CN116404642A - 一种分布式电源集群划分方法、装置、电子设备及存储介质 - Google Patents

一种分布式电源集群划分方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN116404642A
CN116404642A CN202310386556.8A CN202310386556A CN116404642A CN 116404642 A CN116404642 A CN 116404642A CN 202310386556 A CN202310386556 A CN 202310386556A CN 116404642 A CN116404642 A CN 116404642A
Authority
CN
China
Prior art keywords
index
cluster
inertia
formula
distributed power
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
Application number
CN202310386556.8A
Other languages
English (en)
Inventor
刘子文
李迪
江佳美
杨觐源
王银花
朱昊奕
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN202310386556.8A priority Critical patent/CN116404642A/zh
Publication of CN116404642A publication Critical patent/CN116404642A/zh
Pending legal-status Critical Current

Links

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
    • 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]
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种分布式电源集群划分方法、装置、电子设备及存储介质，属于分布式电源技术领域，方法包括：构建集群划分综合指标函数；计算待划分集群网络拓扑的邻接矩阵；根据所述邻接矩阵，采用遗传算法，对所述集群划分综合指标函数进行求解，获取分布式电源集群划分最优结果；其中，所述集群划分综合指标函数根据模块度指标、功率平衡指标和惯量支撑灵活性综合指标，结合模块度指标、功率平衡指标和惯量支撑灵活性综合指标对应的权重构建获取。该方法能够有效协调各种惯量资源，合理进行集群划分，提高集群高效并网和灵活调控的能力。

Description

一种分布式电源集群划分方法、装置、电子设备及存储介质
技术领域
本发明涉及一种分布式电源集群划分方法、装置、电子设备及存储介质，属于分布式电源技术领域。
背景技术
随着化石能源的逐渐衰竭和环境问题的日益严峻，我国能源结构加速向多元化、清洁化转变，同时发展重点由传统能源向新能源转变。风能、太阳能等可再生能源，以分布式就地接入配电网，是大规模可再生能源并网消纳的重要形式。随着分布式可再生能源通过电力电子设备大规模接入，电力系统的形态和运行特性发生了显著变化，系统的低惯量特征凸显。如何协调各种惯量资源，合理的进行集群划分，提高分布式电源集群高效并网和灵活调控的能力，是电力系统中较为重要的问题。
针对分布式电源的集群划分，首先需要建立集群划分的指标体系，其次采用有效的算法实现集群划分。在最近几年，新能源电力系统的集群划分指标引起了广泛的研究与关注。国内外学者提出了诸如综合模块度、有功无功平衡度、爬坡灵活性供需指标和集群调频灵活响应速度等指标。以上指标综合考虑了集群节点间功率互补的静态平衡特性，但短时功率扰动下集群内节点惯量互补特性和频率稳定性调节特性尚未体现，忽略了系统惯量水平对维持系统频率稳定的影响。
发明内容
本发明的目的在于提供一种分布式电源集群划分方法、装置、电子设备及存储介质，能够有效协调各种惯量资源，合理进行集群划分，提高集群高效并网和灵活调控的能力。
为达到上述目的，本发明提供如下技术方案：
第一方面，本发明提供一种分布式电源集群划分方法，包括：
构建集群划分综合指标函数；
计算待划分集群网络拓扑的邻接矩阵；
根据所述邻接矩阵，采用遗传算法，对所述集群划分综合指标函数进行求解，获取分布式电源集群划分最优结果；
其中，所述集群划分综合指标函数根据模块度指标、功率平衡指标和惯量支撑灵活性综合指标，结合模块度指标、功率平衡指标和惯量支撑灵活性综合指标对应的权重构建获取。
结合第一方面，进一步的，所述模块度指标的计算公式如公式(1)所示：
Figure BDA0004174225290000021
公式(1)中，w为模块度指标，i为分布式电源集群内的第i个节点，j为分布式电源集群内的第j个节点，Aij为连接第i个节点和第j个节点的边的权重，m为所有边的权重之和，ki为与第i个节点相连的所有边的权重之和，kj为与第j个节点相连的所有边的权重之和，
Figure BDA0004174225290000022
为第i个节点和第j个节点之间关系的衡量函数，若第i个节点和第j个节点在同一集群内，则/>
Figure BDA0004174225290000023
否则，/>
Figure BDA0004174225290000024
结合第一方面，进一步的，所述功率平衡指标包括有功平衡指标和无功平衡指标，所述有功平衡指标的计算公式如公式(2)所示：
Figure BDA0004174225290000025
公式(2)中，ηP为有功平衡指标，Pj为第j个节点提供的实际有功功率，PL为第j个节点消耗的实际有功功率；
所述无功平衡指标的计算公式如公式(3)所示：
Figure BDA0004174225290000031
公式(3)中，ηQ为无功平衡指标，Qj为第j个节点提供的实际无功功率，QL为第j个节点消耗的实际无功功率；
所述功率平衡指标的计算公式如公式(4)所示：
Figure BDA0004174225290000032
公式(4)中，μ为功率平衡指标，N为分布式电源集群总数，c为第c个集群，k为有功平衡指标对应的权重。
结合第一方面，进一步的，所述惯量支撑灵活性综合指标包括惯量支撑灵活性指标和惯量响应速度指标，所述惯量支撑灵活性指标的计算公式如公式(5)所示：
Figure BDA0004174225290000033
公式(5)中，h为惯量支撑灵活性指标，t为t时刻，
Figure BDA0004174225290000034
为t时刻第c个集群的惯量支撑灵活度，/>
Figure BDA0004174225290000035
为时间尺度内第c个集群的惯量支撑灵活度的最大值，τ为时间尺度；
所述惯量响应速度指标的计算公式如公式(6)所示：
Figure BDA0004174225290000036
公式(6)中，v为惯量响应速度指标，kc(t)为t时刻第c个集群的等效惯量响应速度；
所述惯量支撑灵活性综合指标的计算公式如公式(7)所示：
γ＝α1v+α2h (7)
公式(7)中，γ为惯量支撑灵活性综合指标，α1为惯量支撑灵活性指标对应的权重，α2为惯量响应速度指标对应的权重。
结合第一方面，进一步的，所述集群划分综合指标函数的表达式如公式(8)所示：
max(β1w+β2μ+β3γ) (8)
公式(8)中，β1为模块度指标对应的权重，β2为功率平衡指标对应的权重，β3为惯量支撑灵活性综合指标对应的权重。
结合第一方面，进一步的，根据所述邻接矩阵，采用遗传算法，对所述集群划分综合指标函数进行求解，获取分布式电源集群划分最优结果包括：
根据所述邻接矩阵，模拟遗传算法的染色体编码，生成初始种群；
将所述集群划分综合指标函数作为个体适应度函数，计算个体适应度值；
采用交叉和变异对种群进行更新，筛选出适应度值高的个体进入下一代种群，直至满足迭代终止条件为止，解码适应度值最高的个体，并将该个体作为分布式电源集群划分最优结果。
结合第一方面，进一步的，所述邻接矩阵为分布式电源集群中节点与节点的线路集合，所述邻接矩阵仅包含元素0和元素1，所述元素0表示节点之间无连接，所述元素1表示节点相连。
第二方面，本发明提供一种分布式电源集群划分装置，包括：
函数构建模块：用于构建集群划分综合指标函数；
邻接矩阵计算模块：用于计算待划分集群网络拓扑的邻接矩阵；
函数求解模块：用于根据所述邻接矩阵，采用遗传算法，对所述集群划分综合指标函数进行求解，获取分布式电源集群划分最优结果；
其中，所述集群划分综合指标函数根据模块度指标、功率平衡指标和惯量支撑灵活性综合指标，结合模块度指标、功率平衡指标和惯量支撑灵活性综合指标对应的权重构建获取。
第三方面，本发明提供一种电子设备，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据第一方面任一项所述方法的步骤。
第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面任一项所述方法的步骤。
与现有技术相比，本发明的有益效果是：
本发明所提供的分布式电源集群划分方法，综合考虑了集群内部结构强度、功率平衡能力、惯量灵活性支撑能力，对解决大规模分布式能源接入电网带来的低惯量问题有着显著效果。基于节点间的邻接矩阵进行编码，表示配电网集群划分过程中各支路的连接情况，使集群划分和遗传算法结合到一起，相较于传统快速社区算法，能够避免集群划分过程中因节点合并而造成的局部解问题。
附图说明
图1是本发明实施例提供的分布式电源集群划分方法流程图；
图2是本发明实施例提供的IEEE-33网络拓扑结构示意图；
图3是本发明实施例提供的方案一的集群划分结果示意图；
图4是本发明实施例提供的方案二的集群划分结果示意图；
图5是本发明实施例提供的方案三的集群划分结果示意图；
图6是本发明实施例提供的方案一的目标函数示意图；
图7是本发明实施例提供的方案二的目标函数示意图；
图8是本发明实施例提供的方案三的目标函数示意图。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
下面详细描述本专利的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利，而不能理解为对本专利的限制。在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
实施例一：
图1是本发明实施例一提供的一种分布式电源集群划分方法流程图，本流程图仅仅示出了本实施例方法的逻辑顺序，在互不冲突的前提下，在本发明其它可能的实施例中，可以以不同于图1所示的顺序完成所示出或描述的步骤。
本实施例提供的分布式电源集群划分方法可应用于终端，可以由分布式电源集群划分装置来执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在终端中，例如：任一具备通信功能的平板电脑或计算机设备。参见图1，本实施例的方法具体包括如下步骤：
步骤一：构建集群划分综合指标函数；
集群划分综合指标函数根据模块度指标、功率平衡指标和惯量支撑灵活性综合指标，结合模块度指标、功率平衡指标和惯量支撑灵活性综合指标对应的权重构建获取。
在分布式电源集群划分中，原则上，同一集群的节点联系相对紧密，而不同集群的节点联系相对松散。对此，本实施例将模块度指标引入集群划分中，采用基于电气距离的模块度指标作为集群的结构评价指标，以量化集群内部节点间的关联度。
计算分布式电源集群中节点间的电气距离时，引入无功灵敏度的概念，先计算分布式电源集群内节点的无功功率变化量，再根据分布式电源集群内节点的无功功率变化量，计算分布式电源集群中节点间的电气距离。
分布式电源集群内节点的无功功率变化量的计算公式如公式(9)所示：
Figure BDA0004174225290000071
公式(9)中，ΔQj为分布式电源集群内第j个节点的无功功率变化量，ΔVi为分布式电源集群内第i个节点的电压变化量，SVQ，ji为分布式电源集群内第i个节点的电压幅值关于第j个节点的无功功率变化的灵敏度。
分布式电源集群中节点间的电气距离的计算公式如公式(10)所示：
Figure BDA0004174225290000072
公式(10)中，SVQ，jj为分布式电源集群内第j个节点的电压幅值关于第j个节点的无功功率变化的灵敏度，dij为第j个节点的无功功率变化对第i个节点和第j个节点的电压影响的相似程度，dij越大表示第j个节点的无功功率变化对第i个节点和第j个节点的电压影响的相似程度越高，即第i个节点和第j个节点间的电气距离越小。一般来说，节点间的电气距离越小，节点间的边的权重越大。
模块度指标的计算公式如公式(1)所示：
Figure BDA0004174225290000073
公式(1)中，w为模块度指标，i为分布式电源集群内的第i个节点，j为分布式电源集群内的第j个节点，Aij为连接第i个节点和第j个节点的边的权重，m为所有边的权重之和，ki为与第i个节点相连的所有边的权重之和，kj为与第j个节点相连的所有边的权重之和，
Figure BDA0004174225290000081
为第i个节点和第j个节点之间关系的衡量函数，若第i个节点和第j个节点在同一集群内，则/>
Figure BDA0004174225290000082
否则，/>
Figure BDA0004174225290000083
功率平衡指标包括有功平衡指标和无功平衡指标，有功平衡指标的计算公式如公式(2)所示：
Figure BDA0004174225290000084
公式(2)中，ηP为有功平衡指标，Pj为第j个节点提供的实际有功功率，PL为第j个节点消耗的实际有功功率。有功平衡指标ηP体现了集群有功功率的剩余量相对于消耗量的占比。
无功平衡指标的计算公式如公式(3)所示：
Figure BDA0004174225290000085
公式(3)中，ηQ为无功平衡指标，Qj为第j个节点提供的实际无功功率，QL为第j个节点消耗的实际无功功率。无功平衡指标ηQ体现了集群无功功率的剩余量相对于消耗量的占比。
功率平衡指标的计算公式如公式(4)所示：
Figure BDA0004174225290000086
公式(4)中，μ为功率平衡指标，N为分布式电源集群总数，c为第c个集群，k为有功平衡指标对应的权重。功率平衡指标μ通过协调节点之间的组合，充分发挥集群的自治能力。
随着新能源渗透率的不断提高，系统的惯量水平逐渐降低。为了维持系统频率稳定，集群应该具有一定的调节速度以保证系统的频率和电压在短时间内能够回到正常的范围从而保证系统的稳定性。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，对应集群内部的惯量响应速度需求也会增加，此时应尽可能快的将惯量供应上来维持系统的稳定。
系统需要集群能够充分发挥惯量支撑能力，集群的惯量支撑灵活度定义为：在所研究的时间尺度下，满足集群内部惯量需求的同时，集群能够向外界提供的惯量支撑能力，集群的惯量支撑灵活度的计算公式如公式(11)所示：
Figure BDA0004174225290000091
公式(11)中，
Figure BDA0004174225290000092
为t时刻第c个集群的惯量支撑灵活度，ΔPH(t)为集群的惯量支撑能力，当ΔPH(t)＞0时，表示在给定的时间尺度内，集群惯量源发出的有功支撑功率大于各节点所需的惯量功率，当ΔPH(t)<0时，表示在给定的时间尺度内，集群惯量源发出的有功支撑功率小于各节点所需的惯量功率，集群无法为外界提供惯量支撑功率。
集群的惯量响应特性与集群各惯量源的惯量支撑能力有关，还与惯量响应速度有关。集群的等效惯量响应速度的计算公式如公式(12)所示：
Figure BDA0004174225290000093
公式(12)中，kc(t)为t时刻第c个集群的等效惯量响应速度，
Figure BDA0004174225290000094
为t时刻第c个集群内第i个节点的惯量供给资源，/>
Figure BDA0004174225290000095
为t时刻第c个集群内第i个节点的惯量需求，tiL为第c个集群内第i个节点的惯量响应持续时间，tc为第c个集群内所有节点的惯量响应结束时间。
惯量支撑灵活性综合指标包括惯量支撑灵活性指标和惯量响应速度指标，对集群的惯量支撑灵活度进行归一化处理，获取惯量支撑灵活性指标，惯量支撑灵活性指标的计算公式如公式(5)所示：
Figure BDA0004174225290000101
公式(5)中，h为惯量支撑灵活性指标，t为t时刻，
Figure BDA0004174225290000102
为时间尺度内第c个集群的惯量支撑灵活度的最大值，τ为时间尺度。惯量支撑灵活性指标h越大，表示集群可响应惯量支撑的功率越大，对外惯量需求越小，集群的惯量支撑能力越强。
对集群的等效惯量响应速度进行归一化处理，获取惯量响应速度指标，惯量响应速度指标的计算公式如公式(6)所示：
Figure BDA0004174225290000103
公式(6)中，v为惯量响应速度指标。惯量响应速度指标v越大，表示集群的响应速度越快。
惯量支撑灵活性综合指标的计算公式如公式(7)所示：
γ＝α1v+α2h (7)
公式(7)中，γ为惯量支撑灵活性综合指标，α1为惯量支撑灵活性指标对应的权重，α2为惯量响应速度指标对应的权重。
惯量支撑灵活性综合指标的定义计及了不同集群中可调节灵活资源的惯量支撑作用和响应速度，以进一步促进分布式可再生能源的消纳及惯量的灵活性应用，是考虑了多方因素的较为全面的应用。
根据模块度指标、功率平衡指标和惯量支撑灵活性综合指标，结合模块度指标、功率平衡指标和惯量支撑灵活性综合指标对应的权重，构建获取集群划分综合指标函数，集群划分综合指标函数的表达式如公式(8)所示：
max(β1w+β2μ+β3γ) (8)
公式(8)中，β1为模块度指标对应的权重，β2为功率平衡指标对应的权重，β3为惯量支撑灵活性综合指标对应的权重。模块度指标对应的权重β1、功率平衡指标对应的权重β2、惯量支撑灵活性综合指标对应的权重β3取决于集群消纳区域的实际所需和设计目的。w越大，表示集群的结构越紧密，即结构性越好。μ越大，表示集群内部的自我消纳能力越强。γ越大，表示集群的惯量支撑灵活性越好，调频响应速度越快，资源利用率越高。
步骤二：计算待划分集群网络拓扑的邻接矩阵；
邻接矩阵为分布式电源集群中节点与节点的线路集合，邻接矩阵仅包含元素0和元素1，元素0表示节点之间无连接，元素1表示节点相连，以此表示待划分集群的节点连接关系。集群的划分方式可以通过改变邻接矩阵中的元素实现，不同的邻接矩阵对应不同的集群结果。
步骤三：根据邻接矩阵，采用遗传算法，对集群划分综合指标函数进行求解，获取分布式电源集群划分最优结果；
根据邻接矩阵，采用遗传算法，对集群划分综合指标函数进行求解，获取分布式电源集群划分最优结果包括如下步骤：
步骤A：根据邻接矩阵，模拟遗传算法的染色体编码，生成初始种群；
步骤B：将集群划分综合指标函数作为个体适应度函数，计算个体适应度值；
步骤C：采用交叉和变异对种群进行更新，筛选出适应度值高的个体进入下一代种群，直至满足迭代终止条件为止，解码适应度值最高的个体，并将该个体作为分布式电源集群划分最优结果。
在本实施例中，选用IEEE-33节点系统作为分析对象，验证分布式电源集群划分方法在考虑惯量灵活支撑能力上判断标准的有效性。以遗传算法将其进行划分，并对结果进行比较和分析。IEEE-33系统的初始网络拓扑结构如附图2所示。该网络一共有33个节点，其中节点0为传统电源节点，不参与集群划分，其余节点均为负荷节点，且均可接入DG。接入配电网中的DG节点共10个，其中节点5、6、11、16、20主要接有分布式光伏电源，节点13、25、27、29、31主要接有分布式风电电源。遗传算法的相关参数设置为：种群个数num＝32，最大遗传代数MAXGEN＝40，子代与父代的重复率为0.1，即GGAP＝0.9。与此同时，综合考虑惯量灵活支撑能力，对比分析不同指标权重对集群划分的影响。考虑模块度指标、功率平衡指标、惯量支撑灵活性指标、惯量响应速度指标，方案一设置各指标所占的目标权重为0.5、0.5、0、0；方案二设置各指标所占的目标权重0.3、0.4、0.1、0.2；方案三设置各指标所占的目标权重0.3、0.4、0.2、0.1。其中，方案一代表传统指标下的划分，方案二、方案三考虑了惯量支撑灵活性指标、惯量响应速度指标对集群划分的影响，三种方案指标设置了不同的权重组合。得到集群划分结果如图3、图4、图5所示。
由图3、图4、图5可知，采用模块度指标和功率平衡指标作为集群划分的依据，划分的集群内无孤立节点，功率指标为0.1607，集群的功率平衡能力较好。但未考虑惯量支撑灵活性综合指标，调频响应速度较差。方案二、方案三在计及集群内惯量资源调节能力的基础上，以满足集群的惯量灵活性平衡需求进行划分，当惯量支撑灵活性指标的权重更大时，惯量支撑灵活性指标、惯量响应速度指标提高为0.7284、0.5300，其划分集群的灵活性优势更为突出；当惯量响应速度指标的权重较大时，惯量支撑灵活性指标、惯量响应速度指标提高为0.8320、0.5800，则是调频速度优势更为突出。
利用遗传算法划分适应度的结果如图6、图7、图8所示。由图6、图7、图8可知，在遗传算法中，迭代初期，目标函数的均值总体成上升趋势，种群的适应度逐渐增大，随着迭代次数的增加，最优解在连续进化若干次后仍无明显变化，满足收敛判据。对于方案二、方案三，加入惯量支撑灵活性指标和惯量响应速度指标后的集群综合性能较高，说明在网络结构方面，集群的结构较紧密；在功率平衡方面，集群内部能较好地实现自我消纳；在惯量灵活性方面，集群惯量支撑灵活性明显提高，调频响应速度较快，集群的频率稳定性调节能力得到提升。因此，本实施例采用的分布式电源集群划分方法相较于传统指标有着明显的优势。
实施例二：
本实施例提供一种分布式电源集群划分装置，包括：
函数构建模块：用于构建集群划分综合指标函数；
邻接矩阵计算模块：用于计算待划分集群网络拓扑的邻接矩阵；
函数求解模块：用于根据邻接矩阵，采用遗传算法，对集群划分综合指标函数进行求解，获取分布式电源集群划分最优结果；
其中，集群划分综合指标函数根据模块度指标、功率平衡指标和惯量支撑灵活性综合指标，结合模块度指标、功率平衡指标和惯量支撑灵活性综合指标对应的权重构建获取。
本发明实施例所提供的分布式电源集群划分装置可执行本发明任意实施例所提供的分布式电源集群划分方法，具备执行方法相应的功能模块和有益效果。
实施例三：
本实施例提供一种电子设备，包括处理器及存储介质；
存储介质用于存储指令；
处理器用于根据指令进行操作以执行实施例一中方法的步骤。
实施例四：
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现实施例一中方法的步骤。
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。
以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种分布式电源集群划分方法，其特征在于，包括：
构建集群划分综合指标函数；
计算待划分集群网络拓扑的邻接矩阵；
根据所述邻接矩阵，采用遗传算法，对所述集群划分综合指标函数进行求解，获取分布式电源集群划分最优结果；
其中，所述集群划分综合指标函数根据模块度指标、功率平衡指标和惯量支撑灵活性综合指标，结合模块度指标、功率平衡指标和惯量支撑灵活性综合指标对应的权重构建获取。
2.根据权利要求1所述的分布式电源集群划分方法，其特征在于，所述模块度指标的计算公式如公式(1)所示：
Figure FDA0004174225280000011
公式(1)中，w为模块度指标，i为分布式电源集群内的第i个节点，j为分布式电源集群内的第j个节点，Aij为连接第i个节点和第j个节点的边的权重，m为所有边的权重之和，ki为与第i个节点相连的所有边的权重之和，kj为与第j个节点相连的所有边的权重之和，
Figure FDA0004174225280000012
为第i个节点和第j个节点之间关系的衡量函数，若第i个节点和第j个节点在同一集群内，则/>
Figure FDA0004174225280000013
否则，/>
Figure FDA0004174225280000014
3.根据权利要求1所述的分布式电源集群划分方法，其特征在于，所述功率平衡指标包括有功平衡指标和无功平衡指标，所述有功平衡指标的计算公式如公式(2)所示：
Figure FDA0004174225280000015
公式(2)中，ηP为有功平衡指标，Pj为第j个节点提供的实际有功功率，PL为第j个节点消耗的实际有功功率；
所述无功平衡指标的计算公式如公式(3)所示：
Figure FDA0004174225280000021
公式(3)中，ηQ为无功平衡指标，Qj为第j个节点提供的实际无功功率，QL为第j个节点消耗的实际无功功率；
所述功率平衡指标的计算公式如公式(4)所示：
Figure FDA0004174225280000022
公式(4)中，μ为功率平衡指标，N为分布式电源集群总数，c为第c个集群，k为有功平衡指标对应的权重。
4.根据权利要求1所述的分布式电源集群划分方法，其特征在于，所述惯量支撑灵活性综合指标包括惯量支撑灵活性指标和惯量响应速度指标，所述惯量支撑灵活性指标的计算公式如公式(5)所示：
Figure FDA0004174225280000023
公式(5)中，h为惯量支撑灵活性指标，t为t时刻，
Figure FDA0004174225280000024
为t时刻第c个集群的惯量支撑灵活度，/>
Figure FDA0004174225280000025
为时间尺度内第c个集群的惯量支撑灵活度的最大值，τ为时间尺度；
所述惯量响应速度指标的计算公式如公式(6)所示：
Figure FDA0004174225280000026
公式(6)中，v为惯量响应速度指标，kc(t)为t时刻第c个集群的等效惯量响应速度；
所述惯量支撑灵活性综合指标的计算公式如公式(7)所示：
γ＝α1v+α2h (7)
公式(7)中，γ为惯量支撑灵活性综合指标，α1为惯量支撑灵活性指标对应的权重，α2为惯量响应速度指标对应的权重。
5.根据权利要求1所述的分布式电源集群划分方法，其特征在于，所述集群划分综合指标函数的表达式如公式(8)所示：
max(β1w+β2μ+β3γ)(8)公式(8)中，β1为模块度指标对应的权重，β2为功率平衡指标对应的权重，β3为惯量支撑灵活性综合指标对应的权重。
6.根据权利要求1所述的分布式电源集群划分方法，其特征在于，根据所述邻接矩阵，采用遗传算法，对所述集群划分综合指标函数进行求解，获取分布式电源集群划分最优结果包括：
根据所述邻接矩阵，模拟遗传算法的染色体编码，生成初始种群；
将所述集群划分综合指标函数作为个体适应度函数，计算个体适应度值；
采用交叉和变异对种群进行更新，筛选出适应度值高的个体进入下一代种群，直至满足迭代终止条件为止，解码适应度值最高的个体，并将该个体作为分布式电源集群划分最优结果。
7.根据权利要求1所述的分布式电源集群划分方法，其特征在于，所述邻接矩阵为分布式电源集群中节点与节点的线路集合，所述邻接矩阵仅包含元素0和元素1，所述元素0表示节点之间无连接，所述元素1表示节点相连。
8.一种分布式电源集群划分装置，其特征在于，包括：
函数构建模块：用于构建集群划分综合指标函数；
邻接矩阵计算模块：用于计算待划分集群网络拓扑的邻接矩阵；
函数求解模块：用于根据所述邻接矩阵，采用遗传算法，对所述集群划分综合指标函数进行求解，获取分布式电源集群划分最优结果；
其中，所述集群划分综合指标函数根据模块度指标、功率平衡指标和惯量支撑灵活性综合指标，结合模块度指标、功率平衡指标和惯量支撑灵活性综合指标对应的权重构建获取。
9.一种电子设备，其特征在于，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1～7任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1～7任一项所述方法的步骤。
CN202310386556.8A 2023-04-12 2023-04-12 一种分布式电源集群划分方法、装置、电子设备及存储介质 Pending CN116404642A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310386556.8A CN116404642A (zh) 2023-04-12 2023-04-12 一种分布式电源集群划分方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310386556.8A CN116404642A (zh) 2023-04-12 2023-04-12 一种分布式电源集群划分方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN116404642A true CN116404642A (zh) 2023-07-07

Family

ID=87013880

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310386556.8A Pending CN116404642A (zh) 2023-04-12 2023-04-12 一种分布式电源集群划分方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116404642A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
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

Cited By (1)

* Cited by examiner, † Cited by third party
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
CN110994694B (zh) 计及差异化需求响应的微电网源荷储协调优化调度方法
CN109672184B (zh) 一种含光伏的配电网电压控制方法和系统
CN111401604B (zh) 电力系统负荷功率预测方法及储能电站功率分配方法
CN108551176B (zh) 一种结合储能均衡技术的储能电池系统容量配置方法
CN110429649A (zh) 考虑灵活性的高渗透率可再生能源集群划分方法
CN115577864B (zh) 基于多模型组合运算的配电网运行优化调度方法
CN114336785B (zh) 一种基于网格聚类的分布式电源群控群调控制方法及装置
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
CN111277004A (zh) 一种配电网“源-网-荷”两阶段多目标控制方法及系统
CN112103941A (zh) 考虑电网灵活性的储能配置双层优化方法
CN104915788B (zh) 一种考虑多风场相关性的电力系统动态经济调度的方法
CN117172486A (zh) 一种基于强化学习的虚拟电厂光储资源聚合调控方法
CN113673141B (zh) 一种基于数据驱动的能量路由器建模及优化控制方法
CN116865270A (zh) 一种含嵌入式直流的柔性互联配电网优化调度方法及系统
CN115912421A (zh) 一种配电网储能选址定容多目标优化方法及系统
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
CN110970939B (zh) 一种分布式能源集群优化方法及系统
CN113013909A (zh) 一种基于平抑牵引的储能容量改进方法
CN110717694A (zh) 基于新能源消纳期望值的储能配置随机决策方法及装置
CN112103987B (zh) 一种风电接入电网的无功电压两级分区及控制方法
CN112465289B (zh) 一种基于集成神经网络的智能电网经济调度方法
CN116169716A (zh) 分布式光储配电网调度方法、装置、存储介质及设备
Shekhar et al. Automatic generation control of a hybrid power system in deregulated environment utilizing GA, DE and CA tuned PID controller
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

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