一种基于均值聚类的分布式光伏准入容量计算方法及系统与流程

本发明涉及一种分布式光伏准入容量计算方法及系统，尤其涉及一种基于均值聚类的分布式光伏准入容量计算方法及系统，属于配电网规划及评估领域。

背景技术：

1、随着新型电力系统构建，大量新能源和新型电力负荷接入配电系统，配电网从确定性能量单相流动的传统配电网向双向流动的有源配电网转变，新能源的随机性、波动性叠加负荷的不确定性使得对配电网的运行安全性分析更加复杂。随着整县屋顶光伏等相关政策的持续推进，新能源渗透率逐步提升，大规模分布式光伏并网已经给部分配电网带来了巨大的挑战，个别地区甚至出现了电压越限、潮流越限及潮流向上一级电网倒送等一系列问题。因此，在配电网规划阶段如何考虑分布式电源和负荷的不确定性，在满足相关技术指标的前提下，定量评估区域配电网分布式光伏准入容量十分必要，为指导区域配电网的规划和改造提供技术依据。

2、在聚类方法方面，传统的配电网聚类分析方法有k-means聚类、基于密度的dbscan聚类、gmm高斯混合模型的最大期望聚类等方法，其中，k-means均值聚类方法在电力负荷聚类方面因其计算简便、计算速度快应用较多，但其缺点是需要提前指定聚类数目，同时考虑分布式电源和电力负荷的概率场景进行组合聚类分析，开展配电网接入分布式新能源的定量评估十分必要。

3、在配电网分布式光伏准入容量计算法方法方面，现有主要基于一年中负荷和分布式光伏的极端场景进行潮流计算，计算出满足运行约束的光伏接纳能力，评估结果偏保守，影响分布式光伏的有效接入和配电网经济性。

技术实现思路

1、发明目的：本发明的目的是提供了一种聚类更加精准、能准确获得分布式光伏安装裕度实现精准对配电网区域规划的基于均值聚类的分布式光伏准入容量计算方法及系统。

2、技术方案：本发明所述的基于均值聚类的分布式光伏准入容量计算方法，包括如下步骤：

3、(1)根据用电负荷历史数据曲线和分布式光伏发电历史数据曲线，进行标幺化处理，得到单位容量的用电负荷功率曲线和分布式光伏功率曲线；

4、(2)分别对用电负荷功率曲线、分布式光伏功率曲线进行二维均值聚类，得到用电负荷和分布式光伏的时段划分；

5、(3)通过手肘法和最大平均轮廓值法分别对各个时段的用电负荷、分布式光伏确定其最佳聚类数；

6、(4)根据时段划分和最佳聚类数，构建单个时段的用电负荷与分布式光伏联合场景，基于均值聚类算法计算聚类中心、出现概率以及联合概率；

7、(5)针对每个联合场景进行潮流计算，得到分布式光伏最大准入容量。

8、进一步地，步骤(3)所述各个时段的用电负荷最佳聚类数的确定步骤如下：

9、(31a)导入某连续时段用电负荷历史数据曲线，并进行数据预处理；

10、(31b)建立每日总用电负荷、统计日期的二维矩阵进行均值聚类，形成不同聚类数量下各用电负荷到聚类中心的聚类偏差和的二维图形；

11、(31c)利用手肘法找出二维图形中处于拐点且聚类偏差较小的用电负荷聚类数量，进行均值聚类得到初始用电负荷聚类时段划分，再针对台区网架变化、运行方式调整、重要负荷变化进行二次分割得到所有用电负荷时段；

12、(31d)针对每个用电负荷时段，初始化负荷聚类数初值m*＝m＝2、负荷聚类数最大值m_max＝sqrt(365)及负荷聚类轮廓值m_silhouette*＝0；

13、(31e)进行均值聚类计算，得出m个用电负荷聚类簇以及各簇的聚类中心；

14、(31f)根据每个用电负荷样本的聚类中心，计算与其他样本的欧几里得距离，进一步计算聚类数为m时的平均轮廓值m_silhouette(m)；

15、(31g)比较m_silhouette(m)和m_silhouette*，将m_silhouette*更新为二者之间的最大值，同步更新m*＝m；

16、(31h)重复迭代m＝m+1，直至m≥m_max为止，此时m*为最佳用电负荷聚类数、m_silhouette*为用电负荷最佳聚类对应的最大平均轮廓值；

17、(31i)重复步骤(31d)-(31h)，得出所有用电负荷时段的最佳聚类数m。

18、进一步地，步骤(3)所述各个时段的分布式光伏最佳聚类数的确定步骤如下：

19、(32a)导入某个连续时段分布式光伏发电历史数据曲线，并进行数据预处理；

20、(32b)建立每日总分布式光伏、统计日期的二维矩阵进行均值聚类，形成不同聚类数量下每日光伏到聚类中心的聚类偏差和的二维图形；

21、(32c)利用手肘法找出二维图形中处于拐点且聚类偏差较小的分布式光伏聚类数量，进行均值聚类得到初始分布式光伏聚类时段划分，再针对分布式光伏并网时间点进行二次分割得到所有分布式光伏时段；

22、(32d)针对每个分布式光伏时段，初始化该时段光伏聚类数初值n*＝n＝2、光伏聚类数最大值n_max＝sqrt(365)、分布式光伏聚类轮廓值n_silhouette*＝0；

23、(32e)进行均值聚类计算，得出n个分布式光伏聚类簇以及各簇的聚类中心；

24、(32f)根据每个分布式光伏样本的聚类中心，计算与其他样本的欧几里得距离，进一步计算聚类数为n时的平均轮廓值n_silhouette(n)；

25、(32g)比较n_silhouette(n)和n_silhouette*，将n_silhouette*更新为二者之间的最大值，同步更新n*＝n；

26、(32h)重复迭代n＝n+1，直至n≥n_max为止，此时n*为最佳分布式光伏聚类数、n_silhouette*为最佳聚类对应的最大平均轮廓值；

27、(32i)重复步骤(32d)-(32h)，得出所有分布式光伏时段的最佳聚类数n。

28、进一步地，步骤(4)所述聚类中心、出现概率以及联合概率的表达式如下所示：

29、

30、式中，td为用电负荷聚类的时段，tpv为与td同时段或存在交集的分布式光伏聚类时段；为时段td内第m个用电负荷聚类中心，表示以为聚类中心的出现概率；为时段tpv内第n个分布式光伏聚类中心，表示以为聚类中心的出现概率；表示分布式光伏时段tpv与和用电负荷时段td存在交集的时间占比，表示联合场景的联合概率。

31、进一步地，步骤(5)所述分布式光伏最大准入容量的步骤如下：

32、(51)在满足节点电压、线路载流、变压器负载、与上级电网交换功率在安全约束条件下，以联合场景中用电负荷的聚类中心、分布式光伏聚类中心结合配电区域网架结构、负荷和光伏容量及并网点的分布情况和比例系数进行潮流计算；

33、(52)对负荷节点电压的约束条件进行松弛，以待评估配电区域电压合格率指标逐步增加分布式光伏容量，统计电压越限次数，结合联合场景概率计算得到越限概率；

34、(53)基于越限概率，经多次拟合电压合格率边界，最终求得满足电压合格率指标的分布式光伏最大准入量；

35、分布式光伏最大准入量的目标函数如下式所示：

36、

37、式中，fobj为聚类时段分布式光伏的最大准入量，cpv,j为节点j的分布式光准入量。

38、进一步地，步骤(51)所述潮流计算的步骤如下：

39、(51a)获取负荷聚类数量m和分布式光伏聚类数量n，以用电负荷时段作为基准时段，构建用电负荷和分布式光伏同时段的联合场景，计算该时段联合场景概率；

40、(51b)进行聚类数m的均值聚类，计算m个用电负荷典型日聚类中心出现概率计算各节点用电负荷的有功功率无功功率

41、(51c)进行聚类数n的均值聚类，计算n个分布式光伏典型日聚类中心出现概率计算各节点分布式光伏的有功功率无功功率

42、(51d)基于给定的分布式光伏安装容量，结合各节点用电负荷、分布式光伏中心标幺值，对所有联合场景进行潮流计算，得到各节点电压、线路电流、节点交换功率；

43、(51e)判断是否存在支路电流越限、配变变压器容量越限或与上级交换功率越限，如发生越限，则降低分布式光伏安装量或进行配网改造；如未发生越限，则计算当前时段所有联合场景下各节点所有时刻电压越限概率

44、进一步地，步骤(51)所述约束条件包括负荷节点电压约束、线路载流约束、与上级电网交换功率约束，表达式如下所示：

45、

46、式中，为t时刻负荷节点j的电压，分别为负荷节点电压上下限，默认取值为标称电压的93％-107％；为t时刻分布式光伏节点j的电压，分别为分布式光伏节点j的并网点电压上下限，默认取值为标称电压的85％-110％；为t时刻节点j与节点j′的支路电流，为最大支电流限值；为t时刻配电关口有功功率，分别为配电关口有功上下限；为t时刻配电关口无功功率，分别为配电关口无功上下限；

47、各节点用电负荷的有功功率、无功功率表达式如下：

48、

49、式中，为用电负荷节点j在t时刻的有功功率，为配电区域的用电负荷预测最大值，为配电区域用电负荷历史数据曲线最大值，sb为配电区域总负荷功率基值，为用电负荷聚类场景下t时刻的负荷功率标幺值，scalej,d为节点j的用电负荷占区域总负荷的比例,φ为配电区域功率因数角；

50、各节点分布式光伏的有功功率、无功表达式如下:

51、

52、式中，为分布式光伏节点j在t时刻的有功功率，cpv为配电区域分布式光伏最大准入容量，为分布式光伏聚类场景下t时刻的光伏出力系数，scalej,pv为节点j的光伏安装量占区域总安装量的比例，为节点j的分布式光伏功率因素。

53、进一步地，步骤(52)所述越限概率的计算如下所示：

54、

55、式中：为节点j在某个用电负荷聚类时段与分布式光伏聚类时段存在交集的联合场景的越限概率，ratej为节点j在所有时段的累计越限概率，为联合场景的概率，xj(t)为时段t第j个用电负荷节点电压越限状态，xj(t)＝1表示处于越限状态，xm(t)＝0表示电压处于非越限状态，t表示采样点数，表示进行潮流计算时一天之内的累计越限次数；ratevqr为待评估配电区域要求达到的电压合格率指标，对于任意用电负荷节点的电压合格率都应高于ratevqr，λ为预留的裕度。

56、进一步地，步骤(53)所述分布式光伏最大准入量的计算流程如下：

57、(53a)获取待评估配电区域当前分布式光伏安装容量

58、(53b)确定初始步长h0，确定收敛精度ε；

59、(53c)令h＝h0，最大分布式光伏倍数k＝1；

60、(53d)对步长h进行判断：若h>ε，则继续下一步；若h<ε，则计算结束，返回cpv和k，返回的cpv表示为配电区域在当前可准入的最大分布式光伏安装容量；

61、(53e)计算

62、(53f)以联合场景中用电负荷聚类中心光伏聚类中心进行潮流计算，得到所有组合场景下各节点电压越限概率ratej；

63、(53g)判断是否满足ratej≤1-ratevqr-λ，如果不满足，步长取原来的一半h＝h/2，转到步骤(53d)，如满足，更新cpv＝cpv'和k＝k+h，转到步骤(53d)；

64、分布式光伏最大准入量的表达式如下：

65、

66、式中，max cpv为满足电压合格率指标的最大分布式光伏准入量，k为最大分布式光伏安装倍数，表示剩余分布式光伏安装容量。

67、本发明所述基于均值聚类的分布式光伏准入容量计算系统，包括：

68、数据曲线获取和处理模块，用于获取和处理用电负荷和分布式光伏发电数据曲线；

69、时段划分模块，用于通过二维均值聚类对用电负荷和分布式光伏进行时段划分；

70、计算模块，用于计算用电负荷和分布式光伏的最佳聚类数，以及聚类中心、出现概率和联合概率；

71、分析模块，用于对计算结果的判断分析并得到分布式光伏最大准入容量。

72、有益效果：与现有技术相比，本发明具有如下显著优点：(1)聚类更加精准，通过基于k-means++改进均值聚类的最大轮廓值，获得负荷和分布式光伏的最佳聚类数，相较于传统k-means聚类方法，使用加权概率分布随机选择一个新的数据点作为新中心；(2)更精准地指导有源配电网的规划和设计，通过构建配电区域分布式光伏和负荷联合场景概率的组合聚类方法，通过概率场景构建对分布式光伏和负荷进行量化分析，比确定性极端场景更能真实反映配电区的负荷和分布式光伏分布情况，实现在源荷不确定性下配电网接入能力量化评估；(3)准确获得配电区域剩余的分布式光伏安装裕度，通过对待评估区域近1-2年新能源发电和负荷数据为样本进行聚类，对电压进行松弛，并引入综合电荷合格率指标，提出基于多组合场景的配电区域分布式光伏准入容量计算方法；并且兼顾配电网的安全性和经济性，在给定满足相关安全性越限概率指标的前提下，准确获得配电区域剩余的分布式光伏安装裕度和最大分布式光伏倍数，实现配电网接入分布式光伏准入容量的定量评估和接入容量提升，相较于传统以极端情况作为配电网接入能力判据，更能发掘配电网接入新能源的潜力。