基于高比例可再生能源的配电网的集群划分方法及装置与流程

本发明涉及一种集群划分方法及装置，更具体涉及一种基于高比例可再生能源的配电网的集群划分方法及装置。

背景技术：

人类对化石能源枯竭、能源安全和环境恶化的担忧导致了可再生能源持续的迅猛发展，由此导致的一种含高比例可再生能源发电的电力系统场景正引起人们的广泛关注。尤其在我国边远地区的配电网中，随着国家新能源扶贫政策的进一步强化，大量分布式可再生能源接入电网，部分地区甚至出现渗透率大于100％的情况，这将给局域电网的安全稳定产生重大影响，主要体现在电压越限、功率的越电压等级倒送等方面。因此，如何对新能源接入进行管理是亟待解决的技术问题。

目前，通常使用集群控制模式解决大规模可再生能源接入配电网的单机容量小、数量多且地理位置分散等带来的管理困难问题时，以其独特的群间弱耦合以分工、群内强联系而协作的特性，以及相比于就地控制集群可以实现与系统其它区域信息交互而达到优化控制、相比于全局控制集群响应速度更快等的优点而越来越被广泛的应用。集群控制的原理是：将目标电网划分为若干子区域，各区域为一集群，对外表现为整体，接受单一的指令控制，便于调度和管理；在集群内部各节点相互协作完成共同目标，高效发挥节点间协作能力。从已有的文献中可以看出，在含可再生能源的电力系统中，集群的应用场景已经覆盖系统的运行控制领域，其多以节点间电压变化与有功无功变化的耦合关系为依据进行划分，常见的划分方法有：基于电压灵敏度系数的概念，以此表示节点间电气耦合强度，并用于配电网络的电压控制的集群划分；根据节点电压变化随有功和无功变化的关系，构造灵敏度矩阵进行配电系统控制层的集群划分；为了简化电力系统的运行和控制，以节点间有功与电压相角灵敏度关系构造电气距离，根据簇内距离和簇间距离指标对网络进行了集群分区。

从上述内容可以看出，集群在解决大规模可再生能源接入配电网所带来的管理难等问题上有着明显的优势。然而，现有技术单以节点间电气耦合性来划分不能反映各节点的功率特性，因此，现有技术存在配电网的集群划分不够准确的技术问题。

技术实现要素：

本发明所要解决的技术问题在于提供了一种基于高比例可再生能源的配电网的集群划分方法及装置，以解决现有技术存在配电网的集群划分不够准确的技术问题。

本发明是通过以下技术方案解决上述技术问题的：

本发明实施例提供了基于高比例可再生能源的配电网的集群划分方法，所述方法包括：

1)、将待进行集群划分的配电网抽象为由节点和边连接而成的网络，并将所述网络中相互连接的两个节点之间的连接关系使用第一预设值表示，将所述网络中相互之间无连接的两个节点之间的连接关系使用第二预设值表示，其中，配电网中的各个电站抽象为节点，将所述电站之间的连接线抽象为边；

2)、随机分别将所述网络中的若干个第一预设值更改为第二预设值，获取更改后的网络对应的若干个个体，并将所述个体作为当前个体，其中，每一个个体中包含至少一个集群，且所述集群为所述网络中的若干个节点连接而成的子网络；

3)、针对每一当前个体，根据所述当前个体中的节点间电气联系紧密程度获取所述当前个体的模块度指标，根据所述当前个体中各节点的功率值、所述当前个体储能的功率调节能力获取所述当前个体的富余电量指标，并根据所述模块度指标以及所述富余电量指标获取所述当前个体的集群性能指标；

4)、判断所述各个当前个体分别对应的集群性能指标中的最小值是否小于第三预设阈值，或者迭代次数是否达到第四预设阈值；

5)、若是，将集群性能指标值最小值对应的所述当前个体代表的网络连接架构作为目标连接架构；

6)、若否，利用遗传算法对种群进行个体的选择、个体间的交叉和个体的变异处理，并将处理后的网络所对应的个体作为当前个体，返回执行所述步骤4)，直至获得目标连接架构。

可选的，所述根据所述当前个体中的节点间电气联系紧密程度获取所述当前个体的模块度指标，包括：

利用公式，计算所述当前个体的电气距离，其中，

为在时刻断面为t时当前个体中节点i与节点j之间的电气距离；为在时刻断面为t时当前个体中节点1无功功率变化单位值对应节点i电压变化值；为在时刻断面为t时当前个体中节点1无功功率变化单位值对应节点j电压变化值；为在时刻断面为t时当前个体中节点2无功功率变化单位值对应节点i电压变化值；为在时刻断面为t时当前个体中节点3无功功率变化单位值对应节点j电压变化值；为在时刻断面为t时当前个体中节点n无功功率变化单位值对应节点i电压变化值；为在时刻断面为t时当前个体中节点n无功功率变化单位值对应节点j电压变化值；i为节点序号；j为节点序号；t为时刻断面的序号；

利用公式，计算节点i和节点j之间的电气距离，其中，

lij为节点i和节点j之间的电气距离；x为时刻断面的个数，且t∈x；∑为求和函数；

利用公式，eij＝1-lij/max(l)，计算节点之间的边的权重，其中，

eij为第i个节点与第j个节点之间的边的权重；lij为节点i和节点j之间的电气距离；max(l)为连接的所有边中权重的最大值；

利用公式，获取所述当前个体的模块度指标，其中，

ρ为当前个体中的模块度指标；m为当前个体中所有边的权重之和；eij为第i个节点与第j个节点之间的边的权重；ki为与节点i连接的所有边的权重之和；kj为与节点j连接的所有边的权重之和；σ(i,j)为节点i和节点j是否位于同一集群的表征参数，同一集群值为1，不同为0；i为节点序号；j为节点序号。

可选的，所述当前个体储能的功率调节能力获取所述当前个体的富余电量指标，包括：

利用公式，计算所述当前个体中的序号为c集群在时刻断面t时的净功率，其中，

为所述当前个体中的序号为c的集群在时刻断面t时的净功率；t为时刻断面的序号，且t∈x；pi(t)为集群c中的第i节点在时刻断面t时的净功率值；

利用公式，计算所述当前个体中的序号为c的集群在时刻断面t时的可控负荷的功率调节能力，其中，

为所述当前个体中的序号为c的集群在时刻断面t时的可控负荷的功率调节能力；λ为可控负荷的用户负荷响应参与度，表示用户参与需求响应的概率，可根据网络的历史运行情况总结得出；为所述当前个体中的序号为c的集群在时刻断面t时的所有节点的可控负荷需求；

利用公式，计算当前个体在时刻断面t时的第i个储能装置的储能的功率调节能力，其中，

为所述当前个体中的序号为c的集群在时刻断面t时的第i个储能装置的储能的功率调节能力；p为储能的功率调节能力的集合；pch为储能装置的最大充电功率；

利用公式，计算所述当前个体中的序号为c的集群在时刻断面t时储能装置的功率调节能力，其中，

为所述当前个体中的序号为c的集群在时刻断面t时储能装置的功率调节能力；为所述当前个体中的序号为c的集群中的第i个储能装置在时刻断面t时的储能的功率调节能力；

利用公式，计算功率调节后的所述当前个体中的序号为c的集群在时刻断面t时的富余电量指标，其中，

为功率调节后的所述当前个体中的序号为c的集群在时刻断面t时的富余电量指标；为功率调节前所述当前个体中的序号为c的集群在时刻断面t时的净功率，此处仅考虑集群内部的电源出力大于负荷需求的时刻，即满足的时刻断面t时；为所述当前个体中的序号为c的集群在时刻断面t时的可控负荷的功率调节能力；为所述当前个体中的序号为c的集群在时刻断面t时储能装置的功率调节能力；t为时刻断面的序号，且t∈x；

利用公式，计算当前个体的考虑消纳能力后的富余电量指标，其中，

为当前个体的考虑消纳能力后的富余电量指标；∑为求和函数；∫为积分函数；为功率调节后的所述当前个体中的序号为c的集群在时刻断面t时的富余电量指标；n为当前个体中集群的数量。

可选的，所述根据所述模块度指标以及所述富余电量指标获取所述当前个体的集群性能指标，包括：

利用公式，计算当前个体的集群性能指标，其中，

γ为所述当前个体的集群性能指标；为当前个体的考虑消纳能力后的富余电量指标；ω1为当前个体的考虑消纳能力后的富余电量指标的权重；ρ为当前个体中的模块度指标；ω2为当前个体中的模块度指标的权重。

本发明实施例提供了基于高比例可再生能源的配电网的集群划分装置，所述装置包括：

抽象模块，用于将待进行集群划分的配电网抽象为由节点和边连接而成的网络，并将所述网络中相互连接的两个节点之间的连接关系使用第一预设值表示，将所述网络中相互之间无连接的两个节点之间的连接关系使用第二预设值表示，其中，配电网中的各个电站抽象为节点，将所述电站之间的连接线抽象为边；

第一获取模块，用于随机分别将所述网络中的若干个第一预设值更改为第二预设值，获取更改后的网络对应的若干个个体，并将所述个体作为当前个体，其中，每一个个体中包含至少一个集群，且所述集群为所述网络中的若干个节点连接而成的子网络；

第二获取模块，用于针对每一当前个体，根据所述当前个体中的节点间电气联系紧密程度获取所述当前个体的模块度指标，根据所述当前个体中各节点的功率值、所述当前个体储能的功率调节能力获取所述当前个体的富余电量指标，并根据所述模块度指标以及所述富余电量指标获取所述当前个体的集群性能指标；

判断模块，用于判断所述各个当前个体分别对应的集群性能指标中的最小值是否小于第三预设阈值，或者迭代次数是否达到第四预设阈值；

第一设置模块，用于在所述判断模块的判断结果为是的情况下，将集群性能指标值最小值对应的所述当前个体代表的网络连接架构作为目标连接架构；

第二设置模块，用于在所述判断模块的判断结果为否的情况下，利用遗传算法对种群进行个体的选择、个体间的交叉和个体的变异处理，并将处理后的网络所对应的个体作为当前个体，返回触发判断模块，直至获得目标连接架构。

可选的，所述第二获取模块，用于：

利用公式，计算所述当前个体的电气距离，其中，

为在时刻断面为t时当前个体中节点i与节点j之间的电气距离；为在时刻断面为t时当前个体中节点1无功功率变化单位值对应节点i电压变化值；为在时刻断面为t时当前个体中节点1无功功率变化单位值对应节点j电压变化值；为在时刻断面为t时当前个体中节点2无功功率变化单位值对应节点i电压变化值；为在时刻断面为t时当前个体中节点3无功功率变化单位值对应节点j电压变化值；为在时刻断面为t时当前个体中节点n无功功率变化单位值对应节点i电压变化值；为在时刻断面为t时当前个体中节点n无功功率变化单位值对应节点j电压变化值；i为节点序号；j为节点序号；t为时刻断面的序号；

利用公式，计算节点i和节点j之间的电气距离，其中，

lij为节点i和节点j之间的电气距离；x为时刻断面的个数，且t∈x；∑为求和函数；

利用公式，eij＝1-lij/max(l)，计算节点之间的边的权重，其中，

eij为第i个节点与第j个节点之间的边的权重；lij为节点i和节点j之间的电气距离；max(l)为连接的所有边中权重的最大值；

利用公式，获取所述当前个体的模块度指标，其中，

ρ为当前个体中的模块度指标；m为当前个体中所有边的权重之和；eij为第i个节点与第j个节点之间的边的权重；ki为与节点i连接的所有边的权重之和；kj为与节点j连接的所有边的权重之和；σ(i,j)为节点i和节点j是否位于同一集群的表征参数，同一集群值为1，不同为0；i为节点序号；j为节点序号。

可选的，所述第二获取模块，用于：

利用公式，计算所述当前个体中的序号为c的集群在时刻断面t时的净功率，其中，

为所述当前个体中的序号为c的集群在时刻断面t时的净功率；t为时刻断面的序号，且t∈x；pi(t)为集群c中的第i节点在时刻断面t时的净功率值；

利用公式，计算所述当前个体中的序号为c的集群在时刻断面t时的可控负荷的功率调节能力，其中，

为所述当前个体中的序号为c的集群在时刻断面t时的可控负荷的功率调节能力；λ为可控负荷的用户负荷响应参与度，表示用户参与需求响应的概率，可根据网络的历史运行情况总结得出；为所述当前个体中的序号为c的集群在时刻断面t时的所有节点的可控负荷需求；

利用公式，计算当前个体在时刻断面t时的第i个储能装置的储能的功率调节能力，其中，

为所述当前个体中的序号为c的集群在时刻断面t时的第i个储能装置的储能的功率调节能力；p为储能的功率调节能力的集合；pch为储能装置的最大充电功率；

利用公式，计算所述当前个体中的序号为c的集群在时刻断面t时储能装置的功率调节能力，其中，

为所述当前个体中的序号为c的集群在时刻断面t时储能装置的功率调节能力；为所述当前个体中的序号为c的集群中的第i个储能装置在时刻断面t时的储能的功率调节能力；

利用公式，计算功率调节后的所述当前个体中的序号为c的集群在时刻断面t时的富余电量指标，其中，

为功率调节后的所述当前个体中的序号为c的集群在时刻断面t时的富余电量指标；为功率调节前所述当前个体中的序号为c的集群在时刻断面t时的净功率，此处仅考虑集群内部的电源出力大于负荷需求的时刻，即满足的时刻断面t时；为所述当前个体中的序号为c的集群在时刻断面t时的可控负荷的功率调节能力；为所述当前个体中的序号为c的集群在时刻断面t时储能装置的功率调节能力；t为时刻断面的序号，且t∈x；

利用公式，计算当前个体的考虑消纳能力后的富余电量指标，其中，

为当前个体的考虑消纳能力后的富余电量指标；∑为求和函数；∫为积分函数；为功率调节后的所述当前个体中的序号为c的集群在时刻断面t时的富余电量指标；n为当前个体中集群的数量。

可选的，所述第二获取模块，用于：

利用公式，计算当前个体储能的功率调节能力获取所述当前个体的集群性能指标，其中，

γ为所述当前个体的集群性能指标；为当前个体的考虑消纳能力后的富余电量指标；ω1为当前个体的考虑消纳能力后的富余电量指标的权重；ρ为当前个体中的模块度指标；ω2为当前个体中的模块度指标的权重。

本发明相比现有技术具有以下优点：

应用本发明实施例，使用包括基于电气距离的用于社区检测的模块度指标和用于衡量可再生能源发电消纳能力的集群富余电量指标，利用遗传算法进行分布式电源集群划分，相对于现有技术中简单以源荷平衡为条件的集群划分方法缺乏对系统功率调节能力的考虑，导致无法保证所划分的集群在规划和后期的运行中能充分利用系统的消纳能力，充分发挥系统中的可再生能源消纳能力，因此，应用本发明实施例，可以使集群的划分更加准确。

附图说明

图1为本发明实施例提供的一种基于高比例可再生能源的配电网的集群划分方法的流程示意图；

图2为本发明实施例提供的一种基于高比例可再生能源的配电网的集群划分方法的原理示意图；

图3为本发明实施例提供的一种基于高比例可再生能源的配电网的集群划分装置的结构示意图。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

本发明实施例提供了一种基于高比例可再生能源的配电网的集群划分方法及装置，下面首先就本发明实施例提供的一种基于高比例可再生能源的配电网的集群划分方法进行介绍。

图1为本发明实施例提供的一种基于高比例可再生能源的配电网的集群划分方法的流程示意图；图2为本发明实施例提供的一种基于高比例可再生能源的配电网的集群划分方法的原理示意图，如图1和图2所示，所述方法包括：

s101：将待进行集群划分的配电网抽象为由节点和边连接而成的网络，并将所述网络中相互连接的两个节点之间的连接关系使用第一预设值表示，将所述网络中相互之间无连接的两个节点之间的连接关系使用第二预设值表示，其中，配电网中的各个电站抽象为节点，将所述电站之间的连接线抽象为边；

具体的，配电网中可以包含若干个电站，各个电站之间可以存在连接关系，将电站视为节点，将电站之间的连接线作为节点之间的边，就得到了一个有若干个节点连接而成的复杂的网络。

s102：随机分别将所述网络中的若干个第一预设值更改为第二预设值，获取更改后的网络对应的若干个个体，并将所述个体作为当前个体，其中，每一个个体中包含至少一个集群，且所述集群为所述网络中的若干个节点连接而成的子网络；

在实际应用中，可以针对未进行集群划分的网络，在节点i与节点j之间存在连接关系时，将连接节点i和节点j的边的原始值设为1，若节点i与节点j之间不存在连接关系时，将连接节点i和节点j的边的原始值设为0；

然后，第一次随机将若干个节点之间的边的原始值1更改为0；此时，得到了个体1；第二次随机将若干个节点之间的边的原始值1更改为0；此时，得到了个体2；以此类推，得到若干个个体，其中，每一个个体对应了所需进行集群划分的网络被划分后的网络结构状态。每一个个体中都包含若干个独立的子网络，每个子网络即为一个集群。

s103：针对每一当前个体，根据所述当前个体中的节点间电气联系紧密程度获取所述当前个体的模块度指标，根据所述当前个体中各节点的功率值、所述当前个体储能的功率调节能力获取所述当前个体的富余电量指标，并根据所述模块度指标以及所述富余电量指标获取所述当前个体的集群性能指标；

(1)、可以利用公式，计算所述当前个体的电气距离，其中，

为在时刻断面为t时当前个体中节点i与节点j之间的电气距离；为在时刻断面为t时当前个体中节点1无功功率变化单位值对应节点i电压变化值；为在时刻断面为t时当前个体中节点1无功功率变化单位值对应节点j电压变化值；为在时刻断面为t时当前个体中节点2无功功率变化单位值对应节点i电压变化值；为在时刻断面为t时当前个体中节点3无功功率变化单位值对应节点j电压变化值；为在时刻断面为t时当前个体中节点n无功功率变化单位值对应节点i电压变化值；为在时刻断面为t时当前个体中节点n无功功率变化单位值对应节点j电压变化值；i为节点序号；j为节点序号；t为时刻断面的序号。

在实际应用中，在时刻断面为t时当前个体中任一节点的无功功率变化单位值，与任一对应节点电压变化值之间的数学关系满足如下潮流方程，

其中，

δδt为在时刻断面为t时当前个体中各节点的功角变化增量的矩阵；δvt为在时刻断面为t时当前个体中各节点的电压变化增量的矩阵；δpt为在时刻断面为t时当前个体中各节点的有功功率变化增量的矩阵；δqt为在时刻断面为t时当前个体中各节点的无功功率变化增量的矩阵。上述矩阵均为n维矩阵，且n为所有个体中包含的节点的总数；为时刻t断面下，各个节点的功角有功灵敏度系数矩阵；为时刻t断面下，各个节点的电压有功灵敏度系数矩阵；为时刻t断面下，各个节点的电压无功灵敏度系数矩阵；时刻t断面下，各个节点的功角无功灵敏度系数矩阵；例如，在矩阵中第i行j列元素表示节点j无功功率变化单位值对应节点i电压的变化值。

(2)、利用公式，计算节点i和节点j之间的电气距离，其中，

lij为节点i和节点j之间的电气距离；x为时刻断面的个数，且t∈x；∑为求和函数。

在实际应用中，在集群划分时，应用的时间尺度可以为典型日、典型月、典型年等不同的时间长度，例如，典型日，就是以一天的时间作为集群化分的时间尺度依据。在本发明实施例中，可以将典型日作为时间尺度依据，例如，以步长为1小时为例，典型日中含有24小时，则有x＝24。

(3)、利用公式，eij＝1-lij/max(l)，计算节点之间的边的权重，其中，

eij为第i个节点与第j个节点之间的边的权重；lij为节点i和节点j之间的电气距离；max(l)为与节点i连接的所有边中权重的最大值；

(4)、利用公式，获取所述当前个体的模块度指标，其中，

ρ为当前个体的模块度指标，其取值介于0和1之间；m为当前个体中所有边的权重之和；eij为第i个节点与第j个节点之间的边的权重；ki为与节点i连接的所有边的权重之和；kj为与节点j连接的所有边的权重之和；σ(i,j)为节点i和节点j是否位于同一集群的表征参数；i为节点序号；j为节点序号。

例如，σ(i,j)＝1时，表示节点i和节点j是位于同一集群内；σ(i,j)＝0时，表示节点i和节点j不位于同一集群内。

另外，可以利用公式，计算当前个体中所有边的权重之和。

(5)、可以利用公式，计算所述当前个体中的序号为c的时刻断面t时的净功率，其中，

为所述当前个体中的序号为c的集群在时刻断面t时的净功率；t为时刻断面的序号，且t∈x；pi(t)为集群c中的第i节点在时刻断面t时的净功率值；

(6)、利用公式，计算所述当前个体中的序号为c的集群在时刻断面t时的可控负荷的功率调节能力，其中，

为所述当前个体中的序号为c的集群在时刻断面t时的可控负荷的功率调节能力；λ为可控负荷的用户负荷响应参与度，表示用户参与需求响应的概率，可根据网络的历史运行情况总结得出；为所述当前个体中的序号为c的集群在时刻断面t时的所有节点的可控负荷需求；

(7)、利用公式，计算当前个体在时刻断面t时的第i个储能装置的储能的功率调节能力，其中，

为所述当前个体中的序号为c的集群在时刻断面t时的第i个储能装置的储能的功率调节能力；p为储能的功率调节能力的集合；pch为储能装置的最大充电功率。

由于储能装置的功率调节能力与其当前时刻的荷电状态相关，在衡量功率调节能力时需满足电量约束：

e^t≤emax，其中，

e^t为储能装置在t时刻的电量值，与储能装置初始电量ein以及充电效率ηc、放电效率ηd有关，且为储能装置的实时放电功率；emax为储能装置在充电过程中允许的最大电量值。

(8)、利用公式，计算所述当前个体中的序号为c的集群在时刻断面t时储能装置的功率调节能力，其中，

为所述当前个体中的序号为c的集群在时刻断面t时储能装置的功率调节能力；为所述当前个体中的序号为c的集群中的第i个储能装置在时刻断面t时的储能的功率调节能力；

(9)、利用公式，计算功率调节后的所述当前个体中的序号为c的集群在时刻断面t时的富余电量指标，其中，

为功率调节后的所述当前个体中的序号为c的集群在时刻断面t时的富余电量指标；为功率调节前所述当前个体中的序号为c的集群在时刻断面t时的净功率，此处仅考虑集群内部的电源出力大于负荷需求的时刻，即满足的时刻断面t时；为所述当前个体中的序号为c的集群在时刻断面t时的可控负荷的功率调节能力；为所述当前个体中的序号为c的集群在时刻断面t时储能装置的功率调节能力；t为时刻断面的序号，且t∈x；。

更具体的，功率调节后集群c在时刻t的富余电量在计算时，在时域中仅在电源出力大于负荷需求时，即的条件下才进行功率调节。同时，考虑到负荷侧需求响应进行调度的局限性，在进行功率调节时首先利用可控负荷的功率调节能力进行调节，若仍不满足富余电量指标再以储能的功率调节能力进行调节，且当时仍不能满足时，储能的功率调节能力以其最大值pc进行功率调节。

(10)、利用公式，计算当前个体的考虑消纳能力后的富余电量指标，其中，

为当前个体的考虑消纳能力后的富余电量指标；∑为求和函数；∫为积分函数；为功率调节后的所述当前个体中的序号为c的集群在时刻断面t时的富余电量指标；n为当前个体中集群的数量。

(11)、利用公式，计算当前个体储能的功率调节能力获取所述当前个体的集群性能指标，其中，

γ为所述当前个体的集群性能指标；为当前个体的考虑消纳能力后的富余电量指标；ω1为当前个体的考虑消纳能力后的富余电量指标的权重；ρ为当前个体中的模块度指标；ω2为当前个体中的模块度指标的权重。

在实际应用中，增大w1的值会增加待划分高压配电系统的可再生能源消纳能力，减小系统的富余电量，但是集群的节点分布趋于集中，集群个数减少，各集群的规模增大；增大w2的值会使得所划分的集群物理结构性更好，集群规模适中，集群内节点电气耦合更紧密，然而待划分高压配电系统的可再生能源消纳能力会降低。发明人发现，一般以在促进可再生能源消纳的同时兼顾集群内部节点的耦合联系为目标时可以选择：w1＝3、w2＝2的权重组合时，集群划分的效果最佳。

s104：判断所述各个当前个体分别对应的集群性能指标中的最小值是否小于第三预设阈值，或者迭代次数是否达到第四预设阈值；若是，执行s105；若否，执行s106；

具体的，判断所述各个当前个体分别对应的集群性能指标中的最小值是否小于第三预设阈值，若是，执行s105步骤，若否，执行s106步骤。

具体的，判断迭代此时是否达到了第四预设阈值，若是，执行s105步骤，若否，执行s106步骤。

s105：将集群性能指标值最小值对应的所述当前个体代表的网络连接架构作为目标连接架构；

将当前次迭代对应的个体代表的集群划分结果作为目标连接架构进行输出。

s106：利用遗传算法对种群进行个体的选择、个体间的交叉和个体的变异处理，并将处理后的网络所对应的个体作为当前个体，返回执行所述步骤s104，直至获得目标连接架构。

具体的，在进行个体选择时，可以按照常规遗传算法的选择方法，如轮盘赌选择方法等，本发明实施例在此并不对个体的选择方法进行限定。

具体的，在个体进行交叉时，可以将代表个体i的邻接矩阵按行的顺序排成一行，如：个体i邻接矩阵的第二行接在个体i邻接矩阵的第一行后、个体i邻接矩阵的第三行接在个体i邻接矩阵的第二行后，以此类推构成一个一维矩阵。

然后将个体i+1的邻接矩阵按照上述方式进行排列，得到另一个一维矩阵。

然后将个体i和个体i+1分别对应的一行元素的相同位置的若干个元素进行位置互换。被互换位置的元素包括但不仅限于一维矩阵中的前半部分、后半部分，中间部分，或者一行元素中的一个或者若干个，或者设定数量个。

然后，进行变异步骤，该步骤中，只对s101步骤中得到的节点间的连接关系表征值为第一预设阈值，即“1”的边中的若干个边进行变异操作。进行操作的边的值变异为1-va，va为经过s102步骤处理后得到的边的表征值。

可以理解的是，若节点i和节点j之间的边的值为1，其所在网络或者个体的邻接矩阵中表征节点i和节点j的连接关系的元素的值为1。

在变异后，返回执行s104，直至循环结束。

在现有技术中，集群的应用使得对电力系统的分析由单一节点上升为以集群为一整体。在一般情况下，在高压配电网中为了限制功率往更高电压等级的倒送，考虑可再生能源消纳的方法往往只限于某一节点，如一个变电站及其下属区域为一节点，在规划、控制和运行时仅计及节点自身的电力电量供需平衡，而忽略了节点之间的配合，无法充分发挥系统中的功率自我协调能力，实现最大化的可再生能源消纳。

可以理解的是，本发明实施例的先决条件是图2所示“输入待划分网络的邻接矩阵以及节点功率”。图2中“以邻接矩阵为基础进行遗传算法的编码，构造初始种群”对应本发明实施例中s101步骤和s102步骤。图2中s1至s3步骤对应本发明实施例s103步骤。图2中迭代结束的判断对应本发明实施例中s104步骤，在判断结果为“y”时，输出最佳个体以及得出集群化分结果对应本发明实施例s105步骤；在判断结果为“n”时，选择再生个体、交叉以及变异对应本发明实施例s106步骤。

应用本发明图1所示实施例，使用包括基于电气距离的用于社区检测的模块度指标和用于衡量可再生能源发电消纳能力的集群富余电量指标，利用遗传算法进行分布式电源集群划分，相对于现有技术中简单以源荷平衡为条件的集群划分方法缺乏对系统功率调节能力的考虑，导致无法保证所划分的集群在规划和后期的运行中能充分利用系统的消纳能力，充分发挥系统中的可再生能源消纳能力，因此，应用本发明实施例，可以使集群的划分更加准确。

而且，应用本发明实施例，可以将集群的结构性与集群的功能性进行结合：克服了常见结构性指标对可再生能源消纳能力考虑的不足，以及衡量集群消纳能力的指标对集群外特性考虑的不足。并在求取集群结果时，将多目标优化问题转换为单目标并赋予一定权重系数，在简化计算过程的同时，也使得集群的划分结果在集群外特性上和集群性能上达到一种特定的平衡。

再者，在本发明实施例中，模块度指标与富余电量指标均采用典型时序场景，相比于基于某一时刻值的集群划分更加合理。

最后，本发明实施例中，集群的富余电量指标从功率调节的角度分析集群的可再生能源消纳能力，将传统的考虑集群源荷平衡扩展到源荷储的平衡。同时采用基于网络邻接矩阵的遗传算法编码方式，限制了集群内节点的连通性，使得集群划分符合网络网架结构的要求，从而实现了计及源网荷储的集群划分。

与本发明图1所示实施例相对应，本发明实施例还提供了一种基于高比例可再生能源的配电网的集群划分装置。

图3为本发明实施例提供的一种基于高比例可再生能源的配电网的集群划分装置的结构示意图，如图3所示，所述装置包括：

抽象模块301，用于将待进行集群划分的配电网抽象为由节点和边连接而成的网络，并将所述网络中相互连接的两个节点之间的连接关系使用第一预设值表示，将所述网络中相互之间无连接的两个节点之间的连接关系使用第二预设值表示，其中，配电网中的各个电站抽象为节点，将所述电站之间的连接线抽象为边；

第一获取模块302，用于随机分别将所述网络中的若干个第一预设值更改为第二预设值，获取更改后的网络对应的若干个个体，并将所述个体作为当前个体，其中，每一个个体中包含至少一个集群，且所述集群为所述网络中的若干个节点连接而成的子网络；

第二获取模块303，用于针对每一当前个体，根据所述当前个体中的节点间电气联系紧密程度获取所述当前个体的模块度指标，根据所述当前个体中各节点的功率值、所述当前个体储能的功率调节能力获取所述当前个体的富余电量指标，并根据所述模块度指标以及所述富余电量指标获取所述当前个体的集群性能指标；

判断模块304，用于判断所述各个当前个体分别对应的集群性能指标中最小值是否小于第三预设阈值，或者迭代次数是否达到第四预设阈值；

第一设置模块305，用于在所述判断模块304的判断结果为是的情况下，将集群性能指标值最小值对应的所述当前个体代表的网络的连接架构作为目标连接架构；

第二设置模块306，用于在所述判断模块304的判断结果为否的情况下，利用遗传算法对种群进行个体的选择、个体间的交叉和个体的变异处理，并将处理后的网络所对应的个体作为当前个体，返回触发判断模块304，直至获得目标连接架构。

应用本发明图3所示实施例，使用包括基于电气距离的用于社区检测的模块度指标和用于衡量可再生能源发电消纳能力的集群富余电量指标，利用遗传算法进行分布式电源集群划分，相对于现有技术中简单以源荷平衡为条件的集群划分方法缺乏对系统功率调节能力的考虑，导致无法保证所划分的集群在规划和后期的运行中能充分利用系统的消纳能力，充分发挥系统中的可再生能源消纳能力，因此，应用本发明实施例，可以使集群的划分更加准确。

在本发明实施例的一种具体实施方式中，所述第二获取模块303，用于：

利用公式，计算所述当前个体的电气距离，其中，

为在时刻断面为t时当前个体中节点i与节点j之间的电气距离；为在时刻断面为t时当前个体中节点1无功功率变化单位值对应节点i电压变化值；为在时刻断面为t时当前个体中节点1无功功率变化单位值对应节点j电压变化值；为在时刻断面为t时当前个体中节点2无功功率变化单位值对应节点i电压变化值；为在时刻断面为t时当前个体中节点3无功功率变化单位值对应节点j电压变化值；为在时刻断面为t时当前个体中节点n无功功率变化单位值对应节点i电压变化值；为在时刻断面为t时当前个体中节点n无功功率变化单位值对应节点j电压变化值；i为节点序号；j为节点序号；t为时刻断面的序号；

利用公式，计算节点i和节点j之间的电气距离，其中，

lij为节点i和节点j之间的电气距离；x为时刻断面的个数，且t∈x；∑为求和函数；

利用公式，eij＝1-lij/max(l)，计算节点之间的边的权重，其中，

eij为第i个节点与第j个节点之间的边的权重；lij为节点i和节点j之间的电气距离；max(l)为与节点i连接的所有边中权重的最大值；

利用公式，获取所述当前个体的模块度指标，其中，

ρ为当前个体中的模块度指标；m为当前个体中所有边的权重之和；eij为第i个节点与第j个节点之间的边的权重；ki为与节点i连接的所有边的权重之和；kj为与节点j连接的所有边的权重之和；σ(i,j)为节点i和节点j是否位于同一集群的表征参数，同一集群值为1，不同为0；i为节点序号；j为节点序号。

在本发明实施例的一种具体实施方式中，所述第二获取模块303，用于：

利用公式，计算所述当前个体中的序号为c的时刻断面t时的净功率，其中，

为所述当前个体中的序号为c的集群在时刻断面t时的净功率；t为时刻断面的序号，且t∈x；pi(t)为集群c中的第i节点在时刻断面t时的净功率值；

利用公式，计算所述当前个体中的序号为c的集群在时刻断面t时的可控负荷的功率调节能力，其中，

为所述当前个体中的序号为c的集群在时刻断面t时的可控负荷的功率调节能力；λ为可控负荷的用户负荷响应参与度，表示用户参与需求响应的概率，可根据网络的历史运行情况总结得出；为所述当前个体中的序号为c的集群在时刻断面t时的所有节点的可控负荷需求；

利用公式，计算当前个体在时刻断面t时的第i个储能装置的储能的功率调节能力，其中，

为所述当前个体中的序号为c的集群在时刻断面t时的第i个储能装置的储能的功率调节能力；p为储能的功率调节能力的集合；pch为储能装置的最大充电功率；

利用公式，计算所述当前个体中的序号为c的集群在时刻断面t时储能装置的功率调节能力，其中，

为所述当前个体中的序号为c的集群在时刻断面t时储能装置的功率调节能力；为所述当前个体中的序号为c的集群中的第i个储能装置在时刻断面t时的储能的功率调节能力；

利用公式，计算功率调节后的所述当前个体中的序号为c的集群在时刻断面t时的富余电量指标，其中，

为功率调节后的所述当前个体中的序号为c的集群在时刻断面t时的富余电量指标；为功率调节前所述当前个体中的序号为c的集群在时刻断面t时的净功率，此处仅考虑集群内部的电源出力大于负荷需求的时刻，即满足的时刻断面t时；为所述当前个体中的序号为c的集群在时刻断面t时的可控负荷的功率调节能力；为所述当前个体中的序号为c的集群在时刻断面t时储能装置的功率调节能力；t为时刻断面的序号，且t∈x；

利用公式，计算当前个体的考虑消纳能力后的富余电量指标，其中，

为当前个体的考虑消纳能力后的富余电量指标；∑为求和函数；∫为积分函数；为功率调节后的所述当前个体中的序号为c的集群在时刻断面t时的富余电量指标；n为当前个体中集群的数量。

在本发明实施例的一种具体实施方式中，所述第二获取模块303，用于：

利用公式，计算当前个体的集群性能指标，其中，

γ为所述当前个体的集群性能指标；为当前个体的考虑消纳能力后的富余电量指标；ω1为当前个体的考虑消纳能力后的富余电量指标的权重；ρ为当前个体中的模块度指标；ω2为当前个体中的模块度指标的权重。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。