一种改进的主动配电网大规模场景分析方法技术

本发明专利技术涉及一种改进的主动配电网大规模场景分析方法，包括以下步骤：获取历史数据，所述历史数据包括风电数据、光伏数据和负荷数据；以风电数据、光伏数据和负荷数据的概率密度分布函数为依据生成大量场景；以类间距离L1和类内距离L2的比值LS最大为k值的选取依据，使用k‑means聚类算法对生成的场景进行场景缩减，得到典型规划场景。与现有技术相比，本发明专利技术改进了场景缩减部分，根据类间距离L1和类内距离L2的比值LS来找到k值的最优大小，可以得到最佳聚类数，既能保证分类效果，也能保证与原始数据的契合度。

【技术实现步骤摘要】
一种改进的主动配电网大规模场景分析方法
本专利技术涉及配电网领域，尤其是涉及一种改进的主动配电网大规模场景分析方法。
技术介绍
能源对人类的生存与社会的发展来说是不可或缺的重要部分，随着电力需求的持续增长、传统能源紧缺形式的不断加深以及环境问题的日益突出，分布式电源(DG，DistributedGeneration)尤其是可再生能源发电技术的发展获得了广泛支持。主动配电网(ActiveDistributionNetwork，ADN)以其灵活、兼容以及优化等特性，是未来智能配电网实现对大量接入的分布式电源进行主动管理的有效解决方案。但大量分布式电源的接入将增加配电网运行的复杂性和不确定性，也会给配电网规划带来重大影响，所以在配电系统中必须合理规划分布式电源的安装位置和容量。传统的基于确定性因素分析计算的配电网规划方法过于简单，对于具有随机性、波动性的分布式电源接入的配电网已不再适用。近年来较多文献对配电网不确定性规划问题进行了分析和研究。其中场景分析是处理难以用数学模型描述的随机性问题的一种有效方法。目前，场景分析方法分为场景生成本文档来自技高网...

【技术保护点】
1.一种改进的主动配电网大规模场景分析方法，其特征在于，包括以下步骤：/nS1、获取历史数据，所述历史数据包括风电数据、光伏数据和负荷数据；/nS2、以风电数据、光伏数据和负荷数据的概率密度分布函数为依据生成大量场景；/nS3、以类间距离L1和类内距离L2的比值LS最大为k值的选取依据，使用k-means聚类算法对生成的场景进行场景缩减，得到典型规划场景。/n

【技术特征摘要】
1.一种改进的主动配电网大规模场景分析方法，其特征在于，包括以下步骤：
S1、获取历史数据，所述历史数据包括风电数据、光伏数据和负荷数据；
S2、以风电数据、光伏数据和负荷数据的概率密度分布函数为依据生成大量场景；
S3、以类间距离L1和类内距离L2的比值LS最大为k值的选取依据，使用k-means聚类算法对生成的场景进行场景缩减，得到典型规划场景。


2.根据权利要求1所述的一种改进的主动配电网大规模场景分析方法，其特征在于，所述步骤S1中，获取1年内的风电数据、光伏数据和负荷数据。


3.根据权利要求1所述的一种改进的主动配电网大规模场景分析方法，其特征在于，所述步骤S2中利用拉丁超立方抽样法对风电数据、光伏数据和负荷数据的概率密度分布函数的随机变量进行逆变换抽样，生成多个数据集，每个数据集表征一个场景。


4.根据权利要求3所述的一种改进的主动配电网大规模场景分析方法，其特征在于，风电数据服从威布尔概率密度分布函数。


5.根据权利要求3所述的一种改进的主动配电网大规模场景分析方法，其特征在于，光伏数据服从贝塔概率密度分布函数。


6.根据权利要求1所述的一种改进的主动配电网大规模场景分析方法，其特征在于，所述步骤S3包括以下步骤：
S31：最优LS的值初始化为0；
S32：选取...

【专利技术属性】
技术研发人员：柳康，高桂革，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：上海;31