基于集群划分的配电网优化调度方法和系统与流程

1.本发明涉及电气技术领域，特别涉及一种基于集群划分的配电网优化调度方法和系统。


背景技术：

2.分布式电源通常是指依靠风能、太阳能等可再生能源及天然气等清洁高效的可再生能源的电力系统。随着分布式能源技术的不断发展，交直流有源配电网的利用日趋广泛。交直流有源配电网包含直流负载和各种分布式能源，如光伏、风力发电机、电池，这些分布式能源可以直接连接到直流配电网中，极大地降低了网络损耗。
3.交直流配电网中接入的风力发电机和光伏发电的输出功率波动较大，预测精度会随着时间尺度的增长而大大下降。为了减少分布式发电波动带来的影响，需要对可控的分布式发电进行调度。但是，交直流配电网的优化调度准确性较差，导致分布式电力系统的运行经济性较差，综合电源的利用效率较低。
4.因此，提供一种基于集群划分的配电网优化调度方法和系统，以提高交直流配电网的优化调度的准确性，从而提高分布式电力系统的运行经济性和综合电源的利用效率，就成为本领域技术人员亟待解决的问题。


技术实现要素：

5.本发明实施例提供了一种基于集群划分的配电网优化调度方法和系统，以至少部分解决现有交直流配电网的优化调度准确性较差的技术问题。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
6.根据本发明实施例的第一方面，提供了一种基于集群划分的配电网优化调度方法，所述方法包括：
7.根据阻抗距离和灵敏度构造电气距离；
8.基于谱聚类集群划分算法和所述电气距离，对含有分布式电源的交直流配电网进行集群划分，并得到集群划分结果；
9.基于所述集群划分结果将优化时长划分为第一时长尺度和第二时长尺度，其中，所述第一时长尺度长于所述第二时长尺度；
10.在所述第一时长尺度中，建立以交直流配电网成本最低为目标的优化模型，以便通过所述优化模型输出第一调度计划值；
11.在所述第二时长尺度中，以滚动优化的方式得到各集群内部运行机组的第二调度计划值。
12.进一步地，利用以下公式构造电气距离：
13.14.式中：i,j∈n，n为分布式电力系统的总节点数；
15.e
γ
(i,j)为节点i到节点j的电气距离；
16.z
ij.equ
为节点i与节点j之间的等效阻抗距离；
17.为节点i注入有功功率对于节点j的电压影响因子矩阵；
18.为节点i注入无功功率对于节点j的电压影响因子矩阵。
19.进一步地，利用以下公式计算节点i与节点j之间的等效阻抗距离z
ij.equ
：
20.z
ij.equ
＝(z
ii-z
ij
)-(z
ij-z
jj
)
21.式中：z
ij
为系统节点阻抗矩阵第i行第j列元素；
22.z
ii
为系统节点阻抗矩阵第i行第i列元素；
23.z
jj
为系统节点阻抗矩阵第j行第j列元素。
24.进一步地，在所述第一时长尺度中，建立以交直流配电网成本最低为目标的优化模型，具体包括：
25.以最小化交直流配电网总运行成本为目标，构建目标函数；
26.基于约束条件对所述目标函数进行优化，以得到所述优化模型。
27.进一步地，所述目标函数为：
[0028][0029]
式中：t1为第一时长尺度的优化调度周期；
[0030]cgrid
(t)为t时刻从主网购电成本；
[0031]cdg
(t)为可控分布式能源调度成本；
[0032]cstore
(t)为储能装置调度成本。
[0033]
进一步地，利用以下公式计算t时刻从主网购电成本c
grid
(t)：
[0034]cgrid
(t)＝c
grid.t
p
grid.t
[0035]
式中：c
grid.t
为t时刻从主网购电电价；
[0036]
p
grid.t
为t时刻主网注入交直流配电网的功率。
[0037]
进一步地，利用以下公式计算可控分布式能源调度成本c
dg
(t)：
[0038][0039]
式中：n
dg
为交直流配电网中可控的分布式能源的数量；
[0040]adg.i
、b
dg.i
、c
dg.i
为可控的分布式能源出力成本系数；
[0041]
p
dg.t.i
为t时刻与第i个节点相连接的可控的分布式能源的有功功率。
[0042]
进一步地，利用以下公式计算储能装置调度成本c
store
(t)：
[0043][0044]
式中：n
store
为交直流配电网中储能装置的数量；
[0045]astore.i
为储能装置调度成本系数；
[0046]
p
store.t.i
为t时刻与第i个节点相连接的储能装置的充放电功率。
[0047]
进一步地，所述约束条件包括交流部分功率平衡约束条件，且利用以下公式计算所述交流部分功率平衡约束条件：
[0048][0049][0050][0051][0052]
p
ac.j.t
＝p
dg.j.t
+p
store.j.t
+p
v.j.t
+p
wt.j.t-p
load.j.t
[0053]qac.j.t
＝q
dg.j.t
+q
v.j.t
+q
wt.j.t-q
load.j.t
[0054]qdg.j.t
＝p
dg.j.t
tanθ
[0055]
式中：ω
ij
为以交流节点j为末节点的支路的集合；
[0056]
ω
jk
为以交流节点j为首节点的支路的集合；
[0057]
p
ac.jk.t
为交流支路jk在t时刻的有功功率；
[0058]qac.jk.t
为交流支路jk在t时刻的无功功率；
[0059]
p
ac.ij.t
为交流支路ij在t时刻的有功功率；
[0060]qac.ij.t
为交流支路ij在t时刻的无功功率；
[0061]iac.ij.t
为交流支路ij在t时刻的电流；
[0062]rac.ij
、x
ac.ij
为交流支路ij的阻抗；
[0063]
p
ac.j.t
为交流节点j在t时刻的节点注入的有功功率；
[0064]qac.j.t
为交流节点j在t时刻的节点注入的无功功率；
[0065]uac.i.t
为t时刻交流节点i的节点电压；
[0066]uac.j.t
为t时刻交流节点j的节点电压；
[0067]
p
dg.j.t
为t时刻与交流节点j相连接的可控分布式能源的有功功率；
[0068]
p
store.j.t
为t时刻与交流节点j相连接的储能装置的有功功率；
[0069]
p
v.j.t
为t时刻与交流节点j相连接的光伏的有功功率；
[0070]
p
wt.j.t
为t时刻与交流节点j相连接的风力的有功功率；
[0071]qdg.j.t
为t时刻与交流节点j相连接的可控分布式能源的无功功率；
[0072]qv.j.t
为t时刻与交流节点j相连接的光伏的无功功率；
[0073]qwt.j.t
为t时刻与交流节点j相连接的风力的无功功率；
[0074]
p
load.j.t
为t时刻交流节点j的有功负荷；
[0075]qload.j.t
为t时刻交流节点j的无功负荷；
[0076]
θ为可控分布式能源的功率因数角。
[0077]
进一步地，所述约束条件包括直流部分功率平衡约束条件，且利用以下公式计算所述直流部分功率平衡约束条件：
[0078][0079]
[0080][0081]
p
dc.i.t
＝p
dg.i.t
+p
store.i.t
+p
v.i.t
+p
wt.i.t-p
load.i.t
[0082]
式中：ω
ij
为以直流节点j为末节点的支路的集合；
[0083]
ω
jk
为以直流节点j为首节点的支路的集合；
[0084]
p
dc.jk.t
为直流支路jk在t时刻的有功功率；
[0085]
p
dc.ij.t
为直流支路ij在t时刻的有功功率；
[0086]idc.ij.t
为直流支路ij在t时刻的电流；
[0087]rdc.ij
为直流支路ij的电阻；
[0088]udc.i.t
为t时刻直流节点i的节点电压；
[0089]udc.j.t
为t时刻直流节点j的节点电压；
[0090]
p
dc.i.t
为直流节点i在t时刻的节点注入有功功率；
[0091]
p
dc.j.t
为直流节点j在t时刻的节点注入有功功率；
[0092]
p
dg.i.t
为t时刻与直流节点j相连接的可控分布式能源的有功功率；
[0093]
p
store.i.t
为t时刻与直流节点j相连接的储能装置的有功功率；
[0094]
p
v.i.t
为t时刻与直流节点j相连接的光伏的有功功率；
[0095]
p
wt.i.t
为t时刻与直流节点j相连接的风力的有功功率；
[0096]
p
load.i.t
为t时刻直流节点j的有功负荷。
[0097]
进一步地，在所述第二时长尺度中，以滚动优化的方式得到各集群内部运行机组的第二调度计划值，具体包括：
[0098]
建立预测模型，并通过预测模型滚动优化求解控制变量，预测未来一段时间内各可控分布式能源、储能装置的出力值以及主网注入的功率；
[0099]
构建目标函数；
[0100]
基于所述目标函数求解，以得到未来n个时刻内的第二调度计划值。
[0101]
进一步地，所述预测模型为：
[0102][0103]
式中：n表示预测步长；
[0104]
p
dg0
(k)为可控分布式能源功率在采样时刻测量到的实际值；
[0105]
p
store0
(k)为储能装置功率在采样时刻测量到的实际值；
[0106]
p
insert0
(k)为集群外部注入功率在采样时刻测量到的实际值；
[0107]
δu
dg
(k+t|k)为k时刻预测未来时间段内的可控分布式能源的有功出力增量；
[0108]
δu
store
(k+t|k)为k时刻预测未来时间段内的储能装置的有功出力增量；
[0109]
δu
insert
(k+t|k)为k时刻预测未来时间段内的集群外部注入功率的增量；
[0110]
p
dg
(k+i|k)为k时刻预测未来k+i时刻分布式能源的有功出力值；
[0111]
p
store
(k+i|k)为k时刻预测未来k+i时刻储能装置的有功出力值；
[0112]
p
insert
(k+i|k)为k时刻预测未来k+i时刻的集群外部注入功率。
[0113]
进一步地，所述目标函数为：
[0114][0115][0116]
式中：w为分布式能源和储能装置的权重系数矩阵；
[0117]ccluster.i
(t)为所有集群在t时刻的总调度成本；
[0118]
t1为第一时长尺度的优化调度周期；
[0119]
q为主网注入功率的权重系数矩阵；
[0120]
p
insert.pre
为在采样时刻预测未来k+i时刻集群外部注入的功率；
[0121]
p
insert.ref
为k+i时刻集群外部注入的功率的实际值；
[0122]
p
pre
为在采样时刻预测未来k+i时刻各可控分布式能源和储能装置出力值；
[0123]
p
ref
为在k+i时刻各可控分布式能源和储能装置出力的实际值。
[0124]
根据本发明实施例的第二方面，提供了一种基于集群划分的配电网优化调度系统。
[0125]
在一些实施例中，所述系统包括：
[0126]
电气距离构造单元，用于根据阻抗距离和灵敏度构造电气距离；
[0127]
集群划分单元，用于基于谱聚类集群划分算法和所述电气距离，对含有分布式电源的交直流配电网进行集群划分，并得到集群划分结果；
[0128]
时长尺度划分单元，用于基于所述集群划分结果将优化时长划分为第一时长尺度和第二时长尺度，其中，所述第一时长尺度长于所述第二时长尺度；
[0129]
第一优化调度单元，用于在所述第一时长尺度中，建立以交直流配电网成本最低为目标的优化模型，以便通过所述优化模型输出第一调度计划值；
[0130]
第二优化调度单元，用于在所述第二时长尺度中，以滚动优化的方式得到各集群内部运行机组的第二调度计划值。
[0131]
根据本发明实施例的第三方面，提供了一种计算机设备。
[0132]
在一些实施例中，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
[0133]
根据本发明实施例的第四方面，提供了一种计算机可读存储介质。
[0134]
在一些实施例中，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于执行如权上所述的方法。
[0135]
本发明实施例提供的技术方案可以包括以下有益效果：
[0136]
本发明所提供的基于集群划分的配电网优化调度方法，通过根据阻抗距离和灵敏度构造电气距离，并基于谱聚类集群划分算法和所述电气距离，对含有分布式电源的交直流配电网进行集群划分，并得到集群划分结果；进而基于所述集群划分结果将优化时长划分为第一时长尺度和第二时长尺度，其中，所述第一时长尺度长于所述第二时长尺度；且在所述第一时长尺度中，建立以交直流配电网成本最低为目标的优化模型，以便通过所述优
化模型输出第一调度计划值，在所述第二时长尺度中，以滚动优化的方式得到各集群内部运行机组的第二调度计划值。这样该方法基于谱聚类集群划分和区分于时长尺度的模型优化，提高了交直流配电网的优化调度的准确性，从而提高了分布式电力系统的运行经济性和综合电源的利用效率，解决了现有交直流配电网的优化调度准确性较差的技术问题。
[0137]
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
[0138]
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
[0139]
图1为本发明所提供的基于集群划分的配电网优化调度方法一种具体实施方式的流程图；
[0140]
图2为一种交换站模型图；
[0141]
图3为一个实施例中50节点算例系统图；
[0142]
图4为一个实施例中50节点算例系统的集群划分图；
[0143]
图5为一个实施例中第一时长尺度分布式能源有功出力计划值示意图；
[0144]
图6为一个实施例中第二时长尺度各分布式能源有功出力示意图；
[0145]
图7为本发明所提供的基于集群划分的配电网优化调度系统一种具体实施方式的结构框图；
[0146]
图8为本发明所提供的计算机设备一种具体实施方式的结构框图。
具体实施方式
[0147]
以下描述和附图充分地示出本文的具体实施方案，以使本领域的技术人员能够实践它们。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本文的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。本文中，术语“第一”、“第二”等仅被用来将一个元素与另一个元素区分开来，而不要求或者暗示这些元素之间存在任何实际的关系或者顺序。实际上第一元素也能够被称为第二元素，反之亦然。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的结构、装置或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种结构、装置或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的结构、装置或者设备中还存在另外的相同要素。本文中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
[0148]
本文中的术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本文和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。在本文的描述中，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于
本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
[0149]
本文中，除非另有说明，术语“多个”表示两个或两个以上。
[0150]
本文中，字符“/”表示前后对象是一种“或”的关系。例如，a/b表示：a或b。
[0151]
本文中，术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，a和/或b，表示：a或b，或，a和b这三种关系。
[0152]
应对大规模可再生能源接入给交直流配电网多时间尺度优化调度带来的挑战，本发明有针对性地提出了一种基于集群划分的交直流配电网多时间尺度优化调度方法，首先以阻抗距离和灵敏度为双重标准的改进电气距离定义，综合考虑节点电气距离耦合连接度和分布式电源分别接入后的电压灵敏度，应用谱聚类对含有分布式电源的交直流配电网进行集群划分，然后以集群划分结果为基础进行多时间尺度优化调度；然后以集群划分结果为基础进行多时间尺度优化调度，在第一时长尺度中，建立了以交直流配电网成本最低为目标的优化模型；在第二时长尺度滚动优化求解各集群内部运行机组的调度计划值。相比于传统的优化调度策略，该方法通过在第二时长尺度对各级群内部的可控资源进行分别优化，可以极大地减少优化计算的搜寻范围，降低优化调度控制模式的运行难度，提高了优化效率，保证了交直流配电网的稳定运行。
[0153]
请参考图1，图1为本发明所提供的基于集群划分的配电网优化调度方法一种具体实施方式的流程图。
[0154]
在一种具体实施方式中，本发明所提供的基于集群划分的配电网优化调度方法包括以下步骤：
[0155]
s1：根据阻抗距离和灵敏度构造电气距离。
[0156]
具体地，利用以下公式构造电气距离：
[0157][0158]
式中：i,j∈n，n为分布式电力系统的总节点数；
[0159]eγ
(i,j)为节点i到节点j的电气距离；
[0160]zij.equ
为节点i与节点j之间的等效阻抗距离；
[0161]
为节点i注入有功功率对于节点j的电压影响因子矩阵；
[0162]
为节点i注入无功功率对于节点j的电压影响因子矩阵。
[0163]
其中，利用以下公式计算节点i与节点j之间的等效阻抗距离z
ij.equ
：
[0164]zij.equ
＝(z
ii-z
ij
)-(z
ij-z
jj
)
ꢀꢀ
(公式2)
[0165]
式中：z
ij
为系统节点阻抗矩阵第i行第j列元素；
[0166]zii
为系统节点阻抗矩阵第i行第i列元素；
[0167]zjj
为系统节点阻抗矩阵第j行第j列元素。
[0168]
s2：基于谱聚类集群划分算法和所述电气距离，对含有分布式电源的交直流配电网进行集群划分，并得到集群划分结果。
[0169]
从原理上来讲，对于基于谱聚类的集群划分算法，近年来有研究者对含分布式电源的电力系统提出基于阻抗距离、模块化指标、灵敏度矩阵的集群划分。单纯考虑灵敏度系数,选择的关键节点集中在线路末端或重负荷区域，不适合无功分散补偿的原则,且易造成
补偿范围重叠。本技术实施例结合阻抗距离与灵敏度系数，定义改进的电气距离。电力系统节点i，j之间等值阻抗z
ij.equ
等于节点i注入单位电流源后节点i，j之间电压即：
[0170][0171]
该数值可由节点阻抗矩阵元素计算，即得到上述公式(2)：
[0172]zij.equ
＝(z
ii-z
ij
)-(z
ij-z
jj
)
ꢀꢀ
(公式2)
[0173]
式中：z
ij
为系统节点阻抗矩阵第i行第j列元素。基于等值阻抗的指标可从电气学角度辨识一个节点是否处于系统电气结构的关键位置。
[0174]
多分布式电源接入后，在考虑各节点间阻抗距离关系的基础上，还需要分析分布式电源出力变化时对其他节点的影响程度。根据功率变化对母线电压和相角影响，可定义分布式电源接入后的电压灵敏度：
[0175][0176]
δδ为电压相角变化量，δv为电压幅值变化量，j为雅可比矩阵，δp为有功功率变化量，δq为无功功率变化量，p为有功功率值，δ为电压相角值，v为电压幅值。
[0177]
利用雅可比矩阵j的逆矩阵构造在工况γ含分布式可再生能源系统的电压有功灵敏度矩阵电压无功灵敏度矩阵
[0178][0179]
式中：i,j∈n，n为分布式电力系统的总节点数；和分别为工况γ下节点i对j的电压有功和无功灵敏度系数；pi和qi分别为节点i的有功和无功功率注入；vj为节点j电压幅值。
[0180]
假设每个节点都有功率调节，且第j个节点的有功功率和无功功率分别调节δp和δq，则节点i的电压变化为：
[0181][0182]
为区分不同接入点对其他节点的电压灵敏度，定义工况γ下节点i对j的电压影响因子矩阵和
[0183][0184]
为了综合考虑电网拓扑结构中节点距离耦合连接度和分布式电源分别接入后的电压灵敏度，本技术实施例将传统的等值阻抗与电压灵敏度相结合，构造改进的电气距离，即得到上述公式(1)。
[0185]
基于聚类分析方法进行集群划分是常用的分区策略，谱聚类算法和k-means聚类算法都被应用于电力系统集群划分问题中。谱聚类算法通过矩阵谱分析理论，导出表征聚类对象性质的特征值与特征向量，再利用新的数据特征对原数据进行聚类。该算法中构造归一化的特征向量空间，可在保留原始数据空间结构的同时，使数据空间样本组之间的相似性关系更直观。与其他聚类算法相比，谱聚类算法不易陷入局部最优解，且具有识别非凸分布的聚类的能力。
[0186]
将含分布式电源的电力系统集群划分问题表述为聚类集成问题。数据集合v＝{v1,v1,
…
,vn}为电力系统中的n个节点，e为数据集里所有边的集合，则根据图论，该电力系统构成无向图g(v,e)。应用改进的电气距离e(i,j)定义对称权重矩阵w如下:
[0187][0188]eij
为对称权重矩阵第i行j列的元素，e(i,j)为节点i到节点j的改进电气距离，e(j,i)为节点j到节点i的改进电气距离。
[0189]
构造n
×
n型矩阵d作为度矩阵，如下所示：
[0190][0191]
n为电力系统节点个数。
[0192]
计算标准化的拉普拉斯矩阵l为：
[0193][0194]
对l作特征值分解，求得特征值和特征向量。按从小到大对特征值排序，取前ki个特征值，并用对应的特征向量构成n
×ki
维特征矩阵原电力系统的节点映射为f的每一行谱数据点，引入的拉普拉斯变换有效实现数据降维。设为f的第i个列向量，用k-means算法将l＝(li)i×n聚为n个亚群落(簇){c1,c2,
…
,cn}。第k个亚群落ck中包含节点数nk；其中关键节点选取为聚类质心μk，记为剩下的n
k-1个节点为普通节点。为达到最佳电压调节效果，降低安装成本，将可控pv节点选址于关键节点。公式(7)定义的改进电气距离大的节点，阻抗距离大、电压灵敏度高，以此参数作为聚类算法的量度参数，可有效地选择关键节点。
[0195]
s3：基于所述集群划分结果将优化时长划分为第一时长尺度和第二时长尺度，其中，所述第一时长尺度长于所述第二时长尺度。
[0196]
s4：在所述第一时长尺度中，建立以交直流配电网成本最低为目标的优化模型，以便通过所述优化模型输出第一调度计划值。
[0197]
步骤s4具体包括：
[0198]
以最小化交直流配电网总运行成本为目标，构建目标函数；
[0199]
基于约束条件对所述目标函数进行优化，以得到所述优化模型。
[0200]
其中，所述目标函数为：
[0201][0202]
式中：t1为第一时长尺度的优化调度周期；
[0203]cgrid
(t)为t时刻从主网购电成本；
[0204]cdg
(t)为可控分布式能源调度成本；
[0205]cstore
(t)为储能装置调度成本。
[0206]
其中，利用以下公式计算t时刻从主网购电成本c
grid
(t)：
[0207]cgrid
(t)＝c
grid.t
p
grid.t
ꢀꢀ
(公式12)
[0208]
式中：c
grid.t
为t时刻从主网购电电价；
[0209]
p
grid.t
为t时刻主网注入交直流配电网的功率。
[0210]
利用以下公式计算可控分布式能源调度成本c
dg
(t)：
[0211][0212]
式中：n
dg
为交直流配电网中可控的分布式能源的数量；
[0213]adg.i
、b
dg.i
、c
dg.i
为可控的分布式能源出力成本系数；
[0214]
p
dg.t.i
为t时刻与第i个节点相连接的可控的分布式能源的有功功率。
[0215]
利用以下公式计算储能装置调度成本c
store
(t)：
[0216][0217]
式中：n
store
为交直流配电网中储能装置的数量；
[0218]astore.i
为储能装置调度成本系数；
[0219]
p
store.t.i
为t时刻与第i个节点相连接的储能装置的充放电功率。
[0220]
进一步地，所述约束条件包括交流部分功率平衡约束条件，且利用以下公式计算所述交流部分功率平衡约束条件：
[0221][0222][0223][0224][0225]
p
ac.j.t
＝p
dg.j.t
+p
store.j.t
+p
v.j.t
+p
wt.j.t-p
load.j.t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(公式19)
[0226]qac.j.t
＝q
dg.j.t
+q
v.j.t
+q
wt.j.t-q
load.j.t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(公式20)
[0227]qdg.j.t
＝p
dg.j.t
tanθ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(公式21)
[0228]
式中：ω
ij
为以交流节点j为末节点的支路的集合；
[0229]
ω
jk
为以交流节点j为首节点的支路的集合；
[0230]
p
ac.jk.t
为交流支路jk在t时刻的有功功率；
[0231]qac.jk.t
为交流支路jk在t时刻的无功功率；
[0232]
p
ac.ij.t
为交流支路ij在t时刻的有功功率；
[0233]qac.ij.t
为交流支路ij在t时刻的无功功率；
[0234]iac.ij.t
为交流支路ij在t时刻的电流；
[0235]rac.ij
、x
ac.ij
为交流支路ij的阻抗；
[0236]
p
ac.j.t
为交流节点j在t时刻的节点注入的有功功率；
[0237]qac.j.t
为交流节点j在t时刻的节点注入的无功功率；
[0238]uac.i.t
为t时刻交流节点i的节点电压；
[0239]uac.j.t
为t时刻交流节点j的节点电压；
[0240]
p
dg.j.t
为t时刻与交流节点j相连接的可控分布式能源的有功功率；
[0241]
p
store.j.t
为t时刻与交流节点j相连接的储能装置的有功功率；
[0242]
p
v.j.t
为t时刻与交流节点j相连接的光伏的有功功率；
[0243]
p
wt.j.t
为t时刻与交流节点j相连接的风力的有功功率；
[0244]qdg.j.t
为t时刻与交流节点j相连接的可控分布式能源的无功功率；
[0245]qv.j.t
为t时刻与交流节点j相连接的光伏的无功功率；
[0246]qwt.j.t
为t时刻与交流节点j相连接的风力的无功功率；
[0247]
p
load.j.t
为t时刻交流节点j的有功负荷；
[0248]qload.j.t
为t时刻交流节点j的无功负荷；
[0249]
θ为可控分布式能源的功率因数角。
[0250]
进一步地，所述约束条件包括直流部分功率平衡约束条件，且利用以下公式计算所述直流部分功率平衡约束条件：
[0251][0252][0253][0254]
p
dc.i.t
＝p
dg.i.t
+p
store.i.t
+p
v.i.t
+p
wt.i.t-p
load.i.t
ꢀꢀ
(公式25)
[0255]
式中：ω
ij
为以直流节点j为末节点的支路的集合；
[0256]
ω
jk
为以直流节点j为首节点的支路的集合；
[0257]
p
dc.jk.t
为直流支路jk在t时刻的有功功率；
[0258]
p
dc.ij.t
为直流支路ij在t时刻的有功功率；
[0259]idc.ij.t
为直流支路ij在t时刻的电流；
[0260]rdc.ij
为直流支路ij的电阻；
[0261]udc.i.t
为t时刻直流节点i的节点电压；
[0262]udc.j.t
为t时刻直流节点j的节点电压；
[0263]
p
dc.i.t
为直流节点i在t时刻的节点注入有功功率；
[0264]
p
dc.j.t
为直流节点j在t时刻的节点注入有功功率；
[0265]
p
dg.i.t
为t时刻与直流节点j相连接的可控分布式能源的有功功率；
[0266]
p
store.i.t
为t时刻与直流节点j相连接的储能装置的有功功率；
[0267]
p
v.i.t
为t时刻与直流节点j相连接的光伏的有功功率；
[0268]
p
wt.i.t
为t时刻与直流节点j相连接的风力的有功功率；
[0269]
p
load.i.t
为t时刻直流节点j的有功负荷。
[0270]
此外，本发明还包括构建vsc换流站模型。交流部分和直流部分通过vsc相连接，在构建交直流配电网模型时，将连接交流节点和支流节点的vsc看作是一个虚拟节点，如图2所示，p
ac.ij.t
、q
ac.ij.t
、p
dc.jk.t
分别为交流有功功率，交流无功功率和直流功率；q
vsc.j.t
为vsc无功出力；u
ac.i.t
为交流侧电压幅值；u
dc.k.t
为直流电压幅值；u
vsc.j.t
为vsc虚拟节点电压幅值。
[0271]
由图2的等值电路可得：
[0272][0273][0274]-q
vsc.j.max
≤q
vsc.j.t
≤q
vsc.j.max
ꢀꢀ
(公式28)
[0275]
式中：q
vsc.j.max
、-q
vsc.j.max
分别为vsc无功出力上下限；r
vsc.ij
为交流节点i与vsc虚拟节点j之间的支路电阻，x
vsc.ij
为交流节点i与vsc虚拟节点j之间的支路电抗。
[0276]
进一步地，所述约束条件包括ess运行约束，具体利用如下公式得到：
[0277]sess.i.t
＝s
ess.i.t-1
(1-δ)-p
store.i.t
δt
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(公式29)
[0278]
p
store.i.min
≤p
store.i.t
≤p
store.i.max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(公式30)
[0279]sess.i.min
≤s
ess.i.t
≤s
ess.i.max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(公式31)
[0280]
式中：s
ess.i.t
为与第i个节点相连接的ess在t时刻的电量；p
store.i.t
为与第i个节点相连接的ess在t时刻的充放电功率；p
store.i.max
、p
store.i.min
与第i个节点相连接的ess出力上下限；s
ess.i.max
、s
ess.i.min
为与第i个节点相连接的ess的容量上下限；δ为储能装置自放电率。
[0281]
进一步地，所述约束条件包括安全运行约束，具体利用如下公式得到：
[0282]uac.j.min
≤u
ac.j.t
≤u
ac.j.max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(公式32)
[0283]udc.j.min
≤u
dc.j.t
≤u
dc.j.max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(公式33)
[0284]
p
dg.i.min
≤p
dg.i.t
≤p
dg.i.max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(公式34)
[0285]
式中：u
dc.j.max
、u
dc.j.min
为直流节点j电压幅值上下限；u
ac.j.max
、u
ac.j.min
为交流节点j电压幅值上下限；p
dg.i.max
、p
dg.i.min
为与第i个节点相连接的分布式能源有功出力上下限。
[0286]
s5：在所述第二时长尺度中，以滚动优化的方式得到各集群内部运行机组的第二调度计划值。
[0287]
第二时长尺度以各个集群内部的节点为基本单元，分别进行每一个集群内部的优化，例如每5min进行一次采样，以当前优化级群内部各个可控的分布式能源和储能装置的实际出力值作为初始状态建立出力预测模型，根据调度计划值，滚动优化未来15min的控制指令序列，下发第一个时间段的控制指令，修正控制变量，在下一个采样时刻，再以实际测
量到的值作为下一个时刻滚动优化的初始值，进行新一轮的优化。
[0288]
步骤s5具体包括：
[0289]
建立预测模型，并通过预测模型滚动优化求解控制变量，预测未来一段时间内各可控分布式能源、储能装置的出力值以及主网注入的功率。
[0290]
具体地，通过预测模型滚动优化求解控制变量，预测未来一段时间内各可控分布式能源、储能装置的出力值以及主网注入的功率，其预测如下所示：
[0291][0292]
式中：n表示预测步长；
[0293]
p
dg0
(k)为可控分布式能源功率在采样时刻测量到的实际值；
[0294]
p
store0
(k)为储能装置功率在采样时刻测量到的实际值；
[0295]
p
insert0
(k)为集群外部注入功率在采样时刻测量到的实际值；
[0296]
δu
dg
(k+t|k)为k时刻预测未来时间段内的可控分布式能源的有功出力增量；
[0297]
δu
store
(k+t|k)为k时刻预测未来时间段内的储能装置的有功出力增量；
[0298]
δu
insert
(k+t|k)为k时刻预测未来时间段内的集群外部注入功率的增量；
[0299]
p
dg
(k+i|k)为k时刻预测未来k+i时刻分布式能源的有功出力值；
[0300]
p
store
(k+i|k)为k时刻预测未来k+i时刻储能装置的有功出力值；
[0301]
p
insert
(k+i|k)为k时刻预测未来k+i时刻的集群外部注入功率。
[0302]
构建目标函数，第二时长尺度优化目标函数是以第一时长尺度的调度计划值为基准值，使第二时长尺度下发的控制指令序列与第一时长尺度的调度计划值的误差尽可能的小，据此，所述目标函数为：
[0303][0304][0305]
式中：w为分布式能源和储能装置的权重系数矩阵；
[0306]ccluster.i
(t)为所有集群在t时刻的总调度成本；
[0307]
t1为第一时长尺度的优化调度周期；
[0308]
q为主网注入功率的权重系数矩阵；
[0309]
p
insert.pre
为在采样时刻预测未来k+i时刻集群外部注入的功率；
[0310]
p
insert.ref
为k+i时刻集群外部注入的功率的实际值；
[0311]
p
pre
为在采样时刻预测未来k+i时刻各可控分布式能源和储能装置出力值；
[0312]
p
ref
为在k+i时刻各可控分布式能源和储能装置出力的实际值。
[0313]
p
insert.ref
为k+i时刻集群外部注入的功率的实际值，p
pre
为在采样时刻预测未来k+i时刻各可控分布式能源和储能装置出力，具体为：
[0314][0315]
式中：p
t
(k+i|k)表示在k时刻预测到的未来k+i时刻的分布式能源和储能装置有功出力值，可表示为：
[0316][0317]
式中：p
insert
(k+i|k)表示在k时刻预测到的未来k+i时刻集群外部注入的功率。
[0318]
p
ref
为在k+i时刻各可控分布式能源和储能装置出力的实际值，p
insert.ref
为k+i时刻集群外部注入的功率的实际值，具体为：
[0319][0320]
式中：p
ref
(k+i|k)表示在k+i时刻各可控分布式能源和储能装置出力的实际值，p
insert.ref
(k+i|k)表示在k+i时刻集群外部注入功率的实际值。
[0321]
基于所述目标函数求解，以得到未来n个时刻内的第二调度计划值。
[0322]
根据第二时长尺度优化模型可以求出未来n个时刻内各个可控分布式能源和储能装置的控制增量序列：
[0323]
{δu
t
(k+1|k)δu
t
(k+2|k)
…
δu
t
(k+n|k)}
ꢀꢀ
(公式40)
[0324]
式中：δu(k+i|k)表示在k时刻预测到的未来k+i时刻各可控分布式能源和储能装置的控制增量。
[0325]
将得到的控制增量序列中的第一个指令下发，求出下一个时刻的交直流配电网可控分布式能源和储能装置的有功出力：
[0326]
p(k+1|k)＝p0(k)+δu
t
(k+1|k)
ꢀꢀ
(公式41)
[0327]
式中：p(k+1|k)表示在k时刻预测到的未来k+i时刻交直流配电网可控分布式能源和储能装置的有功出力，p0(k)表示在k时刻交直流配电网可控分布式能源和储能装置的实际有功出力。
[0328]
进一步地，为了提高模型准确性，本发明还可以包括反馈校正步骤。模型预测控制在已有的预测精度下下发的可控分布式能源和储能装置的控制指令值与实际测量的值之间会存在一定的误差，需要在下发控制指令之后进行反馈校正。在进行下一次滚动优化之前，以当前的实际测量到的值作为新一轮滚动优化的初始值，这样就可以极大程度上避免风电和光伏的不确定性带来的干扰，使mpc预测的精度更高。反馈公式如下：
[0329]
p0(k+1)＝p
real
(k+1)+δ
ꢀꢀ
(公式42)
[0330]
式中：p0(k+1)表示k+1时刻的有功初始值；p
real
(k+1)表示k时刻实际测量下一个时刻的有功出力值；δ为测量误差。
[0331]
下面以一个具体实施例，通过仿真对比的方式验证本发明所提供方法的技术效
果。
[0332]
基于本发明所提供的方法和系统，在matlab 2016a上进行编程，利用yalmip工具包及cplex解算器进行建模及求解，硬件环境为intel core(tm)i5-3340s cpu＠2.8ghz处理器，8gb内存。
[0333]
在50节点交直流配电网算例上进行了仿真，算例拓扑结构如图3所示，wt表示风电机组；pv表示光伏；分布式电源表示微型燃气轮机组；ess表示储能装置。节点10、18、37和46中接入输出有功上限为300kw的微型燃气轮机，功率因数角为0.9；节点36和49中接入储能量上限为1800kwh，充放电功率上限为300kw的储能装置；节点41和45中接入储能量上限为1400kwh，充放电功率上限为240kwh的储能装置。基于本文所提集群划分方法，将50节点交直流配电网算例划分为4个亚群落，划分结果如图4所示。
[0334]
图5给出了10:00-12:00的第一时长尺度分布式能源有功出力计划值。图6给出了10:00到11:00期间分布式电源的第二时长尺度分布式能源有功出力计划值。从图中可以看出，第一时长尺度调度的最优值由于间隔时间较长，而第二时长尺度调度的最优值由于时间尺度的进一步细分而变得相对平稳。
[0335]
对三种不同的优化方法的结果进行了比较，如表1所示，集群代表本文所示的优化模型，非集群代表没有集群分区的传统优化模型。可以看出，基于集群划分的优化方法与传统优化模型的计算结果相同，但提出的模型比传统的集群划分模型的计算时间更快，可以有效提高优化调度的计算效率。
[0336]
表1.不同优化模型的结果
[0337][0338]
由此可知，本发明所提供的方法利用改进电气距离的新概念作为聚类算法的衡量标准，然后利用频谱聚类方法将交直流配电网划分为若干个聚类，这是多时段规模优化的基础。最后，进行多时间尺度的优化，长期尺度优化的调度结果是通过最小化总运行成本来计算的。在短时尺度优化中，根据长时尺度优化的结果，采用滚动优化的方法，计算每个集群内每个节点的分布式发电的输出功率。在50个交直流配电系统上进行的仿真表明，所提出的基于集群划分的优化模型比传统模型具有更快的计算时间，可以有效提高优化计算效率。
[0339]
根据本发明实施例的第二方面，提供了一种基于集群划分的配电网优化调度系统。
[0340]
在一些实施例中，如图7所示，所述系统包括：
[0341]
电气距离构造单元100，用于根据阻抗距离和灵敏度构造电气距离；
[0342]
集群划分单元200，用于基于谱聚类集群划分算法和所述电气距离，对含有分布式电源的交直流配电网进行集群划分，并得到集群划分结果；
[0343]
时长尺度划分单元300，用于基于所述集群划分结果将优化时长划分为第一时长尺度和第二时长尺度，其中，所述第一时长尺度长于所述第二时长尺度；
[0344]
第一优化调度单元400，用于在所述第一时长尺度中，建立以交直流配电网成本最低为目标的优化模型，以便通过所述优化模型输出第一调度计划值；
[0345]
第二优化调度单元500，用于在所述第二时长尺度中，以滚动优化的方式得到各集群内部运行机组的第二调度计划值。
[0346]
本发明所提供的基于集群划分的配电网优化调度系统的工作原理与上述各实施例中基于集群划分的配电网优化调度方法的工作原理相同，这里不再赘述。
[0347]
本发明所提供的基于集群划分的配电网优化调度系统，通过根据阻抗距离和灵敏度构造电气距离，并基于谱聚类集群划分算法和所述电气距离，对含有分布式电源的交直流配电网进行集群划分，并得到集群划分结果；进而基于所述集群划分结果将优化时长划分为第一时长尺度和第二时长尺度，其中，所述第一时长尺度长于所述第二时长尺度；且在所述第一时长尺度中，建立以交直流配电网成本最低为目标的优化模型，以便通过所述优化模型输出第一调度计划值，在所述第二时长尺度中，以滚动优化的方式得到各集群内部运行机组的第二调度计划值。这样该方法基于谱聚类集群划分和区分于时长尺度的模型优化，提高了交直流配电网的优化调度的准确性，从而提高了分布式电力系统的运行经济性和综合电源的利用效率，解决了现有交直流配电网的优化调度准确性较差的技术问题。
[0348]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和模型预测。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的模型预测用于存储静态信息和动态信息数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述方法实施例中的步骤。
[0349]
本领域技术人员可以理解，图8中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0350]
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述方法实施例中的步骤。
[0351]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法实施例中的步骤。
[0352]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、模型预测或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
[0353]
本发明并不局限于上面已经描述并在附图中示出的结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

技术特征：
1.一种基于集群划分的配电网优化调度方法，其特征在于，所述方法包括：根据阻抗距离和灵敏度构造电气距离；基于谱聚类集群划分算法和所述电气距离，对含有分布式电源的交直流配电网进行集群划分，并得到集群划分结果；基于所述集群划分结果将优化时长划分为第一时长尺度和第二时长尺度，其中，所述第一时长尺度长于所述第二时长尺度；在所述第一时长尺度中，建立以交直流配电网成本最低为目标的优化模型，以便通过所述优化模型输出第一调度计划值；在所述第二时长尺度中，以滚动优化的方式得到各集群内部运行机组的第二调度计划值。2.根据权利要求1所述的配电网优化调度方法，其特征在于，利用以下公式构造电气距离：式中：i,j∈n，n为分布式电力系统的总节点数；e
γ
(i,j)为节点i到节点j的电气距离；z
ij.equ
为节点i与节点j之间的等效阻抗距离；为节点i注入有功功率对于节点j的电压影响因子矩阵；为节点i注入无功功率对于节点j的电压影响因子矩阵。3.根据权利要求2所述的配电网优化调度方法，其特征在于，利用以下公式计算节点i与节点j之间的等效阻抗距离z
ij.equ
：z
ij.equ
＝(z
ii-z
ij
)-(z
ij-z
jj
)式中：z
ij
为系统节点阻抗矩阵第i行第j列元素；z
ii
为系统节点阻抗矩阵第i行第i列元素；z
jj
为系统节点阻抗矩阵第j行第j列元素。4.根据权利要求1所述的配电网优化调度方法，其特征在于，在所述第一时长尺度中，建立以交直流配电网成本最低为目标的优化模型，具体包括：以最小化交直流配电网总运行成本为目标，构建目标函数；基于约束条件对所述目标函数进行优化，以得到所述优化模型。5.根据权利要求4所述的配电网优化调度方法，其特征在于，所述目标函数为：式中：t1为第一时长尺度的优化调度周期；c
grid
(t)为t时刻从主网购电成本；c
dg
(t)为可控分布式能源调度成本；c
store
(t)为储能装置调度成本。6.根据权利要求5所述的配电网优化调度方法，其特征在于，利用以下公式计算t时刻从主网购电成本c
grid
(t)：
c
grid
(t)＝c
grid.t
p
grid.t
式中：c
grid.t
为t时刻从主网购电电价；p
grid.t
为t时刻主网注入交直流配电网的功率。7.根据权利要求5所述的配电网优化调度方法，其特征在于，利用以下公式计算可控分布式能源调度成本c
dg
(t)：式中：n
dg
为交直流配电网中可控的分布式能源的数量；a
dg.i
、b
dg.i
、c
dg.i
为可控的分布式能源出力成本系数；p
dg.t.i
为t时刻与第i个节点相连接的可控的分布式能源的有功功率。8.根据权利要求5所述的配电网优化调度方法，其特征在于，利用以下公式计算储能装置调度成本c
store
(t)：式中：n
store
为交直流配电网中储能装置的数量；a
store.i
为储能装置调度成本系数；p
store.t.i
为t时刻与第i个节点相连接的储能装置的充放电功率。9.根据权利要求4所述的配电网优化调度方法，其特征在于，所述约束条件包括交流部分功率平衡约束条件，且利用以下公式计算所述交流部分功率平衡约束条件：分功率平衡约束条件，且利用以下公式计算所述交流部分功率平衡约束条件：分功率平衡约束条件，且利用以下公式计算所述交流部分功率平衡约束条件：分功率平衡约束条件，且利用以下公式计算所述交流部分功率平衡约束条件：p
ac.j.t
＝p
dg.j.t
+p
store.j.t
+p
v.j.t
+p
wt.j.t-p
load.j.t
q
ac.j.t
＝q
dg.j.t
+q
v.j.t
+q
wt.j.t-q
load.j.t
q
dg.j.t
＝p
dg.j.t
tanθ式中：ω
ij
为以交流节点j为末节点的支路的集合；ω
jk
为以交流节点j为首节点的支路的集合；p
ac.jk.t
为交流支路jk在t时刻的有功功率；q
ac.jk.t
为交流支路jk在t时刻的无功功率；p
ac.ij.t
为交流支路ij在t时刻的有功功率；q
ac.ij.t
为交流支路ij在t时刻的无功功率；i
ac.ij.t
为交流支路ij在t时刻的电流；r
ac.ij
、x
ac.ij
为交流支路ij的阻抗；p
ac.j.t
为交流节点j在t时刻的节点注入的有功功率；q
ac.j.t
为交流节点j在t时刻的节点注入的无功功率；
u
ac.i.t
为t时刻交流节点i的节点电压；u
ac.j.t
为t时刻交流节点j的节点电压；p
dg.j.t
为t时刻与交流节点j相连接的可控分布式能源的有功功率；p
store.j.t
为t时刻与交流节点j相连接的储能装置的有功功率；p
v.j.t
为t时刻与交流节点j相连接的光伏的有功功率；p
wt.j.t
为t时刻与交流节点j相连接的风力的有功功率；q
dg.j.t
为t时刻与交流节点j相连接的可控分布式能源的无功功率；q
v.j.t
为t时刻与交流节点j相连接的光伏的无功功率；q
wt.j.t
为t时刻与交流节点j相连接的风力的无功功率；p
load.j.t
为t时刻交流节点j的有功负荷；q
load.j.t
为t时刻交流节点j的无功负荷；θ为可控分布式能源的功率因数角。10.根据权利要求4所述的配电网优化调度方法，其特征在于，所述约束条件包括直流部分功率平衡约束条件，且利用以下公式计算所述直流部分功率平衡约束条件：部分功率平衡约束条件，且利用以下公式计算所述直流部分功率平衡约束条件：部分功率平衡约束条件，且利用以下公式计算所述直流部分功率平衡约束条件：p
dc.i.t
＝p
dg.i.t
+p
store.i.t
+p
v.i.t
+p
wt.i.t-p
load.i.t
式中：ω
ij
为以直流节点j为末节点的支路的集合；ω
jk
为以直流节点j为首节点的支路的集合；p
dc.jk.t
为直流支路jk在t时刻的有功功率；p
dc.ij.t
为直流支路ij在t时刻的有功功率；i
dc.ij.t
为直流支路ij在t时刻的电流；r
dc.ij
为直流支路ij的电阻；u
dc.i.t
为t时刻直流节点i的节点电压；u
dc.j.t
为t时刻直流节点j的节点电压；p
dc.i.t
为直流节点i在t时刻的节点注入有功功率；p
dc.j.t
为直流节点j在t时刻的节点注入有功功率；p
dg.i.t
为t时刻与直流节点j相连接的可控分布式能源的有功功率；p
store.i.t
为t时刻与直流节点j相连接的储能装置的有功功率；p
v.i.t
为t时刻与直流节点j相连接的光伏的有功功率；p
wt.i.t
为t时刻与直流节点j相连接的风力的有功功率；p
load.i.t
为t时刻直流节点j的有功负荷。11.根据权利要求1所述的配电网优化调度方法，其特征在于，在所述第二时长尺度中，以滚动优化的方式得到各集群内部运行机组的第二调度计划值，具体包括：建立预测模型，并通过预测模型滚动优化求解控制变量，预测未来一段时间内各可控分布式能源、储能装置的出力值以及主网注入的功率；
构建目标函数；基于所述目标函数求解，以得到未来n个时刻内的第二调度计划值。12.根据权利要求11所述的配电网优化调度方法，其特征在于，所述预测模型为：式中：n表示预测步长；p
dg0
(k)为可控分布式能源功率在采样时刻测量到的实际值；p
store0
(k)为储能装置功率在采样时刻测量到的实际值；p
insert0
(k)为集群外部注入功率在采样时刻测量到的实际值；δu
dg
(k+t|k)为k时刻预测未来时间段内的可控分布式能源的有功出力增量；δu
store
(k+t|k)为k时刻预测未来时间段内的储能装置的有功出力增量；δu
insert
(k+t|k)为k时刻预测未来时间段内的集群外部注入功率的增量；p
dg
(k+i|k)为k时刻预测未来k+i时刻分布式能源的有功出力值；p
store
(k+i|k)为k时刻预测未来k+i时刻储能装置的有功出力值；p
insert
(k+i|k)为k时刻预测未来k+i时刻的集群外部注入功率。13.根据权利要求11所述的配电网优化调度方法，其特征在于，所述目标函数为：13.根据权利要求11所述的配电网优化调度方法，其特征在于，所述目标函数为：式中：w为分布式能源和储能装置的权重系数矩阵；c
cluster.i
(t)为所有集群在t时刻的总调度成本；t1为第一时长尺度的优化调度周期；q为主网注入功率的权重系数矩阵；p
insert.pre
为在采样时刻预测未来k+i时刻集群外部注入的功率；p
insert.ref
为k+i时刻集群外部注入的功率的实际值；p
pre
为在采样时刻预测未来k+i时刻各可控分布式能源和储能装置出力值；p
ref
为在k+i时刻各可控分布式能源和储能装置出力的实际值。14.一种基于集群划分的配电网优化调度系统，其特征在于，所述系统包括：电气距离构造单元，用于根据阻抗距离和灵敏度构造电气距离；集群划分单元，用于基于谱聚类集群划分算法和所述电气距离，对含有分布式电源的交直流配电网进行集群划分，并得到集群划分结果；时长尺度划分单元，用于基于所述集群划分结果将优化时长划分为第一时长尺度和第二时长尺度，其中，所述第一时长尺度长于所述第二时长尺度；
第一优化调度单元，用于在所述第一时长尺度中，建立以交直流配电网成本最低为目标的优化模型，以便通过所述优化模型输出第一调度计划值；第二优化调度单元，用于在所述第二时长尺度中，以滚动优化的方式得到各集群内部运行机组的第二调度计划值。15.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-13中任一项所述的方法的步骤。16.一种计算机可读存储介质，其特征在于，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于执行如权利要求1-13任一项所述的方法。

技术总结
本发明属于电气技术领域，公开了一种基于集群划分的配电网优化调度方法和系统，方法包括：根据阻抗距离和灵敏度构造电气距离，并基于谱聚类集群划分算法和所述电气距离，对含有分布式电源的交直流配电网进行集群划分，并得到集群划分结果；基于所述集群划分结果将优化时长划分为第一时长尺度和第二时长尺度，其中，所述第一时长尺度长于所述第二时长尺度；在所述第一时长尺度中，建立以交直流配电网成本最低为目标的优化模型，以便通过所述优化模型输出第一调度计划值，在所述第二时长尺度中，以滚动优化的方式得到各集群内部运行机组的第二调度计划值。本发明解决了现有交直流配电网的优化调度准确性较差的技术问题。电网的优化调度准确性较差的技术问题。电网的优化调度准确性较差的技术问题。


技术研发人员：刘洋 李立生 张世栋 刘合金 李勇 苏国强 于海东 孙勇 王峰 李帅 张鹏平 由新红 黄敏 李文博 张林利
受保护的技术使用者：国家电网有限公司
技术研发日：2021.12.06
技术公布日：2022/3/8