【技术实现步骤摘要】
本专利技术属于山地光伏发电领域，更具体地，涉及一种基于边缘网关功率控制的山地光伏精细化控制方法。
技术介绍
1、近年来，随着边缘网关技术逐步成熟，其在新能源领域的应用越发广泛。边缘网关可以聚合来自不同能源设备的数据，将其传输到云端进行分析和处理，利用智能控制技术，实现对能源系统的实时动态调整。在山地光伏项目中，边缘网关汇集各个能源设备的具体数据，使得云端指令值得以实时调整，提高能源的利用效率。
2、太阳能作为一种常见的新能源发电形式，其广泛的应用于各种场景。光伏方阵不得占用耕地及其他农用地，需根据实际情况合理控制，尽量避免其对农业生产和生态造成不利影响。因此，山地光伏发电项目越来越多，但同时也会遇到很多问题，山地的复杂地形以及立体气候使得山地光伏电站的区域环境，呈现光照分布不均匀、温度变化差异大等特征。在这种复杂多变气候条件下，光伏逆变器出力不确定性更强，难以准确把握光伏发电规律。
3、目前的山地光伏功率分配的方法中，常常采用在边缘网关云端指令下，利用平均分配的方式，控制光伏逆变器的具体出力情况。但是由于山地光伏环境的影响，逆变器之间的出力情况可能大不相同，采用平均分配的方式往往不能合理有效地利用太阳能。
技术实现思路
1、为解决现有技术中存在的不足，本专利技术提供一种基于边缘网关功率控制的山地光伏精细化控制方法，可以有效地提高山地光伏逆变器组的发电效率。
2、本专利技术采用如下的技术方案。
3、本专利技术的第一方面提供了一种基于边缘
4、步骤1，汇集山地光伏逆变器中一个采样周期内的可控逆变器的容量、边缘网关云端下发的指令值以及具体出力值三个指标；
5、步骤2，基于量子粒子群算法和k-means聚类算法对待控制的山地光伏逆变器进行分组；
6、步骤3，根据二分法确定各个山地光伏逆变器组中的最大出力的逆变器，将其视为此组的样板机；
7、步骤4，根据不同组别样板机的具体出力值，结合当前调度的边缘网关云端指令值，利用比例裕度分配的方法，分配给各个光伏逆变器组相应的指令。
8、优选地，在步骤2，具体包括以下内容：
9、步骤2.1，使用手肘法结合k-means聚类算法确定此时山地光伏逆变器分组中的误差平方和sse，通过误差平方和sse与k值的关系来确定k值，误差平方和表达式如下；
10、
11、其中，k为簇数；ci为第i个簇，s为此时ci中的样本点；xi为此时ci的簇中心，使用esse-k仿真曲线确定k的值，随着聚类数k的不断增大，划分会更加详细，每个分组或者每个簇的聚合程度会不断地提高，误差平方和sse自然会逐渐减小；当k值小于真实聚类数时，k的增大会大幅度增加每个分组的聚合程度，此时，sse的下降幅度会很大；当k与真实聚类数相等时，再增加k的取值，聚类的回报程度会迅速减小，所以sse对应的曲线斜率会骤然变大，后随着k值的继续增大而趋向于0，故k与sse的关系是一个手肘形状的折线图，而“肘部”对应的k值则为当前聚类数据集的真实聚类数；
12、步骤2.2，利用量子粒子群算法确定得到k个聚类中心，包括初始化粒子群、计算个体和全局最优位置、计算平均值和局部吸引子、更新粒子位置以及适应度值；
13、步骤2.3，根据已经确认好的聚类中心值，利用k-means算法进行聚类，采用距离作为相似度量评价的指标值，将距离相近的光伏逆变器聚成一组，将山地光伏逆变器分成不同的组别。
14、优选地，在步骤2.2中，具体包括以下内容：
15、2.2.1，将山地光伏数据集中的n个数据随机划分到k个簇中，并计算k个簇的均值，由此形成一个粒子，这个过程循环n次，由于山地光伏逆变器中的数据较多，所以将n设为500，初始化n个粒子，每个粒子都由k个簇中心组成。其中山地光伏数据中是个三维数据组，包括山地光伏逆变器中可控逆变器的容量、边缘网关云端下发的指令值以及具体出力值；
16、2.2.2，对山地光伏数据初始化后得到n个粒子进行计算，得出其中的个体最优位置以及全局最优位置；
17、2.2.3，计算所有粒子个体最优位置的平均值和局部吸引子，设计种群收缩-扩张因子和随机变量，为所有粒子最优位置的平均值；
18、2.2.4，计算各个粒子在3维空间中当前适应度值；
19、2.2.5，根据当前粒子适应度与粒子个体最优适应度、群体最优适应度的比较，更新山地光伏数据中的个体最优值和全局最优值；
20、2.2.6，更新所有粒子位置并做边界变异处理，如果最优解处于边界位置，容易使种群陷入局部最优，需对边界实施变异处理，避免粒子位置处于山地光伏中设定的最大位置边界和最小位置边界；
21、2.2.7，检验是否达到了最大迭代次数，如果达到，则结束退出，输出此时的k个聚类中心；如果没有达到该条件则返回步骤2.2.3进行下一次的迭代。
22、优选地，步骤2.2.1中，初始化相关参数，主要包括：山地光伏需要采集的数据维数3、群体规模为n,设其为500、根据山地光伏逆变器的容量等值设定粒子群的最小位置边界xmin、最大位置边界xmax、最大迭代次数tmax以及所有粒子在3维空间中的随机位置。
23、优选地，步骤2.2.3中，最优位置的平均值其公式如下：
24、
25、其中，为第i个粒子的历史最优位置，i＝1，2,……,n，n为粒子数目，d＝1,2,……,d，d为粒子维度，为在第k次迭代粒子xi的权重；
26、所述权重选用加权种群最优位置中心优化种进化的方式，提高量子粒子群优化算法的收敛性能，权重设置为粒子历史最优位置适应度占所有山地光伏粒子历史最优位置适应度之和的比例，即
27、
28、其中为粒子历史最优位置适应度，
29、利用高斯分布确定局部随机吸引子，相应的公式如下：
30、
31、其中，为第i个粒子在k时刻的位置的局部随机吸引子；
32、所述获得粒子的位置更新如下：
33、
34、其中，β为收缩-伸张因子，当β＝0.75时，算法获得良好的性能。
35、优选地，步骤2.2.6中，所述变异处理方式为：
36、
37、优选地，步骤2.3中，具体包括：
38、2.3.1，求解采集得到的山地光伏每个数据到初始聚类中心的欧式距离，并依据欧式距离最小值，将所有数据分配至就近聚类中心所在的组中；
39、2.3.2，计算k个山地光伏数据组内的所有的数据的均值，更新簇中心；
40、2.3.3，利用最近邻原则，将所有数据重新分配至k个山地光伏数据组中；
41、2.3.4，计算所有样本到该山地光伏数据组聚类中心的平方和；
42、2.3.5，判断此时的平方和和上一次平方和是本文档来自技高网...
【技术保护点】
1.一种基于边缘网关功率控制的山地光伏控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于边缘网关功率控制的山地光伏控制方法，其特征在于：
3.根据权利要求2所述的一种基于边缘网关功率控制的山地光伏控制方法，其特征在于：
4.根据权利要求3所述的一种基于边缘网关功率控制的山地光伏控制方法，其特征在于：
5.根据权利要求3所述的一种基于边缘网关功率控制的山地光伏控制方法，其特征在于：
6.根据权利要求3所述的一种基于边缘网关功率控制的山地光伏控制方法，其特征在于：
7.根据权利要求2所述的一种基于边缘网关功率控制的山地光伏控制方法，其特征在于：
8.根据权利要求1所述的一种基于边缘网关功率控制的山地光伏控制方法，其特征在于：
9.根据权利要求1所述的一种基于边缘网关功率控制的山地光伏控制方法，其特征在于：
10.一种基于边缘网关功率控制的山地光伏控制系统，包括：边缘网关、光伏逆变器、云端指令、量子粒子群算法、K-means聚类算法以及功率控制，其特征在于：<...
【技术特征摘要】
1.一种基于边缘网关功率控制的山地光伏控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于边缘网关功率控制的山地光伏控制方法，其特征在于：
3.根据权利要求2所述的一种基于边缘网关功率控制的山地光伏控制方法，其特征在于：
4.根据权利要求3所述的一种基于边缘网关功率控制的山地光伏控制方法，其特征在于：
5.根据权利要求3所述的一种基于边缘网关功率控制的山地光伏控制方法，其特征在于：
6.根据权利要求3所述的一种基于...
【专利技术属性】
技术研发人员：雷惠麟，汪一，桂小宇，张洪钟，张晨曦，晁小冬，黄明航，
申请(专利权)人：北京四方继保自动化股份有限公司，
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。