一种虚拟电厂集群划分方法和装置制造方法及图纸

本发明专利技术涉及一种虚拟电厂集群划分方法和装置，属于配电网络技术领域，解决现有模型无法体现分布式电源自身功能性数据对于虚拟电厂的影响等问题。方法包括：构建分布式能源集群指标，分布式能源集群指标包括结构性指标和功能性指标；根据分布式能源集群指标实时测量所述虚拟电厂集群中各个节点的有功功率或负荷净功率；对有功功率或负荷净功率进行数据预处理，数据预处理包括缺失异常数据处理和数据归一化处理；基于结构性指标和功能性指标构建目标函数；以及基于Louvain算法划分所述虚拟电厂集群，Louvain算法是基于目标函数的值优化的社区发现算法。考虑结构性指标和功能性指标的复杂聚类优化模型，充分挖掘节点自身功能性指标对集群划分的影响。性指标对集群划分的影响。性指标对集群划分的影响。

【技术实现步骤摘要】
一种虚拟电厂集群划分方法和装置


[0001]本专利技术涉及配电网络
，尤其涉及一种虚拟电厂集群划分方法和装置。

技术介绍

[0002]虚拟电厂集群划分是实现分布式电源发电能够有序高效地接入电网，完成电网与可再生能源协调互补的关键所在。合理的集群划分对于电网经济运行和提高电能质量具有重要作用。随着全国各地区大量分布式电源接入电网，电压越限、功率倒送、弃风弃光等问题也在电力系统领域引起广泛关注，因此合理的集群划分对于电网经济运行和提高电能质量具有重要作用。
[0003]目前针对虚拟电厂集群划分方法主要分为两类：基于划分的聚类算法和基于图聚类的聚类算法。基于划分的聚类算法主要有K
‑
means算法、FCM(Fuzzy C Means)算法等方法，基于图聚类的聚类算法主要有粒子群算法、神经网络算法、Louvain算法等。基于划分的聚类算法模型较为简单、模型的参数固定，对于节点自身属性和节点间相互关系难以综合考虑。基于图聚类的聚类算法以网络无向边权图为基础，综合考虑节点的自身参数以及节点与节点间的结构参数，且相较于基于划分的聚类算法，基于图聚类的聚类算法计算速度较快，时间尺度较短，能够保证集群划分的时效性。常见的方法考虑的主要因素有基于灵敏度矩阵的电气距离、有功功率、无功电压等参数。
[0004]目前大多数的虚拟电厂集群划分方法集中于建立结构化的灵敏度矩阵与节点之间的关系，但仅通过结构化的电气距离指标丢失了分布式电源自身出力、爬坡功率等功能性数据信息，所构建的模型无法体现分布式电源自身功能性数据对于虚拟电厂的影响。随着高比例分布式电源大规模接入电网，基于划分的聚类算法不再适用于复杂而时变的网络。

技术实现思路

[0005]鉴于上述的分析，本专利技术实施例旨在提供一种虚拟电厂集群划分方法和装置，用以解决现有模型无法体现分布式电源自身功能性数据对于虚拟电厂的影响以及随着分布式电源大规模接入电网会导致基于划分的聚类算法无法适用于复杂而时变的网络的问题。
[0006]一方面，本专利技术实施例提供了一种虚拟电厂集群划分方法，包括：构建分布式能源集群指标，其中，所述分布式能源集群指标包括虚拟电厂集群聚合的结构性指标和功能性指标；根据所述分布式能源集群指标实时测量所述虚拟电厂集群中各个节点的有功功率或负荷净功率；对所述虚拟电厂集群中各个节点的有功功率或负荷净功率进行数据预处理，其中，所述数据预处理包括缺失异常数据处理和数据归一化处理；基于所述结构性指标和所述功能性指标构建目标函数；以及基于Louvain算法划分所述虚拟电厂集群，其中，所述Louvain算法是基于所述目标函数的值优化的社区发现算法。
[0007]上述技术方案的有益效果如下：通过构建电网网络拓扑结构，融合分布式电源功能性数据，例如有功功率、无功电压、负荷净功率等，构建考虑结构性指标和功能性指标的
复杂聚类优化模型，充分挖掘节点自身功能性指标对集群划分的影响，有助于构建安全、经济、可靠的虚拟电厂集群聚合模型。
[0008]基于上述方法的进一步改进，所述结构性指标包括基于电气距离的模块度指标，其中，所述模块度指标表示所述虚拟电厂集群的电网网络中任意两个节点落入同一区域的概率；所述功能性指标包括有功功率平衡度指标、灵活性平衡指标和灵活性概率风险指标，其中，所述有功功率平衡度指标表示在一定时间尺度下所述虚拟电厂集群内部的源荷程度；所述灵活性平衡指标表示在一定时间尺度下所述虚拟电厂集群调用各类灵活性资源满足净负荷波动的能力；以及所述灵活性概率风险指标表示利用正态分布描述所述虚拟电厂集群净负荷需求的概率分布。
[0009]基于上述方法的进一步改进，基于所述结构性指标和所述功能性指标构建目标函数包括基于所述模块度指标、所述有功功率平衡度指标、所述灵活性平衡指标和所述灵活性概率风险指标构建以下所述虚拟电厂集群的目标函数：；其中，、分别表示结构性指标权重和功能性指标权重，取值越大，则所述虚拟电厂集群结构性越好，越大，则所述虚拟电厂集群功能性越好；表示所述模块度指标；表示所述有功功率平衡度指标；和分别表示所述虚拟电厂集群的所述灵活性供需平衡指标和所述灵活性平衡时间指标；表示所述虚拟电厂集群的灵活性概率风险指标。
[0010]基于上述方法的进一步改进，通过以下公式计算所述模块度指标：；；其中，m
i
和m
j
分别表示与节点i、节点j相连的边权之和；表示所述节点i和所述节点j的区域关系；当所述节点i和所述节点j在同一区域时，，反之；M表示所述电网网络中所有边权之和；N表示所述电网网络中的节点数；d
ij
表示所述节点i和所述节点j之间的电气距离；S
ik
、S
jk
分别表示灵敏度矩阵中第i行第k列、第j行第k列的元素，由潮流计算中雅可比矩阵求逆计算各节点电压灵敏度；和均表示第k列元素的最大值。
[0011]基于上述方法的进一步改进，通过以下公式计算所述有功功率平衡度指标：；
其中，S表示所述虚拟电厂集群中的节点总数；T表示调度周期；L
s,t
表示所述虚拟电厂集群s在时刻t的净负荷功率值。
[0012]基于上述方法的进一步改进，所述灵活性平衡指标包括灵活性供需平衡指标和灵活性平衡时间指标，其中，通过以下公式计算所述灵活性供需平衡指标和所述灵活性平衡时间指标：；；；；；其中，表示满足的累计时间值；表示所述虚拟电厂集群s在响应时间长度为的向上/向下+/
‑
调节灵活性的缺额程度；表示时刻t净负荷的爬坡功率；L
s,t
表示时刻t的净负荷需求；表示所述虚拟电厂集群s在时刻t提供的灵活性爬坡功率；、、分别表示调节性机组AGU、调节性负荷AL和储能机组ESD在时刻t提供的向上/向下+/
‑
灵活性爬坡功率。
[0013]基于上述方法的进一步改进，通过以下公式计算所述灵活性概率风险指标：；；其中，表示所述虚拟电厂集群的灵活性概率风险指标；表示所述虚拟电厂集群s在时刻t的灵活性概率风险指标；表示考虑不确定性时的所述虚拟电厂集群s在时刻t的净负荷爬坡功率；表示时刻t净负荷需求取值L
s,t
的概率值。
[0014]基于上述方法的进一步改进，基于Louvain算法划分所述虚拟电厂集群包括：将所
述电气距离作为节点间边权重，将分布式能源的有功功率和负荷净功率的数值赋予节点；构建所述虚拟电厂集群划分的优化目标函数；将每个节点初始化为单独一个集群，其中，集群数等于节点数；计算所述虚拟电厂集群的合并前的目标函数，并选取任意节点i，根据电气距离判断剩余节点是否为节点i的邻居节点，并从所述节点i的邻居节点中随机选择节点j组合成合并集群C（i,j），计算所述虚拟电厂集群的合并后的目标函数；基于所述合并前的目标函数和所述合并后的目标函数计算合并前后的目标变化，遍历所述节点i的剩余邻居节点，将每次合并后获得的目标变化进行比较并记录最大目标变化，其中，当时，所述节点i选择本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种虚拟电厂集群划分方法，其特征在于，包括：构建分布式能源集群指标，其中，所述分布式能源集群指标包括虚拟电厂集群聚合的结构性指标和功能性指标；根据所述分布式能源集群指标实时测量所述虚拟电厂集群中各个节点的有功功率或负荷净功率；对所述虚拟电厂集群中各个节点的有功功率或负荷净功率进行数据预处理，其中，所述数据预处理包括缺失异常数据处理和数据归一化处理；基于所述结构性指标和所述功能性指标构建目标函数；以及基于Louvain算法划分所述虚拟电厂集群，其中，所述Louvain算法是基于所述目标函数的值优化的社区发现算法。2.根据权利要求1所述的虚拟电厂集群划分方法，其特征在于，所述结构性指标包括基于电气距离的模块度指标，其中，所述模块度指标表示所述虚拟电厂集群的电网网络中任意两个节点落入同一区域的概率；所述功能性指标包括有功功率平衡度指标、灵活性平衡指标和灵活性概率风险指标，其中，所述有功功率平衡度指标表示在一定时间尺度下所述虚拟电厂集群内部的源荷程度；所述灵活性平衡指标表示在一定时间尺度下所述虚拟电厂集群调用各类灵活性资源满足净负荷波动的能力；以及所述灵活性概率风险指标表示利用正态分布描述所述虚拟电厂集群净负荷需求的概率分布。3.根据权利要求2所述的虚拟电厂集群划分方法，其特征在于，基于所述结构性指标和所述功能性指标构建目标函数包括基于所述模块度指标、所述有功功率平衡度指标、所述灵活性平衡指标和所述灵活性概率风险指标构建以下所述虚拟电厂集群的目标函数：；其中，、分别表示结构性指标权重和功能性指标权重，取值越大，则所述虚拟电厂集群结构性越好，越大，则所述虚拟电厂集群功能性越好；表示所述模块度指标；表示所述有功功率平衡度指标；和分别表示所述虚拟电厂集群的灵活性供需平衡指标和灵活性平衡时间指标；表示所述虚拟电厂集群的灵活性概率风险指标。4.根据权利要求3所述的虚拟电厂集群划分方法，其特征在于，通过以下公式计算所述模块度指标：；
；其中，m
i
和m
j
分别表示与节点i、节点j相连的边权之和；表示所述节点i和所述节点j的区域关系；当所述节点i和所述节点j在同一区域时，，反之；M表示所述电网网络中所有边权之和；N表示所述电网网络中的节点数；d
ij
表示所述节点i和所述节点j之间的电气距离；S
ik
、S
jk
分别表示灵敏度矩阵中第i行第k列、第j行第k列的元素，由潮流计算中雅可比矩阵求逆计算各节点电压灵敏度；和均表示第k列元素的最大值。5.根据权利要求4所述的虚拟电厂集群划分方法，其特征在于，其中，通过以下公式计算所述有功功率平衡度指标：；其中，S表示所述虚拟电厂集群中的节点总数；T表示调度周期；L
s,t
表示所述虚拟电厂集群s在时刻t的净负荷功率值。6.根据权利要求5所述的虚拟电厂集群划分方法，其特征在于，所述灵活性平衡指标包括灵活性供需平衡指标和灵活性平衡时间指标，其中，通过以下公式计算所述灵活性供需平衡指标和所述灵活性平衡时间指标：；；；；；其中，表示满足的累计时间值；表示所述虚拟电厂集群s在响应时间长度为的向上/向下+/
‑
调节灵活性的缺额程度；表
示时刻t净负荷的爬坡功率；L
s,t
表示时刻t的净负荷需求；表示所述虚拟电厂集群s在时刻t提供的灵活性爬坡功率；、、分别表示调节性机组AGU、调节性负荷AL和储能机组ESD在时刻t提供的向上/向下+/
‑
...

【专利技术属性】
技术研发人员：鞠立伟，吕硕硕，汪鹏，杨莘博，张鑫磊，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：