CN117791579A - 一种分布式光伏集群划分优化方法、电子设备及存储介质 - Google Patents
一种分布式光伏集群划分优化方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117791579A CN117791579A CN202311824597.7A CN202311824597A CN117791579A CN 117791579 A CN117791579 A CN 117791579A CN 202311824597 A CN202311824597 A CN 202311824597A CN 117791579 A CN117791579 A CN 117791579A
- Authority
- CN
- China
- Prior art keywords
- node
- representing
- distributed photovoltaic
- voltage
- branch
- 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 56
- 238000005457 optimization Methods 0.000 title claims abstract description 24
- 230000008878 coupling Effects 0.000 claims abstract description 41
- 238000010168 coupling process Methods 0.000 claims abstract description 41
- 238000005859 coupling reaction Methods 0.000 claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000010845 search algorithm Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 51
- 230000035945 sensitivity Effects 0.000 claims description 34
- 230000008859 change Effects 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 13
- 230000009467 reduction Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000005192 partition Methods 0.000 claims description 5
- 238000011084 recovery Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种分布式光伏集群划分优化方法、电子设备及存储介质。所述方法包括：构建分布式光伏电力系统图模型；利用深度搜索算法遍历分布式光伏电力系统图模型中的各个根节点得到节点集合；根据节点集合中各节点的电压以及各节点的有功功率增量和无功功率增量确定根节点电气耦合距离，并计算节点的电压调节能力；根据根节点电气耦合距离确定边的权重，并基于边的权重以及所述节点的电压调节能力构建集群划分的目标函数；采用深度搜索和贪心算法遍历分布式光伏电力系统图模型中的各个节点，对目标函数求解，实现分布式光伏集群划分。使用该方法能够实现更优的分布式光伏集群划分。
Description
技术领域
本发明实施例涉及光伏新能源发电集群划分技术领域，尤其涉及一种分布式光伏集群划分优化方法、电子设备及存储介质。
背景技术
近年来，随着分布式光伏在电网中所占的比重的增加，分布式光伏一方面能够有效地提高同等光伏电站的发电量，另一方面也有效解决了电力在升压及长途运输过程中的损耗问题。
然而，由于光伏自身的随机性和波动性，导致大规模光伏集群式集中并网严重威胁着电网运行的静态安全。因此，分布式光伏的集群划分技术在有效利用新能源的同时，缓和了分布式光伏发电给系统带来的波动性和不确定性，被认为是大规模光伏并网研究的重要方向。
发明内容
本发明提供了一种分布式光伏集群划分优化方法、电子设备及存储介质，以解决分布式光伏的集群划分问题。
根据本发明的一方面，提供了一种分布式光伏集群划分优化方法，包括：
构建分布式光伏电力系统图模型，所述分布式光伏电力系统图模型为根据配电线网线路，将光伏并网点作为图的节点，配电线路作为边得到；
利用深度搜索算法遍历所述分布式光伏电力系统图模型中的各个根节点得到节点集合；
根据所述节点集合中各节点的电压以及所述各节点的有功功率增量和无功功率增量确定根节点电气耦合距离，并计算节点的电压调节能力；
根据所述根节点电气耦合距离确定边的权重，并基于所述边的权重以及所述节点的电压调节能力构建集群划分的目标函数；
采用深度搜索和贪心算法遍历所述分布式光伏电力系统图模型中的各个节点，对所述目标函数求解，实现分布式光伏集群划分。
根据本发明的另一方面，提供了一种分布式光伏集群划分优化装置，包括：
第一构建模块110，用于构建分布式光伏电力系统图模型，所述分布式光伏电力系统图模型为根据配电线网线路，将光伏并网点作为图的节点，配电线路作为边得到；
遍历模块120，用于利用深度搜索算法遍历所述分布式光伏电力系统图模型中的各个根节点得到节点集合；
确定模块130，用于根据所述节点集合中各节点的电压以及所述各节点的有功功率增量和无功功率增量确定根节点电气耦合距离，并计算节点的电压调节能力；
第二构建模块140，用于根据所述根节点电气耦合距离确定边的权重，并基于所述边的权重以及所述节点的电压调节能力构建集群划分的目标函数；
划分模块150，用于采用深度搜索和贪心算法遍历所述分布式光伏电力系统图模型中的各个节点，对所述目标函数求解，实现分布式光伏集群划分。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；
以及与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的分布式光伏集群划分优化方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的分布式光伏集群划分优化方法。
本发明实施例的技术方案，通过构建分布式光伏电力系统图模型；利用深度搜索算法遍历分布式光伏电力系统图模型中的各个根节点得到节点集合；根据节点集合中各节点的电压以及各节点的有功功率增量和无功功率增量确定根节点电气耦合距离，并计算节点的电压调节能力；根据根节点电气耦合距离确定边的权重，并基于边的权重以及所述节点的电压调节能力构建集群划分的目标函数；采用深度搜索和贪心算法遍历分布式光伏电力系统图模型中的各个节点，对目标函数求解，实现分布式光伏集群划分，解决了分布式光伏的集群划分问题，取到了实现更优的分布式光伏集群划分的有益效果。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明实施例一提供的一种分布式光伏集群划分优化方法的流程示意图；
图2为本发明实施例三提供的一种分布式光伏集群划分优化装置的结构示意图；
图3为本发明实施例的一种分布式光伏集群划分优化方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。应当理解，本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要注意，本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本发明实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
实施例一
图1为本发明实施例一提供的一种分布式光伏集群划分优化方法的流程示意图，该方法可适用于大规模光伏并网中的分布式光伏集群划分的情况，该方法可以由分布式光伏集群划分优化装置来执行，其中该装置可由软件和/或硬件实现，并一般集成在电子设备上，在本实施例中电子设备包括但不限于：计算机设备。
如图1所示，本发明实施例一提供的一种分布式光伏集群划分优化方法，包括如下步骤：
S110、构建分布式光伏电力系统图模型。
其中，所述分布式光伏电力系统图模型为根据配电网线路，将光伏并网点作为图的节点，配电线路作为边得到。
其中，可以从电力系统中获取简化的配电网线路，还可以通过其他方式获取，此处不做具体限制。
本实施例中，根据简化的配电网线路，将光伏并网点作为图的节点，配电线路作为边，构建得到分布式光伏电力系统图模型。
S120、利用深度搜索算法遍历所述分布式光伏电力系统图模型中的各个根节点得到节点集合。
(1)本实施例中，利用深度搜索算法遍历所述分布式光伏电力系统图模型中的各个根节点的步骤如下：访问图中的根节点v；
(2)依次访问图中和根节点v有路径相通且未被访问的节点p，如果节点p为叶子节点，则认为潜在的集群划分点在根节点v上，记录根节点v，并退回节点p的上一个节点；反之，继续执行步骤(2)，直至遍历整个图。
其中，将记录的所有节点组成节点集合{vk}。
S130、根据所述节点集合中各节点的电压以及所述各节点的有功功率增量和无功功率增量确定根节点电气耦合距离，并计算节点的电压调节能力。
其中，各节点的有功功率增量根据相邻节点的有功功率计算得到，各节点的无功功率增量根据相邻节点的无功功率计算得到。各节点的电压、相邻节点的有功功率和无功功率根据支路潮流方程计算得到。需要说明的是，相邻节点中的一个节点可以为母线节点。
本实施例中，根据节点集合中各节点的电压可以计算得到各节点的电压增量，根据各节点的电压增量ΔV以及各节点的有功功率增量ΔP和各节点的无功功率增量ΔQ可以计算出节点的有功功率变化灵敏度和无功率变化灵敏度；根据各节点的有功功率变化灵敏度和无功率变化灵敏度可以计算出根节点电气耦合距离；计算节点集合中各节点的电压调节能力ΨK。
S140、根据所述根节点电气耦合距离确定边的权重，并基于所述边的权重以及所述节点的电压调节能力构建集群划分的目标函数。
其中，计算边的权重可以知晓两个节点之间路径的重要程度，以节点i和节点j之间的边的权重为例进行说明：分别计算节点集合中每个节点对节点i的第一电气耦合距离，分别计算节点集合中每个节点对节点j的第二电气耦合距离；将第一电气耦合距离和第二电气耦合距离一一对应作差后取平方(例如第一个节点对节点i的第一电气耦合距离与第一个节点对节点j的第二电气耦合距离作差后取平方)，将得到的多个差值的平方进行求和再开根号可以得到节点i和节点j之间的边的权重ωij。
本实施例中，基于边的权重以及节点的电压调节能力构建集群划分的目标函数如下：
其中，f表示目标函数的函数值，minf表示目标函数的最小值，K表示划分集群的个数，λ表示偏置权重，Ck表示集群。
S150、采用深度搜索和贪心算法遍历所述分布式光伏电力系统图模型中的各个节点，对所述目标函数求解，实现分布式光伏集群划分。
本实施例中，对所述目标函数求解，实现分布式光伏集群划分可以获得光伏集群影响出力的最灵敏的母线和支路，从而为光伏集群并网提供参考依据。
进一步的，采用深度搜索和贪心算法遍历对所述目标函数求解的过程包括：
选择所述分布式光伏电力系统图模型中的根节点v；
依次访问图中和所述根节点v有路径相通且并未被访问的节点p，如果所述节点p为叶子结点，则将所述根节点v和所述节点p划分在一个集群内，计算所述目标函数的函数值f1；
若所述节点p为叶子节点，则退回至所述节点p的上一个节点，并继续遍历所述上一个节点的其他与根节点v有路径相通且未被访问的节点q，计算所述目标函数的函数值f2；
若f1>f2，则将所述节点q与所述根节点v以及所述节点p划分到一个集群内，否则，将节点q作为根节点重复上述过程，直至遍历整个图。
按照上述过程执行可以划分得到多个集群。
本发明实施例一提供的一种分布式光伏集群划分优化方法，首先构建分布式光伏电力系统图模型；其次利用深度搜索算法遍历所述分布式光伏电力系统图模型中的各个根节点得到节点集合；然后根据所述节点集合中各节点的电压以及所述各节点的有功功率增量和无功功率增量确定根节点电气耦合距离，并计算节点的电压调节能力；之后根据所述根节点电气耦合距离确定边的权重，并基于所述边的权重以及所述节点的电压调节能力构建集群划分的目标函数；最终采用深度搜索和贪心算法遍历所述分布式光伏电力系统图模型中的各个节点，对所述目标函数求解，实现分布式光伏集群划分。通过上述方法进行分布式光伏集群划分可以获得光伏集群影响出力的最灵敏的母线和支路，能够提高分布式光伏大规模接入的消纳比例和调度运行效率。
在上述实施例的基础上，提出了上述实施例的变型实施例，在此需要说明的是，为了使描述简要，在变型实施例中仅描述与上述实施例的不同之处。
进一步的，所述节点集合中各节点的电压以及所述各节点的有功功率增量和无功功率增量通过支路潮流方程计算得到；
所述支路潮流方程如下：
其中，Vi表示节点i的电压幅值，Vj表示节点j的电压幅值；Ii,out表示节点i流入支路ij的电流，Pi,out表示节点i流入支路ij的有功功率，Qi,out表示节点i流入支路ij的无功功率；Ik,out表示节点k流入支路ij的电流，Pk,out表示节点k流入支路ij的有功功率，Qk,out表示节点k流入支路ij的无功功率；Ij,in表示支路ij流入节点j的电流，Pj,in表示支路ij流入节点j的有功功率，Qj,in表示支路ij流入节点j的无功功率；Il,in表示支路ij流入节点l的电流，Pl,in表示支路ij流入节点l的有功功率，Ql,in表示支路ij流入节点l的无功功率；Pij,loss表示节点i至节点j所经过线路的有功功率总损耗，Qij,loss表示节点i至节点j所经过线路的无功功率总损耗；Pij,load表示节点i和节点j之间网络的净负荷有功功率值，Qij,load表示节点i和节点j之间网络的净负荷无功功率值；表示节点i至节点j所经过线路的集合；Rkl表示线路kl的电阻值，Xkl表示线路kl的电抗值。
其中，以节点j为例，节点j的有功功率增量可以根据各支路流入节点j的有功功率，节点i至节点j所经过线路的有功功率总损耗以及节点i和节点j之间网络的净负荷有功功率值计算得到；类似的，节点j的无功功率增量可以根据各支路流入节点j的无功功率，节点i至节点j所经过线路的无功功率总损耗以及节点i和节点j之间网络的净负荷无功功率值计算得到。
在一个实施例中，所述根节点电气耦合距离的计算公式如下：
其中，ein表示节点n对节点i的电气耦合距离，表示母线节点i对第j个节点的有功功率变化灵敏度，/>表示母线节点i对第j个节点的无功功率变化灵敏度，表示多个有功功率变化灵敏度中的最大值，/>表示多个无功功率变化灵敏度中的最大值。
可以理解的是，由于i和j的取值不同，和/>可以对应多个有功功率变化灵敏度，/>表示i和j的取不同值时得到的多个有功功率变化灵敏度中的最大值，同理/>表示i和j的取不同值时得到的多个无功功率变化灵敏度中的最大值。
所述母线节点i对第j个节点的有功功率变化灵敏度为第j个节点的无功功率增量与母线节点i对第j个节点的电压增量的比值；
所述母线节点i对第j个节点的无功功率变化灵敏度为第j个节点的无功功率增量与母线节点i对第j个节点的电压增量的比值；
其中，第j个节点的电压增量为第j个节点的电压幅值与第j个节点的相邻节点i的电压幅值的差值。
示例性的，ΔPj表示母线节点i对第j个节点的有功功率变化灵敏度，ΔPj表示第j个节点的有功功率增量，ΔVij表示第j个节点的电压增量；表示母线节点i对第j个节点的无功功率变化灵敏度，ΔQj表示第j个节点的无功功率增量，ΔVij＝Vj-Vi，Vj表示第j个节点的电压幅值，Vi表示第j个节点的相邻节点i的电压幅值。
进一步的，根据所述根节点电气耦合距离确定边的权重的计算公式如下：
其中，ein表示节点n对节点i的电气耦合距离，ejn表示节点n对节点j的电气耦合距离，N表示节点集合内节点的个数，ωij表示节点i和节点j之间边的权重。
进一步的，所述节点的电压调节能力的计算公式如下：
其中，λ1和λ2表示权重值，满足λ1+λ2＝1；表示所在的集群内光伏无功功率补偿缩减对电压越限量的恢复能力，/>表示所在的集群内光伏有功功率补偿缩减对电压越限量的恢复能力。
进一步的，所述和所述/>的计算公式如下：
其中，ΔVi表示集群Ck内母线节点i的电压超过电压上限的量，Ql,j表示节点j的无功功率裕度，Pdec,j表示节点j的光伏最大有功缩减量，表示母线节点i对第j个节点的有功功率变化灵敏度，/>表示母线节点i对第j个节点的无功功率变化灵敏度。
需要说明的是，集群Ck内母线节点i的电压为集群Ck的峰值电压。
实施例二
本发明实施例在上述各实施例的技术方案的基础上，提供了一种具体的实施方式。
作为本实施一种具体的实施方式，具体步骤如下：
步骤1：构建分布式光伏电力系统图模型。
根据简化的配电网线路，将光伏并网点作为图的节点，配电线路作为边，母线第i个节点电压对第j个节点有功功率变化灵敏度和无功功率变化的灵敏度/>的公式如下：
公式(1)中，ΔPj和ΔQj分别表示第j个节点的有功增量和无功增量；ΔVij为系统母线节点i对第j个节点的电压增量。因此，边的权重可以用如下公式表示：
公式(2)中，ein表示节点n对节点i的电气耦合距离，定义为：
步骤2：根据DistFlow支路潮流方程，计算节点电压，以及相邻节点之间的有功功率变化和无功功率变化。
两相邻量测节点i和j的量测数据满足如下潮流等式方程：
公式(4)中，Vi和Vj别为节点i和j的电压幅值；Ii,out、Pi,out和Qi,out分别表示节点i流入支路ij的电流、有功功率和无功功率；Ik,out、Pk,out和Qk,out分别表示节点k流入支路ij的电流、有功和无功功率；Ij,in、Pj,in和Qj,in分别表示支路ij流入节点j的电流、有功功率和无功功率；Il,in、Pl,in和Ql,in分别表示支路ij流入节点l的电流、有功功率和无功功率；Pij,loss和Qij,loss分别表示节点i至节点j所经过线路的有功功率总损耗和无功功率总损耗；Pij,load和Qij,load分别表示节点i和节点j之间网络的净负荷功率值；Lij表示节点i至节点j所经过线路的集合；Rkl和Xkl分别表示线路kl的电阻值和电抗值。
步骤3：计算节点的电压调节能力。
假定节点的电压调节能力为ΨK，公式如下：
公式(5)中，λ1和λ2为权重值，表示重要程度，其满足λ1+λ2＝1；和/>分别表示所在的集群Ck内无功功率补偿和光伏有功功率缩减对电压越限量的恢复能力，其计算公式如下：
其中，ΔVi为集群CK的峰值电压节点i的电压超过电压上限的量，该值受到集群划分的影响；若电压合格，则ΔVi＝0；Ql,j和Pdec,j分别表示节点j的无功功率裕度和光伏最大有功缩减量。
步骤4：构建目标函数，并通过深度搜索和贪心算法实现集群划分。
根据上述公式(2)和公式(5)，构建集群划分的目标函数如下：
公式(8)中，K表示为划分集群个数，λ为偏置权重。
针对公式(8)所示的目标函数，采用深度搜索和贪心算法遍历的方法求解，具体流程如下：
流程(1)：选择顶点v
流程(2)：依次访问图中和v有路径相通且并未被访问的顶点p，将{v，p}节点划分为一个集合，计算公式(8)的函数值f1；如果p为叶子节点，退回至上一个节点，并继续遍历上一个节点的其他和v有路径相通且未被访问的顶点q，此时计算公式(8)的函数值为f2，如果f1>f2，则将节点划分到一起。否则，以q为节点，继续流程(1)；直至遍历整个图。
实施例三
图2为本发明实施例三提供的一种分布式光伏集群划分优化装置的结构示意图，该装置可适用于大规模光伏并网中的分布式光伏集群划分的情况，其中该装置可由软件和/或硬件实现，并一般集成在电子设备上。
如图2所示，该装置包括：第一构建模块110、遍历模块120、确定模块130、第二构建模块140以及划分模块150。
第一构建模块110，用于构建分布式光伏电力系统图模型，所述分布式光伏电力系统图模型为根据配电线网线路，将光伏并网点作为图的节点，配电线路作为边得到；
遍历模块120，用于利用深度搜索算法遍历所述分布式光伏电力系统图模型中的各个根节点得到节点集合；
确定模块130，用于根据所述节点集合中各节点的电压以及所述各节点的有功功率增量和无功功率增量确定根节点电气耦合距离，并计算节点的电压调节能力；
第二构建模块140，用于根据所述根节点电气耦合距离确定边的权重，并基于所述边的权重以及所述节点的电压调节能力构建集群划分的目标函数；
划分模块150，用于采用深度搜索和贪心算法遍历所述分布式光伏电力系统图模型中的各个节点，对所述目标函数求解，实现分布式光伏集群划分。
在本实施例中，该装置首先通过第一构建模块110构建分布式光伏电力系统图模型，所述分布式光伏电力系统图模型为根据配电线网线路，将光伏并网点作为图的节点，配电线路作为边得到；其次通过遍历模块120利用深度搜索算法遍历所述分布式光伏电力系统图模型中的各个根节点得到节点集合；然后通过确定模块130根据所述节点集合中各节点的电压以及所述各节点的有功功率增量和无功功率增量确定根节点电气耦合距离，并计算节点的电压调节能力；之后通过第二构建模块140根据所述根节点电气耦合距离确定边的权重，并基于所述边的权重以及所述节点的电压调节能力构建集群划分的目标函数；最后通过划分模块150采用深度搜索和贪心算法遍历所述分布式光伏电力系统图模型中的各个节点，对所述目标函数求解，实现分布式光伏集群划分。
本实施例提供了一种分布式光伏集群划分优化装置，能够实现更优的分布式光伏集群划分。
进一步的，所述节点集合中各节点的电压以及所述各节点的有功功率增量和无功功率增量通过支路潮流方程计算得到；
所述支路潮流方程如下：
其中，Vi表示节点i的电压幅值，Vj表示节点j的电压幅值；Ii,out表示节点i流入支路ij的电流，Pi,out表示节点i流入支路ij的有功功率，Qi,out表示节点i流入支路ij的无功功率；Ik,out表示节点k流入支路ij的电流，Pk,out表示节点k流入支路ij的有功功率，Qk,out表示节点k流入支路ij的无功功率；Ij,in表示支路ij流入节点j的电流，Pj,in表示支路ij流入节点j的有功功率，Qj,in表示支路ij流入节点j的无功功率；Il,in表示支路ij流入节点l的电流，Pl,in表示支路ij流入节点l的有功功率，Ql,in表示支路ij流入节点l的无功功率；Pij,loss表示节点i至节点j所经过线路的有功功率总损耗，Qij,loss表示节点i至节点j所经过线路的无功功率总损耗；Pij,load表示节点i和节点j之间网络的净负荷有功功率值，Qij,load表示节点i和节点j之间网络的净负荷无功功率值；表示节点i至节点j所经过线路的集合；Rkl表示线路kl的电阻值，Xkl表示线路kl的电抗值。
进一步的，所述根节点电气耦合距离的计算公式如下：
其中，ein表示节点n对节点i的电气耦合距离，表示母线节点i对第j个节点的有功功率变化灵敏度，/>表示母线节点i对第j个节点的无功功率变化灵敏度，表示多个有功功率变化灵敏度中的最大值，/>表示多个无功功率变化灵敏度中的最大值；
所述母线节点i对第j个节点的有功功率变化灵敏度为第j个节点的无功功率增量与母线节点i对第j个节点的电压增量的比值；
所述母线节点i对第j个节点的无功功率变化灵敏度为第j个节点的无功功率增量与母线节点i对第j个节点的电压增量的比值；
其中，第j个节点的电压增量为第j个节点的电压幅值与第j个节点的相邻节点i的电压幅值的差值。
进一步的，根据所述根节点电气耦合距离确定边的权重的计算公式如下：
其中，ein表示节点n对节点i的电气耦合距离，ejn表示节点n对节点j的电气耦合距离，N表示节点集合内节点的个数，ωij表示节点i和节点j之间边的权重。
进一步的，所述节点的电压调节能力的计算公式如下：
其中，λ1和λ2表示权重值，满足λ1+λ2＝1；表示所在的集群内光伏无功功率补偿缩减对电压越限量的恢复能力，/>表示所在的集群内光伏有功功率补偿缩减对电压越限量的恢复能力。
在上述优化的基础上，所述和所述/>的计算公式如下：
其中，ΔVi表示集群Ck内母线节点i的电压超过电压上限的量，Ql,j表示节点j的无功功率裕度，Pdec,j表示节点j的光伏最大有功缩减量，表示母线节点i对第j个节点的有功功率变化灵敏度，/>表示母线节点i对第j个节点的无功功率变化灵敏度。
进一步的，所述目标函数为：
其中，f表示目标函数的函数值，minf表示目标函数的最小值，K表示划分集群的个数，λ表示偏置权重，Ck表示集群。
进一步的，采用深度搜索和贪心算法遍历对所述目标函数求解的过程包括：
选择所述分布式光伏电力系统图模型中的根节点v；
依次访问图中和所述根节点v有路径相通且并未被访问的节点p，如果所述节点p为叶子结点，则将所述根节点v和所述节点p划分在一个集群内，计算所述目标函数的函数值f1；
若所述节点p为叶子节点，则退回至所述节点p的上一个节点，并继续遍历所述上一个节点的其他与根节点v有路径相通且未被访问的节点q，计算所述目标函数的函数值f2；
若f1>f2，则将所述节点q与所述根节点v以及所述节点p划分到一个集群内，否则，将节点q作为根节点重复上述过程，直至遍历整个图。
上述分布式光伏集群划分优化装置可执行本发明任意实施例所提供的分布式光伏集群划分优化方法，具备执行方法相应的功能模块和有益效果。
实施例四
图3示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图3所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如分布式光伏集群划分优化方法。
在一些实施例中，分布式光伏集群划分优化方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的分布式光伏集群划分优化方法中的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行分布式光伏集群划分优化方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种分布式光伏集群划分优化方法，其特征在于，所述方法包括：
构建分布式光伏电力系统图模型，所述分布式光伏电力系统图模型为根据配电线网线路，将光伏并网点作为图的节点，配电线路作为边得到；
利用深度搜索算法遍历所述分布式光伏电力系统图模型中的各个根节点得到节点集合；
根据所述节点集合中各节点的电压以及所述各节点的有功功率增量和无功功率增量确定根节点电气耦合距离，并计算节点的电压调节能力；
根据所述根节点电气耦合距离确定边的权重，并基于所述边的权重以及所述节点的电压调节能力构建集群划分的目标函数；
采用深度搜索和贪心算法遍历所述分布式光伏电力系统图模型中的各个节点，对所述目标函数求解，实现分布式光伏集群划分。
2.根据权利要求1所述的方法，其特征在于，所述节点集合中各节点的电压以及所述各节点的有功功率增量和无功功率增量通过支路潮流方程计算得到；
所述支路潮流方程如下：
其中，Vi表示节点i的电压幅值，Vj表示节点j的电压幅值；Ii,out表示节点i流入支路ij的电流，Pi,out表示节点i流入支路ij的有功功率，Qi,out表示节点i流入支路ij的无功功率；Ik,out表示节点k流入支路ij的电流，Pk,out表示节点k流入支路ij的有功功率，Qk,out表示节点k流入支路ij的无功功率；Ij,in表示支路ij流入节点j的电流，Pj,in表示支路ij流入节点j的有功功率，Qj,in表示支路ij流入节点j的无功功率；Il,in表示支路ij流入节点l的电流，Pl,in表示支路ij流入节点l的有功功率，Ql,in表示支路ij流入节点l的无功功率；Pij,loss表示节点i至节点j所经过线路的有功功率总损耗，Qij,loss表示节点i至节点j所经过线路的无功功率总损耗；Pij,load表示节点i和节点j之间网络的净负荷有功功率值，Qij,load表示节点i和节点j之间网络的净负荷无功功率值；表示节点i至节点j所经过线路的集合；Rkl表示线路kl的电阻值，Xkl表示线路kl的电抗值。
3.根据权利要求1所述的方法，其特征在于，所述根节点电气耦合距离的计算公式如下：
其中，ein表示节点n对节点i的电气耦合距离，表示母线节点i对第j个节点的有功功率变化灵敏度，/>表示母线节点i对第j个节点的无功功率变化灵敏度，/>表示多个有功功率变化灵敏度中的最大值，/>表示多个无功功率变化灵敏度中的最大值；
所述母线节点i对第j个节点的有功功率变化灵敏度为第j个节点的无功功率增量与母线节点i对第j个节点的电压增量的比值；
所述母线节点i对第j个节点的无功功率变化灵敏度为第j个节点的无功功率增量与母线节点i对第j个节点的电压增量的比值；
其中，第j个节点的电压增量为第j个节点的电压幅值与第j个节点的相邻节点i的电压幅值的差值。
4.根据权利要求1所述的方法，其特征在于，根据所述根节点电气耦合距离确定边的权重的计算公式如下：
其中，ein表示节点n对节点i的电气耦合距离，ejn表示节点n对节点j的电气耦合距离，N表示节点集合内节点的个数，ωij表示节点i和节点j之间边的权重。
5.根据权利要求1所述的方法，其特征在于，所述节点的电压调节能力的计算公式如下：
其中，λ1和λ2表示权重值，满足λ1+λ2＝1；表示所在的集群内光伏无功功率补偿缩减对电压越限量的恢复能力，/>表示所在的集群内光伏有功功率补偿缩减对电压越限量的恢复能力。
6.根据权利要求5所述的方法，其特征在于，所述和所述/>的计算公式如下：
其中，ΔVi表示集群Ck内母线节点i的电压超过电压上限的量，Ql,j表示节点j的无功功率裕度，Pdec,j表示节点j的光伏最大有功缩减量，表示母线节点i对第j个节点的有功功率变化灵敏度，/>表示母线节点i对第j个节点的无功功率变化灵敏度。
7.根据权利要求1所述的方法，其特征在于，所述目标函数为：
其中，f表示目标函数的函数值，minf表示目标函数的最小值，K表示划分集群的个数，λ表示偏置权重，Ck表示集群。
8.根据权利要求1所述的方法，其特征在于，采用深度搜索和贪心算法遍历对所述目标函数求解的过程包括：
选择所述分布式光伏电力系统图模型中的根节点v；
依次访问图中和所述根节点v有路径相通且并未被访问的节点p，如果所述节点p为叶子结点，则将所述根节点v和所述节点p划分在一个集群内，计算所述目标函数的函数值f1；
若所述节点p为叶子节点，则退回至所述节点p的上一个节点，并继续遍历所述上一个节点的其他与根节点v有路径相通且未被访问的节点q，计算所述目标函数的函数值f2；
若f1>f2，则将所述节点q与所述根节点v以及所述节点p划分到一个集群内，否则，将节点q作为根节点重复上述过程，直至遍历整个图。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的分布式光伏集群划分优化方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-8中任一项所述的分布式光伏集群划分优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311824597.7A CN117791579A (zh) | 2023-12-27 | 2023-12-27 | 一种分布式光伏集群划分优化方法、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311824597.7A CN117791579A (zh) | 2023-12-27 | 2023-12-27 | 一种分布式光伏集群划分优化方法、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117791579A true CN117791579A (zh) | 2024-03-29 |
Family
ID=90386808
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311824597.7A Pending CN117791579A (zh) | 2023-12-27 | 2023-12-27 | 一种分布式光伏集群划分优化方法、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117791579A (zh) |
-
2023
- 2023-12-27 CN CN202311824597.7A patent/CN117791579A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109783997A (zh) | 一种基于深度神经网络的电力系统暂态稳定评估方法 | |
| CN116319377B (zh) | 一种抵御网络攻击的配电网分布式动态状态估计方法 | |
| CN114970154A (zh) | 一种暂态电压支撑能力量化评估指标构建方法 | |
| CN115459311A (zh) | 基于改进粒子群优化算法的混合储能容量优化方法及系统 | |
| CN114996635A (zh) | 一种配电网参数确定方法、装置、设备及存储介质 | |
| CN118229087A (zh) | 基于规范切与安全风险的关键输电断面搜索方法及系统 | |
| CN117973859A (zh) | 一种主配电网的风险防控方法、装置、设备和介质 | |
| WO2024109487A1 (zh) | 抽水蓄能机组甩负荷测试方法、装置、设备及介质 | |
| CN117892051A (zh) | 基于线图卷积神经网络的线路故障后电网潮流计算方法 | |
| CN117473384A (zh) | 一种电网线路安全约束辨识方法、装置、设备及存储介质 | |
| CN116931438A (zh) | 一种水轮机调速器参数确定方法、装置、设备及介质 | |
| CN117791579A (zh) | 一种分布式光伏集群划分优化方法、电子设备及存储介质 | |
| Shah et al. | Adaptive day-ahead prediction of resilient power distribution network partitions | |
| CN114784804A (zh) | 一种电力系统分析方法、装置、电子设备及存储介质 | |
| CN104793107B (zh) | 一种基于改进opa模型的电网连锁故障确定方法 | |
| Qian et al. | Static security analysis of source-side high uncertainty power grid based on deep learning | |
| CN117575175B (zh) | 碳排放评估方法、装置、电子设备和存储介质 | |
| CN116914737A (zh) | 配电网光伏承载力评估方法、装置、设备及存储介质 | |
| CN117200266B (zh) | 配电线路光伏汇集点储能容量配置方法、装置和设备 | |
| Nadeem et al. | Impact of uncertainty from renewables on dynamic state estimation of power networks | |
| CN118693831A (zh) | 适用于海量负荷参与的电力分配方法、设备及程序产品 | |
| CN118100233B (zh) | 微网群储能容量配置方法、装置、电子设备和存储介质 | |
| Jiang et al. | Short-Term Load Forecasting Method for AC/DC Distribution System Based on Ensemble Learning | |
| CN115549213A (zh) | 分布式电源接入规模确定方法、装置、电子设备、存储介质以及程序产品 | |
| CN118783411A (zh) | 一种电网异常捕捉方法及装置 |
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 |