一种考虑灵活性供需平衡以及响应速度的集群的划分方法与流程

1.本发明涉及分布式电源调控技术领域，尤其是涉及分布式电源参与系 统调频调峰的方法，具体涉及一种考虑灵活性供需平衡以及响应速度的集 群的划分方法。


背景技术：

2.为实现碳达峰碳中和目标，大力发展可再生资源以替代不可再生能源 已成为趋势。与此同时，大规模可再生能源的接入将对传统配电网的规划 和运行带来极大的挑战。
3.随着电网中分布式电源的比例不断增加，它引起了诸多问题，例如节 点电压越限和反向功率传输。给电网的调频、调压、调峰增加了难度。另 外，分布式电源输出的不确定性增加了电网中净负载的波动性，并提高了 系统的灵活性需求，且由于分布式电源具有单机容量小、接入点分散和接 入方式多样的特点，大大提高了集中控制的难度。为了使分布式电源接入 电网更加地安全可靠，将分布式电源划分成集群，以集群为单位进行调度 和控制，成为一种行之有效的解决方案。而目前针对分布式电源集群划分 的研究普遍集中在根据电网运行不同的需求及控制目标对集群划分的指 标、算法等进行了研究，但都没有对集群应对系统调频调峰的问题进行研 究。当系统负荷有功波动较大时，为使分布式电源集群能够平衡集群内负 荷，并快速地响应系统频率调节，有必要研究考虑集群内灵活性供需平衡 和集群响应速度的集群划分方法，提高集群参与系统调频调峰的能力。


技术实现要素：

4.本发明的目的就是为了提高集群参与系统调频调峰的能力而提出一 种分布式电源集群划分方法，其综合集群灵活性供需平衡指标、响应速度 指标与模块度指标进行集群划分，既能保证集群结构性，又能保证集群内 灵活性资源的供需平衡，提高集群的自治能力，并充分发挥集群内灵活性 资源的响应特性，提高集群参与系统调频的能力。
5.本发明的目的可以通过以下技术方案来实现：
6.一种考虑灵活性供需平衡以及响应速度的集群的划分方法，包括以下 步骤：
7.1)采用遗传算法，输入原始数据并对遗传算法进行初始化，生成初 始种群，所述原始数据包括网络拓扑、线路参数、负荷数据、分布式电源 出力数据、各灵活性资源参数；
8.2)依据灵活性资源分配策略进行灵活性供需匹配计算；
9.3)将灵活性供需匹配计算得到的结果作为输入计算集群灵活性供需 平衡度指标；
10.4)将灵活性供需匹配计算得到的结果作为输入计算集群响应速度指 标；
11.5)根据输入的原始数据进行潮流计算得到电压灵敏度，基于节点电 压灵敏度的欧氏距离计算得到电气距离进而计算集群模块度指标；
12.6)综合所述集群模块度指标、所述集群灵活性供需平衡度指标、所 述集群响应速度指标为遗传算法适应度评价指标，并应用精英保留策略进 行集群划分。
13.进一步的，所述灵活性资源为考虑常规机组、储能设备、可中断负荷 三种灵活性
资源，其中，储能设备提供灵活性资源能力表达式为：
[0014][0015]
式中：p
max,char,sn
,p
max,disc,sn
分别表示集群c内第n台储能设备sn的最大充电 功率和最大放电功率；分别表示集群c内第n台储能设备sn 的最大、最小容量；η
sn
表示集群c内第n台储能设备sn的充放电效率；
[0016]
可中断负荷提供灵活性的能力主要由t时刻可参与负荷调节的可中断 负荷的总量占可主动参与需求侧响应的负荷比例来决定，具体表达式如下 所示：
[0017][0018][0019]
式中：p
di
(t)为t时刻集群c内第i个负荷节点可中断负荷di的总量；为 t时刻集群c内第i个负荷节点可中断负荷di主动参与需求响应的比例； e
max,di
为集群c内第i个负荷节点可中断负荷di允许的最大切负荷电量；
[0020]
常规机组上调、下调灵活性供给能力表达式如下：
[0021][0022][0023]
式中：τ表示响应时间尺度；p
max,cgn
、p
min,cgn
分别表示集群c内第n台常规 机组cgn的最大、最小出力；分别表示集群c内第n台常规机 组cgn的向上、向下爬坡速度；p
cgn
(t)表示集群c内第n台常规机组cgn 在t时刻的出力。
[0024]
进一步的，所述灵活性资源分配策略为最大化集群响应速度，t时刻 若集群有向上爬坡的需求，则优先爬坡速度较慢的资源增加出力，最后增 加储能出力；t时刻若集群有向下爬坡的需求，则优先减少储能出力，而 后优先爬坡速度较快的资源减少出力。
[0025]
进一步的，所述集群灵活性供需平衡度指标表达式如下所示：
[0026][0027]
式中：λ为集群灵活性平衡度指标，n
c
为总的集群的个数，t为研究周期， 表示在研究周期的内，第c个集群的灵活性缺额，
ꢀꢀꢀ
表示在研究 周期内集群c的灵活性缺额的最大值。
[0028]
进一步的，所述集群响应速度指标表达式如下所示：
[0029][0030]
式中：γ为集群灵活性需求指标，n
c
为总的集群的个数，t为研究周期， k
c
(t)表示在t时刻集群c的响应速度，max{k
c
(t)}表示在研究周期内，集 群c的响应速度的最大值，表示在研究周期的内集群c内所有储 能设备剩余容量之和，表示在研究周期内，集群c内所有 储能设备剩余容量之和的最大值。
[0031]
进一步的，t时刻集群c的响应速度k
c
(t)表达式如下所示：
[0032][0033]
式中：p
gn,left
为各资源可响应容量；灵活性资源可响应时间为t
left
＝p
left
/r。
[0034]
进一步的，各资源可响应容量p
gn,left
表达式如下所示：
[0035][0036]
式中：p
max,gn
为灵活性资源gn最大容量，p
gn
(t)为t时刻gn出力，为t时刻为满足灵活性供需平衡gn的灵活性供给容量。
[0037]
进一步的，所述集群模块度指标根据基于节点电压灵敏度的欧氏距离 计算得到的电气距离计算得到，电气距离由节点间的电压灵敏度求得，根 据某节点有功功率的变化量引起其他节点电压变化量之间的关系求得电 压灵敏度，表达式如下所示：
[0038][0039]
式中：e
i
表示为节点i电压；p
j
表示节点j的有功功率；表示为节点 j有功功率的变化引起节点i电压的变化量；u
n
表示配电网的额定电压；r
i
表示节点i与节点j之间的等效电阻；
[0040]
电气距离是基于节点电压灵敏度的欧氏距离计算所得，即：
[0041][0042][0043]
式中：d
ij
为节点i、j之间的电气距离；s
ij
为灵敏度矩阵中第i行第j列的 元素；为灵敏度矩阵中第j列中数据的最大值；n表示电力系统 网络的总节点数；
[0044]
采用基于电气距离权重的模块度定义方式描述节点间的电气耦合程 度，并通过衡量系统整体模块度确定系统的最优划分，即:
[0045][0046]
式中：ρ表示集群模块度指标；m表示为网络边权之和；k
i
表示与节点i 相连边的边权之和；k
j
表示与节点j相连边的边权之和。当节点i和节点j 在一个集群时δ(i,j)＝1，否则δ(i,j)＝0。
[0047]
进一步的，所述遗传算法适应度评价指标综集群模块度指标、集群灵 活性供需平衡度指标以及集群响应速度指标的综合目标，目标函数如下所 示：
[0048]
max{k1ρ+k2λ+k3γ}
[0049]
式中：k1、k2、k3分别为赋予三项指标的权重，ρ为集群模块度指标，λ 为集群灵活性平衡度指标，γ为集群灵活性需求指标，k1越大，则集群结 构性越好，k2越大，则集群内灵活性供需平衡越好，k3越大，则集群响应 速度越快。
[0050]
与现有技术相比，本发明具有以下优点：
[0051]
(1)通过本发明提出的集群灵活性平衡度指标结合模块度指标进行 划分的集群，既能保证集群结构性，即“集群内部联系紧密，集群间联系疏 松”，又能保证集群内灵活性资源的供需平衡，提高集群的自治能力。
[0052]
(2)通过本发明提出的集群响应速度指标结合模块度指标进行划分 的集群，在保证集群结构性的基础上，充分发挥集群内灵活性资源的响应 特性，提高集群参与系统调频的能力。
附图说明
[0053]
图1为本发明实施例中一种考虑分布式电源集群内功率供需平衡以及 响应速度的集群的划分方法的流程示意图；
[0054]
图2为本发明实施例中ieee 33节点拓扑图；
[0055]
图3为发明实实施例中方案4的集群划分结果。
具体实施方式
[0056]
下面结合附图和具体实施例对本发明进行详细说明。
[0057]
实施例：
[0058]
如图1所示，本发明实施例提供一种考虑灵活性供需平衡以及响应速 度的集群的划分方法，该方法包括下列步骤：
[0059]
步骤一、采用遗传算法，输入网络拓扑、线路参数、负荷数据、分布 式电源出力数据、各灵活性资源参数等原始数据并对遗传算法进行初始化， 生成初始种群。
[0060]
本实施例针对ieee 33节点系统进行集群划分研究，ieee 33节点系 统拓扑图如图2所示，系统内分布式电源接入情况如表1所示，包含风电 以及光伏两种分布式电源。同时系统装有各类灵活性资源数据如表2所示。 实施例含有光伏节点18个，总容量为2770kw，风电节点13个，总容量 为470kw，分布式电源容量渗透率高达86.8％。采用遗传算法进行集
群划 分计算，设定种群数为100，最大迭代次数为500，并采用精英保留策略 确保算法的收敛性。
[0061]
表1系统内分布式电源接入情况
[0062][0063]
表2系统内灵活性资源分布情况
[0064][0065]
步骤二、依据灵活性资源分配策略进行灵活性供需匹配计算；
[0066]
其中，为最大化集群响应速度，灵活性资源分配策略为t时刻若集群 有向上爬坡的需求，则优先爬坡速度较慢的资源增加出力，最后增加储能 出力；t时刻若集群有向下爬坡的需求，则优先减少储能出力，而后优先 爬坡速度较快的资源减少出力。
[0067]
步骤三、将灵活性供需匹配计算得到的结果作为输入计算集群灵活性 供需平衡度指标；
[0068]
其中灵活性供需平衡度指标表达式如下所示：
[0069][0070]
式中：λ为集群的灵活性平衡度指标，n
c
为总的集群的个数，t为研究周 期。表示在研究周期的内，第c个集群的灵活性缺额，
ꢀꢀꢀ
表示在研究 周期内集群c的灵活性缺额的最大值。
[0071]
步骤四、将灵活性供需匹配计算得到的结果作为输入计算集群响应速 度指标；
[0072]
其中集群响应速度指标表达式如下所示：
[0073][0074]
式中：γ为集群的灵活性需求指标，n
c
为总的集群的个数，t为研究周期。 k
c
(t)表示在t时刻集群c的响应速度。max{k
c
(t)}表示在研究周期内，集 群c的响应速度的最大值。表示在研究周期的内集群c内所有储 能设备剩余容量之和，表示在研究周期内，集群c内所有 储能设备剩余容量之和的最大值。
[0075]
其中集群响应速度表达式如下所示：
[0076][0077]
式中：p
gn,left
为各资源可响应容量；灵活性资源可响应时间为t
left
＝p
left
/r。
[0078]
其中集群可响应容量表达式如下所示：
[0079][0080]
式中，p
max,gn
为灵活性资源gn最大容量，p
gn
(t)为t时刻gn出力，为t时刻为满足灵活性供需平衡gn的灵活性供给容量。
[0081]
步骤五、根据输入的原始数据进行潮流计算得到电压灵敏度，基于节 点电压灵敏度的欧氏距离计算得到电气距离进而计算集群模块度指标；
[0082]
其中集群模块度指标根据基于节点电压灵敏度的欧氏距离计算得到 的电气距离计算得到，电气距离主要由节点间的电压灵敏度求得。根据某 节点有功功率的变化量引起其他节点电压变化量之间的关系求得灵敏度， 表达式如下所示：
[0083][0084]
式中：e
i
表示为节点i电压；p
j
表示节点j的有功功率；表示为节点 j有功功率的变化引起节点i电压的变化量；u
n
表示配电网的额定电压；r
i
表示节点i与节点j之间的等效电阻。
[0085]
电气距离是基于节点电压灵敏度的欧氏距离计算所得，即：
[0086][0087][0088]
式中：d
ij
为节点i、j之间的电气距离；s
ij
为灵敏度矩阵中第i行第j列的 元素；为灵敏度矩阵中第j列中数据的最大值；n表示电力系统 网络的总节点数。
[0089]
采用基于电气距离权重的模块度定义方式描述节点间的电气耦合程 度，并通过衡量系统整体模块度确定系统的最优划分，即:
[0090][0091]
式中：ρ表示系统模块度；m表示为网络边权之和；k
i
表示与节点i相连 边的边权之和；k
j
表示与节点j相连边的边权之和。当节点i和节点j在一 个集群时δ(i,j)＝1，否则δ
(i,j)＝0。
[0092]
步骤六、综合所述集群模块度指标、所述集群灵活性平衡度指标、所 述集群响应速度指标为遗传算法适应度评价指标，并应用精英保留策略进 行集群划分。
[0093]
在遗传算法中，包括编码、适应度计算、选择、交叉、变异五个步骤：
[0094]
1.编码：以表示节点连接情况的邻接矩阵为基础的编码方式，通过随 机修改矩阵中的1元素为0以表示不同的集群划分结果来生成初始种群；
[0095]
2.适应度计算：将设计的指标作为适应度函数，以评价集群划分结果 的优劣，根据控制目标的不同设置不同的划分指标以灵活的划分集群；
[0096]
3.选择：通过选择种群中适应度函数值较优的子代进行下一步操作， 以保证种群朝着更优的方向进化；
[0097]
4.交叉：对经过选择得到的子代以自适应的交叉概率进行单点交叉， 形成新的种群；
[0098]
5.变异：交叉后得到的新种群以自适应的变异概率进行变异，形成新 的种群。
[0099]
其中结合所述集群模块度指标、集群灵活性供需平衡度指标以及集群 响应速度指标的适应度评价指标，目标函数如下所示：
[0100]
max{k1ρ+k2λ+k3γ}
[0101]
式中：k1、k2、k3分别为赋予三项指标的权重，k1越大，则集群结构 性越好，k2越大，则集群内灵活性供需平衡越好，k3越大，则集群响应速 度越快。
[0102]
以上述ieee 33节点系统为例，为验证本发明所提指标的有效性，制 定不同的划分方案。方案一仅采用模块度指标进行集群划分；方案二综合 模块度及灵活性平衡指标进行集群划分；方案三综合模块度及集群响应速 度指标进行集群划分。方案四即本文所提集群划分方案，综合考虑模块度 指标、灵活性平衡指标与集群响应速度指标，以集群最大程度参与系统功 率调节为优先目标，取权重分别为k1＝0.3，k2＝0.3，k3＝0.4进行集群划 分。各方案划分指标结果如表3所示。
[0103]
表3各方案集群划分指标结果
[0104][0105]
比较各方案与方案四的集群划分结果，验证本文所提综合指标的集群 划分结果的有效性。
[0106]
与只考虑模块度指标的方案一相比，方案一的模块度指标值比本文所 提综合指标增加了11.1％，即方案一的集群划分结果有更好的集群结构性， 但集群灵活性平衡度与响应速度相比本文提出方案分别减小了15.8％及 38.7％。
[0107]
与考虑模块度指标及灵活性平衡度指标的方案二相比，方案二的模块 度指标值
比本文所提综合指标增加了6.7％，集群灵活性平衡度指标值增加 了13.1％，但响应速度指标值减小了48.5％，即方案二的集群结构性更优， 集群灵活性缺额更小，但较本文方案提升不显著，而集群响应速度较本文 方案却有较大幅度的减少，不利于集群参与系统功率调整。
[0108]
与考虑模块度指标及响应速度指标的方案三相比，方案三的集群模块 度指标值、灵活性平衡度指标值、响应速度指标值分别降低了0.75％、 15.79％、5.8％。
[0109]
基于上述分析，本发明所提集群划分的综合指标在满足集群结构性的 同时，提高了集群内灵活性供需平衡能力，充分发挥集群自治能力，并且 兼顾了集群响应系统功率调节的速度，为集群辅助调节系统频率波动提供 了理论基础。
[0110]
采用本发明所提集群划分方法进行集群划分的方案四的集群划分结 果如图3所示。
[0111]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局 限于此，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可 轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发 明的保护范围应该以权利要求的保护范围为准。