基于K-medoid聚类分析的分布式电源规划方法及装置
文献发布时间:2023-06-19 09:47:53
技术领域
本发明涉及一种分布式电源规划技术领域,是一种基于K-medoid聚类分析的分布式电源规划方法及装置。
背景技术
分布式新能源的引入,对传统配电网潮流分布产生较大影响,其中不合适的并网位置及容量可能降低配电网电压水平、供电可靠性并增加配电网线损率,使配电网运行变得更加低效。因此,如何准确分析大规模分布式新能源接入情况下电网损失灵敏度因子对线损率影响水平是一个重要问题。当前对电网线损灵敏度因子的计算分析主要是潮流迭代法和启发式法等,大规模分布式电源接入电网后,采用传统的潮流迭代法或启发式法对线损灵敏度因子进行计算、分析,得到最优的并网位置及容量,计算量巨大,耗费时间大,效率低,容错率低且结果难以复现。并且该方法只针对某一特定配线或某一指定场景进行分析,没有结合不同发电出力场景下配电网整体运行经济性,使得分布式电源规划结果不能使配电网整体高效运行。
发明内容
本发明提供了一种基于K-medoid聚类分析的分布式电源规划方法及装置,克服了上述现有技术之不足,其能有效解决现有分布式电源规划方法存在的计算量大,耗时长,效率低的问题。
本发明的技术方案之一是通过以下措施来实现的:一种基于K-medoid聚类分析的分布式电源规划方法,包括:
获得各节点的节点线损灵敏度因子,其中每个节点的节点线损灵敏度因子均包括配电网线损对节点有功功率的灵敏度因子、配电网线损对节点无功功的率灵敏度因子及配电网线损对节点电压的灵敏度因子;
以各节点线损灵敏度因子作为聚类特性指标,采用k-medoid聚类分析对数据样本进行聚类,得到分布式电源的最优并网位置,其中,数据样本包括分布式电源电压、功率;
采用基于支路电流变化的部分线损计算策略得到新能源发电的最优规划容量。
下面是对上述发明技术方案的进一步优化或/和改进:
上述每个节点的节点线损灵敏度因子均包括配电网线损对节点有功功率的灵敏度因子、配电网线损对节点无功功率的灵敏度因子及配电网线损对节点电压的灵敏度因子,具体包括:
配电网线损对节点有功功率的灵敏度因子LSF
其中,P
配电网线损对节点无功功率的灵敏度因子LSF
其中,P
配电网线损对节点电压的灵敏度因子LSF
其中,P
上述以各节点线损灵敏度因子作为聚类特性指标,采用k-medoid聚类分析对数据样本进行聚类,得到分布式电源的最优并网位置,包括:
将数据样本进行标准化;
确定K-medoid聚类分析方法的最优聚类个数和初始质心;
迭代计算,判断是否满足迭代条件,响应于不满足,则更新所属的类与聚类中心位置,响应于满足,则将最终的聚类中心为新能源最优并网位置。
上述采用基于支路电流变化的部分线损计算策略得到新能源发电的最优规划容量,包括:
获得分布式电源接入引起的线损电量减少量;
根据分布式电源接入引起的线损电量减少量,获得分布式电源接入各个节点时的注入电流;
获取各个节点的节点电压;
根据分布式电源接入各个节点时的注入电流和各个节点的节点电压,获得新能源发电的最优规划容量。
本发明的技术方案之二是通过以下措施来实现的:一种基于K-medoid聚类分析的分布式电源规划装置,包括:
线损灵敏度因子获取单元,获得各节点的节点线损灵敏度因子,其中每个节点的节点线损灵敏度因子均包括配电网线损对节点有功功率的灵敏度因子、配电网线损对节点无功功的率灵敏度因子及配电网线损对节点电压的灵敏度因子;
最优并网位置确定单元,以各节点线损灵敏度因子作为聚类特性指标,采用k-medoid聚类分析对数据样本进行聚类,得到分布式电源的最优并网位置,其中,数据样本包括分布式电源电压、功率;
最优规划容量确定单元,采用基于支路电流变化的部分线损计算策略得到新能源发电的最优规划容量。
下面是对上述发明技术方案的进一步优化或/和改进:
上述最优规划容量确定单元包括:
线损电量减少量确定模块,获得分布式电源接入引起的线损电量减少量;
注入电流确定模块,根据分布式电源接入引起的线损电量减少量,获得分布式电源接入各个节点时的注入电流;
节点电压获取模块,获取各个节点的节点电压;
规划容量分析模块,根据分布式电源接入各个节点时的注入电流和各个节点的节点电压,获得新能源发电的最优规划容量。
本发明提出了一种基于K-medoid聚类分析的分布式电源规划方法,将配电网各节点的节点线损灵敏度因子作为聚类特性指标,采用k-medoid聚类分析进行聚类,根据聚类结果,得到分布式电源的最优并网位置。整个过程计算效率高,能节省大量时间,提高了工作效率,并且解决了现有分布式电源规划方法主要针对某一特定配线或某一指定场景进行分析,对不同发电出力场景下配电网整体运行经济性考虑不足的问题,提高了分布式电源规划结果的精确性。
附图说明
附图1为本发明实施例1的方法流程图。
附图2为本发明实施例1的配电线路等值单线图。
附图3为本发明实施例1中通过k-medoid聚类分析确定新能源最优并网位置的流程图。
附图4为本发明实施例1中确定新能源发电的最优规划容量的流程图。
附图5为本发明实施例2的装置结构示意图。
附图6为本发明实施例2中最优规划容量确定单元的结构示意图。
具体实施方式
本发明不受下述实施例的限制,可根据本发明的技术方案与实际情况来确定具体的实施方式。
下面结合实施例及附图对本发明作进一步描述:
实施例1:如附图1所示,该基于K-medoid聚类分析的分布式电源规划方法,包括:
S101,获得各节点的节点线损灵敏度因子,其中每个节点的节点线损灵敏度因子均包括配电网线损对节点有功功率的灵敏度因子、配电网线损对节点无功功的率灵敏度因子及配电网线损对节点电压的灵敏度因子;
S102,以各节点线损灵敏度因子作为聚类特性指标,采用k-medoid聚类分析对数据样本进行聚类,得到分布式电源的最优并网位置,其中,数据样本包括分布式电源电压、功率;
S103,采用基于支路电流变化的部分线损计算策略得到新能源发电的最优规划容量。
上述技术方案步骤S102中,以各节点线损灵敏度因子作为聚类特性指标,采用k-medoid聚类分析对数据样本进行聚类,得到分布式电源的最优并网位置,其中k-medoid聚类分析方法对传统的系统聚类法和K-means聚类法进行了改进,提出了新的质点选取方式,使得类簇更紧凑,因此计算量小,计算效率更加高效。k-medoid聚类分析方法中质点选取标准为在某样本点成为质点后,若绝对误差能小于原质点所造成的绝对误差,那该样本点可以取代原来质点;从而不断滚动更新聚类中心,使得聚类数据点与相应的聚类中心距离最小来达到最优聚类的目的。
本发明提出了一种基于K-medoid聚类分析的分布式电源规划方法,得到分布式电源的最优并网位置和新能源发电的最优规划容量,完成分布式电源规划,即将配电网各节点的节点线损灵敏度因子作为聚类特性指标,采用k-medoid聚类分析进行聚类,根据聚类结果,得到分布式电源的最优并网位置。整个过程计算效率高,能节省大量时间,提高了工作效率,并且解决了现有分布式电源规划方法主要针对某一特定配线或某一指定场景进行分析,对不同发电出力场景下配电网整体运行经济性考虑不足的问题,提高了分布式电源规划结果的精确性。
下面是对上述发明技术方案的进一步优化或/和改进:
如附图1、2所示,所述步骤S101,每个节点的节点线损灵敏度因子均包括配电网线损对节点有功功率的灵敏度因子、配电网线损对节点无功功率的灵敏度因子及配电网线损对节点电压的灵敏度因子,具体包括:
配电网线损对节点有功功率的灵敏度因子LSF
其中,P
配电网线损对节点无功功率的灵敏度因子LSF
其中,P
配电网线损对节点电压的灵敏度因子LSF
其中,P
如附图2所示的配电线路等值单线图,图中V
故根据附图2配电网k+1节点的有功功率如下所示:
其中,P
配电网k+1节点的无功功率如下所示:
其中,Q
配电网k+1节点的电压一种计算方式可如下所示:
k+1节点的电压另一种计算方式可如下所示:
将每一段线路的损失电量相加,可以得到配电网总的线损电量P
因此本发明根据上述配电网总的线损电量P
如附图3所示,所述以各节点线损灵敏度因子作为聚类特性指标,采用k-medoid聚类分析对数据样本进行聚类,得到分布式电源的最优并网位置,包括:
S201,将数据样本进行标准化;
S202,确定K-medoid聚类分析方法的最优聚类个数和初始质心;
S203,迭代计算,判断是否满足迭代条件,响应于不满足,则通过下式更新所属的类与聚类中心位置,响应于满足,则将最终的聚类中心为新能源最优并网位置。
上述技术方案中,K-medoid聚类分析方法的一般步骤如下所述:
1、在所有n个聚类点(即数据样本)中随机选取k个初始质心z
2、进行迭代,将所有聚类点按距离分配到最近的聚类中心所属的类别中。
3、每一次迭代后,根据每一类别中聚类点的变化情况,更新该类别的质心z
其中,z
4、重复步骤2至3,直到质心不再变化或者每一类别中的点不再变化为止。
上述确定最优聚类个数和选择初始质心时,最优聚类个数采用平方误差分析法,公式如下所示:
其中,E为样本中所有数据的平方误差之和,z
同时采用最大距离法选择初始质心,公式如下所示:
D
其中,D
如附图4所示,所述采用基于支路电流变化的部分线损计算策略得到新能源发电的最优规划容量,包括:
S301,获得分布式电源接入引起的线损电量减少量,包括:
1、分布式电源接入后的配电网有功电量损失P
其中,P
2、计算分布式电源接入引起的线损电量减少量△P
其中,△P
S302,根据分布式电源接入引起的线损电量减少量,获得分布式电源接入各个节点时的注入电流;
当只有1个电源接入时,对△P
当有2个电源及n个电源接入时,对△P
其中,I
S303,获取各个节点的节点电压;
S304,根据分布式电源接入各个节点时的注入电流和各个节点的节点电压,获得新能源发电的最优规划容量。
例如:当只有1个电源接入时最优规划容量的计算公式如下:
其中,P
当有2个电源及以上接入系统时最优规划容量的计算公式如下:
其中,P
实施例2:如附图5所示,该基于K-medoid聚类分析的分布式电源规划装置,包括:
线损灵敏度因子获取单元,获得各节点的节点线损灵敏度因子,其中每个节点的节点线损灵敏度因子均包括配电网线损对节点有功功率的灵敏度因子、配电网线损对节点无功功的率灵敏度因子及配电网线损对节点电压的灵敏度因子;
最优并网位置确定单元,以各节点线损灵敏度因子作为聚类特性指标,采用k-medoid聚类分析对数据样本进行聚类,得到分布式电源的最优并网位置,其中,数据样本包括分布式电源电压、功率;
最优规划容量确定单元,采用基于支路电流变化的部分线损计算策略得到新能源发电的最优规划容量。
下面是对上述发明技术方案的进一步优化或/和改进:
如附图6所示,所述最优规划容量确定单元包括:
线损电量减少量确定模块,获得分布式电源接入引起的线损电量减少量;
注入电流确定模块,根据分布式电源接入引起的线损电量减少量,获得分布式电源接入各个节点时的注入电流;
节点电压获取模块,获取各个节点的节点电压;
规划容量分析模块,根据分布式电源接入各个节点时的注入电流和各个节点的节点电压,获得新能源发电的最优规划容量。
以上技术特征构成了本发明的最佳实施例,其具有较强的适应性和最佳实施效果,可根据实际需要增减非必要的技术特征,来满足不同情况的需求。
- 基于K-medoid聚类分析的分布式电源规划方法及装置
- 基于面积灰色关联决策的分布式电源规划的概率分析方法