【技术实现步骤摘要】
本专利技术涉及一种光伏集群动态划分方法，具体的说，涉及了一种基于光伏出力的分布式光伏集群动态划分方法及装置。
技术介绍
1、在国家电网公司构建新能源为主体的新型电力系统，逐步实现电力系统能源结构转型的背景下，我国2023年第一季度新增光伏并网容量3366万千瓦，同比增长154.8％，其中分布式光伏发电1813万千瓦。分布式光伏的规模化利用可有效提升能源利用效率，同时也带来了潮流反供、电压越限等问题。由于分布式光伏出力具有强随机性和间歇性特点且以多点高分散形式接入配电网，集中控制方式难以满足系统对通信、计算能力的要求。对配电网进行集群划分及动态调整，为集群控制策略提供基础，可以有效提升网络的调控精度与速度，以保证电网安全高效的运行。
2、目前，配电网集群划分主要以集群结构性和功能性为目标。如中国电力，2023，56(02)：150-6考虑灵活性供需平衡及响应速度的分布式电源集群划分方法，以集群结构性、集群内爬坡灵活性供需平衡度和集群调频灵活性响应速度为优化目标；采用遗传算法进行集群划分寻优求解，该方法同时考虑集群节点间的耦合程度，集群内灵活性资源的供需平衡和灵活性资源的响应特性。
3、随着我国分布式光伏建设逐渐规模化，对大规模分布式网络的集群调控需求应运而生。然而，由于光伏出力特性的频繁变化、网络扩展的需求以及软开关设备对配电网结构的动态重构，分布式光伏网络实际上是处于不断的变化之中。因此，研究对分布式网络控制方式的动态调整，对其进行动态集群划分是很有必要的。
4、专利文献cn 11554917
5、为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。
技术实现思路
1、本专利技术的目的是针对现有技术的不足，从而提供一种基于光伏出力的分布式光伏集群动态划分方法及装置。
2、为了实现上述目的，本专利技术所采用的技术方案是：
3、一种基于光伏出力的分布式光伏集群动态划分方法，包括以下步骤：
4、获取待划分集群网络的拓扑结构和网络参数；
5、设定模块度、群内功率供应率以及群间功率传输量作为综合指标；
6、将综合指标作为适应度值导入改进aga算法中，对含光伏的配电网进行分场景的集群划分，获得不同光伏场景下的集群划分方案；
7、基于下一天光伏预测数据获得下一天的光伏场景分布，并结合集群划分方案获得下一天的初始集群划分方案；
8、初始集群划分方案应用过程中，监测各集群的无功供应率，如满足功率供应率约束，则继续监测，否则将不满足功率供应率约束的集群逐个并入相邻集群，计算合并后的适应度，选择适应度最大的合并方案，作为最终的集群划分方案。
9、可选的，所述综合性能指标的表达形式为：
10、f＝αρ+βf1+γf2
11、式中：f为综合性能指标，α，β，γ分别为各指标的权重系数，α+β+γ＝1；
12、ρ为模块度指标，所述模块度指标的表达形式为：
13、式中，aij为节点i，j之间连边权重，m为所有边的权重之和；ki为连接节点i的所有连边权重和；kj为连接节点j的所有连边权重和，ci和cj分别为节点i和j所在集群编号，当节点i，j属于同一集群时，δ(ci，cj)＝1，否则δ(ci，cj)＝0；
14、f1为群内功率供应率指标，所述群内功率供应率的表达形式为：
15、
16、其中ncl为网络中集群的总个数，np为集群p包含的节点个数；gq，p，s，gp，p，s分别为集群p的无功，有功供应率；
17、pci，qci为节点i的有功无功消耗量；pgi，qci为节点i的有功无功供应量；n为集群内节点总个数；
18、f2为群间功率传输量指标，所述群间功率传输量的表达形式为：
19、
20、其中的ps，qs分别为集群s与其他集群之间的有功功率和无功功率传输量。
21、可选的，所述改进aga算法为基于自适应交叉变异率的遗传算法，其中，交叉变异率的自适应调节公式为：
22、
23、
24、式中，lc为染色体交叉率，lm为染色体变异率，favg为种群平均适应度，fmax为种群最大适应度，f’为当前进行变异操作的染色体适应度值，f为当前进行需交叉的两个染色体中较大的适应度值，lm，max，lm，min，为染色体最大最小变异率和lc，max，lc，min为染色体最大最小交叉率。
25、一种基于光伏出力的分布式光伏集群动态划分装置，包括：
26、数据获取模块，用于获取待划分集群网络的拓扑结构和网络参数；
27、集群划分方案获取模块，以设定模块度、群内功率供应率以及群间功率传输量作为综合指标，将综合指标作为适应度值导入改进aga算法中，对含光伏的配电网进行分场景的集群划分，内置有获得不同光伏场景下的集群划分方案；
28、初始集群划分模块，用于根据基于下一天光伏预测数据获得下一天的光伏场景分布，并结合集群划分方案获得下一天的初始集群划分方案；
29、集群动态调整模块，用于在初始集群划分方案应用过程中，监测各集群的无功供应率，如满足功率供应率约束，则继续监测，否则将不满足功率供应率约束的集群逐个并入相邻集群，计算合并后的适应度，选择适应度最大的合并方案，作为最终的集群划分方案。
30、一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如前述的一种基于光伏出力的分布式光伏集群动态划分方法。
31、一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如前述的一种基于光伏出力的分布式光伏集群动态划分方法。
32、本专利技术相对现有技术具有突出的实质性特点和显著的进步，具体的说，本专利技术以提高集群调控灵活性和经济性为目标，在模块度划分标准基础上，引入群内功率供应率与群间功率传输量，提出一种基于光伏出力、综合指标和自适应遗传算法的集群划分及动态调整方法，基于综合性能指标的自适应遗传算法集群划分方法同时考虑了系统各节点电气耦合性和集群的功率供应率，减少功率的群间流动，最大程度的实现功率就地平衡；自适应遗传算法与本文档来自技高网...
【技术保护点】
1.一种基于光伏出力的分布式光伏集群动态划分方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于光伏出力的分布式光伏集群动态划分方法，其特征在于，所述综合性能指标的表达形式为：
3.权利要求1或2所述的一种基于光伏出力的分布式光伏集群动态划分方法，其特征在于：所述改进AGA算法为基于自适应交叉变异率的遗传算法，其中，交叉变异率的自适应调节公式为：
4.一种基于光伏出力的分布式光伏集群动态划分装置，其特征在于，包括：
5.根据权利要求4所述的一种基于光伏出力的分布式光伏集群动态划分装置，其特征在于，所述综合性能指标的表达形式为：
6.根据权利要求4或5所述的一种基于光伏出力的分布式光伏集群动态划分装置，其特征在于：所述改进AGA算法为基于自适应交叉变异率的遗传算法，其中，交叉变异率的自适应调节公式为：
7.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至3中任意一项所述的一种基于光伏出力的分布
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至3中任意一项所述的一种基于光伏出力的分布式光伏集群动态划分方法。
...【技术特征摘要】
1.一种基于光伏出力的分布式光伏集群动态划分方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于光伏出力的分布式光伏集群动态划分方法，其特征在于，所述综合性能指标的表达形式为：
3.权利要求1或2所述的一种基于光伏出力的分布式光伏集群动态划分方法，其特征在于：所述改进aga算法为基于自适应交叉变异率的遗传算法，其中，交叉变异率的自适应调节公式为：
4.一种基于光伏出力的分布式光伏集群动态划分装置，其特征在于，包括：
5.根据权利要求4所述的一种基于光伏出力的分布式光伏集群动态划分装置，其特征在于，所述综合性能指标的表达形式为：
6.根据权利要求4或5...
【专利技术属性】
技术研发人员：李景丽，赵源，姚依晨，程志平，李忠文，袁豪，任俊跃，王俊诚，朱子卓，李传举，刘璐瑶，张梦瑶，张泽宇，吴广银，
申请(专利权)人：郑州大学，
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。