[发明专利]一种结合网络重构的集群划分双层模型的建立方法

说明书

一种结合网络重构的集群划分双层模型的建立方法，S1：获取配电网数据，建立第一层模型，获得时段划分方式并计算第一层适应度f1；S2：根据S1获取的时段划分，基于随机生成树重构法对划分后的各个时段进行动态重构；S3：根据S2获得的不同时段的网络拓扑和各个时刻的负荷特性，建立第二层模型，获得最佳集群划分结果并记录其对应的最佳适应度f2_max；S4：回到第一层模型，根据S3获得的第二层模型适应度更新第一层适应度，整个过程通过双层嵌套遗传算法实现，经过反复交叉变异，双层寻优，同时获得最佳动态重构策略和集群划分方案。建立的模型可同时获得研究时段内的最佳重构策略和集群划分方式，为实现电力系统的最优规划或运行调度提供基础。

技术领域

本发明涉及电力系统规划与运行技术领域，更具体地，涉及一种结合网络重构的集群划分双层模型的建立方法，为实现电力系统的最优规划或运行调度提供基础。

背景技术

随着分布式可再生能源发电研究的不断深入和国内一系列利好政策的鼓励，我国分布式发电正呈现出区域化和园区化的快速发展态势，大规模、集群化分布式发电并网将是未来的重点发展方向。具有间歇性、随机性等典型特点的分布式光伏发电(distributedphotovoltaic generation,DPV)大规模接入配电网中,可能会对局部电网的安全稳定与经济运行带来影响，主要体现在电压越限、功率倒送、线路过载等几个方面，消纳分布式电源已成为局部配电网面临的一项挑战。

针对高渗透率分布式光伏接入问题，近年来集群的研究与应用开始引起关注,集群划分的应用场景主要包括系统规划与调度控制两个领域。现有大量文献表明不论调度控制还是系统规划，合理的集群划分对高渗透率分布式能源系统具有重要的理论价值和工程意义，体现出比集中调度规划方式更好的性能。然而，目前的集群划分均建立在固定的网络拓扑上，以配电网在典型时刻的特性作为基础对其进行划分。而现实情况中，集合了各种负荷、DG、ESS、微网系统等的配电网是复杂而时变的，传统的配电网开关配置方案不再适用于时变的网络，因此研究动态变化下的配电网重构问题对提升配电网的经济可靠运行同样具有在重要意义。截至目前，还没有文献研究动态重构对集群划分的影响。其难度在于重构次数过多，经济型降低；重构次数过少，实时性降低，为实现两者的平衡，应当建立合适的模型。

发明内容

本发明的目的在于提供一种结合网络重构的集群划分双层模型的建立方法，考虑网络拓扑变化对集群划分的影响，实现两者的最佳平衡，为高渗透率分布式能源系统的规划和调度提供基础。

为实现上述目的，本发明采用以下技术方案：

一种结合网络重构的集群划分双层模型的建立方法，包括以下步骤：

S1：获取配电网数据，所述配电网数据包括线路参数、研究时段内的负荷曲线，建立第一层模型，获得时段划分方式并计算第一层适应度f1；

S2：根据S1获取的时段划分，基于随机生成树重构法对划分后的各个时段进行动态重构；

S3：根据S2获得的不同时段的网络拓扑和各个时刻的负荷特性，建立第二层模型，获得最佳集群划分结果并记录其对应的最佳适应度f2_max；

S4：回到第一层模型，根据S3获得的第二层模型适应度更新第一层适应度，整个过程通过双层嵌套遗传算法实现，经过反复交叉变异，双层寻优，同时获得最佳动态重构策略和集群划分方案。

进一步地，所述步骤S1具体包括以下步骤：