一種大規(guī)模光伏逆變器系統(tǒng)的分群等值建模方法
【專利摘要】本發(fā)明公開了一種大規(guī)模光伏逆變器系統(tǒng)的分群等值建模方法,包括:獲取各光伏逆變器的預(yù)設(shè)控制參數(shù)的相對靈敏度;將各所述光伏逆變器的所述預(yù)設(shè)控制參數(shù)進(jìn)行取值標(biāo)準(zhǔn)化;獲取所述光伏逆變器的分群指標(biāo);根據(jù)K均值聚類算法對所述光伏逆變器的分群指標(biāo)進(jìn)行聚類分群;根據(jù)所述聚類分群的結(jié)果,分別將同群的光伏逆變器通過一個等值光伏逆變器來進(jìn)行等值替換,進(jìn)行等值建模。由于大規(guī)模光伏逆變器系統(tǒng)中的各光伏逆變器的控制參數(shù)存在差異,利用K均值聚類算法將光伏逆變器進(jìn)行分群,使得同群的光伏逆變器具有類似的動態(tài)特性,采用一個等值光伏逆變器來等值替換同群中的光伏逆變器來進(jìn)行建模,減小了光伏逆變器的建模中的誤差,減少了建模的規(guī)模。
【專利說明】
一種大規(guī)模光伏逆變器系統(tǒng)的分群等值建模方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及光伏電網(wǎng)技術(shù)領(lǐng)域,特別是涉及一種大規(guī)模光伏逆變器系統(tǒng)的分群等 值建模方法。
【背景技術(shù)】
[0002] 隨著科學(xué)技術(shù)的進(jìn)步,大型并網(wǎng)光伏電站在我國得到迅速發(fā)展。但是,光伏發(fā)電因 其自身不同于傳統(tǒng)熱電廠的發(fā)電特性,使得光伏電站接入電網(wǎng)的安全穩(wěn)定性運(yùn)行面對著嚴(yán) 峻的挑戰(zhàn)。
[0003] 光伏電站具有綠色環(huán)保等優(yōu)點(diǎn),對于大規(guī)模光伏電站接入電網(wǎng)后的電網(wǎng)運(yùn)行特性 開展研究已經(jīng)非常必要。對于光伏系統(tǒng)而言,光伏陣列為靜態(tài)元件,光伏系統(tǒng)的動態(tài)特性主 要由光伏逆變器決定,因此,首要解決的問題是光伏逆變器的建模,然而,在建模過程中,若 對光伏電站中的每一個光伏逆變器進(jìn)行建模,無疑會增大電力系統(tǒng)建模的規(guī)模,而且會引 起模型的有效性和數(shù)據(jù)修正等諸多問題,同時會增加仿真時間。因而,目前多采用等值的方 法來描述大規(guī)模光伏逆變器。
[0004] 目前對于光伏逆變器的等值主要有兩種方法:第一種為單機(jī)等值法,即用一個光 伏逆變器來替代原先的光伏逆變器;第二種為多機(jī)等值法,即用若干個光伏逆變器代替原 先的光伏逆變器。其中,單機(jī)等值法主要用于各個光伏逆變器的控制參數(shù)差異不大,動態(tài)特 性基本相同的情況,但在實(shí)際的光伏電站中,各個光伏逆變器的動態(tài)特性存在差異,當(dāng)光伏 逆變器的動態(tài)特性差距較大時,采用單機(jī)等值法與實(shí)際情況會產(chǎn)生較大的誤差;多機(jī)等值 法在一定程度上可以克服單機(jī)等值法的精度不足的缺陷,但是缺少科學(xué)有效的分群指標(biāo), 因而影響了其精度。
[0005] 因而,如何提高大規(guī)模光伏逆變器等值模型的精度,是本領(lǐng)域技術(shù)人員目前需要 解決的技術(shù)問題。
【發(fā)明內(nèi)容】
[0006] 本發(fā)明的目的是提供一種大規(guī)模光伏逆變器系統(tǒng)的分群等值建模方法,可以提高 大規(guī)模光伏逆變器等值模型的精度。
[0007] 為解決上述技術(shù)問題,本發(fā)明提供了如下技術(shù)方案:
[0008] -種大規(guī)模光伏逆變器系統(tǒng)的分群等值建模方法,包括:
[0009] 獲取各光伏逆變器的預(yù)設(shè)控制參數(shù)的相對靈敏度;
[0010] 將各所述光伏逆變器的所述預(yù)設(shè)控制參數(shù)進(jìn)行取值標(biāo)準(zhǔn)化;
[0011] 獲取所述光伏逆變器的分群指標(biāo);
[0012] 根據(jù)K均值聚類算法對所述光伏逆變器的分群指標(biāo)進(jìn)行聚類分群;
[0013] 根據(jù)所述聚類分群的結(jié)果,分別將同群的光伏逆變器通過一個等值光伏逆變器來 進(jìn)行等值替換,進(jìn)行等值建模。
[0014] 優(yōu)選地,所述獲取各光伏逆變器的預(yù)設(shè)控制參數(shù)的相對靈敏度,包括:
[0015] 調(diào)節(jié)各所述光伏逆變器的所述預(yù)設(shè)控制參數(shù),至所述光伏逆變器的公共連接點(diǎn) PCC處的電流波形失真度G達(dá)到預(yù)設(shè)閾值;
[0016] 獲取各所述光伏逆變器的各控制參數(shù)的絕對靈敏度;
[0017] 獲取由所述光伏逆變器的各控制參數(shù)的波動而導(dǎo)致的電流波形失真度G的總波動 參數(shù);
[0018] 獲取各所述光伏逆變器各控制參數(shù)的相對靈敏度。
[0019] 優(yōu)選地,所述將各所述光伏逆變器的所述預(yù)設(shè)控制參數(shù)進(jìn)行取值標(biāo)準(zhǔn)化,包括:
[0020] 獲取各所述光伏逆變器的各控制參數(shù)的取值標(biāo)準(zhǔn)參數(shù):
[0022] 其中,i為不小于1的整數(shù),t為不小于1的整數(shù),p\為第i個光伏逆變器的第t個控制 參數(shù),n為光伏逆變器的總個數(shù),,〇(p t)為n個光伏逆變器第t個控制參數(shù)的標(biāo)準(zhǔn)差。
[0023] 優(yōu)選地,所述獲取所述光伏逆變器的分群指標(biāo),包括:
[0024] 獲取第i個所述光伏逆變器的分群指標(biāo)Xl;
[0025] 獲取n個所述光伏逆變器的分群指標(biāo):X={X1,X2, . . .,Xn},n為光伏逆變器的總個 數(shù)。
[0026] 優(yōu)選地,所述根據(jù)K均值聚類算法對所述光伏逆變器的分群指標(biāo)進(jìn)行聚類分群,包 括:
[0027]將所述n個所述光伏逆變器的分群指標(biāo)X分成c個群,l〈c〈n,c為整數(shù);
[0028] 求取所述c個群的初始群中心:{vYv%,. . .,v°j,. . . V。},其中,v°j表示第j個 初始群中心,K j<c;
[0029] 根據(jù)K均值聚類算法確定分群結(jié)果。
[0030] 優(yōu)選地,所述求取所述c個群的初始群中心包括:
[0031 ]步驟SI 1:定義分群指標(biāo)集合U,并初始化U為空集,j = 1;
[0032]步驟S12:計算任意兩個所述光伏逆變器分群指標(biāo)間的距離d,生成對應(yīng)的距離矩 陣DnXn,其中,dab= (xa-xb)T(xa-xb),Ka<n,Kb<n,dab表示第a個光伏逆變器分群指標(biāo)與 第b個光伏逆變器分群指標(biāo)間的距離;
[0033]步驟S13:根據(jù)所述距離矩陣DnXn,計算第i個所述光伏逆變器的分群指標(biāo)與其它光 伏逆變器的分群指標(biāo)間的距離之和U,其中,
[0034]步驟S14:求取n個所述光伏逆變器的分群指標(biāo)與其它光伏逆變器的分群指標(biāo)間的 距離之和,將距離之和最大的光伏逆變器的分群指標(biāo)作為第j個初始群中心v%,并將該光伏 逆變器的分群指標(biāo)加入已經(jīng)使用的分群指標(biāo)集合U中;
[0035]步驟S15:根據(jù)所述距離矩陣DnXn,篩選出與所述已經(jīng)使用的分群指標(biāo)集合U中的任 意一個光伏逆變器的分群指標(biāo)間的距離均大于預(yù)設(shè)閥值a的所有光伏逆變器的分群指標(biāo), 并將其中最短距離最大的光伏逆變器的分群指標(biāo)作為第j+1個初始群中心,將該光伏 逆變器的分群指標(biāo)加入已經(jīng)使用的分群指標(biāo)集合U中,更新所述集合U;
[0036]步驟S16:判斷j+l = c是否成立,若是,則判定已獲得c個初始群中心,若否,則將j+ 1賦值給j,并返回步驟SI 5。
[0037] 優(yōu)選地,所述根據(jù)K均值聚類算法確定分群結(jié)果,包括:
[0038] 步驟S21:定義迭代變量k,初始化k= 1,將所述c個群的初始群中心V13作為第k-1次 迭代的c個群中心V1- 1;
[0039]步驟S22:求取第i個光伏逆變器的分群指標(biāo)與第k-1次迭代的第j個群中心間的距 離(1匕,¥1^1」),其中,(1匕,¥1^1」)=匕-¥ 1^1」)1^1-¥1^1」),求取第;[個光伏逆變器的分群指標(biāo) 與第k-1次迭代的C個群中心間的距離,進(jìn)而獲得n個光伏逆變器的分群指標(biāo)與第k-1次迭代 的C個群中心間的距離,并將每個光伏逆變器的分群指標(biāo)歸入距該光伏逆變器距離最小的 群中心對應(yīng)的群中;
[0040] 步驟S23:統(tǒng)計第k-1次迭代的第j個群中心對應(yīng)的群中包含的光伏逆變器的分群 指標(biāo)數(shù)量為Skl,進(jìn)而獲得第k-1次迭代的c個群中心對應(yīng)的群中包含的光伏逆變器的分群 指標(biāo)的數(shù)量;
[0041] 步驟S24:更新第k次迭代的第j個群中心,其中,第k次迭代的第j個群中心的更新 計算方法為:
{Skl}表示第k-1次迭代的第j個群中心對應(yīng)的群中包含的光 伏逆變器的分群指標(biāo)對應(yīng)的光伏逆變器的標(biāo)號構(gòu)成的集合;
[0042] 步驟S25:根據(jù)所述第k次迭代的第j個群中心的更新參數(shù),獲得第k次迭代的c個群 中心Vk= {vkl,vk2,…,Vkj,? ? ?,Vkc};
[0043]步驟S26:求取第k次迭代的目標(biāo)函數(shù):
[0045] 步驟S27:將k+1賦值給k,返回步驟S22執(zhí)行,直到eSe1-1間的變化值小于允許誤 差I(lǐng),記錄此時的k為k end,并將此時的c個群中心記
[0046] 優(yōu)選地,根據(jù)所述聚類分群的結(jié)果,分別將同群的光伏逆變器通過一個等值光伏 逆變器來進(jìn)行等值替換,進(jìn)行等值建模包括:
[0047] 將第j個群中心中的x個參數(shù)除以#個光伏逆變器的第x個控制參數(shù)的相 對靈敏度的平均值,獲得第j個等值光伏逆變器的第x個控制參數(shù)標(biāo)準(zhǔn)化后的值^并 計算第j個等值光伏逆變器的第x個控制參數(shù)其中,
[0048]獲取第j個等值光伏逆變器的NP個控制參數(shù),進(jìn)而獲得c個等值光伏逆變器各gNP 個控制參數(shù),并通過C個等值光伏逆變分別器對C個群中的光伏逆變器進(jìn)行等值替換,1 <NP,N P為預(yù)設(shè)控制參數(shù)中的控制參數(shù)的總個數(shù)。
[0049] 優(yōu)選地,還包括:
[0050]判斷所述等值建模的精度是否達(dá)到預(yù)設(shè)精度閾值;
[0051]若否,則重新進(jìn)行等值建模。
[0052]優(yōu)選地,所述判斷所述等值建模的精度是否達(dá)到預(yù)設(shè)精度閾值包括:
[0053]獲取所述等值建模的滿意度指標(biāo)e,其中,
[0055] tjPts。分別為詳細(xì)模型和等值模型從動態(tài)過程開始到第一擺峰值的時間,A4PA S。 分別為詳細(xì)模型和等值模型動態(tài)過程的第一擺峰值。
[0056] 與現(xiàn)有技術(shù)相比,上述技術(shù)方案具有以下優(yōu)點(diǎn):
[0057]本發(fā)明實(shí)施例所提供的一種大規(guī)模光伏逆變器系統(tǒng)的分群等值建模方法,包括: 獲取各光伏逆變器的預(yù)設(shè)控制參數(shù)的相對靈敏度;將各所述光伏逆變器的所述預(yù)設(shè)控制參 數(shù)進(jìn)行取值標(biāo)準(zhǔn)化;獲取所述光伏逆變器的分群指標(biāo);根據(jù)K均值聚類算法對所述光伏逆變 器的分群指標(biāo)進(jìn)行聚類分群;根據(jù)所述聚類分群的結(jié)果,分別將同群的光伏逆變器通過一 個等值光伏逆變器來進(jìn)行等值替換,進(jìn)行等值建模。由于大規(guī)模光伏逆變器系統(tǒng)中的各光 伏逆變器的控制參數(shù)存在差異,利用K均值聚類算法將光伏逆變器進(jìn)行分群,使得同群的光 伏逆變器具有類似的動態(tài)特性,然后采用一個等值光伏逆變器來等值替換同群中的光伏逆 變器來進(jìn)行建模,減小了光伏逆變器的建模中的誤差,同時減少了建模的規(guī)模。
【附圖說明】
[0058] 為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案,下面將對實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹,顯而易見地,下面描述中的附圖是本發(fā)明 的一些實(shí)施例,對于本領(lǐng)域普通技術(shù)人員來講,在不付出創(chuàng)造性勞動的前提下,還可以根據(jù) 這些附圖獲得其他的附圖。
[0059] 圖1為本發(fā)明一種【具體實(shí)施方式】所提供的大規(guī)模光伏逆變器系統(tǒng)的分群等值建模 方法流程圖。
【具體實(shí)施方式】
[0060] 本發(fā)明的核心是提供一種大規(guī)模光伏逆變器系統(tǒng)的分群等值建模方法,可以提高 大規(guī)模光伏逆變器等值模型的精度。
[0061] 為了使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更為明顯易懂,下面結(jié)合附圖對本發(fā) 明的【具體實(shí)施方式】做詳細(xì)的說明。
[0062] 在以下描述中闡述了具體細(xì)節(jié)以便于充分理解本發(fā)明。但是本發(fā)明能夠以多種不 同于在此描述的其它方式來實(shí)施,本領(lǐng)域技術(shù)人員可以在不違背本發(fā)明內(nèi)涵的情況下做類 似推廣。因此本發(fā)明不受下面公開的【具體實(shí)施方式】的限制。
[0063] 請參考圖1,圖1為本發(fā)明一種【具體實(shí)施方式】所提供的大規(guī)模光伏逆變器系統(tǒng)的分 群等值建模方法流程圖。
[0064] 本發(fā)明的一種【具體實(shí)施方式】提供了一種大規(guī)模光伏逆變器系統(tǒng)的分群等值建模 方法,包括:
[0065] S1:獲取各光伏逆變器的預(yù)設(shè)控制參數(shù)的相對靈敏度。
[0066] 在本實(shí)施方式中,該大規(guī)模光伏逆變器系統(tǒng)中的各光伏逆變器設(shè)置為相同的控制 策略,但是各光伏逆變器的控制參數(shù)及動態(tài)特性不同,且各光伏逆變器在公共連接點(diǎn)PCC處 匯流并接入電網(wǎng),將光伏逆變器進(jìn)行標(biāo)號,標(biāo)號依次為1~n,即本系統(tǒng)中包括n個光伏逆變 器,以構(gòu)成大規(guī)模光伏逆變器的詳細(xì)模型。
[0067]需要說明的是,在本文中所謂的大規(guī)模指的是光伏逆變器系統(tǒng)容量達(dá)到兆瓦級。
[0068] 在本發(fā)明的一種實(shí)施方式中,獲取各光伏逆變器的預(yù)設(shè)控制參數(shù)的相對靈敏度, 包括:
[0069] S101:調(diào)節(jié)各光伏逆變器的預(yù)設(shè)控制參數(shù),至光伏逆變器的公共連接點(diǎn)PCC處的電 流波形失真度G達(dá)到預(yù)設(shè)閾值,即調(diào)節(jié)n個光伏逆變器的預(yù)設(shè)控制參數(shù),使得G達(dá)到最小。
[0070] S102:獲取各光伏逆變器的各控制參數(shù)的絕對靈敏度。
[0071] 定義每個光伏逆變器均有Np個控制參數(shù),即各光伏逆變器的預(yù)設(shè)控制參數(shù)包括Np 個控制參數(shù)。將第i個光伏逆變器的第t個控制參數(shù)pi t增大A pit,以求取第i個光伏逆變器 的第t個控制參數(shù)pit的絕對靈敏度,其中,第i個光伏逆變器的第t個控制參數(shù)的絕對靈敏度 為:
[0073] 其中,i為不小于1的整數(shù),t為不小于1的整數(shù),p\為第i個光伏逆變器的第t個控制 參數(shù);
[0074] 進(jìn)而進(jìn)行不同的賦值,求取第i個光伏逆變器所有NP個控制參數(shù)的絕對靈敏度,再 進(jìn)而根據(jù)不同的賦值,求取n個光伏逆變器各自N P個控制參數(shù)的絕對靈敏度, <NP〇
[0075] 在本實(shí)施方式中,采用取極限的方式獲得光伏逆變器的控制參數(shù)的絕對靈敏度, 通過使每個控制參數(shù)增大相同的且盡可能小的比例求取,當(dāng)然這個比例可由用戶自行控 制。
[0076] S10 3:獲取由光伏逆變器的各控制參數(shù)的波動而導(dǎo)致的電流波形失真度G的總波 動參數(shù)dG:
[0078]其中,n為光伏逆變器的總個數(shù),Np為各光伏逆變器的預(yù)設(shè)控制參數(shù)中的控制參數(shù) 的個數(shù)。
[0079] S104:獲取各光伏逆變器各控制參數(shù)的相對靈敏度。
[0080] 首先求取第i個光伏逆變器的第t個控制參數(shù)p\的相對靈敏度,進(jìn)而進(jìn)行賦值,求 取第i個光伏逆變器所有NP個控制參數(shù)的相對靈敏度,然后進(jìn)行賦值求取n個光伏逆變器各 自N P個控制參數(shù)的相對靈敏度。
[0081 ]其中,第i個光伏逆變器的第t個控制參數(shù)pi的相對靈敏度為:
[0083]由于光伏逆變器為光伏系統(tǒng)的動態(tài)元件,同一控制模式下的光伏逆變器參數(shù)對不 同擾動下的動態(tài)響應(yīng)特性有重要影響,而且不同參數(shù)的影響程度不同,本發(fā)明實(shí)施方式通 過上述的參數(shù)靈敏度的"微分?jǐn)z動法"求取了各個光伏逆變器各個控制參數(shù)的相對靈敏度, 使得接下來的光伏逆變器的分群指標(biāo)更加全面。
[0084] S2:將各光伏逆變器的預(yù)設(shè)控制參數(shù)進(jìn)行取值標(biāo)準(zhǔn)化。
[0085] 在本發(fā)明的一種實(shí)施方式中,將各光伏逆變器的預(yù)設(shè)控制參數(shù)進(jìn)行取值標(biāo)準(zhǔn)化, 包括:獲取各光伏逆變器的各控制參數(shù)的取值標(biāo)準(zhǔn)參數(shù)。首先,將第i個光伏逆變器的第t個 控制參數(shù)取值標(biāo)準(zhǔn)化,進(jìn)而將第i個光伏逆變器所有N P個控制參數(shù)取值標(biāo)準(zhǔn)化,最后將n 個光伏逆變器的各自NPf控制參數(shù)取值標(biāo)準(zhǔn)化。其中,第i個光伏逆變器的第t個控制參數(shù) 取值標(biāo)準(zhǔn)化的計算方法為:
[0087] 其中,i為不小于1的整數(shù),t為不小于1的整數(shù),p\為第i個光伏逆變器的第t個控制 參數(shù),n為光伏逆變器的總個數(shù),,〇(p t)為n個光伏逆變器第t個控制參數(shù)的標(biāo)準(zhǔn)差。
[0088] 取值標(biāo)準(zhǔn)化可以消除不同控制參數(shù)量綱的影響,同時可以避免不同控制參數(shù)間的 "大數(shù)吃小數(shù)"的現(xiàn)象。
[0089] S3:獲取光伏逆變器的分群指標(biāo)。
[0090] 在本發(fā)明的一種實(shí)施方式中,獲取光伏逆變器的分群指標(biāo),包括:
[0091] 獲取第i個光伏逆變器的分群指標(biāo)Xl,每個光伏逆變器與它的分群指標(biāo)是一一對 應(yīng)的,其中,第i個光伏逆變器的分群指標(biāo) X1的計算方法為:
[0093] 即,根據(jù)第i個光伏逆變器的各控制參數(shù)的相對靈敏度以及該控制參數(shù)取值標(biāo)準(zhǔn) 化依據(jù)上式得出該光伏逆變器的分群指標(biāo)。
[0094] 獲取n個光伏逆變器的分群指標(biāo):X={X1,X2, . . .,Xn},n為光伏逆變器的總個數(shù)。對 i進(jìn)行賦值,依次使i取1~n,從而得出X。
[0095] S4:根據(jù)K均值聚類算法對光伏逆變器的分群指標(biāo)進(jìn)行聚類分群。
[0096] 在本發(fā)明的一種實(shí)施方式中,根據(jù)K均值聚類算法對光伏逆變器的分群指標(biāo)進(jìn)行 聚類分群,包括:
[0097] 將n個光伏逆變器的分群指標(biāo)X分成c個群,l〈c〈n,c為整數(shù);求取c個群的初始群中 心:VQ={v Qi,vQ2,. . .,v°i,. . .,VQC},其中,V°j 表示第 j 個初始群中心,Kj彡C。
[0098] 其中,求取c個群的初始群中心包括:
[0099]步驟SI 1:定義已經(jīng)使用的分群指標(biāo)集合U,并初始化U為空集,并初始化j = 1,然后 根據(jù)需要依次對j進(jìn)行賦值,直至j + l=c時,表示這C個初始群中心已經(jīng)選擇完畢;
[0100] 步驟S12:計算任意兩個光伏逆變器分群指標(biāo)間的距離d,從而生成對應(yīng)的距離矩 陣DnXn,其中,d的計算方法為:dab = (xa-xb)T(xa-xb),l<a<n,l<b<n,dab表示第a個光伏逆 變器分群指標(biāo)與第b個光伏逆變器分群指標(biāo)間的距離;
[0101] 步驟S13:根據(jù)距離矩陣DnXn,計算第i個光伏逆變器的分群指標(biāo)與其它光伏逆變器 的分群指標(biāo)間的距離之和U,其中,
[0102] 步驟S14:通過對i進(jìn)行賦值,求取n個光伏逆變器的分群指標(biāo)與其它光伏逆變器的 分群指標(biāo)間的距離之和,篩選出距離之和最大的光伏逆變器的分群指標(biāo)作為第j個初始群 中心V%,并將該光伏逆變器的分群指標(biāo)加入已經(jīng)使用的分群指標(biāo)集合U中;
[0103] 步驟S15:根據(jù)距離矩陣DnXn,篩選出與已經(jīng)使用的分群指標(biāo)集合U中的任意一個光 伏逆變器的分群指標(biāo)間的距離均大于預(yù)設(shè)閥值a的所有光伏逆變器的分群指標(biāo),并將其中 最短距離最大的光伏逆變器的分群指標(biāo)作為第j+1個初始群中心,將該光伏逆變器的 分群指標(biāo)加入已經(jīng)使用的分群指標(biāo)集合U中,從而更新集合U。
[0104] 步驟S16:判斷j+l = c是否成立,若是,則判定已獲得c個初始群中心,若否,則將j+ 1賦值給j,并返回步驟S15。
[0105] 本實(shí)施方式所提供的上述初始群中心選取原則可避免初始群中心選取的過近使 接下來的聚類算法的迭代次數(shù)增大,甚至陷入局部最優(yōu)解的問題;若無法選取滿足條件的c 個初始群中心,則可通過減少閾值a來進(jìn)行解決。
[0106] 根據(jù)K均值聚類算法確定分群結(jié)果。
[0107] 在本發(fā)明的一種實(shí)施方式中,根據(jù)K均值聚類算法確定分群結(jié)果,包括:
[0108] 步驟S21:定義迭代變量k,初始化k=l,將c個群的初始群中心V13作為第k-1次迭代 的c個群中心V k、
[0109] 步驟S22:求取第i個光伏逆變器的分群指標(biāo)與第k-1次迭代的第j個群中心間的距 離d(Xi,v1^ 1 j),其中,d(Xi,v1^1 j) = (Xi-v1^1 j)T(Xi-v1^1 j),進(jìn)行不同的賦值,求取第i個光伏逆 變器的分群指標(biāo)與第k_l次迭代的c個群中心間的距離,進(jìn)而獲得n個光伏逆變器的分群指 標(biāo)與第k-1次迭代的c個群中心間的距離,并將每個光伏逆變器的分群指標(biāo)歸入距該光伏逆 變器距離最小的群中心對應(yīng)的群中;
[0110] 步驟S23:統(tǒng)計第k-1次迭代的第j個群中心對應(yīng)的群中包含的光伏逆變器的分群 指標(biāo)數(shù)量為Skl,進(jìn)而獲得第k-1次迭代的c個群中心對應(yīng)的群中包含的光伏逆變器的分群 指標(biāo)的數(shù)量;
[0111] 步驟S24:更新第k次迭代的第j個群中心,其中,第k次迭代的第j個群中心的更新
計算方法為 {Skl}表示第k-1次迭代的第j個群中心對應(yīng)的群中包含的光 .,: 伏逆變器的分群指標(biāo)對應(yīng)的光伏逆變器的標(biāo)號構(gòu)成的集合;
[0112] 步驟S25:根據(jù)第k次迭代的第j個群中心的更新參數(shù),獲得第k次迭代的c個群中心 Vk= {vkl,vk2, . . . ,Vkj, . . . ,Vkc};
[0113] 步驟S26:求取第k次迭代的目標(biāo)函數(shù):
[0115]步驟S27:將k+1賦值給k,返回步驟S22執(zhí)行,直到Ek與E1-1間的變化值小于允許誤 差I(lǐng),記錄此時的k為kend,并將此時的c個群中心記
[0116]其中,聚類算法是一個迭代尋優(yōu)的過程,就是使得分到同一群的指標(biāo)間的相似度 較大,不同群的指標(biāo)間的相似度較小,相似度的大小可用分群指標(biāo)間的距離來衡量,采用K 均值聚類算法K-means作為本發(fā)明實(shí)施方式中的聚類算法,過程簡單,幾何意義明確,本發(fā) 明采用K均值聚類算法K-means來對光伏逆變器的分群指標(biāo)進(jìn)行聚類分群,提高了得到的結(jié) 果的可靠性。
[0117] 在本實(shí)施方式中,利用K均值聚類算法將n個逆變器分成c個群,每個群都有一個中 心,因此共c個群中心。在執(zhí)行完K均值聚類算法后得到的c個群中心是最終要用的群中 心,也就是最終群中心。但是K均值聚類算法在聚類前需要提供c個群的初始群中心,即V% 有了這c個初始群中心V'K均值聚類算法才能開始聚類分群,利用提供的這c個初始群中心 V'得到最終的c個群的中心。
[0118] S5:根據(jù)聚類分群的結(jié)果,分別將同群的光伏逆變器通過一個等值光伏逆變器來 進(jìn)行等值替換,進(jìn)行等值建模。
[0119] 在本發(fā)明的一種實(shí)施方式中,根據(jù)聚類分群的結(jié)果,分別將同群的光伏逆變器通 過一個等值光伏逆變器來進(jìn)行等值替換,進(jìn)行等值建模包括:
[0120] 將第j個群中心中的x個參數(shù)除以個光伏逆變器的第x個控制參數(shù)的相 對靈敏度的平均值,獲得第j個等值光伏逆變器的第x個控制參數(shù)標(biāo)準(zhǔn)化后的值并 計算第j個等值光伏逆變器的第x個控制參數(shù)Z
[0121]獲取第j個等值光伏逆變器的NP個控制參數(shù),進(jìn)而獲得c個等值光伏逆變器各自NP 個控制參數(shù),并通過C個等值光伏逆變分別器對C個群中的光伏逆變器進(jìn)行等值替換,1 <NP,N P為預(yù)設(shè)控制參數(shù)中的控制參數(shù)的總個數(shù)。
[0122] 通過K均值聚類算法K-means得到的各個群中心,可認(rèn)為是該群中光伏逆變器的分 群指標(biāo)的典型值,光伏逆變器控制參數(shù)取值標(biāo)準(zhǔn)化的逆變換即為等值逆變器的參數(shù)。
[0123] 在上述任一實(shí)施方式的基礎(chǔ)上,本發(fā)明一種實(shí)施方式所提供的方法,還包括:
[0124] 判斷等值建模的精度是否達(dá)到預(yù)設(shè)精度閾值;
[0125] 其中,判斷等值建模的精度是否達(dá)到預(yù)設(shè)精度閾值包括:
[0126] 獲取等值建模的滿意度指標(biāo)e,其中,
[0128] tjPts。分別為詳細(xì)模型和等值模型從動態(tài)過程開始到第一擺峰值的時間,A4PA S。 分別為詳細(xì)模型和等值模型動態(tài)過程的第一擺峰值。
[0129] 若否,則重新進(jìn)行等值建模。
[0130] 在本實(shí)施方式中,按照上式可以得出等值模型的滿意度指標(biāo),以對大規(guī)模光伏逆 變器的等值模型進(jìn)行評價,其中,得出的滿意度指標(biāo)越大則表示等值模型的精度越高,其 中,t s。反應(yīng)了控制環(huán)節(jié)的時間參數(shù)的影響,As。反應(yīng)了其他參數(shù)的影響,滿意度達(dá)到所要求 的標(biāo)準(zhǔn),即達(dá)到預(yù)設(shè)精度閾值,則認(rèn)為等值方案是合理的,通??扇〉戎捣桨钢械戎倒夥?變器個數(shù)最少的方案作為選用的方案。
[0131] 綜上所述,本發(fā)明實(shí)施方式所提供的一種大規(guī)模光伏逆變器系統(tǒng)的分群等值建模 方法,根據(jù)不同光伏逆變器的控制參數(shù)存在差異的問題,利用K均值聚類算法將光伏逆變器 進(jìn)行分群,使得同群的光伏逆變器具有類似的動態(tài)特征,實(shí)現(xiàn)了大規(guī)模光伏逆變器的等值 化簡,從而提高了等值建模的精度。
[0132] 其次,通過聚類算法得到的群中心來方向求取等值逆變器的控制參數(shù),無需繁瑣 的公式推導(dǎo),計算過程更加簡單方便,具有較高的通用性。
[0133] 以上對本發(fā)明所提供一種大規(guī)模光伏逆變器系統(tǒng)的分群等值建模方法進(jìn)行了詳 細(xì)介紹。本文中應(yīng)用了具體個例對本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述,以上實(shí)施例的說 明只是用于幫助理解本發(fā)明及其核心思想。應(yīng)當(dāng)指出,對于本技術(shù)領(lǐng)域的普通技術(shù)人員來 說,在不脫離本發(fā)明原理的前提下,還可以對本發(fā)明進(jìn)行若干改進(jìn)和修飾,這些改進(jìn)和修飾 也落入本發(fā)明權(quán)利要求的保護(hù)范圍內(nèi)。
【主權(quán)項(xiàng)】
1. 一種大規(guī)模光伏逆變器系統(tǒng)的分群等值建模方法,其特征在于,包括: 獲取各光伏逆變器的預(yù)設(shè)控制參數(shù)的相對靈敏度; 將各所述光伏逆變器的所述預(yù)設(shè)控制參數(shù)進(jìn)行取值標(biāo)準(zhǔn)化; 獲取所述光伏逆變器的分群指標(biāo); 根據(jù)K均值聚類算法對所述光伏逆變器的分群指標(biāo)進(jìn)行聚類分群; 根據(jù)所述聚類分群的結(jié)果,分別將同群的光伏逆變器通過一個等值光伏逆變器來進(jìn)行 等值替換,進(jìn)行等值建模。2. 根據(jù)權(quán)利要求1所述的方法,其特征在于,所述獲取各光伏逆變器的預(yù)設(shè)控制參數(shù)的 相對靈敏度,包括: 調(diào)節(jié)各所述光伏逆變器的所述預(yù)設(shè)控制參數(shù),至所述光伏逆變器的公共連接點(diǎn)PCC處 的電流波形失真度G達(dá)到預(yù)設(shè)閾值; 獲取各所述光伏逆變器的各控制參數(shù)的絕對靈敏度; 獲取由所述光伏逆變器的各控制參數(shù)的波動而導(dǎo)致的電流波形失真度G的總波動參 數(shù); 獲取各所述光伏逆變器各控制參數(shù)的相對靈敏度。3. 根據(jù)權(quán)利要求2所述的方法,其特征在于,所述將各所述光伏逆變器的所述預(yù)設(shè)控制 參數(shù)進(jìn)行取值標(biāo)準(zhǔn)化,包括: 獲取各所述光伏逆變器的各控制參數(shù)的取值標(biāo)準(zhǔn)參數(shù):其中,i為不小于1的整數(shù),t為不小于1的整數(shù),p\為第i個光伏逆變器的第t個控制參 數(shù),n為光伏逆變器的總個數(shù),,〇(pt)為n個光伏逆變器第t個控制參數(shù)的標(biāo)準(zhǔn)差。4. 根據(jù)權(quán)利要求3所述的方法,其特征在于,所述獲取所述光伏逆變器的分群指標(biāo),包 括: 獲取第i個所述光伏逆變器的分群指標(biāo)Xl; 獲取n個所述光伏逆變器的分群指標(biāo):X={X1,X2,. . .,Xn},n為光伏逆變器的總個數(shù)。5. 根據(jù)權(quán)利要求4所述的方法,其特征在于,所述根據(jù)K均值聚類算法對所述光伏逆變 器的分群指標(biāo)進(jìn)行聚類分群,包括: 將所述n個所述光伏逆變器的分群指標(biāo)X分成c個群,l〈c〈n,c為整數(shù); 求取所述c個群的初始群中心:. . .,v°j,. . . ,其中,v°j表示第j個初始 群中心,K j<c; 根據(jù)K均值聚類算法確定分群結(jié)果。6. 根據(jù)權(quán)利要求5所述的方法,其特征在于,所述求取所述c個群的初始群中心包括: 步驟S11:定義分群指標(biāo)集合U,并初始化U為空集,j = 1; 步驟S12:計算任意兩個所述光伏逆變器分群指標(biāo)間的距離d,生成對應(yīng)的距離矩陣 DnXn,其中,dab= (xa-xb)T(xa-xb),Ka<n,Kb<n,dab表示第a個光伏逆變器分群指標(biāo)與第 b個光伏逆變器分群指標(biāo)間的距離; 步驟S13:根據(jù)所述距離矩陣DnXn,計算第i個所述光伏逆變器的分群指標(biāo)與其它光伏逆 變器的分群指標(biāo)間的距離之和U,其中步驟S14:求取n個所述光伏逆變器的分群指標(biāo)與其它光伏逆變器的分群指標(biāo)間的距離 之和,將距離之和最大的光伏逆變器的分群指標(biāo)作為第j個初始群中心v%,并將該光伏逆變 器的分群指標(biāo)加入已經(jīng)使用的分群指標(biāo)集合U中; 步驟S15:根據(jù)所述距離矩陣DnXn,篩選出與所述已經(jīng)使用的分群指標(biāo)集合U中的任意一 個光伏逆變器的分群指標(biāo)間的距離均大于預(yù)設(shè)閥值a的所有光伏逆變器的分群指標(biāo),并將 其中最短距離最大的光伏逆變器的分群指標(biāo)作為第j+1個初始群中心,將該光伏逆變 器的分群指標(biāo)加入已經(jīng)使用的分群指標(biāo)集合U中,更新所述集合U; 步驟S16:判斷j+l = c是否成立,若是,則判定已獲得c個初始群中心,若否,則將j+1賦 值給j,并返回步驟S15。7. 根據(jù)權(quán)利要求6所述的方法,其特征在于,所述根據(jù)K均值聚類算法確定分群結(jié)果,包 括: 步驟S21:定義迭代變量k,初始化k= 1,將所述c個群的初始群中心V13作為第k-1次迭代 的c個群中心Vk、 步驟S22:求取第i個光伏逆變器的分群指標(biāo)與第k-1次迭代的第j個群中心間的距離d (義1,¥1^1」),其中,(1(11,¥1^1」)=(11-¥ 1^1」)1'(11-¥1^1」),求取第;[個光伏逆變器的分群指標(biāo)與第 k-1次迭代的C個群中心間的距離,進(jìn)而獲得n個光伏逆變器的分群指標(biāo)與第k-1次迭代的C 個群中心間的距離,并將每個光伏逆變器的分群指標(biāo)歸入距該光伏逆變器距離最小的群中 心對應(yīng)的群中; 步驟S23:統(tǒng)計第k-1次迭代的第j個群中心對應(yīng)的群中包含的光伏逆變器的分群指標(biāo) 數(shù)量為Sk、,進(jìn)而獲得第k-1次迭代的c個群中心對應(yīng)的群中包含的光伏逆變器的分群指標(biāo) 的數(shù)量; 步驟S24:更新第k次迭代的第j個群中心,其中,第k次迭代的第j個群中心的更新計算 方法為{Skl}表示第k-1次迭代的第j個群中心對應(yīng)的群中包含的光伏逆 變器的分群指標(biāo)對應(yīng)的光伏逆變器的標(biāo)號構(gòu)成的集合; 步驟S25:根據(jù)所述第k次迭代的第j個群中心的更新參數(shù),獲得第k次迭代的c個群中心 Vk= {vkl,vk2, . . . ,Vkj, . . . ,Vkc}; 步驟S26:求取第k次迭代的目標(biāo)函數(shù):步驟S27:將k+1賦值給k,返回步驟S22執(zhí)行,直到Ek與E1-1間的變化值小于允許誤差記 錄此時的k為kend,并將此時的C個群中心記為。8. 根據(jù)權(quán)利要求7所述的方法,其特征在于,根據(jù)所述聚類分群的結(jié)果,分別將同群的 光伏逆變器通過一個等值光伏逆變器來進(jìn)行等值替換,進(jìn)行等值建模包括: 將第j個群中心V4"%中的x個參數(shù)除以沒^^1,個光伏逆變器的第x個控制參數(shù)的相對靈 敏度的平均值,獲得第j個等值光伏逆變器的第x個控制參數(shù)標(biāo)準(zhǔn)化后的機(jī)并計算 第j個等值光伏逆變器的第X個控制參數(shù)其中獲取第j個等值光伏逆變器的NP個控制參數(shù),進(jìn)而獲得C個等值光伏逆變器各自NP個控 制參數(shù),并通過c個等值光伏逆變分別器對c個群中的光伏逆變器進(jìn)行等值替換,l<x<NP, NP為預(yù)設(shè)控制參數(shù)中的控制參數(shù)的總個數(shù)。9. 根據(jù)權(quán)利要求1至8任一項(xiàng)所述的方法,其特征在于,還包括: 判斷所述等值建模的精度是否達(dá)到預(yù)設(shè)精度閾值; 若否,則重新進(jìn)行等值建模。10. 根據(jù)權(quán)利要求9所述的方法,其特征在于,所述判斷所述等值建模的精度是否達(dá)到 預(yù)設(shè)精度閾值包括: 獲取所述等值建模的滿意度指標(biāo)e,其中,t4Pts。分別為詳細(xì)模型和等值模型從動態(tài)過程開始到第一擺峰值的時間,A4PAS。分別 為詳細(xì)模型和等值模型動態(tài)過程的第一擺峰值。
【文檔編號】G05B17/02GK106054665SQ201610367326
【公開日】2016年10月26日
【申請日】2016年5月27日
【發(fā)明人】趙波, 李鵬, 吳紅斌, 劉眾前, 張雪松, 徐琛
【申請人】國網(wǎng)浙江省電力公司電力科學(xué)研究院, 國家電網(wǎng)公司