本发明专利技术公开了一种基于分布式光伏接入设计聚类模型的最优方案选择方法，包括如下步骤：定义现有N种设计方案的集合；确定能够表征分布式光伏接入设计特征的状态变量；由分布式光伏接入设计特征的状态变量定义状态向量；建立基于信息熵的聚类模型，将整个特征参数集在设计方案空间投影，采用基于信息熵的高维分类型数据子空间聚类算法，将所有特征向量分为N类；对于新建并网光伏，基于现有聚类模型，计算新建光伏接入设计模型特征向量与现有聚类模型特征向量的距离，选取距离最小的特征参数所在的分类，即为其对应的最优设计方案。本发明专利技术一方面可以丰富现有的模型库，另一方面可以指导设计人员快速的选择最优方案。
【技术实现步骤摘要】
本专利技术涉及一种，属于光 伏发电
技术介绍
随着新能源的快速发展，分布式新能源接入配电网日益呈现高渗透率、高密度的 发展态势。分布式新能源接入电网形式不同、技术要求差异大，在光伏并网接入设计方面， 现有的《分布式光伏发电接入系统典型设计》对各种接入情况作了细致考虑，典型设计方案 丰富。然而，在具体工程中系统结构、设备选型、技术参数及接入方式等现场因素复杂，设计 人员难以快速的从典型设计方案中选择最优的设计方案，分布式光伏接入设计典型特征边 界条件和典型设计方案之间的映射关系存在多对一和多对多的可能性，怎样建立这种映射 关系的模型、怎样在已知特征边界条件的情况下，快速的选择最优的设计方案，是分布式光 伏接入设计时面临的普遍问题。
技术实现思路
本专利技术的目的在于克服现有技术中的不足，提供一种基于分布式光伏接入设计聚 类模型的最优方案选择方法，解决现有技术中分布式光伏接入设计比选困难、无法自动优 选的技术问题。 为解决上述技术问题，本专利技术所采用的技术方案是：基于分布式光伏接入设计聚 类模型的最优方案选择方法，包括如下步骤： 步骤一：定义现有N种设计方案的集合； 步骤二：分析特征性边界条件对接入方案制定的影响，确定能够表征分布式光伏 接入设计特征的状态变量； 步骤三：由分布式光伏接入设计特征的状态变量定义状态向量，状态向量的所有 可能值的集合构成分布式光伏发电接入设计特征参数的状态空间； 步骤四：建立基于信息熵的聚类模型，将整个特征参数集在设计方案空间投影，采 用基于信息熵的高维分类型数据子空间聚类算法，将所有特征向量分为N类； 步骤五：对于新建并网光伏，基于现有聚类模型，计算新建光伏接入设计模型特征 向量与现有聚类模型特征向量的距离，选取距离最小的特征参数所在的分类，即为其对应 的最优设计方案。 进一步的，所述基于信息熵的高维分类型数据子空间聚类算法包括：初始化阶段 和优化阶段，具体如下： 1)初始化阶段： 初始化阶段，用贪婪算法从数据集中选出相异度最大的N个数据，将数据集中的 其他数据归类到以它们为中心点的N个类中； 2)优化阶段： 优化目标是聚类的平均信息熵最小，在初始化阶段得到了数据集D的初始化分C ={Cl，C2,…，Ck}，优化阶段先根据数据集的初始划分C计算出各个类的子空间，然后在 迭代寻优过程中根据各类中的数据成员是否变化，判断迭代寻优进程是继续还是结束。 优选的，步骤五中两个特征向量间的距离计算采用明氏距离测度法。 进一步的，所述特征性边界条件包括：配网结构、接入容量、接入电压等级、接入方 式。 进一步的，所述状态变量包括：接入电压^，运营模式x2，接入点13，送出回路数 x4，接入方式x5，接入容量x6。 与现有技术相比，本专利技术所达到的有益效果是： 1、采用信息熵作为函数度量的子空间聚类算法，算法在子空间选择和优化过程中 都用到了信息熵，这样在算法的整个过程中都考虑到了数据与数据之间和属性值与属性值 之间的整体概率分布，最终可得到最优的聚类结果； 2、通过已有分布式光伏设计特征参数集的聚类计算，形成了特征参数集与典型设 计方案的概率对应关系，量化了典型设计方案集，方便进行优选； 3、通过计算概率距离，选取距离最小的特征参数所在的分类，即为其对应的最优 设计方案，解决了现有技术中分布式光伏接入设计比选困难、无法自动优选的技术问题； 4、本专利技术提出的分布式光伏接入设计方案聚类模型能够不断进化，一方面可以丰 富现有的模型库，另一方面可以指导设计人员快速的选择最优方案。【附图说明】 图1是本专利技术的流程图。【具体实施方式】 下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术 的技术方案，而不能以此来限制本专利技术的保护范围。 以江苏地区为例，选取从江苏13个地市公司调研得到的130个设计方案及参数， 每一个特征状态向量都有6个属性，所有特征向量分为13类，即N= 13。 如图1所示，是本专利技术的流程图。基于分布式光伏接入设计聚类模型的最优方案 选择方法，包括如下步骤： 步骤一：定义现有13种设计方案的集合YG{yi,y2,y3,y4. . .y13}; 步骤二：分析配网结构、接入容量、接入电压等级、接入方式等特征性边界条件对 接入方案制定的影响，确定能够表征分布式光伏接入设计特征的6个独立的状态变量； 步骤三：由分布式光伏接入设计特征的状态变量定义状态向量X，包括：接入电压 Xi，运营模式x2，接入点x3,送出回路数x4,接入方式x5，接入容量x6,X=(Xpx2,x3,x4,x5,x6) T，状态向量X的所有可能值的集合构成分布式光伏发电接入设计特征参数的状态空间； 步骤四：建立基于信息熵的聚类模型，将整个特征参数集在13个设计方案空间投 影，采用基于信息熵的高维分类型数据子空间聚类算法，将所有特征向量分为13类； 步骤五：对于新建并网光伏，基于现有聚类模型，计算新建光伏接入设计模型特征 向量与现有聚类模型特征向量的距离，选取距离最小的特征参数所在的分类，即为其对应 的最优设计方案。 对于两个特征向量件的距离测度的方法有很多种，本专利技术选用明氏距离测度法， 具体计算公式如下：【主权项】1. ，其特征在于，包括如下步 骤： 步骤一：定义现有N种设计方案的集合； 步骤二：分析特征性边界条件对接入方案制定的影响，确定能够表征分布式光伏接入 设计特征的状态变量； 步骤三：由分布式光伏接入设计特征的状态变量定义状态向量，状态向量的所有可能 值的集合构成分布式光伏发电接入设计特征参数的状态空间； 步骤四：建立基于信息熵的聚类模型，将整个特征参数集在设计方案空间投影，采用基 于信息熵的高维分类型数据子空间聚类算法，将所有特征向量分为N类； 步骤五：对于新建并网光伏，基于现有聚类模型，计算新建光伏接入设计模型特征向量 与现有聚类模型特征向量的距离，选取距离最小的特征参数所在的分类，即为其对应的最 优设计方案。2. 根据权利要求1所述的，其 特征在于，所述基于信息熵的高维分类型数据子空间聚类算法包括：初始化阶段和优化阶 段，具体如下： 1) 初始化阶段： 初始化阶段，用贪婪算法从数据集中选出相异度最大的N个数据，将数据集中的其他 数据归类到以它们为中心点的N个类中； 2) 优化阶段： 优化目标是聚类的平均信息熵最小，在初始化阶段得到了数据集D的初始化分C = {C1，C2,…，Ck}，优化阶段先根据数据集的初始划分C计算出各个类的子空间，然后在迭代 寻优过程中根据各类中的数据成员是否变化，判断迭代寻优进程是继续还是结束。3. 根据权利要求1所述的，其 特征在于，步骤五中两个特征向量间的距离计算采用明氏距离测度法。4. 根据权利要求1所述的，其 特征在于，所述特征性边界条件包括：配网结构、接入容量、接入电压等级、接入方式。5. 根据权利要求1所述的，其 特征在于，所述状态变量包括：接入电压X1，运营模式X 2，接入点X3，送出回路数X4，接入方 式X5，接入容量X 6。【专利摘要】本专利技术公开了一种，包括如下步骤：定义现有N种设计方案的集合；确定能够表征分布式光伏接入设计特征的状态变量；由分布式光伏接入设计特征的状态变量定义状态向量；建立基于信息熵的聚类本文档来自技高网...
【技术保护点】
基于分布式光伏接入设计聚类模型的最优方案选择方法，其特征在于，包括如下步骤：步骤一：定义现有N种设计方案的集合；步骤二：分析特征性边界条件对接入方案制定的影响，确定能够表征分布式光伏接入设计特征的状态变量；步骤三：由分布式光伏接入设计特征的状态变量定义状态向量，状态向量的所有可能值的集合构成分布式光伏发电接入设计特征参数的状态空间；步骤四：建立基于信息熵的聚类模型，将整个特征参数集在设计方案空间投影，采用基于信息熵的高维分类型数据子空间聚类算法，将所有特征向量分为N类；步骤五：对于新建并网光伏，基于现有聚类模型，计算新建光伏接入设计模型特征向量与现有聚类模型特征向量的距离，选取距离最小的特征参数所在的分类，即为其对应的最优设计方案。
【技术特征摘要】
【专利技术属性】
技术研发人员：柳丹，袁晓冬，李强，
申请(专利权)人：国家电网公司，江苏省电力公司，江苏省电力公司电力科学研究院，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。