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VSCP和电压无功敏感度矩阵VSCQ,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VIFP和电压无功影响因子矩阵VIFQ,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VSCP和电压无功敏感度矩阵VSCQ,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)D1/2,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。