一种配电台区光伏承载力动态评估装置、方法及存储介质与流程

本发明属于电力系统，尤其涉及一种配电台区光伏承载力动态评估装置、方法及存储介质，具体是一种考虑光伏波动性的配电台区光伏承载力动态评估装置、方法及存储介质。

背景技术：

1、在新能源快速大规模发展的背景下，分布式光伏发电因其灵活、成本低等优点，目前已在配电网中取得广泛的应用。但是由于分布式光伏的大规模接入，配电网的性质从“无源”逐渐向“有源”转变，潮流的分布与方向也因此改变。而由于分布式光伏具有波动性、不确定性等特征，大规模分布式光伏会对配电网的安全稳定运行带来重大挑战。因此，在此背景下，量化分析评估配电台区的光伏承载力具有重要的意义。

2、目前，现有的分析配电台区分布式光伏承载力的技术，如申请公布号为cn11569284a的发明专利，申请公开了一种基于模糊综合评价的台区光伏承载力分析方法，该分析方法存在一定的可行性，但该主要基于单一时间断面进行分析。由于分布式光伏具有极强的波动性与随机性，不同场景下日内分布式光伏出力差异性显著，选取单一时间断面开展的计算往往会引入较大的分析误差，且无法分析分布式光伏的时序特性对配电网承载力的影响。

3、在分布式光伏大规模接入的背景下，需要结合分布式光伏出力的具体特性开展台区承载能力的分析。现有的研究大都将分布式光伏模型简化成固定出力模型，在评估台区光伏承载力时，缺乏充分考虑分布式光伏出力随机性与波动性的影响。

4、因此，本发明提出了一种考虑光伏波动性的配电台区光伏承载力动态评估技方法，充分计及分布式光伏出力时序特性，可以对配电台区分布式光伏承载力进行更为精确且可靠的评估计算。

技术实现思路

1、针对上述现有技术中存在的不足之处，本发明提供了一种配电台区光伏承载力动态评估装置、方法及存储介质。其目的是为了实现充分计及分布式光伏出力时序特性，对配电台区分布式光伏承载力进行更为精确且可靠的评估计算的发明目的。

2、本发明为实现上述目的所采用的技术方案是：

3、一种配电台区光伏承载力动态评估方法，包括：

4、根据配电台区的光伏日内出力波动动态数据集，建立配电台区光伏出力典型场景聚类模型，通过计算得到典型出力曲线，将典型出力曲线集作为配电台区光伏出力动态典型场景；

5、确定参与承载力评价的安全性指标集，获取配电台区承载力指标评价权重；

6、建立配电台区光伏承载力评语集，划分评分区间，基于典型场景，计算每个典型场景下节点动态承载力综合评分；

7、根据节点动态承载力综合评分，计算配电台区光伏承载力评分，获取全部配电台区动态承载力评语。

8、更进一步的，所述根据配电台区的光伏日内出力波动动态数据集，建立配电台区光伏出力典型场景聚类模型，通过计算得到典型出力曲线，将典型出力曲线集作为配电台区光伏出力动态典型场景；包括：

9、步骤1.1：获取配电台区区域气象数据；

10、步骤1.2：通过配电台区气象数据转化为光伏出力数据；

11、步骤1.3：以不断动态更新的光伏出力数据集作为输入，搭建k-means聚类算法模型。

12、更进一步的，所述步骤1.1：获取配电台区区域气象数据，包括：

13、光照强度的概率密度函数如下：

14、

15、其中，s为光照强度，sn为额定光强，α和β是beta函数中的的两个参数，需根据具体情况合理选取，г为伽马函数；

16、所述步骤1.2：通过配电台区气象数据转化为光伏出力数据，包括：

17、光伏出力与光照强度的关系如下公式：

18、

19、其中，ppv为光伏的实际出力，ppv,n为额定值，i为光照强度；得到具体光伏出力数据，并根据实时数据进行动态更新；

20、所述步骤1.3：以不断动态更新的光伏出力数据集作为输入，搭建k-means聚类算法模型，包括：对于每个季度光伏数据建立独立训练集，将第i日的光伏出力序列作为一个基本数据集，对于所有光伏历史数据集和实时数据集应用k-means算法聚类，得到具有典型达到场景削减的目的；记光伏历史数据集和实时数据集总数目为tpv，聚类生成的典型光伏出力数据集为npv；

21、每个季度的独立训练集内，通过均匀分布假设，在光伏出力总数据集tpv生成npv个互不相同的正整数ki，作为初始的聚类中心编号，记为k＝{ki|i＝1，2，...，npv}，分别计算总光伏出力数据集中所有非聚类中心的数据集k到选取的每一个聚类中心的欧氏距离：

22、

23、其中，dk，ki为非聚类中心数据集到每个聚类中心的欧氏距离，为非聚类中心光伏出力序列向量，为聚类中心光伏序列向量；

24、依据计算得到的每个非聚类中心数据集到聚类中心的距离，归类到最近的聚类中心中，形成npv个类别；在每个类别内部，依次将每个数据集作为该类别的聚类中心，计算类别内部其他数据集到其的距离总和，选取距离总和最小的数据集形成新的聚类中心；经过若干次迭代后，若聚类中心集合k无变化，则确定最终的聚类中心及其对应类别，对每个类别的数据集取平均值得到聚类生成的npv个典型出力数据集，并根据每个类别数据集数量占光伏出力总数据集的比例作为典型出力数据集发生的概率，典型场景聚类情况根据实时数据进行动态更新。

25、更进一步的，所述确定参与承载力评价的安全性指标集，获取配电台区承载力指标评价权重；包括：

26、步骤2.1：承载力指标权重采用层次分析法确定；

27、步骤2.2：承载力指标权重采用层次分析法确定；

28、步骤2.3：对评价矩阵进行一致性检验；

29、步骤2.4：计算承载力指标评价权重。

30、更进一步的，所述步骤2.1：承载力指标权重采用层次分析法确定，包括：

31、通过两两比较确定准则和子准则之间的重要性和优先级，使用标度来比较，使用1到9的标度，其中1表示两者具有相同的重要性，9表示一个因素相对于另一个极其重要，将比较值填入比较矩阵中，形成主观评价矩阵，如下所示：

32、

33、其中，aij为指标i对指标j通过重要性标度确定的优先指数，ij是下标关系表示矩阵中第i行第j列的元素，i＝1,…,n,j＝1,…,n，n为指标数量；a1n为指标1对指标n通过重要性标度确定的优先指数，an1为指标n对指标1通过重要性标度确定的优先指数，ann为指标n对指标n通过重要性标度确定的优先指数；

34、所述步骤2.2：对评价矩阵进行一致性检验，包括：

35、计算评价矩阵的一致性指标ci，如下式：

36、

37、其中，λmax为评价矩阵的最大特征值，n为评价矩阵的维度；

38、通过平均随机一致性指标ri数据表得到平均一致性指标ri，通过这两个指标计算一致性比例cr：

39、

40、其中，ri为平均随机一致性指标；

41、当一致性比例cr满足关系cr＜0.1，则评价矩阵一致性校验通过，否则重新构建评价矩阵；

42、所述步骤2.3：计算承载力指标评价权重，包括：

43、采用几何平均法，得到每个指标的几何平均法权重，再进行归一化处理得到承载力指标评价权重，如下式所示：

44、

45、其中，aij为指标i对指标j通过重要性标度确定的优先指数，akj为指标k对指标j通过重要性标度确定的优先指数，j为计数下标，k为计数下标。

46、更进一步的，所述建立配电台区光伏承载力评语集，划分评分区间，基于典型场景，计算每个典型场景下节点动态承载力综合评分；包括：

47、步骤3.1：构建评价指标因素集u与承载力评语集v，采用四级承载力评语集构建，分别是承载力优60-80，承载力良40-60，承载力中20-40，承载力差0-20；

48、步骤3.2：根据指标因素集u与承载力评语集v，计算第i条典型出力曲线中第j个时间点下，第k个节点观测指标的模糊关系矩阵rij，k：

49、

50、其中，矩阵元素rij为指标i对评语j的模糊隶属函数，ij是下标关系表示矩阵中第i行第j列的元素，i＝1,…n,j＝1,…,4，n为指标数量；rnl为指标n对评语1的模糊隶属函数，rn4为指标n对评语4的模糊隶属函数；

51、模糊隶属函数采用梯形模糊隶属度计算方式求得，模糊隶属度满足下式：

52、

53、其中，r为指标模糊隶属度，x为指标数据,a为判断区间下限，b为隶属区间下限，c为隶属区间上限，d为判断区间上限；

54、步骤3.3：对1xn维指标权重向量ω与nx4维模糊关系矩阵rij，k进行模糊合成，得到1x4维承载力隶属度向量hij，k，如下式：

55、

56、其中，h为承载力隶属度向量元素，w为承载力指标评价权重；

57、基于隶属度向量hij，k与评语集v，计算在第i条典型出力曲线中第j个时间点下，第k个节点的承载力评分pij，k，如下式：

58、pij，k＝h1v1+h2v2+h3v3+h4v4

59、其中，vj是评语集v中每一个模糊评语区间的中值，j＝1,…,4。

60、更进一步的，所述根据节点动态承载力综合评分，计算配电台区光伏承载力评分，获取全部配电台区动态承载力评语，包括：

61、步骤4.1：取单一节点j，由所有典型日中的承载力最低评分作为节点的承载力实际评分，表征节点在最恶劣场景下的承载力情况；对其余所有节点，重复本步骤，得到所有节点的承载力实际评分；根据评语集的划分情况，确定每个节点的动态承载力评语；

62、步骤4.2：取所有节点承载力实际评分的最低者，作为全配电台区实际承载力评分，根据配电台区实时数据进行动态更新，表征全配电台区在网络运行最恶劣的情形下是否仍能继续消纳分布式光伏的现状；根据所得实际承载力评分，根据评语集的划分情况，确定配电台区的动态光伏承载力评语。

63、一种配电台区光伏承载力动态评估装置，包括：

64、建立模块，用于根据配电台区的光伏日内出力波动动态数据集，建立配电台区光伏出力典型场景聚类模型，通过计算得到典型出力曲线，将典型出力曲线集作为配电台区光伏出力动态典型场景；

65、获取模块，用于确定参与承载力评价的安全性指标集，获取配电台区承载力指标评价权重；

66、建立和计算模块，用于建立配电台区光伏承载力评语集，划分评分区间，基于典型场景，计算每个典型场景下节点动态承载力综合评分；

67、计算和获取模块，用于根据节点动态承载力综合评分，计算配电台区光伏承载力评分，获取全部配电台区动态承载力评语；

68、所述一种配电台区光伏承载力动态评估装置用于实现任一所述的一种配电台区光伏承载力动态评估方法的步骤。

69、一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现任一所述的一种配电台区光伏承载力动态评估方法的步骤。

70、一种计算机存储介质，所述计算机存储介质上存有计算机程序，所述计算机程序被处理器执行时实现任一所述的一种配电台区光伏承载力动态评估方法的步骤。

71、本发明具有以下有益效果及优点：

72、本发明提出了考虑多时间断面配电台区的光伏承载力计算方式，可以将多个时间节点下网络运行状况的重要信息融入承载力计算之中，使计算更加科学精准。

73、本发明还考虑了光伏出力波动性与随机性的影响，对分布式光伏出力进行了更精确的处理，可以在充分计及所有典型场景的基础上，更准确地评估配电台区的光伏承载力。

74、在本发明中承载力计算可根据光伏出力等实时数据进行更新，动态刷新台区承载力评价结果，使所得结果更具有可信度与实用性。

75、本发明考虑最恶劣场景作为综合评分选取依据，以运行绝对安全性作为评价基础，所得光伏承载力评价结果更贴合实际配电网应用需求，具有更强实用意义。

76、本发明由于考虑了多时间断面信息与光伏出力波动性与随机性，并进一步考虑了可实时更新的动态数据，使配电台区光伏承载力科学性与准确性进一步提高，相比于现有技术具有评估精准、可动态更新、工程实用性强的优点。