本發明涉及配電網集群劃分,具體為一種基于耦合系數指標的配電網臺區動態集群劃分方法及裝置。
背景技術:
1、利用光伏逆變器進行無功補償,調節光伏并網點以及附近節點電壓水平是一種靈活可行的電壓調節方式。將配電網劃分為多個集群,并明確光伏與集群從屬關系,是對光伏進行分區控制的先決條件。
2、然而,采用光伏逆變器進行無功補償面臨著電壓調節效率和光伏出力決策計算量兩方面的問題。第一,單臺光伏逆變器對不同節點的電壓調節效果不同,根據電壓靈敏度矩陣特征,光伏的電壓調節效果與節點電氣距離有關。光伏對與之電氣距離更近的節點的電壓調節效果更好,而對于電氣距離較遠的節點,需要光伏補償更多的無功功率才可能使節點獲得相同的電壓幅值增量。第二,在分布式電壓控制中,集群控制器一方面接受云端控制器中心下發的控制命令進行調壓,另一方面接受所在集群設備層上傳的光伏和負荷等數據并進行數據分析,從而下發指令給控制對象,對集群內部的光伏出力、電壓等進行控制,實現集群分區域自治運行。但是,如果設備和集群控制器隸屬關系動態變化,將大大提升控制器的決策計算量。實際上,不同時間斷面的配電網運行特性可能相似,可通過場景聚合統一不同時間斷面下的光伏-集群隸屬關系,從而降低計算量。
3、目前對配電網集群劃分的研究主要包括集群劃分指標和聚類方法兩部分。目前的分區指標多為基于靈敏度矩陣的耦合指標,能夠充分反應節點有功功率和無功功率功率變化對節點電壓的影響,作為探索敏感響應節點群的指標依據,得到了廣泛應用。集群劃分方法主囊括了聚類算法、優化算法和復雜網絡社區檢測算法。k-means是最常見的方法之一,具有算法邏輯簡單、容易實現特點,但是對于噪聲和離群點較為敏感,結果可能不準確。優化算法能在全局搜索最優解,適應性強,很適合處理復雜優化問題。但是算法的計算量和計算時間可能較大。復雜網絡社區檢測算法適用于處理大規模網絡數據,但是某些社區檢測算法存在分辨率限制,可能無法發現規模較小的社區。
4、綜上,現有技術的缺點如下:
5、1)現有集群劃分指標大多依賴于網絡拓撲和線路參數,參數的不準確將影響計算結果。
6、2)現有集群劃分方法沒有考慮各集群內部的光伏無功補償能力。
7、3)現有技術很少考慮配電臺區運行工況變化對集配電網集群劃分結果的影響。尤其是采用準確度相對較高的優化算法進行實時配電網動態集群劃分時,計算量將陡然增大,耗時長。
8、4)目前的實時集群劃分方法不僅會增加計算量,也會導致光伏與集群之間的映射關系頻繁變化,增加光伏調控難度。
技術實現思路
1、針對上述問題,本發明的目的在于提供一種基于耦合系數指標的配電網臺區動態集群劃分方法及裝置,將不同時間段中集群結構相似的劃分結果進行聚合,從而實現了適用于配電臺區任意運行工況下的集群劃分,能夠在不失準確性的前提下降低分區計算量。技術方案如下:
2、一種基于耦合系數指標的配電網臺區動態集群劃分方法,包括:
3、確定基于靈敏度相關系數的集群劃分指標,計算無功電壓靈敏度相關系數、集群的自耦系數和集群間的互耦系數;
4、根據所述自耦系數和互耦系數確定集群劃分綜合指標,以群劃分綜合指標最大化為目標函數,確定集群個數和集群無功補償容量的約束條件,構建考慮區域光伏無功補償容量平等分配的配電網集群劃分模型,并采用遺傳算法進行求解;
5、基于配電網運行工況的動態變化,通過所述配電網集群劃分模型,采用多時間斷面下不同集群劃分結果的聚合方法進行動態集群劃分。
6、更進一步的,所述確定基于靈敏度相關系數的集群劃分指標,計算無功電壓靈敏度相關系數、集群的自耦系數和集群間的互耦系數,包括:
7、定義配電網內節點i和節點j之間在t時刻的無功電壓靈敏度相關系數rvq.ij(t)表示如下:
8、
9、其中,n為配電網節點總數,和分別表示配電網所有節點在t時刻對節點i和節點j的無功電壓靈敏度向量;和分別表示t時刻節點k對節點i和節點j的無功電壓靈敏度,k=1,2,…,n;和分別為無功電壓靈敏度向量和中樣本的標準差,和分別為無功電壓靈敏度向量和中樣本的均值;
10、無功電壓靈敏度向量和的表達式為:
11、
12、其中,和分別為節點k對節點i和節點j的無功電壓靈敏度;
13、定義rvq.x(t)為集群x在t時刻的自耦系數,rvq.xy(t)為集群x與集群y之間t時刻的互耦系數;
14、自耦系數rvq.x(t)和互耦系數rvq.xy(t)的表達式為:
15、
16、
17、
18、其中,nx和ny分別是集群x和集群y中的節點數量;nx和ny分別為集群x和集群y中的節點集合;為空集;
19、設集群數量為nc,則集群內部的自耦系數以及各集群之間的互耦系數取平均值:
20、
21、
22、其中,rx,avg(t)為集群內部的自耦系數平均值;rxy,avg(t)分別為各集群之間的互耦系數平均值。
23、更進一步的,構建考慮區域光伏無功補償容量平等分配的配電網集群劃分模型及求解具體如下:
24、確定目標函數:
25、基于自耦系數和互耦系數的指標,提出集群劃分綜合指標fr(t)作為適應度函數,并以fr(t)最大作為優化目標:
26、max[fr(t)]=max[(rx,avg(t)-rxy,avg(t))]?????(8)
27、設置約束條件:
28、a)集群個數約束:
29、在每個集群數量下,對集群劃分模型進行求解,限制集群個數如下:
30、nc,min≤nc≤nc,max??(9)
31、其中,nc,min是最小集群數,nc,max是最大集群數;
32、b)集群無功補償容量約束:
33、為保證各集群均具備一定的光伏無功補償容量,并且總體無功補償量在各集群得到合理分配,設置如下約束:
34、
35、其中,qload(t)和qpv(t)分別是負荷t時刻最大無功功率和配電網光伏t時刻可參與無功補償的最大容量,qx,load(t)是集群x在t時刻的負荷最大無功功率,qx,pv(t)為集群x在t時刻的光伏可參與無功補償最大容量;qx,pv(t)的表達式為:
36、
37、其中,是集群x內第h個光伏逆變器的容量,nx.pv為集群x內的光伏節點集合,是集群x內第h個光伏t時刻的最大跟蹤功率;
38、進行求解:
39、以節點編號為決策變量,以集群劃分綜合指標作為適應度函數,采用遺傳算法進行求解:首先初始化種群,篩選種群中適應度函數最大對應的個體作為第一次迭代中的最優個體;然后對初始種群進行選擇、交叉、變異和倒位操作更新種群信息,計算第二代中的最優個體,以此類推,直至滿足終止條件為止。
40、更進一步的,所述采用多時間斷面下不同集群劃分結果的聚合方法進行動態集群劃分具體如下:
41、基于配電網運行參數進行潮流計算,獲取設定時間段內的電壓靈敏度矩陣,并通過配電網集群劃分模型對配電網進行初始集群劃分,獲取第一個時間斷面初始集群劃分結果;
42、根據第一時間斷面集群劃分結果獲取相應的綜合指標值,記為fr(t-);將下一個時間斷面電壓靈敏度矩陣替換前一個時間斷面的靈敏度矩陣,基于修正后的電壓靈敏度矩陣重新計算在前一個時間斷面集群劃分結果下的綜合指標,記為fr(t+);
43、計算fr(t+)與fr(t-)的差值,如果差值滿足公下式,則后時刻的集群劃分結果和前時刻的集群劃分結果相同,否則以當前時刻的集群劃分結果為準;
44、|fr(t+)-fr(t-)|≤ft???????????????????????????(12)
45、其中,ft表示前后時刻目標函數值之差的閾值。
46、一種基于耦合系數指標的配電網臺區動態集群劃分裝置,包括:
47、集群劃分指標確定模塊:確定基于靈敏度相關系數的集群劃分指標,計算無功電壓靈敏度相關系數、集群的自耦系數和集群間的互耦系數;
48、配電網集群劃分模型構建模塊:根據所述自耦系數和互耦系數確定集群劃分綜合指標,以群劃分綜合指標最大化為目標函數,確定集群個數和集群無功補償容量的約束條件,從而構建考慮區域光伏無功補償容量平等分配的配電網集群劃分模型,并采用遺傳算法進行求解;
49、集群間的互耦系數:基于配電網運行工況的動態變化,采用多時間斷面下不同集群劃分結果的聚合方法進行動態集群劃分。
50、進一步的,在集群劃分指標確定模塊中首先定義配電網內節點i和節點j之間在t時刻的無功電壓靈敏度相關系數rvq.ij(t)表示如下:
51、
52、其中,n為配電網節點總數,和分別表示配電網所有節點在t時刻對節點i和節點j的無功電壓靈敏度向量;和分別表示t時刻節點k對節點i和節點j的無功電壓靈敏度,k=1,2,…,n;和分別為無功電壓靈敏度向量和中樣本的標準差,和分別為無功電壓靈敏度向量和中樣本的均值;
53、無功電壓靈敏度向量和的表達式為:
54、
55、其中,和分別為節點k對節點i和節點j的無功電壓靈敏度;
56、然后定義rvq.x(t)為集群x在t時刻的自耦系數,rvq.xy(t)為集群x與集群y之間t時刻的互耦系數;
57、自耦系數rvq.x(t)和互耦系數rvq.xy(t)的表達式為:
58、
59、
60、
61、其中,nx和ny分別是集群x和集群y中的節點數量;nx和ny分別為集群x和集群y中的節點集合;為空集;
62、設集群數量為nc,則集群內部的自耦系數以及各集群之間的互耦系數取平均值:
63、
64、
65、其中,rx,avg(t)為集群內部的自耦系數平均值;rxy,avg(t)分別為各集群之間的互耦系數平均值。
66、更進一步的,所述配電網集群劃分模型構建模塊中確定的目標函數為:
67、基于自耦系數和互耦系數的指標,提出集群劃分綜合指標fr(t)作為適應度函數,并以fr(t)最大作為優化目標:
68、max[fr(t)]=max[(rx,avg(t)-rxy,avg(t))]?????(20)
69、設置的約束條件包括:
70、a)集群個數約束
71、在每個集群數量下,對集群劃分模型進行求解,限制集群個數如下:
72、nc,min≤nc≤nc,max?????(21)
73、其中,nc,min是最小集群數,nc,max是最大集群數;
74、b)集群無功補償容量約束
75、為保證各集群均具備一定的光伏無功補償容量,并且總體無功補償量在各集群得到合理分配,設置如下約束:
76、
77、其中,qload(t)和qpv(t)分別是負荷t時刻最大無功功率和配電網光伏t時刻可參與無功補償的最大容量,qx,load(t)是集群x在t時刻的負荷最大無功功率,qx,pv(t)為集群x在t時刻的光伏可參與無功補償最大容量;qx,pv(t)的表達式為:
78、
79、其中,是集群x內第h個光伏逆變器的容量,nx.pv為集群x內的光伏節點集合,是集群x內第h個光伏t時刻的最大跟蹤功率;
80、進行求解的過程為:以節點編號為決策變量,以集群劃分綜合指標作為適應度函數,采用遺傳算法進行求解:首先初始化種群,篩選種群中適應度函數最大對應的個體作為第一次迭代中的最優個體;然后對初始種群進行選擇、交叉、變異和倒位操作更新種群信息,計算第二代中的最優個體,以此類推,直至滿足終止條件為止。
81、更進一步的,所述動態集群劃分模塊首先基于配電網運行參數進行潮流計算,獲取設定時間段內的電壓靈敏度矩陣,并通過配電網集群劃分模型對配電網進行初始集群劃分,獲取第一個時間斷面初始集群劃分結果;
82、再根據第一時間斷面集群劃分結果獲取相應的綜合指標值,記為fr(t-);將下一個時間斷面電壓靈敏度矩陣替換前一個時間斷面的靈敏度矩陣,基于修正后的電壓靈敏度矩陣重新計算在前一個時間斷面集群劃分結果下的綜合指標,記為fr(t+);
83、最后計算fr(t+)與fr(t-)的差值,如果差值滿足公下式,則后時刻的集群劃分結果和前時刻的集群劃分結果相同,否則以當前時刻的集群劃分結果為準;
84、|fr(t+)-fr(t-)|≤ft???????????????????????(24)
85、其中,ft表示前后時刻目標函數值之差的閾值。
86、一種存儲介質,所述存儲介質中存儲有計算機程序,其中,所述計算機程序被設置為運行時執行上述配電網臺區動態集群劃分方法。
87、一種電子設備,包括處理器,所述處理用于處理上述配電網臺區動態集群劃分方法。
88、本發明的有益效果是:
89、1)針對現有技術中參數的不準確的問題,本發明所提指標基于已知靈敏度數據,從節點的無功功率-電壓相關性的角度提出耦合系數指標用于集群劃分,并將其作為優化目標;高度耦合了集群內部節點的無功功率-電壓關系,將光伏及其敏感響應節點進行精準聚類。
90、2)本發明將總光伏無功補償容量平均分配到各集群中,實現了各集群的無功補償能力均衡。
91、3)本發明提出的多時間斷面動態集群劃分結果聚合方法,實現了適用于配電臺區任意運行工況下的實時動態集群劃分,能夠在不失準確性的前提下降低分區計算量。