CN115292938B - 基于改进bi-kmeans的大型光伏电站快速多机等值建模方法及装置 - Google Patents
基于改进bi-kmeans的大型光伏电站快速多机等值建模方法及装置 Download PDFInfo
- Publication number
- CN115292938B CN115292938B CN202210951184.4A CN202210951184A CN115292938B CN 115292938 B CN115292938 B CN 115292938B CN 202210951184 A CN202210951184 A CN 202210951184A CN 115292938 B CN115292938 B CN 115292938B
- Authority
- CN
- China
- Prior art keywords
- group
- equivalent
- photovoltaic power
- photovoltaic
- modeling
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 230000006872 improvement Effects 0.000 claims abstract description 9
- 238000010248 power generation Methods 0.000 claims description 49
- 238000004088 simulation Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000003491 array Methods 0.000 claims description 12
- 230000014509 gene expression Effects 0.000 claims description 12
- 238000007635 classification algorithm Methods 0.000 claims description 11
- 238000005192 partition Methods 0.000 claims description 5
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 3
- 239000003990 capacitor Substances 0.000 claims description 3
- 229910052802 copper Inorganic materials 0.000 claims description 3
- 239000010949 copper Substances 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- 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
-
- 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]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开一种基于改进bi‑kmeans的大型光伏电站快速多机等值建模方法及装置,包括如下步骤:S1、提取大型光伏电站运行状态的基本数据;S2、计算多机等值模型群类划分个数上限;S3、在S1和S2的基础上,基于改进bi‑kmeans的光伏电站群类划分;S4、基于容量加权法得到各群类的等值模型;S5、基于各群类等值模型建立光伏电站多机等值模型。本发明通过计算多机等值模型群类划分个数上限、应用基于改进bi‑kmeans群类划分算法和基于容量加权法,建立了新型光伏电站多机等值方法,能够有效提高和协调等值建模速度和精度,具有较大的推广应用价值。
Description
技术领域
本发明属于光伏电站等值建模领域,具体涉及一种基于改进bi-kmeans的大型光伏电站快速多机等值建模方法及装置。
背景技术
为了减少对传统化石能源的依赖,世界各国开始大力发展可再生能源,而光伏发电是目前最有前景的可再生能源。随着光伏发电技术的逐渐成熟,光伏电站得到广泛建设,并朝着大型化和规模化方向发展。光伏发电系统与传统的火力发电、水力发电等传统发电方式不同,发电状态受天气、光照等因素影响,存在随机性和间歇性问题;同时光伏发电系统是由光伏阵列输出的直流电经过逆变电路转为交流电,存在谐波问题。因此,大型光伏电站并网将严重影响现有电网的动态特性,威胁电网的安全稳定运行。因此需建立大型光伏电站并网的仿真模型,以研究分析大型光伏电站并网对电网运行的安全性和稳定性的影响。
传统的光伏电站建模方法有详细模型和单机等值模型。由于大型光伏电站包含大量光伏发电单元、逆变器、变压器等,详细模型容易导致仿真过程中需求解数据量庞大,容易导致仿真不收敛的等问题,无法研究分析光伏电站并网后电网动态特性以及稳定性,并导致仿真所需的处理器性能和消耗的时间大大增加。单机等值模型具有较快的等值建模以及仿真速度,但等值建模过程中忽略了光伏电站内部各光伏发电单元运行特性的差异性,得到的模型误差较大,导致无法有效分析光伏电站并入电网后的影响。
发明内容
针对现有技术的不足,本发明提供一种基于改进bi-kmeans的大型光伏电站快速多机等值建模方法及装置,根据光伏电站的内部差异性对所有光伏发电单元进行分群,建立光伏电站多机等值模型,以在满足仿真速度的同时,也满足仿真精度的要求。
本发明的目的可以通过以下技术方案实现:包括如下步骤:
S1、提取大型光伏电站运行状态的基本数据;
S2、计算多机等值模型群类划分个数上限;
S3、在S1和S2的基础上,基于改进bi-kmeans群类划分算法对光伏电站群类划分;
S4、基于容量加权法得到各群类的等值模型;
S5、基于各群类的等值模型建立光伏电站多机等值模型。
步骤S1中,基本数据包括光伏发电单元的输出电压、输出电流输出功率和输出线路的阻抗。
步骤S2包括如下步骤:
S21:根据大型光伏电站的光伏发电单元数量N,分别获取1到N组的光伏电站等值建模时间tk,tk=(t1,t2,t3,…tN),其中t1为光伏电站单机等值建模所需仿真时间、tN为光伏电站详细建模所需仿真时间;
S22:将上述1到N组的多机等值建模时间tk及相应的群类划分个数k代入插值公式,得到群类划分个数k与多机等值建模时间tk的函数关系式:
k=f(tk)tk∈(t1,t2,…tN-1,tN) (1)
式中,k表示群类划分个数和多机等值建模的组数,当k=1时为单机等值建模,当k=n时为详细建模,当1<k<n时为多机等值建模;tk表示完成k组的多机等值建模所需仿真时间,f(x)表示一种插值函数;
S23,设定等值建模仿真时间上限tlimit,代入上述k与tk的函数关系式中,计算得到等值建模群类划分个数上限klimit:
式中,t1表示单机等值建模所需时间,tn表示详细建模所需时间;f(x)表示上述S22得到的群类划分个数k与多机等值建模时间tk的函数关系式;表示向下取整符号。
步骤S3包括如下步骤:
S31、依次选取各群类中的簇内差异度最大的群类;
S32、对所选群类进行k=2的kmeans聚类;
S33、计算新划分群类的簇内差异度;
S34、群类结束划分。
步骤S31包括:
S311、若基于改进bi-kmeans群类划分算法初次运行,将所有光伏发电单元数据视为一个群类,作为下一步骤的输入;
S312、若基于改进bi-kmeans群类划分算法非初次运行,则根据各群类的簇内差异度选取簇内差异度最大的群类,作为下一步骤的输入。
步骤S32包括如下步骤:
S321、在输入群类中随机选取2个光伏发电单元数据作为初始质心;
S322、群类中其他数据对象根据距离2个质心的欧式距离,依次划分到最近的质心所在的群类,其中欧式距离公式如下:
式中,xi=(xi1,xi2,xi3,…xim)表示群类中第i个m维的光伏发电单元数据,ck=(ck1,ck2,ck3,…ckm)表示该群类中第k个m维的质心;
S323、根据划分结果计算每个群类新的质心,质心计算公式如下:
式中,Ck表示第k个群类中所有光伏发电单元数据的集合,mj表示集合Ck中数据的个数,xi=(xi1,xi2,xi3,…xim)表示集合Ck中第i个m维的光伏发电单元数据;
S324、重复计算步骤S322和步骤S323,直至质心位置不再变化。
步骤S33中分别计算2个新划分群类的簇内差异度,计算公式如下:
式中,xi=(xi1,xi2,xi3,…xin),xj=(xj1,xj2,xj3,…xjn)表示群类中两个的m维的光伏发电单元数据,n为该群类数据的个数。
步骤S34中群类结束运行的判定步骤如下:
S341、若群类划分个数大于等于群类划分上限k,结束运行;
S342、若群类划分个数未达到群类划分上限k,计算各群类的轮廓系数S(i),其表达式如下:
式中,a(i)表示某光伏单元数据与同群类其他光伏单元数据的距离,b(i)表示某光伏单元数据与其他群类光伏单元数据距离的平均值;
S(i)∈[-1,1],越接近1表示该群类中各光伏单元状态越相近,越接近-1表示该群类中各光伏单元状态差异越大;
S343、计算k个群类的总体划分精度r(k):
式中,mi表示第i个群类中光伏发电单元数据个数,n表示整体光伏发电单元数据个数,S(i)表示各群类的轮廓系数;
S344、根据给定等值建模精度要求rlimit,比较rlimit和当前划分精度r(k):
若r(k)≥rlimit,结束运行;若r(k)<rlimit,回到步骤S31。
步骤S4包括以下步骤:
S41、根据划分得到的k个群类,将各个群类中每个光伏阵列参数进行等值,其表达式如下:
式中,Nseq,Npeq分别表示等值模型中光伏阵列的串联和并联的光伏电池个数;Ns,Np表示实际光伏阵列的串联和并联的光伏电池个数;λ表示该群类中所包含的光伏阵列个数;
S42、根据划分得到的k个群类,将各个群类中每个光伏逆变器参数进行等值,其容量、阻抗、交流测滤波器电容和电感的等值表达式如下:
式中,Seq,Zceq分别是等值模型中逆变器的容量和等值阻抗;S,Zc分别是实际单个光伏逆变器的容量和阻抗;Ceq,Leq分别是等值模型中逆变器交流侧的滤波电容和滤波电感;C,L分别是实际逆变器交流侧的滤波电容和滤波电感;λ表示该群类中所包含的光伏阵列个数;
S43、根据划分得到的k个群类,将各个群类中光伏发电单元所连接的每个单元变压器参数进行等值:
PTeq=(λIT)2ZTeq (10)
其中,
式中,PTeq,STeq,ZTeq分别表示等值后变压器的等值铜损、等值容量、等值阻抗,ZT,ST分别表示单个变压器的阻抗和容量,λ表示该群类中所包含的光伏阵列个数。
基于改进bi-kmeans的大型光伏电站快速多机等值建模装置,包括:
提取模块,用于提取大型光伏电站运行状态的基本数据;
群类划分个数模块,用于计算多机等值模型群类划分个数上限;
群类划分模块,用于基于改进bi-kmeans群类划分算法对光伏电站群类划分;
各群类等值模块,用于基于容量加权法得到各群类的等值模型;
多机等值模块,用于基于各群类的等值模型建立光伏电站多机等值模型。
本发明提出的一种基于改进bi-kmeans的大型光伏电站快速多机等值建模方法,以群类划分个数上限计算、利用改进bi-kmeans算法划分群类并根据群类划分结果应用容量加权法建立多机等值模型,该方法从传统光伏建模问题速度和精度无法协调出发,设计能够满足等值建模速度和精度灵活可控的方法,为供电企业及大型光伏电站提供高效可行的等值建模方案,提高光伏电站与电网仿真建模的效率和精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的一种基于改进bi-kmeans的大型光伏电站快速多机等值建模方法流程图;
图2是本发明的一种基于改进bi-kmeans的大型光伏电站快速多机等值建模装置的结构框图。
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,所描述的实施例仅为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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明如图1所示,包括如下步骤:
S1、提取大型光伏电站运行状态的基本数据;
为保证等值建模方法的有效性,所提取的光伏电站基本数据应包括光伏发电单元的输出电压、输出电流、输出功率和输出线路阻抗,如需进一步提高多机等值建模时光伏发电单元群类划分精度可额外增加光照强度、环境温度数据。
所采集到的数据将作为步骤S3中的输入,进行群类划分。
S2、计算多机等值模型群类划分个数上限;能够突破传统多机等值建模需人为确定最佳群类划分个数问题,大幅提高等值建模速度,实现实时调控;
步骤S1和S2同时进行,为步骤S3做准备。
S3、基于改进bi-kmeans的光伏电站群类划分(其中,S31依次选取各群类中的簇内差异度(Degree of Intra-cluster Dissimilarity)最大的群类;S32对所选群类进行k=2的kmeans聚类;S33计算新划分群类的簇内差异度;S34群类结束划分判定条件);能够通过bi-kmeans算法避免了传统多机等值模型群类划分结果好坏依赖聚类算法初始质心的选取,提高算法的可靠性。
S4、基于容量加权法得到各群类的等值模型;
S5、基于各群类等值模型建立光伏电站多机等值模型。
本发明针对光伏电站传统的等值建模方式无法协调建模精度与速度的问题,通过计算多机等值模型群类划分个数上限、应用基于改进bi-kmeans群类划分算法和基于容量加权法,建立了新型光伏电站多机等值方法,实现等值建模中快速性可调、准确度可控。
具体的,步骤S2中,计算多机等值模型群类划分个数上限,其步骤如下:
S21:根据大型光伏电站的光伏发电单元数量N,分别获取1到N组的光伏电站等值建模时间tk,tk=(t1,t2,t3,…tN),其中t1为光伏电站单机等值建模所需仿真时间、tN为光伏电站详细建模所需仿真时间;为减少获取多机等值建模时间的工作量,通常情况,在光伏发电单元较少时(n<60),均等获取1/3不同k时的多机等值建模时间,在n≥60时,均等获取3组不同k时的多机等值建模时间,如需进一步提高拟合精度可增加数据获取组数。
S22:将上述多组多机等值建模时间及相应的群类划分个数代入插值公式,得到群类划分个数与多机等值建模时间的函数关系式;常用的插值公式有:拉格朗日插值法、牛顿插值法、样条插值法等,根据所需精度不同、所拟合的数据类型不同,可选取不同的插值公式,由于牛顿插值法更容易理解和实现,一般采用该方法。由此可得到基于牛顿插值法群类划分个数与多机等值建模时间的表达式:
其中,
式中,k表示群类划分个数和多机等值建模的组数,当k=1时为单机等值建模,当k=n时为详细建模,当1<k<n时为多机等值建模;tk表示完成k组的多机等值建模所需仿真时间;f(x)表示群类划分个数与多机等值建模时间的函数关系式,f[t1,t2,…tn]为n阶差商。
S23,设定等值建模仿真时间上限tlimit,代入上述经牛顿插值得到的k与tk的函数关系式中,得到等值建模群类划分个数上限klimit:
式中,k表示群类划分个数,当k=1时为单机等值建模,当k=n时为详细建模,当1<k<n时为多机等值建模;tlimit表示给定等值建模时间上限,t1表示单机等值建模所需时间,tn表示详细建模所需时间;N(x)表示上述经牛顿插值法所得的群类划分个数与多机等值建模时间的函数关系式;表示向下取整符号。
具体的,步骤S3中,基于改进bi-kmeans的光伏电站群类划分,其步骤如下:
S31、依次选取簇内差异度最大的群类,在具体实现过程中需考虑群类划分算法的运行次数,分为初次运行和非初次运行两种运行状态,不同运行次数下的具体步骤如下:
S311、若基于改进bi-kmeans群类划分算法初次运行,将所有光伏发电单元数据视为一
个群类,作为下一步骤的输入;
S312、若基于改进bi-kmeans群类划分算法非初次运行,则根据各群类的簇内差异度选取簇内差异度最大的群类,作为下一步骤的输入,其中簇内差异度为上一轮群类划分算法的执行中得到计算结果。
S32、根据上一步骤得到的簇内差异度最大的群类,对该群类进行k=2的kmeans聚类,其具体操作步骤如下:
S321、在输入群类中随机选取2个光伏发电单元数据作为初始质心;
S322、群类中其他数据对象根据距离2个质心的欧式距离,依次划分到最近的质心所在的群类,其中欧式距离公式如下:
式中,xi=(xi1,xi2,xi3,…xim)表示群类中第i个m维的光伏发电单元数据,ck=(ck1,ck2,ck3,…ckm)表示该群类中第k个m维的质心;
S323、根据划分结果计算每个群类新的质心,质心计算公式如下:
式中,Ck表示第k个群类中所有光伏发电单元数据的集合,mj表示集合Ck中数据的个数,xi=(xi1,xi2,xi3,…xim)表示集合Ck中第i个m维的光伏发电单元数据;
S324、重复计算步骤S322和步骤S323,直至质心位置不再变化,即完成所选簇内差异度最大光伏电站发电单元群类的二元划分,得到2个新的群类。
S33、分别计算2个新划分群类的簇内差异度,此处采用新的计算公式来衡量所划分群类的聚合程度,以提高群类划分的准确度,其计算公式如下:
式中,xi=(xi1,xi2,xi3,…xin),xj=(xj1,xj2,xj3,…xjn)表示群类中两个的m维的光伏发电单元数据,n为该群类数据的个数。
S34、基于改进bi-kmeans群类划分算法,结束运行的判定条件;光伏发电群类换份过程中出现如下两种情况时,将结束群类的进一步划分,其判定步骤如下:
S341、若群类划分个数大于等于群类划分上限k,群类划分算法结束运行,且无需进一
步执行步骤S342、S343和S344的计算;
S342、若群类划分个数未达到群类划分上限k,首先计算各群类的轮廓系数S(i),其表
达式如下:
式中,a(i)表示某光伏单元数据与同群类其他光伏单元数据的距离,b(i)表示某光伏单元数据与其他群类光伏单元数据距离的平均值。S(i)∈[-1,1],越接近1表示该群类中各光伏单元状态越相近,越接近-1表示该群类中各光伏单元状态差异越大。
S343、根据步骤S342计算得到k个群类的轮廓系数后,进一步计算群类的总体划分精
度r(k):
式中,mi表示第i个群类中光伏发电单元数据个数,n表示整体光伏发电单元数据个数。
S344、根据给定等值建模精度要求rlimit,比较rlimit和当前划分精度r(k):
若r(k)≥rlimit,结束运行;若r(k)<rlimit,回到步骤S31,进一步划分群类。
具体的,步骤S4中,基于容量加权法得到各群类的等值模型,步骤如下:
S41,根据上述群类划分算法得到的k个群类,将各个群类中的每个光伏阵列参数进行等值,其等值计算的表达式如下,代入相应数值即可:
式中,Nseq,Npeq分别表示等值模型中光伏阵列的串联和并联的光伏电池个数;Ns,Np表示实际光伏阵列的串联和并联的光伏电池个数;λ表示该群类中所包含的光伏阵列个数。
S42,根据上述群类划分算法得到的k个群类,将各个群类中每个光伏逆变器参数进行等值,其容量、阻抗、交流测滤波器电容和电感等值计算的表达式如下,代入相应数值即可:
式中,Seq,Zceq分别是等值模型中逆变器的容量和等值阻抗;S,Zc分别是实际单个光伏逆变器的容量和阻抗。Ceq,Leq分别是等值模型中逆变器交流侧的滤波电容和滤波电感;C,L分别是实际逆变器交流侧的滤波电容和滤波电感;λ表示该群类中所包含的光伏阵列个数。
S43,根据上述群类划分算法得到的k个群类,将各群类中光伏发电单元所连接的每个变压器参数进行等值,其等值计算的表达式如下,代入相应数值即可:
PTeq=(λIT)2ZTeq (10)
其中,
式中,PTeq,STeq,ZTeq分别表示等值后变压器的等值铜损、等值容量、等值阻抗,ZT,ST分别表示单个变压器的阻抗和容量,λ表示该群类中所包含的光伏阵列个数。
具体的,步骤S5中,将上述S4得到的k个群类等值模型建立整体光伏电站多机等值模型,用于光伏电站与电网间的分析计算。
如图2所示,基于改进bi-kmeans的大型光伏电站快速多机等值建模装置,包括:
提取模块,用于提取大型光伏电站运行状态的基本数据;
群类划分个数模块,用于计算多机等值模型群类划分个数上限;
群类划分模块,用于基于改进bi-kmeans群类划分算法对光伏电站群类划分;
各群类等值模块,用于基于容量加权法得到各群类的等值模型;
多机等值模块,用于基于各群类的等值模型建立光伏电站多机等值模型。
本发明具有以下有益效果:
1、能够突破传统光伏电站等值建模方法速度和精度无法协调的问题,通过根据预期仿真时间来计算群类划分个数上限实现等值建模过程中快速性可调,通过根据预期仿真精度来设置群类划分结束判定条件实现等值建模中准确度可控;
2、能够突破传统多机等值建模需人为确定最佳群类划分个数问题,大幅提高在实际生产中进行光伏电站等值建模的效率,并可实现实时等值建模;
3、能够通过改进bi-kmeans算法避免了传统多机等值模型群类划分结果好坏依赖聚类算法初始质心的选取,提高了多机等值建模效果的稳定性。
4、通过改进bi-kmeans算法中簇内差异度的计算公式,能够提高bi-means的群类划分精度,进而实现多机等值建模精度的提高。
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。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”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一定指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何的一个或多个实施例或示例中以合适的方式结合。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。
Claims (2)
1.一种基于改进bi-kmeans的大型光伏电站快速多机等值建模方法,其特征在于,包括如下步骤:
S1、提取大型光伏电站运行状态的基本数据;
S2、计算多机等值模型群类划分个数上限;
步骤S2包括如下步骤:
S21:根据大型光伏电站的光伏发电单元数量N,分别获取1到N组的光伏电站等值建模时间tk,tk=(t1,t2,t3,…tN),其中t1为光伏电站单机等值建模所需仿真时间、tN为光伏电站详细建模所需仿真时间;
S22:将上述1到N组的多机等值建模时间tk及相应的群类划分个数k代入插值公式,得到群类划分个数k与多机等值建模时间tk的函数关系式:
k=f(tk) tk∈(t1,t2,...tN-1,tN) (1)
式中,k表示群类划分个数和多机等值建模的组数,当k=1时为单机等值建模,当k=n时为详细建模,当1<k<n时为多机等值建模;tk表示完成k组的多机等值建模所需仿真时间,f(x)表示一种插值函数;
S23,设定等值建模仿真时间上限tlimit,代入上述k与tk的函数关系式中,计算得到等值建模群类划分个数上限klimit;
式中,t1表示单机等值建模所需时间,tn表示详细建模所需时间;f(x)表示上述S22得到的群类划分个数k与多机等值建模时间tk的函数关系式;表示向下取整符号;
S3、在S1和S2的基础上,基于改进bi-kmeans群类划分算法对光伏电站群类划分;
步骤S3包括如下步骤:
S31、依次选取各群类中的簇内差异度最大的群类;
S32、对所选群类进行k=2的kmeans聚类;
S33、计算新划分群类的簇内差异度;
S34、群类结束划分;
步骤S31包括:
S311、若基于改进bi-kmeans群类划分算法初次运行,将所有光伏发电单元数据视为一个群类,作为下一步骤的输入;
S312、若基于改进bi-kmeans群类划分算法非初次运行,则根据各群类的簇内差异度选取簇内差异度最大的群类,作为下一步骤的输入;
步骤S32包括如下步骤:
S321、在输入群类中随机选取2个光伏发电单元数据作为初始质心;
S322、群类中其他数据对象根据距离2个质心的欧式距离,依次划分到最近的质心所在的群类,其中欧式距离公式如下:
式中,xi=(xi1,xi2,xi3,…xim)表示群类中第i个m维的光伏发电单元数据,ck=(ck1,ck2,ck3,…ckm)表示该群类中第k个m维的质心;
S323、根据划分结果计算每个群类新的质心,质心计算公式如下:
式中,Ck表示第k个群类中所有光伏发电单元数据的集合,mj表示集合Ck中数据的个数,xi=(xi1,xi2,xi3,…xim)表示集合Ck中第i个m维的光伏发电单元数据;
S324、重复计算步骤S322和步骤S323,直至质心位置不再变化;
步骤S33中分别计算2个新划分群类的簇内差异度,计算公式如下:
式中,xi=(xi1,xi2,xi3,…xin),xj=(xj1,xj2,xj3,…xjn)表示群类中两个的m维的光伏发电单元数据,n为该群类数据的个数;
步骤S34中群类结束运行的判定步骤如下:
S341、若群类划分个数大于等于群类划分上限k,结束运行;
S342、若群类划分个数未达到群类划分上限k,计算各群类的轮廓系数S(i),
其表达式如下:
式中,a(i)表示某光伏单元数据与同群类其他光伏单元数据的距离,b(i)表示某光伏单元数据与其他群类光伏单元数据距离的平均值;
S(i)∈[-1,1],越接近1表示该群类中各光伏单元状态越相近,越接近-1表示该群类中各光伏单元状态差异越大;
S343、计算k个群类的总体划分精度r(k):
式中,mi表示第i个群类中光伏发电单元数据个数,n表示整体光伏发电单元数据个数,S(i)表示各群类的轮廓系数;
S344、根据给定等值建模精度要求rlimit,比较rlimit和当前划分精度r(k):
若r(k)≥rlimit,结束运行;若r(k)<rlimit,回到步骤S31;
S4、基于容量加权法得到各群类的等值模型;
步骤S4包括以下步骤:
S41、根据划分得到的k个群类,将各个群类中每个光伏阵列参数进行等值,其表达式如下:
式中,Nseq,Npeq分别表示等值模型中光伏阵列的串联和并联的光伏电池个数;Ns,Np表示实际光伏阵列的串联和并联的光伏电池个数;λ表示该群类中所包含的光伏阵列个数;
S42、根据划分得到的k个群类,将各个群类中每个光伏逆变器参数进行等值,其容量、阻抗、交流测滤波器电容和电感的等值表达式如下:
式中,Seq,Zceq分别是等值模型中逆变器的容量和等值阻抗;S,Zc分别是实际单个光伏逆变器的容量和阻抗;Ceq,Leq分别是等值模型中逆变器交流侧的滤波电容和滤波电感;C,L分别是实际逆变器交流侧的滤波电容和滤波电感;λ表示该群类中所包含的光伏阵列个数;
S43、根据划分得到的k个群类,将各个群类中光伏发电单元所连接的每个单元变压器参数进行等值:
PTeq=(λIT)2ZTeq (10)
其中,
式中,PTeq,STeq,ZTeq分别表示等值后变压器的等值铜损、等值容量、等值阻抗,ZT,ST分别表示单个变压器的阻抗和容量,λ表示该群类中所包含的光伏阵列个数;
S5、基于各群类的等值模型建立光伏电站多机等值模型。
2.根据权利要求1所述的一种基于改进bi-kmeans的大型光伏电站快速多机等值建模方法,其特征在于,步骤S1中,基本数据包括光伏发电单元的输出电压、输出电流、输出功率和输出线路的阻抗。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210951184.4A CN115292938B (zh) | 2022-08-09 | 2022-08-09 | 基于改进bi-kmeans的大型光伏电站快速多机等值建模方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210951184.4A CN115292938B (zh) | 2022-08-09 | 2022-08-09 | 基于改进bi-kmeans的大型光伏电站快速多机等值建模方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115292938A CN115292938A (zh) | 2022-11-04 |
CN115292938B true CN115292938B (zh) | 2023-09-08 |
Family
ID=83828079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210951184.4A Active CN115292938B (zh) | 2022-08-09 | 2022-08-09 | 基于改进bi-kmeans的大型光伏电站快速多机等值建模方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115292938B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106451418A (zh) * | 2016-09-13 | 2017-02-22 | 清华大学 | 光伏电站的在线分群等值建模方法 |
CN109145503A (zh) * | 2018-09-18 | 2019-01-04 | 东南大学 | 一种光伏电站集群的高精度动态建模方法 |
CN109193649A (zh) * | 2018-10-23 | 2019-01-11 | 东南大学 | 基于深度信念网络的分布式光伏集群动态等值建模方法 |
CN109638892A (zh) * | 2019-01-25 | 2019-04-16 | 合肥工业大学 | 一种基于改进模糊聚类算法的光伏电站等值建模方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080101705A1 (en) * | 2006-10-31 | 2008-05-01 | Motorola, Inc. | System for pattern recognition with q-metrics |
CN104680424B (zh) * | 2015-01-30 | 2018-09-14 | 国家电网公司 | 大型光伏电站的电压电能情况预估方法 |
-
2022
- 2022-08-09 CN CN202210951184.4A patent/CN115292938B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106451418A (zh) * | 2016-09-13 | 2017-02-22 | 清华大学 | 光伏电站的在线分群等值建模方法 |
CN109145503A (zh) * | 2018-09-18 | 2019-01-04 | 东南大学 | 一种光伏电站集群的高精度动态建模方法 |
CN109193649A (zh) * | 2018-10-23 | 2019-01-11 | 东南大学 | 基于深度信念网络的分布式光伏集群动态等值建模方法 |
CN109638892A (zh) * | 2019-01-25 | 2019-04-16 | 合肥工业大学 | 一种基于改进模糊聚类算法的光伏电站等值建模方法 |
Non-Patent Citations (1)
Title |
---|
基于IGWO-K-means的风电场动态等值建模;孙元存;刘三明;王致杰;刘剑;曹天行;;现代电力(05);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115292938A (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111157899B (zh) | 一种基于模型融合思想对电池soc的估计方法 | |
WO2019056753A1 (zh) | 一种分布式光伏电站集群的动态等值建模方法 | |
CN111628494B (zh) | 一种基于逻辑回归法的低压配电网拓扑识别方法及系统 | |
CN105938578A (zh) | 一种基于聚类分析的大规模光伏电站等值建模方法 | |
CN111103477B (zh) | 一种基于3d卷积神经网络的电气负载监测方法和系统 | |
CN111507422B (zh) | 基于cqfpa-wnn的变压器故障诊断方法 | |
CN106651000B (zh) | 一种基于半监督谱聚类的黑启动分区方法 | |
CN105024645B (zh) | 一种基于矩阵进化的光伏阵列故障定位方法 | |
CN115292938B (zh) | 基于改进bi-kmeans的大型光伏电站快速多机等值建模方法及装置 | |
CN111371125B (zh) | 一种考虑风机接入下提升系统同调性的解列分群优化方法 | |
CN109521693B (zh) | 一种风电场电磁暂态实时仿真方法和装置 | |
CN105896547B (zh) | 一种风电接入下的大电网分级电压控制方法 | |
CN111965442A (zh) | 一种数字孪生环境下的能源互联网故障诊断方法及装置 | |
CN106684854B (zh) | 一种基于节点等效的有源配电网电压越限风险分析方法 | |
Pan et al. | An adaptive genetic algorithm for the flexible job-shop scheduling problem | |
CN112182945A (zh) | 可用于各种微电网结构验证的试验微电网构建与控制方法 | |
Wang et al. | Analysis and calculation of line loss data based on hybrid clustering | |
Anuar et al. | Determination of typical electricity load profile by using double clustering of fuzzy c-means and hierarchical method | |
CN110737959A (zh) | 用于增材制造中多机床选用与结构拓扑优化同步设计方法 | |
CN110728299A (zh) | 基于多重极限学习机的电力系统故障后暂态稳定分层评估方法 | |
Wang et al. | Research on power system reliability evaluation based on improved time series algorithm | |
CN114188943B (zh) | 光伏场群动态等值建模方法与系统 | |
Miao et al. | A Transformer District Line Loss Calculation Method Based on Data Mining and Machine Learning | |
CN111798049B (zh) | 一种基于集成学习与多目标规划的电压稳定评估方法 | |
Wang et al. | Calculating theoretical line losses based on improved minimum enclosing ball vector machine |
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 |