直流微电网的虚拟惯性分配方法、装置及电子设备与流程

1.本发明属于电力技术领域，尤其涉及一种直流微电网的虚拟惯性分配方法、装置及电子设备。


背景技术：

2.直流微电网的惯性反映了系统阻止电压突变的能力。在直流微电网中，直流侧电容的容值越大，系统的惯性越大，应对电压波动的能力就越强。
3.在实际应用中，直流侧电容的容值一般较小，需要在直流侧虚拟出数值远大于实际电容的等效电容以增强系统惯性，使系统具备足够抑制母线电压波动的能力，上述虚拟出的惯性就是虚拟惯性。
4.然而，在多端惯性协同控制的直流微电网中，虚拟惯性在各端口之间分配不合理可能导致各端口的变流器故障或停运，影响系统稳定运行。因此，亟需一种方法来合理分配虚拟惯性，使各端口达到各尽所能、协同分配的目的。


技术实现要素：

5.有鉴于此，本发明实施例提供了一种直流微电网的虚拟惯性分配方法、装置及电子设备，以对直流微电网中的虚拟惯性进行合理分配。
6.本发明实施例的第一方面提供了一种直流微电网的虚拟惯性分配方法，该方法包括：
7.获取直流微电网的母线电压、储能状态以及直流微电网中每个储能设备的多个功率评价指标的指标值；
8.根据母线电压和储能状态，确定直流微电网的虚拟总惯性；
9.根据储能状态和各个储能设备的各个功率评价指标的指标值，确定各个储能设备对应的灰色关联度；
10.基于虚拟总惯性和各个储能设备对应的灰色关联度，为各个储能设备分配虚拟惯性。
11.可选的，根据母线电压和储能状态，确定直流微电网的虚拟总惯性，包括：
12.根据母线电压，确定直流微电网的虚拟电容值；
13.根据储能状态，确定直流微电网的虚拟电容调整系数；
14.根据c'
v
＝αc
v
确定直流微电网的虚拟总惯性；其中，c
′
v
为虚拟总惯性，α为虚拟电容调整系数，c
v
为虚拟电容值。
15.可选的，储能状态包括储能充电状态和储能放电状态；相应的，根据储能状态，确定直流微电网的虚拟电容调整系数，包括：
16.若直流微电网处于储能充电状态，则根据以下公式计算直流微电网的虚拟电容调整系数：
[0017][0018]
若直流微电网处于储能放电状态，则根据以下公式计算直流微电网的虚拟电容调整系数：
[0019][0020]
上式中，s
ni
、soc
i
分别为第i个储能设备侧变流器的额定容量和荷电状态，soc
low
为预设的荷电状态最低限值，soc
ref
为预设的荷电状态参考值，soc
high
为预设的荷电状态最高限值，m为直流微电网中的储能设备数量。
[0021]
可选的，根据储能状态和各个储能设备的各个功率评价指标的指标值，确定各个储能设备对应的灰色关联度，包括：
[0022]
根据储能状态确定各个储能设备对应的分辨系数；
[0023]
根据各个储能设备的各个功率评价指标的指标值，通过变异系数法计算每种功率评价指标对应的权重值；
[0024]
根据各个储能设备的各个功率评价指标的指标值、各个储能设备对应的分辨系数和每种功率评价指标对应的权重值，通过预设的灰色关联分析模型计算各个储能设备对应的灰色关联度。
[0025]
可选的，储能状态包括储能充电状态和储能放电状态；相应的，根据储能状态确定各个储能设备对应的分辨系数，包括：
[0026]
若直流微电网处于储能充电状态，则根据以下公式计算各个储能设备对应的分辨系数：
[0027][0028]
若直流微电网处于储能放电状态，则根据以下公式计算各个储能设备对应的分辨系数：
[0029][0030]
上式中，ρ
i
为第i个储能设备对应的分辨系数，soc
i
为第i个储能设备侧变流器的荷电状态，soc
low
为预设的荷电状态最低限值，soc
high
为预设的荷电状态最高限值。
[0031]
可选的，根据各个储能设备的各个功率评价指标的指标值，通过变异系数法计算每种功率评价指标对应的权重值，包括：
[0032]
根据各个储能设备的各个功率评价指标的指标值，分别计算每种功率评价指标的平均值和标准差，并根据每种功率评价指标的平均值和标准差计算每种功率评价指标对应的变异系数；
[0033]
对每种功率评价指标对应的变异系数进行归一化处理，得到每种功率评价指标对
应的权重值。
[0034]
可选的，根据以下公式为各个储能设备分配虚拟惯性：
[0035][0036]
式中，c
′
vi
为第i个储能设备的虚拟惯性，c
′
v
为虚拟总惯性，r
i
为第i个储能设备的灰色关联度，r为各个储能设备的灰色关联度之和。
[0037]
本发明实施例的第二方面提供了一种直流微电网的虚拟惯性分配装置，该装置包括：
[0038]
获取模块，用于获取直流微电网的母线电压、储能状态以及所述直流微电网中每个储能设备的多个功率评价指标的指标值；
[0039]
第一处理模块，用于根据所述母线电压和所述储能状态，确定所述直流微电网的虚拟总惯性；
[0040]
第二处理模块，用于根据所述储能状态和各个储能设备的各个功率评价指标的指标值，确定各个储能设备对应的灰色关联度；
[0041]
第三处理模块，用于基于所述虚拟总惯性和各个储能设备对应的灰色关联度，为各个储能设备分配虚拟惯性。
[0042]
本发明实施例的第三方面提供了一种电子设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述直流微电网的虚拟惯性分配方法的步骤。
[0043]
本发明实施例的第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上述直流微电网的虚拟惯性分配方法的步骤。
[0044]
本发明实施例与现有技术相比存在的有益效果是：
[0045]
本发明实施例通过直流微电网的母线电压和储能状态分析直流微电网中总的惯性水平，得到了直流微电网的虚拟总惯性；进一步，根据各个储能设备的各个功率评价指标的指标值，综合分析直流微电网中各个储能设备在当前储能状态下对应的灰色关联度，并根据各个储能设备对应的灰色关联度将虚拟总惯性分配给各个储能设备，实现了直流微电网中虚拟惯性的合理分配。
附图说明
[0046]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0047]
图1是本发明实施例提供的直流微电网部分结构示意图；
[0048]
图2是本发明实施例提供的直流微电网的虚拟惯性分配方法的流程图；
[0049]
图3是本发明实施例提供的直流微电网的虚拟惯性分配方法的流程图；
[0050]
图4是本发明实施例提供的变流器控制示意图；
[0051]
图5是本发明实施例提供的仿真验证结果图；
[0052]
图6是本发明实施例提供的仿真验证结果图；
[0053]
图7是本发明实施例提供的仿真验证结果图；
[0054]
图8是本发明实施例提供的仿真验证结果图；
[0055]
图9是本发明实施例提供的直流微电网的虚拟惯性分配装置的结构图；
[0056]
图10是本发明实施例提供的电子设备的示意图。
具体实施方式
[0057]
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
[0058]
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
[0059]
在高比例可再生能源、高比例电力设备的电力系统发展方向中，直流微电网凭借其能量转换环节少、电能损耗小、供电效率高等特点，具备广阔的应用前景。然而，直流微电网自身缺少旋转动能与机械惯性，且直流侧电容较小不足以平抑较大的功率波动，因此直流微电网为小惯性系统。新能源的波动性和随机性、发电设备的低抗扰性和弱支撑性都将导致直流母线电压迅速变化，电能质量变差，系统的稳定运行面临着严峻的挑战。
[0060]
为释放直流微电网的潜在惯性，需在电网直流侧虚拟出数值远大于实际电容的等效电容以增强系统惯性，使系统具备足够抑制母线电压波动的能力。
[0061]
然而，在多端惯性协同控制的直流微电网中，参见图1所示，每个储能设备及其对应的变流器均是一个端口，采用虚拟电容控制以进一步增强系统惯性时，需研究虚拟惯性在各端口间的协同分配，避免虚拟惯性分配不合理导致变流器故障或停运，使各端口达到各尽所能、协同分配的目的。
[0062]
目前，现有技术对于直流微电网的多端惯性协同控制的研究还较少。现有技术一提出了在本地能量管理中引入虚拟电容下垂环节，利用分布式协同控制对本地能量系统中的电压、功率进行二次调节；现有技术二提出了将电压偏差量的低频部分用于大电网和蓄电池的惯性控制，高频分量用于风机的惯性控制，改善了系统扰动下的暂态响应。实践证明，现有技术均没有考虑各端特性指标对惯性分配的影响，惯性控制不合理，存在多种问题。有基于此，本发明实施例提出了一种基于虚拟电容控制的直流微电网电压协同控制策略，对解决直流微电网多端惯性的分配问题、提高系统的惯性水平具有积极的意义。
[0063]
参见图2所示，本发明实施例提供了一种直流微电网的虚拟惯性分配方法，该方法包括以下步骤：
[0064]
步骤s201，获取直流微电网的母线电压、储能状态以及直流微电网中每个储能设备的多个功率评价指标的指标值。
[0065]
在本发明实施例中，直流微电网的母线电压可以通过设置在母线上的电压监测设备采集，也可以直接从电力管理系统中获取。
[0066]
直流微电网的储能状态包括储能充电状态和储能放电状态，储能充电状态下，直流微电网中各个储能设备(例如蓄电池等)充电，储能放电状态下，直流微电网中各个储能设备放电，因此可以检测储能设备的电流变化量δi
e
，i
e
为蓄电池输出电流，以流向直流母
线为正，当电流变化量δi
e
大于0时，可判定直流微电网处于储能放电状态，当电流变化量δi
e
小于0时，可判定直流微电网处于储能充电状态。
[0067]
每个储能设备的功率评价指标可以是影响储能设备功率输出的因素，包括但不限于储能设备的荷电状态和输出功率变化率、变流器可调功率等。
[0068]
步骤s202，根据母线电压和储能状态，确定直流微电网的虚拟总惯性。
[0069]
在本发明实施例中，通过检测到的母线电压能够计算得到直流微电网当前的虚拟电容值，在此基础上，根据直流微电网当前的储能状态，可计算直流微电网的可调虚拟电容值，即为直流微电网的虚拟总惯性。
[0070]
步骤s203，根据储能状态和各个储能设备的各个功率评价指标的指标值，确定各个储能设备对应的灰色关联度。
[0071]
在本发明实施例中，根据各个储能设备的荷电状态和输出功率变化率、变流器可调功率等评价指标，可以通过灰色关联方法综合分析各个储能设备在当前储能状态下的灰色关联度，灰色关联度表征了储能设备的惯性潜力。
[0072]
步骤s204，基于虚拟总惯性和各个储能设备对应的灰色关联度，为各个储能设备分配虚拟惯性。
[0073]
在本发明实施例中，根据各个储能设备对应的灰色关联度，可以为惯性潜力较大的储能设备分配较多的虚拟惯性，为惯性潜力较小的储能设备分配较少的虚拟惯性，以避免荷电状态、输出功率等约束量超出允许值，使各端口达到各尽所能、协同分配的目的，实现直流微电网中虚拟总惯性的合理分配。
[0074]
可见，本发明实施例通过直流微电网的母线电压和储能状态分析直流微电网中总的惯性水平，得到了直流微电网的虚拟总惯性；进一步，根据各个储能设备的各个功率评价指标的指标值，综合分析直流微电网中各个储能设备在当前储能状态下对应的灰色关联度，并根据各个储能设备对应的灰色关联度将虚拟总惯性分配给各个储能设备，实现了直流微电网中虚拟惯性的合理分配。
[0075]
可选的，在一种可能的实现方式中，在步骤s202中，根据母线电压和储能状态，确定直流微电网的虚拟总惯性，可以详述为：
[0076]
步骤s2021、根据母线电压，确定直流微电网的虚拟电容值；
[0077]
步骤s2022、根据储能状态，确定直流微电网的虚拟电容调整系数；
[0078]
步骤s2023、根据c'
v
＝αc
v
确定直流微电网的虚拟总惯性；其中，c
′
v
为虚拟总惯性，α为虚拟电容调整系数，c
v
为虚拟电容值。
[0079]
可选的，在一种可能的实现方式中，储能状态包括储能充电状态和储能放电状态；相应的，在步骤s2022中，根据储能状态，确定直流微电网的虚拟电容调整系数，可以详述为：
[0080]
若直流微电网处于储能充电状态，则根据以下公式计算直流微电网的虚拟电容调整系数：
[0081]
[0082]
若直流微电网处于储能放电状态，则根据以下公式计算直流微电网的虚拟电容调整系数：
[0083][0084]
上式中，s
ni
、soc
i
分别为第i个储能设备侧变流器的额定容量和荷电状态，soc
low
为预设的荷电状态最低限值，soc
ref
为预设的荷电状态参考值，典型值为50％，soc
high
为预设的荷电状态最高限值，m为直流微电网中的储能设备数量。
[0085]
可选的，在一种可能的实现方式中，在步骤s203中，根据储能状态和各个储能设备的各个功率评价指标的指标值，确定各个储能设备对应的灰色关联度，可以详述为：
[0086]
步骤s2031、根据储能状态确定各个储能设备对应的分辨系数；
[0087]
步骤s2032、根据各个储能设备的各个功率评价指标的指标值，通过变异系数法计算每种功率评价指标对应的权重值；
[0088]
步骤s2033、根据各个储能设备的各个功率评价指标的指标值、各个储能设备对应的分辨系数和每种功率评价指标对应的权重值，通过预设的灰色关联分析模型计算各个储能设备对应的灰色关联度。
[0089]
在本发明实施例中，为使各个功率评价指标达到更优的区分效果，根据储能状态对各个储能设备对应的分辨系数进行了修正，并采用变异系数法有效客观地分析了各个功率评价指标的偏重程度。为使各个储能设备的惯性依据实际工况协调分配，根据各个储能设备的各个功率评价指标的指标值，利用灰色关联分析法求取了各个储能设备的灰色关联度，从而协同分配直流微电网中的虚拟总惯性。其中，灰色关联分析法一种多指标统计分析的量化方法，能够通过计算样本数据与参考数据的相似程度来描述各指标间关系的强弱、大小或次序，相对于传统的多指标分析方法，计算简便、对数据要求不高。
[0090]
可选的，在一种可能的实现方式中，储能状态包括储能充电状态和储能放电状态；相应的，在步骤s2031中，根据储能状态确定各个储能设备对应的分辨系数，可以详述为：
[0091]
若直流微电网处于储能充电状态，则根据以下公式计算各个储能设备对应的分辨系数：
[0092][0093]
若直流微电网处于储能放电状态，则根据以下公式计算各个储能设备对应的分辨系数：
[0094][0095]
上式中，ρ
i
为第i个储能设备对应的分辨系数，soc
i
为第i个储能设备侧变流器的荷电状态，soc
low
为预设的荷电状态最低限值，soc
high
为预设的荷电状态最高限值。
[0096]
在本发明实施例中，分辨系数用于在关联分析算法中计算储能设备各个指标的关联系数。分辨系数越小，关联系数间差异越大，指标的区分能力越强。为使荷电状态达到更优的区分效果，通过上式对分辨系数进行了荷电状态指标下的修正。以放电状态为例，分辨
系数ρ
i
将随着荷电状态的增大而增大，因此荷电状态越大，所得储能设备关联系数与较小荷电状态的差距越大，所得分配方案越趋于合理。一般地，荷电状态最小阈值soc
low
和最大阈值soc
high
分别设为10％和90％，系数5π/16可将分辨系数限制在区间[0,1]内。
[0097]
可选的，在一种可能的实现方式中，在步骤s2032中，根据各个储能设备的各个功率评价指标的指标值，通过变异系数法计算每种功率评价指标对应的权重值，可以详述为：
[0098]
根据各个储能设备的各个功率评价指标的指标值，分别计算每种功率评价指标的平均值和标准差，并根据每种功率评价指标的平均值和标准差计算每种功率评价指标对应的变异系数；
[0099]
对每种功率评价指标对应的变异系数进行归一化处理，得到每种功率评价指标对应的权重值。
[0100]
在本发明实施例中，采用变异系数法以有效客观地反映各个指标的偏重程度。具体的，根据下式计算每种功率评价指标的平均值和标准差：
[0101][0102]
式中，s
j
分别为第j种功率评价指标的平均值和标准差，n为功率评价指标的个数，x
ij
为第i个储能设备的第j个功率评价指标的指标值。
[0103]
根据下式计算每种功率评价指标的变异系数：
[0104][0105]
以及，根据下式对每种功率评价指标的变异系数进行归一化处理：
[0106][0107]
可选的，在一种可能的实现方式中，在步骤s2032中，根据各个储能设备的各个功率评价指标的指标值、各个储能设备对应的分辨系数和每种功率评价指标对应的权重值，通过预设的灰色关联分析模型计算各个储能设备对应的灰色关联度，具体过程如下：
[0108]
(1)对于n个功率评价指标，生成如下评价矩阵a：
[0109][0110]
其中，x
ij
为第i个储能设备的第j个功率评价指标的指标值，m为储能设备的个数，n为功率评价指标的个数。
[0111]
(2)为减少数据的绝对值差异，对矩阵a进行无量纲化处理，新的矩阵中各元素为：
[0112]
[0113]
(3)根据各个功率评价指标的权重，对无量纲化处理后的矩阵a进行加权，得到加权规范矩阵z：
[0114][0115]
(4)矩阵z各列为各个功率评价指标的序列，为求取关联度还应选取合适的比较序列。比较序列一般由各功率评价指标的最优值构成，记z
optj
为第j个功率评价指标中的最优值，根据第j个功率评价指标序列与比较序列，计算二者的绝对差值
[0116]
δi(j)＝z
optj
‑
z
ij
,i＝1,2,...,m,j＝1,2,...,n
[0117]
则各个储能设备的各个功率评价指标的关联系数表示为：
[0118][0119]
(5)第i个储能设备的灰色关联度r
i
为：
[0120][0121]
可选的，在一种可能的实现方式中，在步骤s204中，根据以下公式为各个储能设备分配虚拟惯性：
[0122][0123]
式中，c
′
vi
为第i个储能设备的虚拟惯性，c
′
v
为虚拟总惯性，r
i
为第i个储能设备的灰色关联度，r为各个储能设备的灰色关联度之和。
[0124]
在本发明实施例中，根据各个储能设备对应的灰色关联度，将直流微电网中的虚拟总惯性按比例分配给各个储能设备。
[0125]
基于以上内容，本发明实施例提供的直流微电网的虚拟惯性分配方法的整体流程可以参照图3所示。首先根据母线电压u
dc
、电流变化量δi
e
计算虚拟总惯性c
′
v
，其中i
e
为蓄电池输出电流，以流向直流母线为正，再根据灰色关联法分析各个储能设备的荷电状态z
opt
‑
soc
、输出功率变化率z
opt
‑
δp
、变流器可调功率z
opt
‑
δp
等功率评价指标，利用变异系数法求得各指标权重，选取各指标最优值构成比较序列，依次计算各个储能设备对应的灰色关联度，进而确定各个储能设备应分配的虚拟惯性。虚拟惯性计算出来之后，通过对各个储能设备对应的变流器进行控制，能够实现为各个端口的储能设备分配虚拟惯性，其中，对变流器的控制可以参照图4所示。在图4中，i
dc
与分别为直流侧电流及其给定值，以流向直流母线为正，u
dc
与分别为直流母线电压及其参考值，k
e
代表变流器下垂系数，c
v0
为固定虚拟
电容值，m为直流电压变化率阈值。由于具体控制过程为常规技术，在此不再进行详述。
[0126]
本发明实施例首先通过直流微电网多储能单元的荷电状态和容量引入虚拟电容调整系数，分析系统总的惯性水平。其次，利用灰色关联分析法求取各端在荷电状态、变流器可调容量等功率评价指标下的灰色关联系数，从而协同分配系统总的虚拟电容值，其中各评价指标的权重通过变异系数法求取。由于储能单元未来将在高比例新能源电力系统电力电量平衡中起到重要的灵活调节作用，因此，根据本发明实施例的分配策略对储能侧变流器进行控制，对解决直流微电网多端惯性的分配问题、提高系统惯性具有积极的意义。
[0127]
为了验证以上所提策略的可行性，本发明实施例搭建了直流微电网仿真平台进行仿真验证，储能设备为蓄电池。为体现出储能设备差异下的协同分配效果，设三端蓄电池容量相同，蓄电池荷电状态分别为80％、50％、30％，均处于待放电状态，2s时刻负荷突增20kw，3.5s时刻光照强度增加400w/m2。通过灰色关联分析算法可计算出灰色关联度，从而可获得各端蓄电池在本发明所提策略下所分配的虚拟电容大小。验证结果如下：
[0128]
参照图5所示，在采用本发明所提的协调控制策略后，蓄电池#1荷电状态最大，所得分配系数最大，由于三端蓄电池的虚拟电容值根据分配系数进行分配，因此蓄电池#1端口变流器提供的功率支撑最大，输出功率暂态峰值达0.57pu，约在3.3s恢复至稳态；蓄电池#3荷电状态最小，其端口变流器相应的输出功率暂态峰值也最小，约为0.3pu。
[0129]
参照图6所示，对多端虚拟电容协同控制与无虚拟电容协同控制的荷电状态进行对比，可知该控制方法相对于无协同控制，荷电状态较大的蓄电池在2s扰动时放电速率加快，即提供较多的功率支撑，而荷电状态较小的蓄电池在2s扰动时放电速率减慢，且有无协同控制下二者释放电能的差值将随着功率扰动的增大而增大。
[0130]
进一步，为体现出变流器可调功率差异下的协同分配效果，设三端蓄电池侧变流器额定容量比为1:2:3，荷电状态分别为60％、55％、50％，其余条件不发生变化，蓄电池均为待放电状态，1.5s时刻负荷突减20kw。
[0131]
参照图7所示，可以得出蓄电池放电状态下不同变流器可调功率下的虚拟电容协同分配结果，可知通过灰色关联分析计算出分配系数分别为0.115、0.198、0.687，三端蓄电池的虚拟电容值根据分配系数进行分配。此工况下变流器可调容量起主要影响，荷电状态由于初始值接近因而对虚拟电容的协同分配影响微小。蓄电池#1变流器额定容量最小，可调功率小，综合各指标因素后其端口变流器输出功率支撑最少，约于2.8s恢复至稳态，蓄电池#3变流器额定容量最大，可调功率大，其端口变流器功率支撑效果最明显。
[0132]
参照图8所示，为验证所提虚拟电容协同控制的多约束调压效果，在上述测试的基础上，调整直流微电网三端蓄电池容量分别为4、10、10kw，观察蓄电池在无协同控制下的输出功率如图8(a)所示，由于直流微电网无虚拟电容协同控制，三端蓄电池在扰动下输出功率大小相近，而蓄电池#1由于容量的限制，约在1.53s达到其额定值而切除，端口输出功率变为0，另两端蓄电池约于2.6s恢复至稳态。图8(b)为采用虚拟电容协同控制和无虚拟电容协同控制下直流母线电压响应的对比图，可知蓄电池#1切除后，系统的功率支撑减少因而母线电压进一步下降。
[0133]
从图5
‑
图8所示的运行结果可以看出，储能放电状态下，荷电状态或储能容量越大，所得虚拟电容调整系数越大，即系统可调惯性水平越高，储能充电状态与之相反。利用灰色关联分析得出各端变流器所协同分配的虚拟电容值，能够使各端储能单元合理出力，
避免了因虚拟电容分配不合理导致的变流器输出过大等问题，进一步提高了母线电压的调节能力。同时验证了本发明实施例所提的基于虚拟电容的电压协同控制在荷电状态差异和蓄电池可调容量差异下协同控制策略的有效性，为直流微电网提供合理有效的惯性支持且实现了较好的电压调节效果，证明了本发明实施例的可行性、有效性，且通过比较证明了本发明实施例相对于传统控制方法的优越性。
[0134]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0135]
参见图9所示，本发明实施例提供了一种直流微电网的虚拟惯性分配装置，该装置90包括：
[0136]
获取模块91，用于获取直流微电网的母线电压、储能状态以及所述直流微电网中每个储能设备的多个功率评价指标的指标值。
[0137]
第一处理模块92，用于根据所述母线电压和所述储能状态，确定所述直流微电网的虚拟总惯性。
[0138]
第二处理模块93，用于根据所述储能状态和各个储能设备的各个功率评价指标的指标值，确定各个储能设备对应的灰色关联度。
[0139]
第三处理模块94，用于基于所述虚拟总惯性和各个储能设备对应的灰色关联度，为各个储能设备分配虚拟惯性。
[0140]
可选的，在一种可能的实现方式中，第一处理模块92用于：
[0141]
根据母线电压，确定直流微电网的虚拟电容值；
[0142]
根据储能状态，确定直流微电网的虚拟电容调整系数；
[0143]
根据c'
v
＝αc
v
确定直流微电网的虚拟总惯性；其中，c
′
v
为虚拟总惯性，α为虚拟电容调整系数，c
v
为虚拟电容值。
[0144]
可选的，在一种可能的实现方式中，储能状态包括储能充电状态和储能放电状态；相应的，第一处理模块92用于：
[0145]
若直流微电网处于储能充电状态，则根据以下公式计算直流微电网的虚拟电容调整系数：
[0146][0147]
若直流微电网处于储能放电状态，则根据以下公式计算直流微电网的虚拟电容调整系数：
[0148][0149]
上式中，s
ni
、soc
i
分别为第i个储能设备侧变流器的额定容量和荷电状态，soc
low
为预设的荷电状态最低限值，soc
ref
为预设的荷电状态参考值，soc
high
为预设的荷电状态最高
限值，m为直流微电网中的储能设备数量。
[0150]
可选的，在一种可能的实现方式中，第二处理模块93用于：
[0151]
根据储能状态确定各个储能设备对应的分辨系数；
[0152]
根据各个储能设备的各个功率评价指标的指标值，通过变异系数法计算每种功率评价指标对应的权重值；
[0153]
根据各个储能设备的各个功率评价指标的指标值、各个储能设备对应的分辨系数和每种功率评价指标对应的权重值，通过预设的灰色关联分析模型计算各个储能设备对应的灰色关联度。
[0154]
可选的，在一种可能的实现方式中，储能状态包括储能充电状态和储能放电状态；相应的，第二处理模块93用于：
[0155]
若直流微电网处于储能充电状态，则根据以下公式计算各个储能设备对应的分辨系数：
[0156][0157]
若直流微电网处于储能放电状态，则根据以下公式计算各个储能设备对应的分辨系数：
[0158][0159]
上式中，ρ
i
为第i个储能设备对应的分辨系数，soc
i
为第i个储能设备侧变流器的荷电状态，soc
low
为预设的荷电状态最低限值，soc
high
为预设的荷电状态最高限值。
[0160]
可选的，在一种可能的实现方式中，第二处理模块93用于：
[0161]
根据各个储能设备的各个功率评价指标的指标值，分别计算每种功率评价指标的平均值和标准差，并根据每种功率评价指标的平均值和标准差计算每种功率评价指标对应的变异系数；
[0162]
对每种功率评价指标对应的变异系数进行归一化处理，得到每种功率评价指标对应的权重值。
[0163]
可选的，在一种可能的实现方式中，第三处理模块94用于：
[0164]
根据以下公式为各个储能设备分配虚拟惯性：
[0165][0166]
式中，c
′
vi
为第i个储能设备的虚拟惯性，c
′
v
为虚拟总惯性，r
i
为第i个储能设备的灰色关联度，r为各个储能设备的灰色关联度之和。
[0167]
图10是本发明实施例提供的电子设备100的示意图。如图10所示，该实施例的电子设备100包括：处理器101、存储器102以及存储在存储器102中并可在处理器101上运行的计算机程序103，例如直流微电网的虚拟惯性分配程序。处理器101执行计算机程序103时实现上述各个直流微电网的虚拟惯性分配方法实施例中的步骤，例如图2所示的步骤s201至s204。或者，处理器101执行计算机程序103时实现上述各个直流微电网的虚拟惯性分配装置实施例中各模块功能，例如图9所示模块91至94的功能。
[0168]
示例性的，计算机程序103可以被分割成一个或多个模块/单元，一个或者多个模
块/单元被存储在存储器102中，并由处理器101执行，以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序103在电子设备100中的执行过程。例如，计算机程序103可以被分割成获取模块91、第一处理模块92、第二处理模块93、第三处理模块94(虚拟装置中的模块)，各模块具体功能如下：
[0169]
获取模块91，用于获取直流微电网的母线电压、储能状态以及所述直流微电网中每个储能设备的多个功率评价指标的指标值。
[0170]
第一处理模块92，用于根据所述母线电压和所述储能状态，确定所述直流微电网的虚拟总惯性。
[0171]
第二处理模块93，用于根据所述储能状态和各个储能设备的各个功率评价指标的指标值，确定各个储能设备对应的灰色关联度。
[0172]
第三处理模块94，用于基于所述虚拟总惯性和各个储能设备对应的灰色关联度，为各个储能设备分配虚拟惯性。
[0173]
电子设备100可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。电子设备100可包括但不仅限于，处理器101、存储器102。本领域技术人员可以理解，图10仅仅是电子设备的示例，并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如电子设备100还可以包括输入输出设备、网络接入设备、总线等。
[0174]
所称处理器101可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field
‑
programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0175]
存储器102可以是电子设备100的内部存储单元，例如电子设备100的硬盘或内存。存储器102也可以是电子设备100的外部存储设备，例如电子设备100上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，存储器102还可以既包括电子设备100的内部存储单元也包括外部存储设备。存储器102用于存储计算机程序以及电子设备100所需的其他程序和数据。存储器102还可以用于暂时地存储已经输出或者将要输出的数据。
[0176]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0177]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0178]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0179]
在本发明所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0180]
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0181]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0182]
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0183]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。