一种有源配电网分群聚合等效方法及系统与流程

本发明涉及有源配电网等值模型仿真，更具体地，涉及一种有源配电网分群聚合等效方法及系统。

背景技术：

1、新能源装机容量中分布式光伏(distributed photovoltaic，dpv)装机规模增长迅猛。大量分布式光伏被安装在农村和工业地区，随着潮流和电压分布的变化，促使传统辐射状配电网转变为多电源的有源配电网。由于分布式光伏具有与传统电力负荷不一样的动态特性，传统电力系统需求侧已发生深刻的变化，进一步影响了整个电力系统的动态特性和稳定性。

2、为有效分析有源配电网对电力系统的影响，需建立一个准确的模型来表征在正常和故障情况下有源配电网的并网点动态特性。然而，如果对每一个有源配电网中的元件进行详细建模，不仅会增加模型的复杂度，而且需要大量的时间进行仿真和数据的准备。这些不可忽略的劣势导致采用详细模型的方法很难应用于实际的工程中。因此，等值的有源配电网模型在文献中被提出。

3、传统有源配电网等值方法采用的单机等值方法，此方法无需对网内机组进行分群，计算简单，但无法表征有源配电网内各机组动态行为的差异。当机组间的运行工况差异较大时，会导致较大的等值误差，其误差不仅会影响有源配电网暂态特性模拟的准确度。而且，当用于有源配电网接入电网的稳定性分析时，可能会导致分析结果偏保守或乐观，甚至是稳定的误判。因此，需要对现有有源配电网等值模型进行研究，以实现对有源配电网暂态特性的精确表征。

4、面对以上困难，现有有源配电网等值模型中，通常采用的单机等值模型，有源配电网的聚合暂态特性由单机等值模型进行表征。

5、此方法无需对网内机组进行分群，计算简单，但无法表征有源配电网内各机组动态行为的差异，当机组间的运行工况差异较大时，会导致较大的等值误差，其误差不仅会影响有源配电网暂态特性模拟的准确度。而且，当用于有源配电网接入电网的稳定性分析时，可能会导致分析结果偏保守或乐观，甚至是稳定的误判。

6、传统有源配电网等值建模更多关注于机组部分的等值，忽略了机组与机组间的差异，大扰动下典型有源配电网等值模型精度较低，影响了电网稳定分析结果。

7、因此，需要一种技术，以实现结合凝聚层次聚类算法和动态时间规整算法的有源配电网分群聚合等效方法。

技术实现思路

1、本发明技术方案提供一种有源配电网分群聚合等效方法及系统，以解决如何结合凝聚层次聚类算法和动态时间规整算法对有源配电网分群聚合等效的问题。

2、为了解决上述问题，本发明提供了一种有源配电网分群聚合等效方法，所述方法包括：

3、根据电压等级将有源配电网中的负荷与分布式光伏划分为多个有源综合负荷单元；对多个有源综合负荷单元施加扰动，获取每个有源综合负荷单元的电压；

4、将多个有源综合负荷单元的电压逐一与低压穿越曲线进行比较，基于比较结果，获取分布式光伏的有源综合负荷单元的第一次分组；

5、将第一次分组外的有源综合负荷单元的电压划分为故障期间和恢复期间；

6、基于动态时间规整、凝聚层级聚类算法、相关系数cpcc和评估方法gs对恢复期间内的有源综合负荷单元进行分组，获取分布式光伏的有源综合负荷单元的第二次分组；

7、对于第二次分组中分布式光伏的有源综合负荷单元数量最多的分组，基于动态时间规整、凝聚层级聚类算法、相关系数cpcc和评估方法gs对恢复期间内的有源综合负荷单元进行再次分组，获取分布式光伏的有源综合负荷单元的第三次分组；

8、对分组后的同一组的有源综合负荷单元的电气参数和控制参数进行聚合；

9、基于聚合后的有源综合负荷单元构建有源配电网的多机等值模型，计算所述多机等值模型的等值阻抗。

10、优选地，所述基于动态时间规整、凝聚层级聚类算法、相关系数cpcc和评估方法gs对恢复期间内的有源综合负荷单元进行分组，获取分布式光伏的有源综合负荷单元的第二次分组，包括对所述有源综合负荷单元恢复期间的电压距离进行计算：

11、基于动态时间规整计算两个时间序列的距离：

12、

13、a＝{a1,a2,…,an},b＝{b1,b2,…,bm}

14、其中，as为时间序列a上第s个数据，bg为时间序列b上第g个数据，a1，a2，...，an为时间序列a上n个数据，b1，b2，...，bm为时间序列b上m个数据，m为时间序列a上数据个数，n为时间序列b上数据格式，a，b分别为时间序列a和时间序列b的数据集；

15、初始化累积距离：

16、

17、其中，c0，0为初始距离，d0，0为时间序列a上初始数据和时间序列b上初始数据距离，cs,0为时间序列a上第s个数据和时间序列b上初始数据距离，c0,g为时间序列a初始数据和时间序列b上第g个数据的距离；

18、对于s＝1,2,…,n和g＝1,2,…,m计算累积距离：

19、cs,g＝ds,g+min{cs-1,g,cs,g-1,cs-1,g-1}

20、其中，cs,g表示a1和b1到ai和bg最小累积距离；ds,g为两个时间序列上的距离，cs-1,g为时间序列a上第s-1个数据和时间序列b上第g个数据的距离，cs,g-1为时间序列a上第s个数据和时间序列b上第g-1个数据的距离，ci-1,g-1为时间序列a上第s-1个数据和时间序列b上第g-1个数据的距离；

21、最终得到动态时间规整距离cn,m；其中，cn,m为时间序列a上第n个数据和时间序列b上第m个数据的距离。

22、优选地，所述基于动态时间规整、凝聚层级聚类算法、相关系数cpcc和评估方法gs对恢复期间内的有源综合负荷单元进行分组，获取分布式光伏的有源综合负荷单元的第二次分组，包括基于凝聚层级聚类算法对有源综合负荷单元的第二次分组：

23、s1:将每个电压距离数据点视为一个初始聚类；

24、s2:计算每对聚类之间的距离；

25、s3:选择距离最近的两个聚类进行合并；

26、s4:更新合并后聚类之间的距离；

27、s5:重复步骤s3和s4，直至合并成一个聚类；

28、s6:基于聚类的距离，生成聚类树，所述聚类树的叶子节点为初始聚类，所述聚类树的根节点为所有电压距离数据的聚类。

29、优选地，还包括：基于相关系数cpcc评估聚类质量：

30、从聚类树中提取叶子节点之间的路径，记录每对叶子节点之间的cophenetic距离：

31、ce,f＝height(lca(e,f))

32、其中，height(lca(e,f))表示聚类树中从节点e和节点f的最近公共祖先lca节点的高度；

33、将所有cophenetic距离组成一个距离矩阵c，其中ce,f表示样本点e和样本点f之间的cophenetic距离；

34、计算cophenetic距离矩阵c和原始距离矩阵d的均值，分别记为cmean和dmean；

35、对于距离矩阵c和原始距离矩阵d中的每对元素，计算每对元素与均值之间的差值；根据差值计算皮尔逊相关系数，使用以下等式：

36、

37、得到相关系数cpcc的系数r，系数r表示聚类树中节点之间的距离与原始数据点之间的距离之间的相关程度，h表示样本点个数。

38、优选地，还包括：通过所述评估方法gs判断聚类的有效性，所述评估方法gs的计算过程为：

39、基于凝聚层次聚类算法在电压距离数据上构建一系列聚类模型，每个模型的聚类数从k＝1到某个预定义的最大聚类数kmax；

40、对于每个聚类数k，生成c组具有相同特征的随机数据集，机数据集与原始数据集具有相同的维度和分布特征；

41、对于每个聚类数k，计算原始数据集和每组随机数据集的对数总误差；数总误差用于量聚类模型的紧密度，假设原始数据集的对数总误差为wk，第b组随机数据集的对数总误差为wkb；

42、对于每个聚类数k，计算gap统计量：

43、

44、其中，log(wkc)表示第c组随机数据集的对数总误差；log(wk)表示原始数据集的对数总误差；c为第c组数据的总数量；

45、通过比较gap的值，选择使得gap达到峰值的聚类数。

46、优选地，所述对分组后的同一组的有源综合负荷单元的电气参数和控制参数进行聚合，包括：

47、在有源综合负荷单元内，负荷参数使用加权平均法汇总；

48、每个组等效有源综合负荷单元中普通控制器的控制参数等于该组中心有源综合负荷单元的控制参数，低压穿越期间的控制参数采用容量加权法进行聚合。

49、优选地，基于聚合后的有源综合负荷单元构建有源配电网的多机等值模型，计算所述多机等值模型的等值阻抗，包括：

50、多机等值模型中的pcc电压、电流和功率计算如下：

51、

52、

53、其中，为多机等值模型中公共耦合点的电压，为详细模型中公共耦合点的电压，为多机等值模型中公共耦合点的功率，为详细模型中公共耦合点的功率，ppcc，eq为多机等值模型中公共耦合点的有功功率，j为复数，qpcc，eq为多机等值模型中公共耦合点的无功功率，为多机等值模型中公共耦合点的电压共轭，为多机等值模型中公共耦合点的电流；

54、有源综合负荷单元的电流和功率表示如下:

55、

56、其中，表示详细模型中第i个aslu的电流；表示未分群等值前的详细模型中第j个aslu的功率；为详细模型中第j个aslu的电流，为等值模型中第i组的功率，k为aslu分群数量；

57、第i个aslu的终端电压被描述为:

58、

59、在多机等值模型中网损被描述为:

60、

61、其中，ppcc，eq为等值模型中公共耦合点的有功功率，paeq，i表示多机等值模型中第i个aslu的有功功率，qpcc，eq为等值模型中公共耦合点的无功功率，qaeq，i表示多机等值模型中第i个aslu的无功功率；

62、线路阻抗表示为：

63、

64、

65、其中，为等值模型中第i组aslu的电流，为等值模型中第1组aslu的阻抗，为等值模型中第i组aslu的阻抗，za,k为等值模型中第k组aslu的电流，为等值模型中公共耦合点电流，为等值模型中等值阻抗，为等值模型中公共耦合点电压，表示多机等值模型中第1个aslu的电流，iaeq,k为等值模型中第k组aslu的电流，为等值模型中第1组aslu的电压，vaeq,k为等值模型中第k组aslu的电压；

66、根据有源综合负荷单元的电流和功率公式以及aslu的终端电压公式)初始化k+1个参数；

67、详细模型和多机等值模型的响应：扰动信号被设置为获取详细模型和多机等值型的响应；

68、确定多机等值模型的待优化参数的目标函数：

69、对于分布式光伏进行电路参数聚合：

70、

71、

72、

73、其中，n表示模型响应数据的长度；θ表示网络阻抗参数；pa(θ,l,o)和qa(θ,l,o)分别表示第l个扰动下详细模型的第o个测量的有功和无功功率；fmean(θ，j)为函数的目标值，fp(θ,l)为详细模型和等值模型之间的有功功率误差，fq(θ，j)为详细模型和等值模型之间的无功功率误差，pe(θ,l,o)为详细模型和等值模型之间第o个数据的有功功率误差，qe(θ,l,o)为详细模型和等值模型之间第o个数据的有功功率误差。

74、基于本发明的另一方面，本发明提供一种有源配电网分群聚合等效系统，所述系统包括：

75、初始单元，用于根据电压等级将有源配电网中的负荷与分布式光伏划分为多个有源综合负荷单元；对多个有源综合负荷单元施加扰动，获取每个有源综合负荷单元的电压；

76、第一分组单元，用于将多个有源综合负荷单元的电压逐一与低压穿越曲线进行比较，基于比较结果，获取分布式光伏的有源综合负荷单元的第一次分组；

77、划分单元，用于将第一次分组外的有源综合负荷单元的电压划分为故障期间和恢复期间；

78、第二分组单元，用于基于动态时间规整、凝聚层级聚类算法、相关系数cpcc和评估方法gs对恢复期间内的有源综合负荷单元进行分组，获取分布式光伏的有源综合负荷单元的第二次分组；

79、第三分组单元，用于对于第二次分组中分布式光伏的有源综合负荷单元数量最多的分组，基于动态时间规整、凝聚层级聚类算法、cpcc和gs对恢复期间内的有源综合负荷单元进行再次分组，获取分布式光伏的有源综合负荷单元的第三次分组；

80、聚合单元，用于对分组后的同一组的有源综合负荷单元的电气参数和控制参数进行聚合；

81、结果单元，用于基于聚合后的有源综合负荷单元构建有源配电网的多机等值模型，计算所述多机等值模型的等值阻抗。

82、优选地，所述基于动态时间规整、凝聚层级聚类算法、cpcc和gs对恢复期间内的有源综合负荷单元进行分组，获取分布式光伏的有源综合负荷单元的第二次分组，包括对所述有源综合负荷单元恢复期间的电压距离进行计算：

83、基于动态时间规整计算两个时间序列的距离：

84、

85、a＝{a1,a2,...,an},b＝{b1,b2,...,bm}

86、其中，as为时间序列a上第s个数据，bg为时间序列b上第g个数据，a1，a2，...，an为时间序列a上n个数据，b1，b2，...，bm为时间序列b上m个数据，m为时间序列a上数据个数，n为时间序列b上数据格式，a，b分别为时间序列a和时间序列b的数据集；

87、初始化累积距离：

88、

89、其中，c0，0为初始距离，d0，0为时间序列a上初始数据和时间序列b上初始数据距离，cs,0为时间序列a上第s个数据和时间序列b上初始数据距离，c0,g为时间序列a初始数据和时间序列b上第g个数据的距离；

90、对于s＝1,2,…,n和g＝1,2,…,m计算累积距离：

91、cs,g＝ds,g+min{cs-1,g,cs,g-1,cs-1,g-1}

92、其中，cs,g表示a1和b1到ai和bg最小累积距离；ds,g为两个时间序列上的距离，cs-1,g为时间序列a上第s-1个数据和时间序列b上第g个数据的距离，cs,g-1为时间序列a上第s个数据和时间序列b上第g-1个数据的距离，ci-1,g-1为时间序列a上第s-1个数据和时间序列b上第g-1个数据的距离；

93、最终得到动态时间规整距离：cn,m；其中，cn,m为时间序列a上第n个数据和时间序列b上第m个数据的距离。

94、优选地，所述基于动态时间规整、凝聚层级聚类算法、cpcc和gs对恢复期间内的有源综合负荷单元进行分组，获取分布式光伏的有源综合负荷单元的第二次分组，包括基于凝聚层级聚类算法对有源综合负荷单元的第二次分组：

95、s1:将每个电压距离数据点视为一个初始聚类；

96、s2:计算每对聚类之间的距离；

97、s3:选择距离最近的两个聚类进行合并；

98、s4:更新合并后聚类之间的距离；

99、s5:重复步骤s3和s4，直至合并成一个聚类；

100、s6:基于聚类的距离，生成聚类树，所述聚类树的叶子节点为初始聚类，所述聚类树的根节点为所有电压距离数据的聚类。

101、优选地，还包括：基于相关系数cpcc评估聚类质量：

102、从聚类树中提取叶子节点之间的路径，记录每对叶子节点之间的cophenetic距离：

103、ce,f＝height(lca(e,f))

104、其中，height(lca(e,f))表示聚类树中从节点e和节点f的最近公共祖先lca节点的高度；

105、将所有cophenetic距离组成一个距离矩阵c，其中ce,f表示样本点e和样本点f之间的cophenetic距离；

106、计算cophenetic距离矩阵c和原始距离矩阵d的均值，分别记为cmean和dmean；

107、对于距离矩阵c和原始距离矩阵d中的每对元素，计算每对元素与均值之间的差值；根据差值计算皮尔逊相关系数，使用以下等式：

108、

109、得到相关系数cpcc的系数r，系数r表示聚类树中节点之间的距离与原始数据点之间的距离之间的相关程度，h表示样本点个数。

110、优选地，还包括：通过所述评估方法gs判断聚类的有效性，所述评估方法gs的计算过程为：

111、基于凝聚层次聚类算法在电压距离数据上构建一系列聚类模型，每个模型的聚类数从k＝1到某个预定义的最大聚类数kmax；

112、对于每个聚类数k，生成c组具有相同特征的随机数据集，机数据集与原始数据集具有相同的维度和分布特征；

113、对于每个聚类数k，计算原始数据集和每组随机数据集的对数总误差；数总误差用于量聚类模型的紧密度，假设原始数据集的对数总误差为wk，第b组随机数据集的对数总误差为wkb；

114、对于每个聚类数k，计算gap统计量：

115、

116、其中，log(wkc)表示第c组随机数据集的对数总误差；log(wk)表示原始数据集的对数总误差；c为第c组数据的总数量；

117、通过比较gap的值，选择使得gap达到峰值的聚类数。

118、优选地，所述对分组后的同一组的有源综合负荷单元的电气参数和控制参数进行聚合，包括：

119、在有源综合负荷单元内，负荷参数使用加权平均法汇总；

120、每个组等效有源综合负荷单元中普通控制器的控制参数等于该组中心有源综合负荷单元的控制参数，低压穿越期间的控制参数采用容量加权法进行聚合。

121、优选地，基于聚合后的有源综合负荷单元构建有源配电网的多机等值模型，计算所述多机等值模型的等值阻抗，包括：

122、多机等值模型中的pcc电压、电流和功率计算如下：

123、

124、

125、其中，为多机等值模型中公共耦合点的电压，为详细模型中公共耦合点的电压，为多机等值模型中公共耦合点的功率，为详细模型中公共耦合点的功率，ppcc，eq为多机等值模型中公共耦合点的有功功率，j为复数，qpcc，eq为多机等值模型中公共耦合点的无功功率，为多机等值模型中公共耦合点的电压共轭，为多机等值模型中公共耦合点的电流；

126、有源综合负荷单元的电流和功率表示如下:

127、

128、其中，表示详细模型中第i个aslu的电流；表示未分群等值前的详细模型中第j个aslu的功率；为详细模型中第j个aslu的电流，为等值模型中第i组的功率，k为aslu分群数量；

129、第i个aslu的终端电压被描述为:

130、

131、在多机等值模型中网损被描述为:

132、

133、其中，qpcc，eq为等值模型中公共耦合点的有功功率，paeq，i表示多机等值模型中第i个aslu的有功功率，qpcc，eq为等值模型中公共耦合点的无功功率，qaeq，i表示多机等值模型中第i个aslu的无功功率；

134、线路阻抗表示为：

135、

136、

137、其中，为等值模型中第i组aslu的电流，为等值模型中第1组aslu的阻抗，为等值模型中第i组aslu的阻抗，za,k为等值模型中第k组aslu的电流，为等值模型中公共耦合点电流，为等值模型中等值阻抗，为等值模型中公共耦合点电压，表示多机等值模型中第1个aslu的电流，iaeq,k为等值模型中第k组aslu的电流，为等值模型中第1组aslu的电压，vaeq,k为等值模型中第k组aslu的电压；

138、根据有源综合负荷单元的电流和功率公式以及aslu的终端电压公式)初始化k+1个参数；

139、详细模型和多机等值模型的响应：扰动信号被设置为获取详细模型和多机等值型的响应；

140、确定多机等值模型的待优化参数的目标函数：

141、对于分布式光伏进行电路参数聚合：

142、

143、

144、

145、其中，n表示模型响应数据的长度；θ表示网络阻抗参数；pa(θ,l,o)和qa(θ,l,o)分别表示第l个扰动下详细模型的第o个测量的有功和无功功率；fmean(θ，j)为函数的目标值，fp(θ,l)为详细模型和等值模型之间的有功功率误差，fq(θ，j)为详细模型和等值模型之间的无功功率误差，pe(θ,l,o)为详细模型和等值模型之间第o个数据的有功功率误差，qe(θ,l,o)为详细模型和等值模型之间第o个数据的有功功率误差。

146、基于本发明的另一方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于执行一种有源配电网分群聚合等效方法。

147、基于本发明的另一方面，本发明提供一种电子设备，所述电子设备包括：处理器和存储器；其中，

148、所述存储器，用于存储所述处理器可执行指令的存储器；

149、所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现一种有源配电网分群聚合等效方法。

150、本发明技术方案提供了一种有源配电网分群聚合等效方法及系统，其中方法包括：根据电压等级将有源配电网中的负荷与分布式光伏划分为多个有源综合负荷单元；对多个有源综合负荷单元施加扰动，获取每个有源综合负荷单元的电压；将多个有源综合负荷单元的电压逐一与低压穿越曲线进行比较，基于比较结果，获取分布式光伏的有源综合负荷单元的第一次分组；将第一次分组外的有源综合负荷单元的电压划分为故障期间和恢复期间；基于动态时间规整、凝聚层级聚类算法、相关系数cpcc和评估方法gs对恢复期间内的有源综合负荷单元进行分组，获取分布式光伏的有源综合负荷单元的第二次分组；对于第二次分组中分布式光伏的有源综合负荷单元数量最多的分组，基于动态时间规整、凝聚层级聚类算法、cpcc和gs对恢复期间内的有源综合负荷单元进行再次分组，获取分布式光伏的有源综合负荷单元的第三次分组；对分组后的同一组的有源综合负荷单元的电气参数和控制参数进行聚合；基于聚合后的有源综合负荷单元构建有源配电网的多机等值模型，计算多机等值模型的等值阻抗。本发明提出一种结合凝聚层次聚类算法和动态时间规整算法的有源配电网分群聚合等效方法，为有效分析含高渗透分布式光伏的有源配电网响应特性提供关键工具。该方法首先提出了基于负荷元件和分布式光伏组成的有源综合负荷单元。在此基础上，基于凝聚层次聚类算法与动态时间规整算法实现了有源综合负荷单元的分类分组。仿真结果表明，本发明所建立的有源配电网多机等值模型能够准确的反映有源配电网的暂态特性。

151、本发明所建立的有源配电网等值模型有助于解决典型有源配电网等值模型在严重工况下精度较低的问题，提升高比例新能源电力系统认知能力，提高清洁能源消纳能力，具有很高的应用价值和社会意义。

152、本发明可有效解决含高渗透率分布式光伏的有源配电网等值模型仿真计算不准确的问题，但应用场景不限于此，当配电网中包含双馈风机、集中式光伏等新能源时都可以按照本发明的方法提高有源配电网等值模型的精度。