【技术实现步骤摘要】
本专利技术涉及分布式光伏并网，具体涉及一种分布式光伏接入的配电网风险评估方法及装置。
技术介绍
1、近年来，伴随着分布式发电技术的发展，分布式光伏在用户侧的应用得到了突破性的进展，大量分布式光伏以直接接入配网系统的方式渗透到电力系统，其在电力生产中所占的比重越来越大。当光伏接入配电网后，偶发的出力波动会给配电网带来冲击，促使配电网处于不确定的状态，其安全性和可靠性受到了威胁；同时分布式光伏的接入，改变了配电网的拓扑结构，潮流分布更为复杂，对配电网的电压、有功功率等状态量都产生了不容忽视的影响。
2、因此需要研究规模化分布式光伏对配电网运行风险的影响，提出合理准确的评估方法对配电网进行风险分析，从而为风险控制提供依据，尽可能地判明分布式光伏接入给配电网带来的风险，为配电网的安全稳定运行提供基础。现有的评估技术包括多场景风险评估，越限风险评估，主客观混合评估方法等。然而，由于规模化分布式光伏的不确定性出力场景，现有的评估方法均无法有效的实现配电网风险分析。
技术实现思路
1、为了克服上述缺陷，本专利技术提出了一种分布式光伏接入的配电网风险评估方法及装置。
2、第一方面，提供一种分布式光伏接入的配电网风险评估方法，所述分布式光伏接入的配电网风险评估方法包括：
3、在分布式光伏出力数据中选取典型分布式光伏出力数据，并拟合所述典型分布式光伏出力数据对应的概率密度函数；
4、基于所述概率密度函数，采用蒙特卡洛法进行抽样，得到分布式光伏的不确定性出
5、将所述分布式光伏的不确定性出力数据输入潮流计算程序，得到分布式光伏接入的配电网潮流数据；
6、基于所述潮流数据对分布式光伏接入的配电网进行风险评估。
7、优选的，所述在分布式光伏出力数据中选取典型分布式光伏出力数据，包括：
8、采用k-means算法对分布式光伏出力数据进行聚类，将样本数据最多的聚类簇作为典型分布式光伏出力数据。
9、进一步的，所述采用k-means算法对分布式光伏出力数据进行聚类的过程中，采用肘部法则确定最佳聚类数。
10、进一步的，所述采用肘部法则确定最佳聚类数，包括：
11、分别以预设整数集中各数值作为聚类类别数对分布式光伏出力数据进行聚类，得到各数值对应的聚类结果；
12、计算各数值对应的聚类结果的畸变程度之和；
13、以各数值为横坐标，以各数值对应的聚类结果的畸变程度之和为纵坐标构建坐标图；
14、将所述坐标图中处于手肘处的临界点对应的数值作为最佳聚类数。
15、进一步的，所述各数值对应的聚类结果的畸变程度之和的计算式如下：
16、
17、上式中，ssek为数值k对应的聚类结果的畸变程度之和，ci为第i个聚类簇，mi为第i个聚类簇的质心，p为ci中的样本点。
18、优选的，所述典型分布式光伏出力数据对应的概率密度函数的数学模型如下：
19、
20、上式中，f为典型分布式光伏出力数据对应的概率密度函数值，α为第一形状参数，β为第二形状参数，ppvg为分布式光伏机组的实际输出功率，ppvg,max为分布式光伏机组的最大输出功率，g为伽玛函数。
21、进一步的，所述第一形状参数和第二形状参数的计算式如下：
22、
23、上式中，μr为典型分布式光伏出力数据的平均值，为典型分布式光伏出力数据的标准差。
24、优选的，所述基于所述潮流数据对分布式光伏接入的配电网进行风险评估，包括：
25、基于所述潮流数据确定分布式光伏接入的配电网的各风险评估指标；
26、基于所述各风险评估指标确定分布式光伏接入的配电网的风险评分；
27、若所述风险评分超出预设阈值，则分布式光伏接入的配电网存在风险，否则，分布式光伏接入的配电网不存在风险。
28、进一步的，所述风险评估指标包括下述中的至少一种：配电网网损、潮流损失量、潮流严重程度、低电压指数、过电压指数、电压偏差指数、电压偏移指数、静态电压稳定性指标。
29、进一步的，所述配电网网损dnl的计算式如下：
30、
31、所述潮流损失量wl的计算式如下：
32、
33、所述潮流严重程度sev的计算式如下：
34、
35、所述低电压指数wv1的计算式如下：
36、
37、所述过电压指数wv2的计算式如下：
38、
39、所述电压偏差指数u(％)的计算式如下：
40、
41、所述电压偏移指数voi的计算式如下：
42、
43、所述静态电压稳定性指标lt的计算式如下：
44、lt＝max{lij,t}
45、
46、上式中，rl为配电网线路l的电阻，ul为线路l末端的节点电压幅值，pl与ql分别为线路l末端流过的有功与无功功率，p与pmax分别为线路潮流及其上限标幺值，si与sn分别为当前线路的实际传输功率和额定传输功率，v、vmax与vmin分别为节点电压及其上下限标幺值，u为节点实际电压幅值，un为节点电压额定值，ui,t和ui,n分别表示t时刻节点i电压实际值和额定值，n为配电网网络的总节点数量，pj,t与qj,t分别为为t时刻支路流出有功和无功功率，xij与rij分别为支路的电抗和电阻值，lij,t为节点i与节点j之间线路的静态电压稳定性指标。
47、进一步的，所述分布式光伏接入的配电网的风险评分的计算式如下：
48、
49、上式中，f为分布式光伏接入的配电网的风险评分，m为风险评估指标总数量，xm为第m个风险评估指标的指标值，ym为第m个风险评估指标的权重。
50、第二方面，提供一种分布式光伏接入的配电网风险评估装置，所述分布式光伏接入的配电网风险评估装置包括：
51、第一分析模块，用于在分布式光伏出力数据中选取典型分布式光伏出力数据，并拟合所述典型分布式光伏出力数据对应的概率密度函数；
52、抽样模块，用于基于所述概率密度函数，采用蒙特卡洛法进行抽样，得到分布式光伏的不确定性出力数据；
53、潮流计算模块，用于将所述分布式光伏的不确定性出力数据输入潮流计算程序，得到分布式光伏接入的配电网潮流数据；
54、第二分析模块，用于基于所述潮流数据对分布式光伏接入的配电网进行风险评估。
55、优选的，所述第一分析模块具体用于：
56、采用k-means算法对分布式光伏出力数据进行聚类，将样本数据最多的聚类簇作为典型分布式光伏出力数据。
57、优选的，所述第二分析模块具体用于：
58、基于所述潮流数据确定分布式光伏接入的配电网的各风险评估指标；
本文档来自技高网...【技术保护点】
1.一种分布式光伏接入的配电网风险评估方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述在分布式光伏出力数据中选取典型分布式光伏出力数据，包括：
3.如权利要求2所述的方法，其特征在于，所述采用k-means算法对分布式光伏出力数据进行聚类的过程中，采用肘部法则确定最佳聚类数。
4.如权利要求3所述的方法，其特征在于，所述采用肘部法则确定最佳聚类数，包括：
5.如权利要求4所述的方法，其特征在于，所述各数值对应的聚类结果的畸变程度之和的计算式如下：
6.如权利要求1所述的方法，其特征在于，所述典型分布式光伏出力数据对应的概率密度函数的数学模型如下：
7.如权利要求6所述的方法，其特征在于，所述第一形状参数和第二形状参数的计算式如下：
8.如权利要求1所述的方法，其特征在于，所述基于所述潮流数据对分布式光伏接入的配电网进行风险评估，包括：
9.如权利要求8所述的方法，其特征在于，所述风险评估指标包括下述中的至少一种：配电网网损、潮流损失量、潮流严重程度、低电压
10.如权利要求9所述的方法，其特征在于，所述配电网网损DNL的计算式如下：
11.如权利要求10所述的方法，其特征在于，所述分布式光伏接入的配电网的风险评分的计算式如下：
12.一种分布式光伏接入的配电网风险评估装置，其特征在于，所述装置包括：
13.如权利要求12所述的装置，其特征在于，所述第一分析模块具体用于：
14.如权利要求12所述的装置，其特征在于，所述第二分析模块具体用于：
15.一种计算机设备，其特征在于，包括：一个或多个处理器；
16.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1至11中任意一项所述的分布式光伏接入的配电网风险评估方法。
...【技术特征摘要】
1.一种分布式光伏接入的配电网风险评估方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述在分布式光伏出力数据中选取典型分布式光伏出力数据，包括：
3.如权利要求2所述的方法，其特征在于，所述采用k-means算法对分布式光伏出力数据进行聚类的过程中，采用肘部法则确定最佳聚类数。
4.如权利要求3所述的方法，其特征在于，所述采用肘部法则确定最佳聚类数，包括：
5.如权利要求4所述的方法，其特征在于，所述各数值对应的聚类结果的畸变程度之和的计算式如下：
6.如权利要求1所述的方法，其特征在于，所述典型分布式光伏出力数据对应的概率密度函数的数学模型如下：
7.如权利要求6所述的方法，其特征在于，所述第一形状参数和第二形状参数的计算式如下：
8.如权利要求1所述的方法，其特征在于，所述基于所述潮流数据对分布式光伏接入的配电网进行风险评估，包括：
9.如权...
【专利技术属性】
技术研发人员：惠慧，李蕊，孟晓丽，李鹏丽，王铭，刘伟，廖锦霖，张林垚，吴桂联，
申请(专利权)人：中国电力科学研究院有限公司，
类型：发明
国别省市：
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。