一种基于聚类分析的大规模光伏电站等值建模方法
【专利摘要】本发明公开了一种基于聚类分析的大规模光伏电站等值建模方法，其特征是按如下步骤进行：1求取各光伏发电单元的聚类指标向量；2选取光伏发电单元的初始聚类中心；3对光伏发电单元进行聚类分组；4将同组的光伏发电单元分块合并成一个等值光伏发电单元；5对等值模型进行误差分析。本发明能够对众多光伏发电单元进行科学有效地分组等值，从而达到提高大规模光伏电站等值模型精度的目的。
【专利说明】
一种基于聚类分析的大规模光伏电站等值建模方法
技术领域
[0001] 本发明涉及电力系统分析技术领域，更具体地说本发明涉及一种大规模并网光伏 电站的等值建模方法。
【背景技术】
[0002] 光伏电站以其清洁、可再生、基本不受地理条件限制的特点在中国得到迅速发展。 但由于光伏发电其自身不同于常规能源的发电特性，大容量光伏电站并网将给电网安全稳 定运行带来严峻挑战，有必要对大规模光伏电站接入电网后的电网运行特性开展深入研 究，首要问题就是光伏电站的建模。兆瓦级光伏电站内光伏发电单元数量众多，若对每一个 光伏发电单元建模，会增大电力系统的规模，增加仿真时间。因此采用等值的方法描述光伏 电站是解决该问题最基本的途径。
[0003] 目前对光伏电站的等值化简一般有两种方法:第一种为独立核心建模，主要是以 光伏逆变器为核心，将光伏阵列、线路等按照逆变器的拓扑结构进行化简;第二种为整体建 模，主要是按照光伏发电系统各个部分的连接顺序，对各部分的拓扑结构进行等值化简。独 立核心建模缺乏整体协调性，整体建模虽然思路清晰，但往往难度较大，尤其不利于大规 模、含多种类型光伏逆变器的光伏电站的特性研究。并且在实际的光伏电站中，不同的光伏 发电单元所处的外部环境不同，且不同逆变器的动态特性也存在差异，表现为各光伏发电 单元运行状态不同，当光伏发电单元运行状态相差较大时，按上述两种方法等值化简不能 准确反映光伏电站的特性。
【发明内容】
[0004] 本发明是为避免上述现有技术所存在的不足之处，提供一种基于聚类分析的大规 模光伏电站等值建模方法，以期能对众多光伏发电单元进行科学有效地分组等值，从而达 到提高大规模光伏电站等值模型精度的目的。
[0005] 为了达到上述目的，本发明所采用的技术方案为：
[0006] 本发明一种基于聚类分析的大规模光伏电站等值建模方法的特点是，所述大规模 光伏电站中设置有η个光伏发电单元，且在公共连接点PCC处汇流并接入电网，从而构成光 伏电站详细模型;所述第i个光伏发电单元包括:第i个光伏阵列、第i个逆变器、第i个滤波 环节、第i个变压器、第i个集电线路;KiSn;所述等值建模方法是按如下步骤进行：
[0007] 步骤1、求取η个光伏发电单元的聚类指标向量：
[0008] 步骤1. 1、调节η个光伏发电单元中逆变器的控制参数，使得公共连接点PCC处的电 流波形失真度G达到最小；
[0009] 步骤1.2、假设第i个逆变器共有Np个控制参数，将第i个逆变器的第t个控制参数 #增大App,其它控制参数保持不变，利用式（1)获得第i个逆变器的第t个控制参数#的 灵敏度Z)//V/(/彳 Vi):，从而获得第i个逆变器的N P个控制参数的灵敏度
;进而获得η个逆变器各自Np 个控制参数的灵敏度DM(P) = {D頂(p〇，D頂(P2)，···，D頂(pi)，…，D頂(pn)}，1彡t彡Np: [0010]
(!)
[0011]式(1)中，AG表示所述电流波形失真度G的变化值；
[0012] 步骤1.3、利用式⑵获得第i个逆变器的第t个控制参数#标准化后的值从 而将η个逆变器各自NPf控制参数均进行标准化处理：
[0013](2)
[0014]式(2)中，pt-max
和pt-min分別为η个逆变器中第t个控制参数的最大值和最小值；
[0015]步骤1.4、利用式(3)获得第i个光伏发电单元的聚类指标向量X1，从而获得η个光 伏发电单元的聚类指标向量乂={11^2，"_41，~411}: 「00161
(3)
[0017] 步骤2、将η个光伏发电单元的聚类指标向量X分成c个组，并确定c个初始聚类中心 V={vi，V2，···，vj，···，vc},vj表示第j个组的初始聚类中心；l<c<n，Kj<c:
[0018] 步骤2.1、初始化j = l;
[0019] 步骤2.2、利用式(4)计算第a个光伏发电单元的聚类指标向量Xa与第b个光伏发电 单元的聚类指标向量M间的欧式距离d ab，从而获得距离矩阵Dnxn;
[0020]
.(4)
[0021] 式(4)中，1彡a彡n，l彡b彡n，DnXn为主对角元素为零的对阵矩阵；
[0022] 步骤2.2、从所述距离矩阵Dnxn中选取欧式距离最小的两个聚类指标向量所对应的 两个光伏发电单元作为第j组，并将相应的两个聚类指标向量存入指标集合中；
[0023] 求取第j组中两个聚类指标向量的中点作为第j个初始聚类中心^
[0024] 步骤2.3、从距离矩阵Dnxn中选出所有能满足条件的聚类指标向量；
[0025] 满足条件的聚类指标向量为:与指标集合中的任意一个聚类指标向量间的欧式距 离均大于设定的阀值α的聚类指标向量；
[0026] 从所有满足条件的聚类指标向量中选取欧式距离最小的两个聚类指标向量所对 应的两个光伏发电单元作为第j+Ι组，并将相应的两个聚类指标向量存入指标集合中，从而 更新所述指标集合；
[0027] 求取第j+Ι组中两个聚类指标向量的中点作为第j + Ι个初始聚类中心vJ+1;
[0028] 步骤2.4、判断j+l = c是否成立，若成立，则表示已获得c个初始聚类中心V，否则， 将j+Ι赋值给j，并返回步骤2.3执行；
[0029] 步骤3、利用模糊C均值聚类算法FCM对η个光伏发电单元进行聚类分组：
[0030] 步骤3.1、定义迭代变量k，并初始化k=l;并将步骤2求取的c个初始聚类中心V作 为第k-Ι次迭代的c个聚类中心;
[0031] 步骤3.2、利用式(5)获得第k次迭代中第i个光伏发电单元属于第j个组的隶属度 (5)
[0032] ，u而雄钽击届.ι?Ρ4ε_7ν㈨.
[0033] 式(5)中，表示第i个光伏发电单元的聚类指标向量X1与第k-1次迭代的 第j个聚类中心vfi间的欧式距离，m为模糊系数;1彡r彡c;
[0034] 步骤3.3、利用式(6)更新第k次迭代的第j个聚类中心vf,从而获得第k次迭代的c 个聚类中心：
[0035]
(6)
[0036] 步骤3·4、利用式(7)求取第k次迭代的目标函数值^c);
[0037]
0)
[0038] 步骤3.5、将k+Ι赋值给k，并返回步骤3.2执行，直：
间的 变化值小于允许误差ξ或k达到允许的最大迭代次数cycle为止，记录此时的迭代次数k为 kend ;
[0039]步骤3.6、利用式(8)和式(9)获得划分系数PC和分类熵CE，以所述划分系数PC和分 类熵CE评仕。木專Z士公由的喪类效果；
[0040] .
[0041 ] ㈧）
[0042] 步骤4、改变分组个数c后，并按照步骤2和步骤3重新对η个光伏发电单元进行聚类
分组，通过比较不同分组个数下的划分系数PC、分类熵CE确定最佳分组个数，记为Cbest，取 最佳分组个数Cbest下的隶属度广…n A & 一 θ &果，将最佳分组个 数Cbest下的Cbest个聚类中心记作
[0043]步骤5、根据最终的分组结果，采用分块等值法将分在同一组的光伏发电单元合并 成一个等值光伏发电单元，从而得到光伏电站多机等值模型；
[0044] 步骤5.1、假设Cbest组中任意第1组共有扣个光伏发电单元，利用式(10)和式（11)分 另峨得第1组的等值光伏阵列的参数L=和〇<l< Cbe3St:
[0045] (10)
[0046] (11)
[0047] 式（10)和式（11)中，U表示ih个光伏发电单元中任意个光伏发电单元的出口电压； I表示Φι个光伏发电单元中任意个光伏发电单元的输出电流；
[0048] 步骤5.2、将第1个聚类中心中的第X个参数除以扣个逆变器的第X个控制参数 的灵敏度的平均值获得第1组的等值逆变器的第X个控制参数标准化后的值,利用式 (12)获得第1组的等值逆变器的第X个控制参数;进而获得第1组的等值逆变器的Np个控 制参数，Kx彡Np;
[0049]
(12)
[0050] 步骤5.3、利用式（13)、式（14)、式（15)和式（16)分别获得第1组的等值直流侧滤波
电容、等值交流侧滤波电容Cf07、等值交流侧滤波电感、等值变压器阻抗2^^: [0051 ] (13)
[0052] (14)
[0053] (1、）
[0054] (1:6)
[0055] 式（13)、式（14)、式（15)和式（16)中，Cdc、Cf、Lf、Ζτ分别为Φι个光伏发电单兀中任意 个光伏发电单元的直流侧滤波电容、交流滤波电容、交流滤波电感、变压器阻抗；
[0056]步骤5.4、利用式(17)获得第1组的等值集电线路阻抗Z=: _7]
(Π)
[0058] 式（17)中，1彡α彡ih，Zla为ih个光伏发电单元中第α个光伏发电单元的集电线路阻 抗;Pza为流过Φ?个光伏发电单元中第α个光伏发电单元的集电线路阻抗Zla的功率;P Zs为流 过第1组的等值集电线路阻抗Zg的总功率；
[0059] 步骤5.5、重复步骤5.1-步骤5.4，从而获得Cbe3st组等值光伏发电单元的参数，从而 构成光伏电站多机等值模型；
[0060] 步骤6、利用式（18)和式（19)分别获得所述光伏电站多机等值模型的有功功率相 对误差Ep和无功功率相对误差Q p，以所述有功功率相对误差Ep和无功功率相对误差Qp对所 述光伏电站多机等值模型进行评价：
[0061 ] (18)
[0062] (19)
[0063]式（18)和式（19)中，γ为所要分析时间段内的米样点数;PfA、QfA分别为光伏电站 详细模型在公共连接点PCC处的有功功率和无功功率的采样值;Ρλ、ζ)λ分别为光伏电站多机 等值模型在公共连接点PCC处的有功功率和无功功率的采样值。
[0064] 与已有技术相比，本发明的有益效果体现在：
[0065] 1、本发明利用模糊C均值聚类算法FCM将具有相似运行特征的光伏发电单元分在 一个组中，利用分块等值法将同组的光伏发电单元合并成一个等值光伏发电单元，构建完 成光伏电站的多机等值模型，从而实现了仿真精度可接受条件下大规模光伏电站的简化降 阶。
[0066] 2、本发明针对光伏电站中逆变器的动态特性存在差异，提出的光伏发电单元的聚 类指标向量考虑了逆变器控制参数对系统输出轨迹的灵敏度，从而使光伏发电单元的聚类 分组具有更高的准确性和可靠性。
[0067] 3、本发明通过提出的划分系数和分类熵的概念建立了光伏发电单元聚类效果评 估体系，从而能够确定光伏发电单元的最佳分组个数，使得光伏发电单元具有良好的分组 效果。
[0068] 4、本发明采用分块等值法将同组的光伏发电单元合并成一个等值光伏发电单元， 不需要繁琐的公式推导，计算过程简单方便，达到减少仿真计算量的目的。
[0069] 5、本发明提出的光伏电站多机等值模型误差评价指标可用于各个时间段的分析， 且对采用其他方法得到的光伏电站等值模型也同样适用，具有较高的通用性。
【附图说明】
[0070] 图1为本发明所涉及的大规模光伏电站详细模型示意图；
[0071 ]图2为本发明所涉及的大规模光伏电站多机等值模型示意图；
[0072]图3为本发明所涉及的大规模光伏电站中光伏发电单元FCM聚类评估流程图。
【具体实施方式】
[0073] 本实施例中，如图1所示，在大规模光伏电站中设置有η个光伏发电单元，且在公共 连接点PCC处汇流并接入电网，从而构成光伏电站详细模型；第i个光伏发电单元包括:第i 个光伏阵列、第i个逆变器、第i个滤波环节、第i个变压器、第i个集电线路;KiSn;
[0074] 如图3所示，一种基于聚类分析的大规模光伏电站等值建模方法是按如下步骤进 行：
[0075] 步骤1、求取η个光伏发电单元的聚类指标向量：
[0076] 步骤1.1、调节η个光伏发电单元中逆变器的控制参数，使得公共连接点PCC处的电 流波形失真度G达到最小；
[0077]步骤1.2、假设第i个逆变器共有Np个控制参数，将第i个逆变器的第t个控制参数 if增大其它控制参数保持不变，利用式（1)获得第i个逆变器的第t个控制参数#的 灵敏度￡>/Μ(Α(?|),从而获得第i个逆变器的N P个控制参数的灵敏度 D/Μ (Α) = 0/Λ々/彳"),/(/々1 )，…,DMM/f…,D//V以 个控制参数的灵敏度 D頂(D) = iDIM(m),DIM(p2)，."，DIM(pi)，."，Dni(pn)}，Kt<N P: [0078；
(1)
[0079] 式（1)中，AG表示电流波形失真度G的变化值;式（I)DIM定义是参数变动趋于0时 的极限，通常是将各个参数变动相同的且尽可能小的比例，进而求取。
[0080] 步骤1.3、利用式（2)获得第i个逆变器的第t个控制参数#?标准化后的值pf，从 而将η个逆亦！夂白个掉削僉数均进行标准化处理：
[0081]
(2)
[0082]式⑵中，pt-max和pt-min分别为η个逆变器中第t个控制参数的最大值和最小值;将 逆变器控制参数标准化是为了消除参数量纲的影响及避免不同逆变器参数间的""大数吃 小数"现象；
[0083]步骤1.4、利用式(3)获得第i个光伏发电单元的聚类指标向量X1，从而获得η个光 伏发电单元的聚类指标向量乂={11^2，"_41，~411}: ΓΛΛΟ/Ι ?
(3)
[0085] 上述求取光伏发电单元的聚类指标向量是通过结合逆变器控制参数与参数灵敏 度得到的。对于光伏电站而言，光伏阵列为静态元件，逆变器的参数差异可以直接反应其动 态特性的差异，同时考虑到同一控制模式下的逆变器，不同控制参数对系统动态响应的影 响程度不同，因此得到的聚类指标向量能够将各个光伏发电单元间的相似度得到准确、客 观的反应。
[0086] 步骤2、将η个光伏发电单元的聚类指标向量X分成c个组，并确定c个初始聚类中心 V={vi，V2，···，vj，···，vc},vj表示第j个组的初始聚类中心；l<c<n，Kj<c:
[0087] 步骤2.1、初始化j = l;
[0088] 步骤2.2、利用式(4)计算第a个光伏发电单元的聚类指标向量Xa与第b个光伏发电 单元的聚类指标向量M间的欧式距离d ab，从而获得距离矩阵Dnxn;
[0089] (4)
[0090] ，υηχπ7：νζη/\;| Zfl兀素为零的对阵矩阵；
[0091] 步骤2.2、从距离矩阵Dnxn中选取欧式距离最小的两个聚类指标向量所对应的两个 光伏发电单元作为第j组，并将相应的两个聚类指标向量存入指标集合中；
[0092]求取第j组中两个聚类指标向量的中点作为第j个初始聚类中心Vj;
[0093]步骤2.3、从距离矩阵Dnxn中选出所有能满足条件的聚类指标向量；
[0094]满足条件的聚类指标向量为:与指标集合中的任意一个聚类指标向量间的欧式距 离均大于设定的阀值α的聚类指标向量；
[0095] 从所有满足条件的聚类指标向量中选取欧式距离最小的两个聚类指标向量所对 应的两个光伏发电单元作为第j+Ι组，并将相应的两个聚类指标向量存入指标集合中，从而 更新指标集合；
[0096] 求取第j+Ι组中两个聚类指标向量的中点作为第j+Ι个初始聚类中心vJ+1;
[0097] 步骤2.4、判断j+l = c是否成立，若成立，则表示已获得c个初始聚类中心V，否则， 将j+Ι赋值给j，并返回步骤2.3执行;若找不出满足要求的c个初始聚类中心，是由于设定的 阀值α过大的原因，适当减少α的值即可解决；
[0098] 初始聚类中心的位置对光伏发电单元的聚类分组效果影响非常大，初始聚类中心 的位置选的不好，轻则导致聚类分组算法的迭代次数增多，计算量增大，重则导致聚类分组 算法陷入局部最优解，聚类分组结果不准确。本方法光伏发电单元的初始聚类中心选取的 原则是尽量使各个初始聚类中心间的距离大于设定的阀值，这样在接下来的聚类算法中可 避免以上问题。
[0099] 步骤3、利用模糊C均值聚类算法FCM对η个光伏发电单元进行聚类分组：
[0100] 步骤3.1、定义迭代变量k，并初始化k=l;并将步骤2求取的c个初始聚类中心V作 为第k-Ι次迭代的c个聚类中心;
[0101] 步骤3.2、利用式(5)获得第k次迭代中第i个光伏发电单元属于第j个组的隶属度 值< ,从而获得隶属度矩阵比]: (5)
[0102
[0103] 式(5)中，Ik-Il2表示第i个光伏发电单元的聚类指标向量X1与第k-ι次迭代的 第j个聚类中心间的欧式距离，m为模糊系数;KrSc;
[0104] 步骤3.3、利用式(6)更新第k次迭代的第j个聚类中心vf,从而获得第k次迭代的c 个聚类中心：
[010!
(6)
[0106] 步骤3.4、利用式(7)求取第k次迭代的目标函数
[0107]
(7)
[0108] 步骤3.5、将k+Ι赋值给k，并返回步骤3.2执行，直到J
间的 变化值小于允许误差ξ或k达到允许的最大迭代次数cycle为止，记求此时的达代次数k为 kend ；
[0109] 步骤3.6、利用式(8)和式(9)获得划分系数PC和分类熵CE，以划分系数PC和分类熵 CE评估η个光伏发电单元分为c个组时的聚类效果；
[0110] (8)
[0111] (9)
[0112] PC用于评价不同光伏发电单元聚类分组间的分离程度，取值越大越好;CE用于评 价不同光伏发电单元聚类分组间的模糊程度，取值越小越好。
[0113] 本方法不仅限于同一控制模式的逆变器，若光伏电站存在多种控制模式的逆变 器，可先按照控制模式分群，在每一个群中再按上述方法分别进行聚类分组，具有较高的通 用性。
[0114] 步骤4、改变分组个数c后，并按照步骤2和步骤3重新对η个光伏发电单元进行聚类 分组，通过比较不同分组个数下的划分系数PC、分类熵CE确定最佳分组个数，记为C best，取 最佳分组个数Cbest下的隶属度矩阵作为η个光伏发电单元最终的分组结果，将最佳分组个 数Cbest下的Cbest个聚类中心记f
[0115] 步骤5、根据最终的分组结果，采用分块等值法将分在同一组的光伏发电单元合并 成一个等值光伏发电单元，从而得到光伏电站多机等值模型；
[0116] 步骤5.1、假设Cbest组中任意第1组共有扣个光伏发电单元，利用式(10)和式（11)分 别获得第1组的等值光伏阵列的参数?/f和if，1彡Kc best:
[0117] (IO)
[0118] (11)
[0119] 式（10)和式（11)中，U表示ih个光伏发电单元中任意个光伏发电单元的出口电压； I表示Φι个光伏发电单元中任意个光伏发电单元的输出电流；
[0120] 步骤5.2、将第1个聚类中心V1best中的第X个参数除以ih个逆变器的第X个控制参数 的灵敏度的平均值获得第1组的等值逆变器的第X个控制参数标准化后的值;^，利用式 (12)获得第1组的等值逆变器的第X个控制参数;进而获得第1组的等值逆变器的Np个控 制参数，Kx彡Np;
[0121]
(12)
[0122] 式（12)实际为式(2)的逆变化；
[0123] 步骤5.3、利用式（13)、式（14)、式（15)和式（16)分别获得第1组的等值直流侧滤波 电容、等值交流侧滤波电容、等值交流侧滤波电感、等值变压器阻抗:
[0124] (13)
[0125] (!4)
[0126] (15)
[0127] (16)
[0128] 式（13)、式（14)、式（15)和式（16)中，0<!。々、1^^分别为机个光伏发电单元中任意 个光伏发电单元的直流侧滤波电容、交流滤波电容、交流滤波电感、变压器阻抗；
[0129] 步骤5.4、利用式（17)获得第1组的等值集电线路阻抗Z^:
[0130]
Π7)
[0131] 式（17)中，l<a<ih，Zla为ih个光伏发电单元中第α个光伏发电单元的集电线路阻 抗;Pza为流过Φ?个光伏发电单元中第α个光伏发电单元的集电线路阻抗Zla的功率;Pzs为流 过第1组的等值集电线路阻抗的总功率；
[0132] 步骤5.5、重复步骤5.1-步骤5.4,从而获得Cbe3st组等值光伏发电单元的参数，从而 构成光伏电站多机等值模型；
[0133] 通过上述步骤，得到光伏电站的多机等值模型如图2所示，大规模光伏电站等值的 要求是详细模型和多机等值模型在公共连接点PCC处的外特性相同，如有功功率值、无功功 率值、电压值等，并不要求内部的拓扑结构一致，因此图1和图2的拓扑结构并不完全相同。 [0134]步骤6、利用式（18)和式（19)分别获得光伏电站多机等值模型的有功功率相对误 差E P和无功功率相对误差Qp，以有功功率相对误差Ep和无功功率相对误差Qp对光伏电站多 机等值模型进行评价：
[0135] (18)
[0136] (19):
[0137] 式（18)和式（19)中，γ为所要分析时间段内的米样点数;PfA、QfA分别为光伏电站 详细模型在公共连接点PCC处的有功功率和无功功率的采样值;Ρλ、ζ)λ分别为光伏电站多机 等值模型在公共连接点PCC处的有功功率和无功功率的采样值。
[0138] -般来说多机等值模型的误差主要来自故障切除时刻到有功功率响应达到最大 值时刻，该时间段内光伏电站动态响应最剧烈，对电网的冲击最严重，具有重要的研究价 值;同时本发明以均方差的形式提出误差评价指标，几何意义明确、计算简单、结果直观，能 够更好地指导多机等值模型的修正工作。
【主权项】
1. 一种基于聚类分析的大规模光伏电站等值建模方法，其特征是，所述大规模光伏电 站中设置有η个光伏发电单元，且在公共连接点PCC处汇流并接入电网，从而构成光伏电站 详细模型;所述第i个光伏发电单元包括:第i个光伏阵列、第i个逆变器、第i个滤波环节、第 i个变压器、第i个集电线路;所述等值建模方法是按如下步骤进行： 步骤1、求取η个光伏发电单元的聚类指标向量： 步骤1.1、调节η个光伏发电单元中逆变器的控制参数，使得公共连接点PCC处的电流波 形失真度G达到最小； 步骤1.2、假设第i个逆变器共有Νρ个控制参数，将第i个逆变器的第t个控制参数如'峭 大么巧@，其它控制参数保持不变，利用式（1)获得第i个逆变器的第t个控制参数的灵敏 度D/M(/;!'1}，：从而获得第i个逆变器的N P个控制参数的灵敏度 D/M(/，,.)='(公/.W片 i )，O/W/;則…，D/W/J;")，…， 个控制参数的灵敏度DIM(p) = {DIM(pi)，DIM(P2)，...，DIM(pi)，...，DIM(pn)}，(1) 式(1)中，Δ G表示所述电流波形失真度G的变化值； 步骤1.3、利用式(2)获得第i个逆变器的第t个控制参数妹')标准化后的值A'W，从而将η 个逆变器各自Νρ个控制参数均进行标准化处理：(2) 式(2)中，pt-max和Pt-min分别为η个逆变器中第t个控制参数的最大值和最小值； 步骤1.4、利用式(3)获得第i个光伏发电单元的聚类指标向量XI，从而获得η个光伏发电 单元的聚类指标向量X={xl，X2，···，Xi，…，Xn}:Π ) 步骤2、将η个光伏发电单元的聚类指标向量X分成C个组，并确定C个初始聚类中屯、ν = (vi，V2，···，vj，···，Vc}，ν康示第j个组的初始聚类中屯、；l<c<n，l《 j《c: 步骤2.1、初始化j = l; 步骤2.2、利用式(4)计算第a个光伏发电单元的聚类指标向量xa与第b个光伏发电单元 的聚类指标向量Xb间的欧式距离dab,从而获得距离矩阵DnXn;(4) 式(4)中，l《a《n，l《b《n，DnXn为主对角元素为零的对阵矩阵； 步骤2.2、从所述距离矩阵DnXn中选取欧式距离最小的两个聚类指标向量所对应的两个 光伏发电单元作为第j组，并将相应的两个聚类指标向量存入指标集合中； 求取第j组中两个聚类指标向量的中点作为第j个初始聚类中屯、Vj; 步骤2.3、从距离矩阵DnXn中选出所有能满足条件的聚类指标向量； 满足条件的聚类指标向量为:与指标集合中的任意一个聚类指标向量间的欧式距离均 大于设定的阀值α的聚类指标向量； 从所有满足条件的聚类指标向量中选取欧式距离最小的两个聚类指标向量所对应的 两个光伏发电单元作为第j+1组，并将相应的两个聚类指标向量存入指标集合中，从而更新 所述指标集合； 求取第j+1组中两个聚类指标向量的中点作为第j+1个初始聚类中屯、VW; 步骤2.4、判断j+l = c是否成立，若成立，则表示已获得C个初始聚类中屯、V，否则，将j+1 赋值给j，并返回步骤2.3执行； 步骤3、利用模糊C均值聚类算法FCM对η个光伏发电单元进行聚类分组： 步骤3.1、定义迭代变量k，并初始化k=l;并将步骤2求取的C个初始聚类中屯、V作为第 k-1次迭代的C个聚类中屯、; 步骤3.2、利用式巧)获得第k次迭代中第i个光伏发电单元属于第j个组的隶属度值乂<1， 从而获得隶属度矩阵(5) 式(5)中，表示第i个光伏发电单元的聚类指标向量XI与第k-i次迭代的第j个 聚类中屯、响的欧式距离，m为模糊系数;1《r《c; 步骤3.3、利用式(6)更新第k次迭代的第j个聚类中屯"，从而获得第k次迭代的C个聚 类中屯、：(6) 步骤3.4、利用式(7)求取第4次迭代的目标函数值/,"托/1>，〇);(7) 步骤3.5、将k+1赋值给k，并返回步骤3.2执行，直到,/。,仪1^)与/,，,仍,1^,^如司的变化 值小于允许误差ξ或k达到允许的最大迭代次数cycle为止，记录此时的迭代次数k为kend; 步骤3.6、利用式(8)和式(9)获得划分系数PC和分类赌CE，W所述划分系数PC和分类赌 CE评估η个光伏发电单元分为C个组时的聚类效果；步骤4、改变分组个数C后，并按照步骤2和步骤3重新对η个光伏发电单元进行聚类分 组，通过比较不同分组个数下的划分系数PC、分类赌CE确定最佳分组个数，记为Cbest，取最 佳分组个数Chest下的隶属度矩阵作为η个光伏发电单元最终的分组结果，将最佳分组个数 Cbest下的Cbest个聚类中屯、记作n。，=[v,A。'パ。'，'..，<。'，...，V心A。''}; 步骤5、根据最终的分组结果，采用分块等值法将分在同一组的光伏发电单元合并成一 个等值光伏发电单元，从而得到光伏电站多机等值模型； 步骤5.1、假设Cbest组中任意第1组共有化个光伏发电单元，利用式（10)和式（11)分别获 得第1组的等值光伏阵列的参数式(10)和式(11)中，U表示化个光伏发电单元中任意个光伏发电单元的出口电压;I表示 化个光伏发电单元中任意个光伏发电单元的输出电流； 步骤5.2、将第1个聚类中屯、>fw中的第X个参数除W化个逆变器的第X个控制参数的灵 敏度的平均值获得第1组的等值逆变器的第X个控制参数标准化后的值;利用式（12)获 得第1组的等值逆变器的第X个控制参数进而获得第1组的等值逆变器的Νρ个控制参 数，1《χ《Νρ;(12) 步骤5.3、利用式（13)、式（14)、式（15)和式（16)分别获得第1组的等值直流侧滤波电容 巧!U、等值交流侧滤波电容、等值交流侧滤波电感、等值变压器阻抗;式（13)、式（14)、式（15)和式（16)中，Cdc、Cf、Lf、Ζτ分别为化个光伏发电单兀中任意个光 伏发电单元的直流侧滤波电容、交流滤波电容、交流滤波电感、变压器阻抗； 步骤5.4、利用式(17)获得第1组的等值集电线路阻抗式（17)中，1《α《φι，Ζ?α为化个光伏发电单元中第α个光伏发电单元的集电线路阻抗； Ρζα为流过化个光伏发电单元中第α个光伏发电单元的集电线路阻抗Ζ?α的功率;Pzs为流过第 1组的等值集电线路阻抗的总功率； 步骤5.5、重复步骤5.1-步骤5.4，从而获得cbest组等值光伏发电单元的参数，从而构成 光伏电站多机等值模型； 步骤6、利用式（18)和式（19)分别获得所述光伏电站多机等值模型的有功功率相对误 差Ep和无功功率相对误差Qp，W所述有功功率相对误差Ep和无功功率相对误差Qp对所述光 伏电站多机等值模型进行评价：式(18)和式(19)中，丫为所要分析时间段内的采样点数;Ρ?λ、QfA分别为光伏电站详细模 型在公共连接点PCC处的有功功率和无功功率的采样值;Pa、化分别为光伏电站多机等值模 型在公共连接点PCC处的有功功率和无功功率的采样值。
【文档编号】G06Q10/06GK105938578SQ201610230150
【公开日】2016年9月14日
【申请日】2016年4月13日
【发明人】吴红斌, 刘众前, 丁明
【申请人】合肥工业大学