本發(fā)明涉及電網(wǎng)控制，尤其涉及基于比較密度峰值聚類算法的分布式光伏功率波動平抑控制方法；本方案主要用于優(yōu)化資源聚合體調(diào)控量，解決臺區(qū)微電網(wǎng)內(nèi)分布式光伏發(fā)電功率波動大且平抑困難的問題，提升臺區(qū)內(nèi)的電能質(zhì)量水平。

背景技術(shù)：

1、隨著分布式光伏裝機容量增長迅速，其快速波動性顯著增加了輸配網(wǎng)聯(lián)絡線功率波動平抑難度，為解決配電網(wǎng)功率波動問題有關(guān)分布式資源與柔性負荷的調(diào)控日益成為研究重點，但其總體數(shù)量大、單體容量小的特點又使其難以協(xié)同調(diào)控。目前涉及分布式電源電能質(zhì)量控制的方法主要有以下三個：

2、(1)一種分布式電源互動無功支撐的智能調(diào)控系統(tǒng)及方法(202210683576.7):該發(fā)明涉及新能源微電網(wǎng)運行的控制技術(shù)，旨在提供一種分布式電源互動無功支撐的智能調(diào)控系統(tǒng)及方法。該發(fā)明通過使用多目標約束下的優(yōu)化算法，能夠?qū)崿F(xiàn)dg有功出力和無功出力的協(xié)調(diào)，在保證電壓穩(wěn)定和功率因數(shù)符合要求的前提下實現(xiàn)了dg最大的有功輸出，提高了經(jīng)濟效益。

3、(2)一種考慮大規(guī)模分布式電源的配電網(wǎng)并網(wǎng)點電壓控制方法(202310096838.4):所述方法包括：獲取公共并網(wǎng)點的電壓值、各個分布式電源匯入公共并網(wǎng)點的有功功率、無功功率；當公共并網(wǎng)點的電壓值與參考電壓之差大于第一閾值時，計算連接至各個分布式電源的無功出力限值；根據(jù)公共并網(wǎng)點的電壓值與參考電壓之差，獲取無功控制總量；根據(jù)無功控制總量及各個分布式電源的無功出力限值，對各個電源支路的無功控制指令進行調(diào)節(jié)，以控制各個分布式電源按照調(diào)節(jié)后的無功控制指令響應無功出力。

4、(3)一種分布式光伏電站的電能質(zhì)量控制方法及系統(tǒng)(202311091631.4):所述方法包括：對光伏電站應用數(shù)據(jù)信息進行分類整合，構(gòu)建光伏電站控制策略數(shù)據(jù)庫，再按照電能質(zhì)量影響因素集合對光伏電站控制策略數(shù)據(jù)庫進行聚類劃分，并使用深度學習網(wǎng)絡結(jié)構(gòu)對劃分后的光伏電站應用因素分類數(shù)據(jù)集合分別進行訓練、融合，生成光伏電站自適應控制器集；基于光伏電站的屬性信息和光伏電站自適應控制器集進行相似度匹配，并基于所匹配獲得的目標自適應控制器對目標分布式光伏電站進行自適應調(diào)控。

5、其中，上述文獻所披露的內(nèi)容存在如下局限性或缺陷：

6、(1)一種分布式電源互動無功支撐的智能調(diào)控系統(tǒng)及方法(202210683576.7)中提及了智能調(diào)控系統(tǒng)涉及大量的數(shù)據(jù)傳輸和計算，如果缺乏適當?shù)陌踩胧赡軙媾R網(wǎng)絡攻擊和數(shù)據(jù)泄露的風險，影響電網(wǎng)的安全性和可靠性。而且現(xiàn)有的微電網(wǎng)系統(tǒng)可能采用了不同的技術(shù)和標準。該發(fā)明在實際部署時，可能需要進行額外的改造和調(diào)試，以與現(xiàn)有系統(tǒng)兼容，這可能會增加實施難度和成本。

7、(2)一種考慮大規(guī)模分布式電源的配電網(wǎng)并網(wǎng)點電壓控制方法(202310096838.4)中提及了需要獲取多個參數(shù)(電壓值、有功功率、無功功率等)，并進行多步計算才能生成控制指令。這種方法在面對電網(wǎng)快速變化的情況下，可能會因為計算和響應時間過長，導致電壓控制效果不佳。且該方法依賴于對分布式電源及電網(wǎng)參數(shù)的精確建模。如果實際情況與模型有偏差，可能會導致控制指令的不準確，進而影響電壓調(diào)節(jié)的效果。

8、(3)一種分布式光伏電站的電能質(zhì)量控制方法及系統(tǒng)(202311091631.4):盡管該發(fā)明旨在提高實時控制性，但深度學習模型的運行和數(shù)據(jù)處理可能需要大量計算資源。如果實時性要求較高，系統(tǒng)可能需要高性能計算設備，這可能增加成本。深度學習網(wǎng)絡的訓練需要大量的數(shù)據(jù)和計算資源。如果訓練數(shù)據(jù)不足或不具代表性，可能會導致模型的泛化能力不足，即模型在實際應用中的表現(xiàn)可能不如在訓練數(shù)據(jù)上的表現(xiàn)。

9、為解決臺區(qū)微電網(wǎng)內(nèi)分布式光伏發(fā)電功率波動大且平抑困難的問題，本發(fā)明提出了一種基于比較密度峰值聚類算法的分布式光伏功率波動平抑控制方法。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明的目的在于提出一種實施可靠，應用靈活且能夠解決臺區(qū)微電網(wǎng)內(nèi)分布式光伏發(fā)電功率波動大且平抑困難問題的基于比較密度峰值聚類算法的分布式光伏功率波動平抑控制方法。

2、為了實現(xiàn)上述的技術(shù)目的，本發(fā)明所采用的技術(shù)方案為：

3、一種基于比較密度峰值聚類算法的分布式光伏功率波動平抑控制方法，其包括：

4、確定關(guān)于分布式光伏的控制指標；

5、建立對控制指標進行聚類且用于確定聚類中心的比較密度峰值的聚類算法模型；

6、基于聚類算法模型，構(gòu)建用于分析聚類后聚合體綜合調(diào)控性能的聚合指標模型；

7、結(jié)合控制對象特性，構(gòu)建分布式光伏功率波動平抑控制框架模型，以用于對調(diào)控需求進行判斷和資源分群，結(jié)合聚合指標模型判斷出資源調(diào)控的優(yōu)先級順序，再根據(jù)調(diào)控需求判斷結(jié)果，結(jié)合資源調(diào)控的優(yōu)先級順序，將調(diào)控量下發(fā)到各資源聚合體內(nèi)的若干分布式資源中，以各資源聚合體的出力大小作為決策變量，在兼顧功率波動平抑有效性和調(diào)控經(jīng)濟的情況下，通過粒子群算法對控制框架模型進行求解，然后基于求解結(jié)果進行平抑控制。

8、作為一種可能的實施方式，進一步，本方案所述控制指標包括技術(shù)性指標和經(jīng)濟性指標；

9、其中，所述技術(shù)性指標包括分布式光伏對應的調(diào)控準確率rn、可調(diào)控容量中的一項以上；

10、所述調(diào)控準確率rn定義為：

11、

12、式中:pn,t、分別代表可調(diào)資源的實際出力和預期出力大??；nt為時段總數(shù)；ecap為可調(diào)資源實際容量，所述可調(diào)資源包括分布式光伏、分布式儲能；

13、所述可調(diào)控容量包括可上調(diào)容量αn,p與可下調(diào)容量αn,down，其分別定義為：

14、

15、式中:pn,max、pn,min分別為可調(diào)資源運行上界與運行下界；pn,t為可調(diào)資源的實時運行功率；

16、所述經(jīng)濟性指標包括分布式光伏單元、分布式儲能單元與可中斷柔性負荷個體的單位調(diào)控成本，其分別定義為：和

17、作為一種較優(yōu)的實施選擇，優(yōu)選的，本方案建立對控制指標進行聚類且用于確定聚類中心的比較密度峰值的聚類算法模型包括：

18、對聚類算法模型的聚類中心提出如下兩個設定：

19、設定1聚類中心的局部密度大于其周圍鄰近點的密度；

20、設定2聚類中心與比其密度高的數(shù)據(jù)點的距離相對較遠；

21、基于設定1、設定2，要確定聚類算法模型的數(shù)據(jù)集的聚類中心，需對于每一個數(shù)據(jù)點，計算兩個屬性，其為：數(shù)據(jù)點i的局部密度pi和相對距離δi；令待聚類的數(shù)據(jù)集s＝{x1,x2,…,xn},is＝1,2,…,n為相應的指標集；

22、其中，局部密度pi的計算方式包括節(jié)段核算法和高斯核算法，局部密度pi的截斷核算法定義如下：

23、

24、截斷核算法中的函數(shù)定義為：

25、

26、式(3)中:i和j分別為第i個數(shù)據(jù)點、第j個數(shù)據(jù)點；rij為數(shù)據(jù)點xi和xj之間的歐氏距離；參數(shù)rc為截斷距離,其作為密度峰值聚類算法的唯一參數(shù),實際起著距離閾值的作用；

27、局部密度pi的高斯核算法定義如下:

28、

29、其中，式(3)為數(shù)據(jù)集規(guī)模較大時數(shù)據(jù)i的局部密度計算方式；當數(shù)據(jù)集的規(guī)模較小,為減小截斷距離的選擇對算法的影響,密度峰值聚類算法采用高斯核函數(shù)來估計數(shù)據(jù)i的局部密度,如式(5)所示；

30、相對距離δi的算法定義如下：

31、

32、依據(jù)密度峰值聚類算法的設定2的描述,即聚類中心與比其密度高的數(shù)據(jù)點的距離相對較遠可知,聚類中心點的δi值一定相對較大；采用比較量d來替代δ,實現(xiàn)定量比較的方式來顯示相對距離,從而凸顯聚類中心，用τi作為數(shù)據(jù)點i與其密度更低點的最短距離,具體定義如下:

33、di＝δi-τi???????(7)

34、其中，di為δi與τi的比較數(shù)量,其用于輔助識別潛在的聚類中心；當di值較大時,表明該數(shù)據(jù)點距離低密度區(qū)域的數(shù)據(jù)點很近而距離更高密度的數(shù)據(jù)點更遠,符合聚類中心的選擇特征；當di的值在零附近,表明該數(shù)據(jù)點既有密度更大的數(shù)據(jù)點也有密度更小的點,說明該數(shù)據(jù)點處于某個類簇中；若di遠小于零,該數(shù)據(jù)點距離密度高的數(shù)據(jù)點較近而距離密度低的點較遠，這類點為類簇邊緣點；

35、用高斯核函數(shù)來估計特定密度值pi處的概率密度ρy(pi,y),其定義如下:

36、

37、其中:y表示特定密度值pi處可能的距離值，數(shù)值n為數(shù)據(jù)點的總數(shù),參數(shù)a、b為核寬度值，分母是一個歸一化的因子,可以確保核寬度a和b作為概率密度估計重要的參數(shù),通過pi和di的標準差估計得到,rp和rd設置為0.5,具體定義如下:

38、

39、根據(jù)式(9)得到的概率密度估計,然后在特定密度值pi對最小距離值y的期望值和方差值進行估計，其定義如下：

40、

41、通過化簡可以得到:

42、

43、式(11)中,n為數(shù)據(jù)點總數(shù),pi表示數(shù)據(jù)點i的局部密度,參數(shù)a、b表示核寬度值,dj表示比較量；

44、完成在特定密度值pi處最小距離y的期望值和方差值的計算后,利用以下公式進行聚類中心的自動化識別:

45、thd(pi)＝μy(pi)+3σy(pi)??????(12)

46、根據(jù)式(12)可知:μy(pi)表示y的期望值,σy(pi)表示y的標準差，如果數(shù)據(jù)點的最小距離值di>thd(pi),它將會自動識別為聚類中心點。

47、作為一種較優(yōu)的實施選擇，優(yōu)選的，本方案所述聚類算法模型的輸入為:數(shù)據(jù)集s＝{x1,x2,...,xn},is＝{1,2,…,n}為相應的指標集，輸出為:聚類結(jié)果c＝{c1,c2,…,ck},k為聚類中心個數(shù)；所述聚類算法模型進行聚類中心點識別的方法包括如下：

48、步驟1輸入數(shù)據(jù)s,計算距離矩陣；

49、步驟2根據(jù)式(5),計算數(shù)據(jù)點的局部密度pi；

50、步驟3計算數(shù)據(jù)點δi以及對比值τi,根據(jù)式(7)計算比較量di值；

51、步驟4在特定位置的密度值pi處估計概率密度ρy(pi,y)；

52、步驟5在特定密度pi處,估計最小距離值y的期望和方差值；

53、步驟6利用特定密度值處最小距離值y的期望和方差值進行聚類中心點的自動識別；

54、步驟7將非聚類中心點分配到密度較大且距離最近的類簇中；

55、步驟8返回聚類結(jié)果c。

56、作為一種較優(yōu)的實施選擇，優(yōu)選的，本方案基于聚類算法模型，構(gòu)建用于分析聚類后聚合體綜合調(diào)控性能的聚合指標模型包括：

57、對可調(diào)控容量、調(diào)控準確率和單位調(diào)控成本3個指標進行聚合，聚合指標模型定義如下:

58、

59、式中:nk為聚合體k中分布式單元的數(shù)量；nk,pv、nk,ess和nk,ii分別為聚合體k中光伏單元、儲能單元和柔性負荷的數(shù)量；l、p、q分別為聚合體內(nèi)3種控制資源中的單元；為聚合體k在t時刻的總可調(diào)控容量；rk為聚合體表現(xiàn)出的平均調(diào)控準確率,分別計算聚合體內(nèi)3種資源的平均調(diào)控準確率并再次取平均值；ck為聚合體的聚合單位調(diào)控成本,代表聚合體內(nèi)各類資源平均調(diào)控成本之和。

60、作為一種較優(yōu)的實施選擇，優(yōu)選的，本方案所述分布式光伏功率波動平抑控制框架模型為以配電網(wǎng)主變下網(wǎng)點功率的分鐘波動率作為控制目標；所述分布式光伏功率波動平抑控制框架模型的實現(xiàn)方法包括第一階段和第二階段；

61、其中，所述分布式光伏功率波動平抑控制框架模型在第一階段執(zhí)行調(diào)控需求判斷和資源分群的工作，其包括：根據(jù)實時數(shù)據(jù)確定下網(wǎng)點功率的基準值用以生成當前控制周期內(nèi)的目標值；接著，在同一控制周期內(nèi)，根據(jù)控制步長計算下網(wǎng)點功率的波動率，并將其作為分鐘級agc優(yōu)化控制與功率波動平抑目標的耦合約束，從而計算出當前時段配電網(wǎng)的調(diào)控需求量；在每個控制周期內(nèi)，選取第一時刻下網(wǎng)點功率作為控制基準值，并在同一時刻進行資源分群，通過聚合指標模型判斷得出資源調(diào)控的優(yōu)先級順序；

62、第二階段為根據(jù)第一階段調(diào)控需求判斷結(jié)果，依照資源調(diào)控的優(yōu)先級順序?qū)⒄{(diào)控量下發(fā)到資源聚合體內(nèi)的若干分布式資源，以各資源聚合體的出力大小作為決策變量，兼顧功率波動平抑有效性和調(diào)控經(jīng)濟，利用粒子群算法對優(yōu)化控制模型進行求解，其中，每完成1次優(yōu)化模型求解，根據(jù)控制步長和周期求解次數(shù)判斷當前控制周期是否結(jié)束，進而判斷是否需要更新聚類指標并進行下一周期的資源聚類與優(yōu)化控制。

63、作為一種較優(yōu)的實施選擇，優(yōu)選的，本方案所述控制方法還包括：

64、對于未進行資源聚類的集中式優(yōu)化問題，將光伏單元、儲能單元和柔性負荷此3種調(diào)控資源的調(diào)控成本以及主網(wǎng)購電成本作為優(yōu)化目標的組成部分，其定義如下：

65、

66、其中，式中:cpv(t)、cess(t)和cil(t)分別為第t時刻的分布式光伏總調(diào)控成本、分布式儲能總調(diào)控成本和柔性負荷可調(diào)控成本；cgrid(t)為第t時刻的主網(wǎng)購電成本；為當前時刻電網(wǎng)單位購電成本；為第t時刻的下網(wǎng)點功率,也即所需的主網(wǎng)功率,在確定網(wǎng)絡拓撲與資源配置前提下可通過潮流計算求解。

67、作為一種較優(yōu)的實施選擇，優(yōu)選的，本方案還包括：

68、根據(jù)聚類獲得的資源調(diào)控的優(yōu)先級對式(14)進行加以修改，構(gòu)建了以聚合體調(diào)控量為決策變量的經(jīng)濟優(yōu)化目標，其定義如下：

69、

70、式中:k為聚類后得到的聚合體數(shù)目；ccluster,k(t)為第k個聚合體在第t時刻的調(diào)控成本,可根據(jù)經(jīng)濟性聚合體控制指令分解方法快速計算得出，主網(wǎng)購電成本cgrid(t)計算方式不變。

71、作為一種較優(yōu)的實施選擇，優(yōu)選的，本方案還包括：

72、除了考慮常規(guī)系統(tǒng)潮流約束外,還考慮分布式控制資源的運行約束、有功功率平衡約束和下網(wǎng)點功率波動率約束,聚合指標模型的約束條件如下:

73、(1)分布式儲能運行約束

74、聚合后的分布式儲能具有很強的調(diào)控響應能力,是平抑新能源波動的一種主要調(diào)控資源,在聚合體實際運行時一般需要滿足充放電功率約束和容量約束:

75、

76、此外,容量約束應結(jié)合集群儲能的充放電容量動態(tài)特性進行計算分析:

77、

78、式中:ηin、ηout分別為儲能單元的充、放電效率；假設系統(tǒng)中的所有儲能單元型號相同,則集群充放電效率也相同；

79、(2)分布式光伏運行約束

80、分布式光伏一般在最大功率點附近工作,僅在消納不足時進行適當棄光,也即作為一種下調(diào)資源參與配電網(wǎng)的功率平衡；在此過程中,分布式光伏應滿足如下約束條件：

81、

82、式中:為第t時刻聚合體k內(nèi)分布式光伏的調(diào)控總量；第l個分布式單元的最大可調(diào)控量；

83、(3)功率平衡約束

84、

85、(4)可中斷負荷運行約束

86、考慮含可中斷負荷聚合體的聚合出力約束及每日中斷次數(shù)約束,則

87、

88、式中:分別為可中斷負荷單元當前累計中斷次數(shù)及每日最大中斷次數(shù)；

89、(5)下網(wǎng)點功率波動率約束

90、下網(wǎng)點功率波動率rvol表示當前時刻相對前一時刻的功率變化率,根據(jù)配電網(wǎng)結(jié)構(gòu)與資源參數(shù)確定下網(wǎng)點功率波動率約束條件,將波動率rvol限制在控制的目標波動率rb以內(nèi):

91、

92、為簡化優(yōu)化控制模型,并使下網(wǎng)點功率波動率約束與經(jīng)濟性目標函數(shù)建立直接聯(lián)系,本文以罰函數(shù)的形式將其加入到經(jīng)濟性目標函數(shù)中,在優(yōu)化過程中對表征罰函數(shù)作用強度的系數(shù)β設置較大值,得到考慮功率波動平抑效果的經(jīng)濟性目標函數(shù):

93、

94、由于系統(tǒng)潮流屬于非線性約束,利用粒子群優(yōu)化算法pso進行快速求解,可以滿足分布式光伏功率波動快速平抑控制的需求。

95、作為一種較優(yōu)的實施選擇，優(yōu)選的，本方案還包括：

96、經(jīng)上述優(yōu)化控制模型求解可以得到各資源聚合體的總調(diào)控量,還需要進一步對其進行快速分解,相比于常規(guī)按容量比例分配的分解方式,本發(fā)明以經(jīng)濟性作為優(yōu)先級決策依據(jù),構(gòu)建分布式資源聚合體調(diào)控指令快速分解模型,以滿足分布式光伏功率波動快速平抑的需求,其目標函數(shù)與約束條件分別如下:

97、

98、優(yōu)化模型本質(zhì)是對聚合體內(nèi)可調(diào)資源按照經(jīng)濟性指標優(yōu)劣排序,建立聚合體總調(diào)控成本與總調(diào)控量之間的分段函數(shù)關(guān)系式(15),最后以聚合體總調(diào)控量為硬性約束實現(xiàn)調(diào)控指令的快速分解。

99、采用上述的技術(shù)方案，本發(fā)明與現(xiàn)有技術(shù)相比，其具有的有益效果為：本方案通過根據(jù)配電網(wǎng)功率波動平抑需求構(gòu)建資源聚類控制指標體系，同時，還提出了一種自動確定聚類中心的比較密度峰值聚類算法，將分布式資源聚合成若干集群；構(gòu)建以經(jīng)濟性最優(yōu)為目標、以功率波動率為耦合約束的配電網(wǎng)功率波動平抑控制模型，達到優(yōu)化資源聚合體調(diào)控量，解決分布式光伏功率波動平抑困難的問題。