类算法进行聚类分区，使运行状态特征具有相似变化的光伏用户划分为同一分区；
S30，对分区内各个光伏用户与分区聚类中心进行相似性计算，以使工作人员对每个用户光伏分区内的用户光伏并网运行状态进行有效分析和评估。
2.根据权利要求1所述的一种整县式光伏分区方法，其特征在于：所述步骤S20，将采集的电气量作为参考量，基于最大熵聚类算法进行聚类分区，使运行状态特征具有相似变化的光伏用户划分为同一分区，具体包括：
S201，建立最大熵聚类算法的目标函数，所述目标函数的表达式为：
Figure 751026DEST_PATH_IMAGE002
式（1）；
式（1）中：c为聚类中心数，n为样本数，且c和n之间的关系满足：
Figure DEST_PATH_IMAGE003
， m为加 权指数，
Figure 425721DEST_PATH_IMAGE004
为第j个样本
Figure 417948DEST_PATH_IMAGE005
对第i类的隶属度；
Figure DEST_PATH_IMAGE006
为隶属度矩阵，表示每个样本点属于某一类的程度，隶属度矩阵的表达式为：
Figure 831480DEST_PATH_IMAGE007
式（2）；
Figure 745210DEST_PATH_IMAGE008
为聚类中心集，
Figure 489175DEST_PATH_IMAGE009
，每个聚类中心表示由电压偏差量、频率偏差 量和三相电压不平衡度构成的三维相量；
Figure 352220DEST_PATH_IMAGE010
为第j个样本
Figure 156228DEST_PATH_IMAGE011
与第i类的聚类中心
Figure 353991DEST_PATH_IMAGE012
之间的欧式距离；
Figure 901647DEST_PATH_IMAGE013
的计算表达式为：
Figure 665204DEST_PATH_IMAGE014
式（3）；
Figure 154960DEST_PATH_IMAGE015
为熵项，γ表示正则化参数，用于调节熵项在目标函数中的权重占比；
S202，建立目标函数的约束条件；约束条件的表达式为：
Figure 574440DEST_PATH_IMAGE016
式（4）；
S203，基于最大熵聚类算法对整县用户光伏进行聚类分区，得到运行电压、频率和三相不平衡度不同的用户光伏分区。
3.根据权利要求2所述的一种整县式光伏分区方法，其特征在于：所述步骤S203，基于最大熵聚类算法对整县用户光伏进行聚类分区，具体包括：
S2031，对最大熵聚类算法的参数进行初始化设置；
具体包括：设置聚类中心数c、初始聚类中心、初始隶属度矩阵
Figure 660207DEST_PATH_IMAGE017
、迭代停止阈值
Figure 481533DEST_PATH_IMAGE018
和 初始迭代系数a；
S2032，对隶属度矩阵进行计算更新，计算更新的表达式如下：
Figure 643655DEST_PATH_IMAGE019
式（5）；
式（5）中，
Figure 550431DEST_PATH_IMAGE020
为第a+1次迭代时第j个样本
Figure 439890DEST_PATH_IMAGE011
对第i类的隶属度，
Figure 178039DEST_PATH_IMAGE021
为第i类的聚类中 心，其中：
Figure 760330DEST_PATH_IMAGE022
；
S2033，对聚类中心进行计算调整，计算调整的表达式如下：
Figure 403669DEST_PATH_IMAGE023
式（6）；
式（6）中，
Figure 96819DEST_PATH_IMAGE024
为第a+1次迭代时第i类的聚类中心；
S2034，根据更新计算后的聚类中心和隶属度矩阵，计算正则化系数γ；
S2035，根据目标函数，计算聚类结果；
S2036，迭代判断，若满足
Figure 627157DEST_PATH_IMAGE025
，则迭代停止，并执行步骤S2037，否则， 将迭代次数设置为
Figure 380350DEST_PATH_IMAGE026
后，重新进行隶属度矩阵的计算更新、聚类中心的计算调整；
S2037，输出聚类中心、聚类结果及隶属度矩阵。
4.根据权利要求3所述的一种整县式光伏分区方法，其特征在于：所述步骤S2034，根据更新计算后的聚类中心和隶属度矩阵，计算正则化系数γ；具体为：
S20341，构建正则化系数的最优计算模型：
Figure 746871DEST_PATH_IMAGE027
式（7）；
式（7）中：A为系数矩阵；
Figure DEST_PATH_IMAGE028
；且
Figure 712553DEST_PATH_IMAGE029
；
Figure 362977DEST_PATH_IMAGE030
；
S20342，通过L曲线法进行正则化系数的寻优计算，具体为：
将
Figure 270759DEST_PATH_IMAGE031
作为横坐标，
Figure 436162DEST_PATH_IMAGE032
作为纵坐标，所述L型曲线拐角 处的曲线曲率计算正则化参数的最优值；
所述曲线曲率的计算表达式为：
Figure 471114DEST_PATH_IMAGE033
式（7-1）；
S20343，将曲率的最大值作为最优正则化参数，计算表达式为：
Figure 241624DEST_PATH_IMAGE034
式（7-2）；
其中：
Figure 805460DEST_PATH_IMAGE035
；
Figure 412153DEST_PATH_IMAGE036
；
Figure 250796DEST_PATH_IMAGE037
；
Figure 610233DEST_PATH_IMAGE038
。
5.根据权利要求1所述的一种整县式光伏分区方法，其特征在于：所述步骤S30，对分区内各个光伏用户与分区聚类中心进行相似性计算，具体包括：
S301，建立加权欧式距离的计算表达式，具体为：
Figure 672867DEST_PATH_IMAGE039
式（8）；
式（8）中，
Figure 750545DEST_PATH_IMAGE040
为第k个聚类分区中第i个样本用户与中心用户电气量的加权欧式距 离；
Figure 642146DEST_PATH_IMAGE041
、
Figure 121669DEST_PATH_IMAGE042
、
Figure 558467DEST_PATH_IMAGE043
为第i个样本的频率、电压及三相不平衡度；
Figure DEST_PATH_IMAGE044
、
Figure 77435DEST_PATH_IMAGE045
、
Figure DEST_PATH_IMAGE046
为第k个聚类中心 的频率、电压及三相不平衡度；
Figure 523460DEST_PATH_IMAGE047
、
Figure 857489DEST_PATH_IMAGE048
、
Figure DEST_PATH_IMAGE049
分别为
Figure 183297DEST_PATH_IMAGE044
、
Figure 235567DEST_PATH_IMAGE045
、
Figure 688545DEST_PATH_IMAGE046
与对应电网规定电气量 标准值的差值；
Figure 408239DEST_PATH_IMAGE050
、
Figure 937572DEST_PATH_IMAGE051
、
Figure DEST_PATH_IMAGE052
分别为频率、电压及三相不平衡度的电气量距离权值；
S302，确定
Figure 680400DEST_PATH_IMAGE050
、
Figure 202648DEST_PATH_IMAGE053
、
Figure 760537DEST_PATH_IMAGE052
的权值系数，具体包括：
S3021，设第k个分区中，频率、电压、三相不平衡度的合格范围为：
Figure 710039DEST_PATH_IMAGE054
式（9）；
Figure 471321DEST_PATH_IMAGE055
式（10）；
Figure 797260DEST_PATH_IMAGE056
式（11）；
其中：
Figure 711121DEST_PATH_IMAGE057
、
Figure 831524DEST_PATH_IMAGE058
、
Figure 142419DEST_PATH_IMAGE059
分别为第k个分区中第i个样本的频率、电压、三相不平衡度；
Figure 6470DEST_PATH_IMAGE060
、
Figure 24105DEST_PATH_IMAGE061
、
Figure 830255DEST_PATH_IMAGE062
分别为第k个分区中电压、频率、三相不平衡度合格范围内允许的偏差；
S3022，计算不合格样本在分区内的占比，计算表达式为：
Figure 300551DEST_PATH_IMAGE063
式（12）；
Figure DEST_PATH_IMAGE064
式（13）；
Figure 437134DEST_PATH_IMAGE065
式（14）；
其中：
Figure DEST_PATH_IMAGE066
、
Figure 540568DEST_PATH_IMAGE067
、
Figure DEST_PATH_IMAGE068
分别为电压、频率、三相不平衡度的不合格样本在第k个分区中的 占比；
Figure 737194DEST_PATH_IMAGE069
、
Figure 209633DEST_PATH_IMAGE070
、
Figure 415486DEST_PATH_IMAGE071
分别为第k个分区中电压、频率、三相不平衡度不合格的样本数目；
S3023，根据最大熵项计算频率、电压、三相不平衡度的最大熵值，计算表达式为：
Figure 407713DEST_PATH_IMAGE072
式（15）；
Figure 306399DEST_PATH_IMAGE073
式（16）；
Figure 502019DEST_PATH_IMAGE074
式（17）；
其中，T为通过聚类分区后，形成的分区数目；a为系数，a=1/lnT；
S3024，根据最大熵值确定
Figure 511563DEST_PATH_IMAGE050
、
Figure 623876DEST_PATH_IMAGE053
、
Figure 427884DEST_PATH_IMAGE052
的权值系数，计算表达式为：
Figure 874914DEST_PATH_IMAGE075
式（18）
Figure 219308DEST_PATH_IMAGE076
式（19）
Figure DEST_PATH_IMAGE077
式（20）
S303，在各分区中，根据计算所得的加权欧式距离对用户样本进行排列，从电压、频率和三相不平衡度综合反应每个样本用户的运行状况，以及每个分区的实际运行状态。
6.根据权利要求1所述的一种整县式光伏分区方法，其特征在于：所述步骤S10中，所述电压偏差量、频率偏差量、三相电压不平衡度的表达式为：
Figure 654969DEST_PATH_IMAGE078
式（21）；
Figure 629878DEST_PATH_IMAGE079
式（22）；
Figure DEST_PATH_IMAGE080
式（23）；
其中：
Figure 268932DEST_PATH_IMAGE081
为电压偏差，
Figure DEST_PATH_IMAGE082
为电网电压的标准值，
Figure 89120DEST_PATH_IMAGE083
为第n个用户光伏的电压实际 值；
Figure 707184DEST_PATH_IMAGE084
为频率偏差，
Figure 367841DEST_PATH_IMAGE085
为电网频率的标准值，
Figure 274617DEST_PATH_IMAGE086
为第n个用户光伏的频率实际值；
Figure 164076DEST_PATH_IMAGE087
为第n个用户光伏的并网电流，
Figure 105487DEST_PATH_IMAGE088
为线电压的均方根，
Figure 907352DEST_PATH_IMAGE089
为系统的短路容量。
7.存储设备，其中存储有多条指令，其特征在于：所述指令适于由处理器加载并执行如权利要求1至6任一所述的一种整县式光伏分区方法。
8.终端，其特征在于：包括：
处理器，适于实现各指令；以及
存储设备，适于存储多条指令，所述指令适于由处理器加载并执行如权利要求1至6任一所述的一种整县式光伏分区方法。
CN202210537971.4A 2022-05-18 2022-05-18 一种整县式光伏分区方法、存储设备及终端 Active CN114662994B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210537971.4A CN114662994B (zh) 2022-05-18 2022-05-18 一种整县式光伏分区方法、存储设备及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210537971.4A CN114662994B (zh) 2022-05-18 2022-05-18 一种整县式光伏分区方法、存储设备及终端

Publications (2)

Publication Number Publication Date
CN114662994A true CN114662994A (zh) 2022-06-24
CN114662994B CN114662994B (zh) 2022-08-05

Family

ID=82038251

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210537971.4A Active CN114662994B (zh) 2022-05-18 2022-05-18 一种整县式光伏分区方法、存储设备及终端

Country Status (1)

Country Link
CN (1) CN114662994B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024119919A1 (zh) * 2022-12-08 2024-06-13 云南电网有限责任公司信息中心 一种多源配网监测数据的电网运行状态监测方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200278650A1 (en) * 2019-03-01 2020-09-03 Alliance For Sustainable Energy, Llc Image-based solar estimates
US11070056B1 (en) * 2020-03-13 2021-07-20 Dalian University Of Technology Short-term interval prediction method for photovoltaic power output
CN113298009A (zh) * 2021-06-05 2021-08-24 西北工业大学 一种基于熵正则化的自适应近邻人脸图像聚类方法
CN113392497A (zh) * 2021-03-29 2021-09-14 南昌大学 一种按地理区域度量光伏组件现场性能退化的方法
CN114219216A (zh) * 2021-11-16 2022-03-22 华南理工大学 一种电力系统的运行调度方法、系统、装置及介质
CN114611842A (zh) * 2022-05-10 2022-06-10 国网山西省电力公司晋城供电公司 一种整县屋顶分布式光伏功率预测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200278650A1 (en) * 2019-03-01 2020-09-03 Alliance For Sustainable Energy, Llc Image-based solar estimates
US11070056B1 (en) * 2020-03-13 2021-07-20 Dalian University Of Technology Short-term interval prediction method for photovoltaic power output
CN113392497A (zh) * 2021-03-29 2021-09-14 南昌大学 一种按地理区域度量光伏组件现场性能退化的方法
CN113298009A (zh) * 2021-06-05 2021-08-24 西北工业大学 一种基于熵正则化的自适应近邻人脸图像聚类方法
CN114219216A (zh) * 2021-11-16 2022-03-22 华南理工大学 一种电力系统的运行调度方法、系统、装置及介质
CN114611842A (zh) * 2022-05-10 2022-06-10 国网山西省电力公司晋城供电公司 一种整县屋顶分布式光伏功率预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
揭丽琳: "基于使用可靠性的空调保修优化设计研究", 《中国博士学位论文全文数据库 (工程科技Ⅱ辑)》 *
霍富强等: "基于分区分层前推回代算法的光伏阵列运行状态评估方法", 《电力系统保护与控制》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024119919A1 (zh) * 2022-12-08 2024-06-13 云南电网有限责任公司信息中心 一种多源配网监测数据的电网运行状态监测方法及系统

Also Published As

Publication number Publication date
CN114662994B (zh) 2022-08-05

Similar Documents

Publication Publication Date Title
CN106505593B (zh) 一种基于大数据的配变三相不平衡分析与负荷调整的方法
CN113267692B (zh) 一种低压台区线损智能诊断分析方法和系统
CN104978608B (zh) 一种风电功率预测装置及预测方法
CN103914741A (zh) 一种配电网的线损智能评价及辅助决策系统
CN103235981A (zh) 一种风电电能质量趋势预测方法
CN103580284A (zh) 低压集抄系统
Fan et al. Review of uncertainty modeling for optimal operation of integrated energy system
CN110782153A (zh) 一种企业园区综合能效评估体系建模方法及系统
CN114021420A (zh) 一种分布式光伏超短期发电功率预测方法及系统
CN107145707A (zh) 一种计及光伏出力不确定性和全寿命周期成本的配电网变压器规划方法
CN114662994B (zh) 一种整县式光伏分区方法、存储设备及终端
CN114611842B (zh) 一种整县屋顶分布式光伏功率预测方法
Yuvaraj et al. DSTATCOM allocation in the radial distribution networks with different stability indices using bat algorithm
Ye et al. A data driven multi-state model for distribution system flexible planning utilizing hierarchical parallel computing
CN117239725A (zh) 一种分布式灵活资源聚合及分层协同调度方法及装置
Liu et al. Bi-level fuzzy stochastic expectation modelling and optimization for energy storage systems planning in virtual power plants
CN114184996A (zh) 低压台区智能电表的计量异常行为辨识方法、装置、设备及存储介质
CN103632314A (zh) 基于概率统计的广义节点特征建模方法
CN108964076A (zh) 区域电网无功规划评价方法及系统、计算机设备、介质
Lin et al. The data mining application in the power quality monitoring data analysis
CN115864527A (zh) 基于云上资源的源网荷储多源数据采集与控制手段汇聚方法
Li et al. Office building energy consumption prediction based on LSTM and SVR
Wang et al. Multi-objective reactive power planning based on fuzzy clustering and learning automata
Yin et al. Global configuration strategy of SAPFs combined with comprehensive evaluation of power quality in distribution network
Hou et al. A novel algorithm for multi-node load forecasting based on big data of distribution network

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