[发明专利]一种分布式光伏群调群控方法、装置和存储介质

权利要求书

1.一种分布式光伏群调群控方法，其特征在于，包括如下步骤：

选定待调控区域的光伏装置，对所述光伏装置进行集群划分，获得光伏装置集群；

获取光伏装置的样本数据,预处理后进行训练，构建光伏装置集群出力模型，所述样本数据包括历史气象数据、历史功率数据和天气预测数据；

根据所述光伏装置集群所在区域配电网的历史运行数据，并结合配电网检修计划，评估所述配电网的光伏接纳能力；

采用所述光伏装置集群出力模型进行预测，获得光伏装置集群的光伏发电功率预测值；

根据所述光伏发电功率预测值和光伏接纳能力，并基于一致性算法对光伏装置集群的每个光伏装置进行预先调节；

实时获取光伏装置集群的发电功率，并将其与所述光伏接纳能力比较，获取比较结果；

根据所述比较结果，对所述光伏装置集群进行实时调节；

其中，将待调控区域内的单个光伏装置作为一个节点，则对所述光伏装置进行集群划分，包括：选取集群的划分指标，所述划分指标包括模块度、无功平衡度和有功平衡度；对所述划分指标进行归一化处理并确定对应权重；基于数量积法建立节点间的相似度矩阵，从而构造分布式光伏网络；将所述分布式光伏网络中的每个节点初始化为一个集群，计算网络的Q值；按照Q值增大的方向合并节点获得新的集群，迭代循环，直至Q值最大，获得集群划分结果，即光伏装置集群；

所述Q值的计算公式如下：

；

上式中，a为网络中所有连边的权值和,为网络的连边,和分别为在节点i，j上连边的权值和,为节点i所在集群，当时，＝1，否则为0。

2.根据权利要求1所述的分布式光伏群调群控方法，其特征在于，所述光伏装置集群出力模型的构建步骤包括：

读取光伏装置集群内每个光伏装置的样本数据，并对其进行归一化处理；

利用newff函数建立BP神经网络，并指定网络的结构；

利用狼群算法优化所述BP神经网络的初始权值和阈值；

根据梯度下降法迭代训练所述BP神经网络，直至模型收敛；

输入当前功率数据和天气预测数据至模型进行预测，输出光伏发电功率预测值。

3.根据权利要求1所述的分布式光伏群调群控方法，其特征在于，所述历史运行数据包括电网拓扑结构、有功功率、无功功率和电压幅值，则所述评估所述配电网的光伏接纳能力，包括：

根据配电网的历史运行数据，建立配电网在正常状态下光伏接纳能力的多元线性函数A；

基于多元线性函数A，建立配电网在检修状态下光伏接纳能力的多元线性函数B；

载入电网拓扑结构、有功功率、无功功率和电压幅值至多元线性函数A或多元线性函数B，获得配电网的光伏接纳能力。

4.根据权利要求1所述的分布式光伏群调群控方法，其特征在于，所述基于一致性算法对光伏装置集群的每个光伏装置进行预先调节，包括：

根据是否带储能系统，将光伏装置集群内的光伏装置划分为子集群A和子集群B；

对于子集群A，采用目标函数F1进行调控，即以节点电压偏差最小、子集群无功出力变化最小为目标；

对于子集群B，采用目标函数F2进行调控，即以节点电压偏差最小、子集群有功出力削减最小为目标；

采用一致性算法分别对子集群A和子集群B中的光伏装置进行一致性调控，使得各光伏装置节点能够平均承担系统稳压负担。

5.根据权利要求4所述的分布式光伏群调群控方法，其特征在于，所述目标函数F1和F2的计算公式如下：

；

上式中，为光伏装置i的电压变化量，为主导节点电压参考值与其实时值的差，为光伏装置i的无功调控指令值，为光伏装置i的无功出力实时值，为光伏装置i的有功调控指令值，为光伏装置i的有功出力实时值，α、β和分别为电压、无功出力和有功出力的权重，n为子集群内光伏装置的个数。

6.根据权利要求1所述的分布式光伏群调群控方法，其特征在于，所述一致性算法的计算公式如下：

上式中，k为迭代次数，和均为节点i的辅助变量，、、均为步长，为网络的拉普拉斯矩阵，为节点j的辅助变量，为节点j的初始状态变量，为节点i更新后的状态变量。