新能源电站集群划分方法、装置、计算机设备和存储介质与流程

本技术涉及集群划分，特别是涉及一种新能源电站集群划分方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、随着全球化石能源的减少和环境污染问题的加剧，可再生能源的应用也越来越广泛。考虑到可再生能源发电具有随机性和不确定性，电力行业通常会选择采用集群管理的方式，来应对大规模的分布式可再生能源的接入，充分利用了集群管理“集群间弱耦合、集群内强连接”的独特特点。

2、传统方案中，通常是以各节点之间的电耦合程度为公共指标，用电压灵敏度来表示节点之间的电耦合程度，并将其用于划分分布式发电集群，从而规划配电网中的分布式光伏集群。

3、然而，当配电网中的分布式电源的节点数目多，且并网位置分散时，采用上述传统方案对所有分布式能源采用集中管理模式，在集群划分的过程中会存在操作困难、搜索范围广以及可控节点过多的问题，从而导致集群划分结果准确性较低。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高集群划分结果准确性的新能源电站集群划分方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术提供了一种新能源电站集群划分方法。所述方法包括：

3、获取新能源电站集群的网络结构图，所述网络结构图包括多个节点和两两节点之间的支路，每个节点表征一个新能源电站；

4、通过多种聚类算法，分别对所述网络结构图中的节点进行划分，得到多种聚类算法各自对应的目标集群划分结果，

5、基于各所述目标集群划分结果，构建各所述目标集群划分结果对应的连接状态矩阵；

6、基于各所述目标集群划分结果对应的连接状态矩阵，确定各目标集群划分结果对应的模块度；

7、从所述目标集群划分结果集合中筛选出所述模块度最大的目标集群划分结果。

8、在其中一个实施例中，所述聚类算法包括粒子群优化算法，通过粒子群优化算法，对所述网络结构图中的节点进行划分，得到目标集群划分结果，包括：

9、对所述网络结构图中的节点进行随机划分，得到多个粒子，每个粒子表征一个初始集群划分结果；

10、针对每一所述粒子，基于所述初始集群划分结果，构建初始连接状态矩阵，基于所述初始连接状态矩阵，更新所述粒子的位置和速度，以更新所述初始连接状态矩阵，根据更新后的所述初始连接状态矩阵，确定所述粒子的适应度值；

11、返回所述针对每一所述粒子，基于所述初始集群划分结果，构建初始连接状态矩阵的步骤，直至迭代次数等于预设迭代次数，得到多个更新后的粒子；

12、从多个更新后的粒子中，筛选出适应度值最大的粒子，适应度值最大的粒子表征目标集群划分结果。

13、在其中一个实施例中，所述聚类算法包括遗传算法，通过遗传算法，对所述网络结构图中的节点进行划分，得到目标集群划分结果，包括：

14、对所述网络结构图中的节点进行随机划分，得到多条染色体，每条染色体表征一个初始集群划分结果；

15、针对每一条染色体，基于所述初始集群划分结果，构建对应的初始连接状态矩阵，基于所述初始连接状态矩阵，确定所述染色体的适应度值；

16、基于各所述染色体的适应度值，通过选择算子、交叉算子和变异算子，对多条染色体进行遗传迭代处理，直至迭代次数等于预设迭代次数，得到多条遗传后的染色体，每条遗传后的染色体各自表征一个集群划分结果；

17、针对每一遗传后的染色体，基于所述集群划分结果，构建对应的连接状态矩阵，基于所述连接状态矩阵，确定遗传后的染色体的适应度值；

18、从多条遗传后的染色体中，筛选出适应度值最大的染色体，所述适应度值最大的染色体表征目标集群划分结果。

19、在其中一个实施例中，所述聚类算法包括k-means算法，通过k-means算法，对所述网络结构图中的节点进行划分，得到目标集群划分结果，包括：

20、从所述网络结构图中的多个节点中筛选出目标集群中心，所述目标集群中心通过预设的遗传算法确定；

21、基于不同的簇目，通过k-means算法对各个所述节点进行聚类，得到不同簇目各自对应的初始聚类结果；

22、针对每一所述初始聚类结果，构建初始连接状态矩阵，根据所述初始连接状态矩阵，确定模块度；

23、从多个所述初始聚类结果中筛选出模块度最大的目标集群划分结果。

24、在其中一个实施例中，所述连接状态矩阵包括一维连接状态矩阵，所述基于各所述目标集群划分结果，构建各所述集群划分结果对应的连接状态矩阵，包括：

25、针对每一目标集群划分结果，在所述目标集群划分结果表征所述支路两端的节点在同一个集群的情况下，将所述支路在所述一维连接状态矩阵中对应的元素值确定为第一目标值；

26、在根据所述目标集群划分结果表征所述支路两端的节点不在同一个集群的情况下，将所述支路在所述一维连接状态矩阵中对应的元素值确定为第二目标值，得到各所述集群划分结果对应的连接状态矩阵。

27、在其中一个实施例中， 所述基于各所述目标集群划分结果对应的连接状态矩阵，确定各目标集群划分结果对应的模块度，包括：

28、针对每个目标集群划分结果，根据所述目标集群划分结果对应的连接状态矩阵，确定所述目标集群划分结果的可达性矩阵；

29、根据所述目标集群划分结果，确定所述目标集群划分结果中各个节点之间的电气距离，基于各个节点之间的电气距离，确定各个节点之间的边权值；

30、基于所述可达性矩阵和各个节点之间的所述边权值，确定各所述目标集群划分结果所对应的模块度。

31、第二方面，本技术还提供了一种新能源电站集群划分装置。所述装置包括：

32、数据获取模块，用于获取新能源电站集群的网络结构图，所述网络结构图包括多个节点和两两节点之间的支路，每个节点表征一个新能源电站；

33、集群划分模块，用于通过多种聚类算法，分别对所述网络结构图中的节点进行划分，得到多种聚类算法各自对应的目标集群划分结果，

34、矩阵构建模块，用于基于各所述目标集群划分结果，构建各所述目标集群划分结果对应的连接状态矩阵；

35、模块度计算模块，用于基于各所述目标集群划分结果对应的连接状态矩阵，确定各目标集群划分结果对应的模块度；

36、结果筛选模块，用于从所述目标集群划分结果集合中筛选出所述模块度最大的目标集群划分结果。

37、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述新能源电站集群划分方法实施例中的步骤。

38、第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述新能源电站集群划分方法实施例中的步骤。

39、第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述新能源电站集群划分方法实施例中的步骤。

40、上述新能源电站集群划分方法、装置、计算机设备、存储介质和计算机程序产品，通过获取新能源电站集群的网络结构图，其中，网络结构图包括多个节点和两两节点之间的支路，每个节点表征一个新能源电站。然后，通过多种聚类算法，分别对所述网络结构图中的节点进行划分，得到多种聚类算法各自对应的目标集群划分结果。进一步地，基于各所述目标集群划分结果，构建各所述目标集群划分结果对应的连接状态矩阵，并基于各所述目标集群划分结果对应的连接状态矩阵，确定各目标集群划分结果对应的模块度。最后，从所述目标集群划分结果集合中筛选出所述模块度最大的目标集群划分结果。区别于传统的集群划分方法，上述方案针对新能源电站集群的网络结构图采用了多种不同的集群划分算法，可以使得集群划分过程中对数据的搜索更加全面，提高了数据搜索的全局性，从而得到更为准确的集群划分结果。此外，上述方案还引入了连接状态矩阵来表征集群划分结果，从而为计算机提供更简洁的处理数据，简化和加速了集群划分和模块度计算的过程。并且，通过模块度指标，可以更为客观地评估各集群划分结果的优劣程度，进一步提高了集群划分结果的准确性。