基于集群划分的高渗透率分布式能源系统智能调压方法与流程

技术特征：

1.基于集群划分的高渗透率分布式能源系统智能调压方法，其特征在于，包括：

采用K-means算法将分布式能源系统中的N个节点划分为n个亚群落，

以可控PV节点吸收的无功功率和剪切的有功功率为可调变量，并在亚群落内进行潮流运算；

预设非线性调节周期，在非线性调节周期点处，将可控PV节点吸收的无功功率和剪切的有功功率作为个体，采用混合粒子群优化算法对PV节点电压进行粗调节，并确定工作点Γ；

在非线性调节周期内，根据确定的工作点Γ，采用节点电压的线性化方程对PV节点电压进行细调节。

2.根据权利要求1所述的高渗透率分布式能源系统的谱聚类集群划分方法，其特征在于：所述混合粒子群算法的搜索空间维数为D＝2n。

3.根据权利要求1所述的高渗透率分布式能源系统的谱聚类集群划分方法，其特征在于：所述节点电压的线性化方程为：

其中：

i,j∈N，N为分布式能源系统的总节点数，分别为工作点Γ下节点i对j的电压有功敏感度系数和无功敏感度系数，△Pi、△Qi分别为第j个节点的有功功率调节和无功功率调节。

4.根据权利要求1所述的高渗透率分布式能源系统的谱聚类集群划分方法，其特征在于：所述非线性周期为12小时或者4小时或者3小时或者1小时或者15分钟。

5.根据权利要求1至4任一所述的高渗透率分布式能源系统的谱聚类集群划分方法，其特征在于：对分布式能源系统进行集群划分，包括：

用数据集合V＝{V1,V2,…VN}表示分布式能源系统中的N个节点，E表示数据集合里所有边的集合，将分布式能源系统构成无向图G(V,E)；

通过N个节点之间的电气距离[e(i,j)]N×N，构造N×N维的权重矩阵W和N×N维对角线度矩阵D，利用权重矩阵W和度矩阵D计算标准化的拉普拉斯矩阵LLaplacian，通过特征值分解的获得数据降为后的矩阵L；

采用K-means算法将数据降为后的矩阵L聚为n个亚群落，确定每个亚群落中的一个节点为该亚群落的聚类质心；

构造K-means算法的适应度函数，依据适应度函数确定N个节点的最终亚群落划分结果和每个亚群落的聚类质心。

6.根据权利要求5所述的高渗透率分布式能源系统的谱聚类集群划分方法，其特征在于：构造N个节点之间的电气距离[e(i,j)]N×N，包括：

计算分布式能源系统节点i,j之间等值阻抗Zij,equ；

定义分布式电源接入电力系统后的电压有功敏感度矩阵VSC^P和电压无功敏感度矩阵VSC^Q，假设每个节点都有功率调节，且第j个节点的有功功率和无功功率分别调节△Pi、△Qi，计算节点i的电压变化△V；

定义节点i对j的电压有功影响因子矩阵VIF^P和电压无功影响因子矩阵VIF^Q，再结合等值阻抗Zij,equ，构造N个节点之间的电气距离[e(i,j)]N×N。

7.根据权利要求6所述的高渗透率分布式能源系统的谱聚类集群划分方法，其特征在于：所述计算分布式能源系统节点i,j之间等值阻抗Zij,equ＝(Zii-Zij)-(Zij-Zjj)，其中，Zij为电力系统节点阻抗矩阵第i行第j列元素；

或者，所述电压有功敏感度矩阵VSC^P和电压无功敏感度矩阵VSC^Q，利用雅各比矩阵J的逆矩阵元素进行构造，计算节点i的电压变化△V，包括：

其中，i,j∈N，N为分布式能源系统的总节点数，分别为节点i对j的电压有功敏感度系数和无功敏感度系数，Pi、Qi为节点i的有功注入和无功注入，Vj为节点j电压；

或者，所述N个节点之间的电气距离：

其中，

8.根据权利要求5所述的高渗透率分布式能源系统的谱聚类集群划分方法，其特征在于：构造对称权重矩阵W，W＝[eij]N×N，其中，e(i,j)为节点i到节点j的电气距离，e(j,i)为节点j到节点i的电气距离；

构造N×N维对角线矩阵D作为度矩阵，D＝diag(d1,d2,…,dN)，其中，

9.根据权利要求8所述的高渗透率分布式能源系统的谱聚类集群划分方法，其特征在于：计算标准化的拉普拉斯矩阵LLaplacian＝D^-1/2(D-W)D^1/2，并通过特征值分解的获得数据降为后的矩阵L，包括：

对矩阵L作特征值分解，求得其特征值和特征向量，按从小到大对特征值排序，取前k1个特征值，并用对应的特征向量构成N×k1维特征矩阵

设为F的第i个列向量，用K-means算法将L＝{li|i＝1,…N}聚为n个亚群落{C1,C2,…,Ck,…Cn}。

10.根据权利要求5所述的高渗透率分布式能源系统的谱聚类集群划分方法，其特征在于：将可控PV节点作为亚群落的聚类质心。