[发明专利]基于自适应模糊C均值聚类场景划分的配电网重构方法

说明书

本发明公开了一种基于自适应模糊C均值聚类场景划分的配电网重构方法，其步骤包括：1.根据DG出力和负荷的预测数据，通过自适应模糊C均值聚类得到配电网运行的典型场景；2.基于典型场景建立配电网重构模型；3.通过粒子群算法对配电网重构模型进行求解，得到优化后的拓扑结构。本发明提供了一种考虑多种运行场景的同时计算方法简单的配电网重构方法，结构优化后的配电网运行网损得到了降低。

技术领域

本发明涉及配电网重构领域，具体涉及一种基于自适应模糊C均值聚类场景划分的配电网重构方法。

背景技术

随着环境污染的日益严重和能源的日益匮乏，可再生能源的应用受到了广泛的关注，可再生能源分布式发电在配电网中的应用也越来越广泛。不可控分布式电源出力不受控制，出力波动性和随机性较强，其接入配电网后增加了配电网运行的波动性和随机性。配电网重构技术通过开关操作改变配电网的拓扑结构，可以达到配电网优化运行的目的。

以时间为尺度可以将配电网重构分为静态重构和动态重构。静态重构在一个时间断面上研究配电网重构技术；动态重构研究一个时段内的配电网重构策略，考虑负荷和电源的动态特性，实时地、动态地对配电网结构进行优化，配电网动态重构通常以一天为重构研究时段。除了动态重构和静态重构，还有文献以概率分布函数来描述DG出力和负荷状态，以配电网运行指标的期望值作为目标函数来进行拓扑的优化。

传统的配电网规划要求一年或一个季度进行网络重构，以一天为时段的配电网重构方法考虑了每个时间点的运行状态，若是应用于以一年或一个季度为重构时段的包含大量时间点的配电网重构当中，则会在求解过程中引入大量的潮流计算，配电网重构模型求解过程复杂。使用DG出力和负荷典型概率分布函数的配电网重构方法通过建立多状态模型或者通过采样计算概率潮流来进行求解，但是DG出力和负荷均受自然条件的影响，具有一定相关性，以DG出力和负荷单独的概率分布函数得到的配电网状态及其概率并不符合配电网的实际运行，以此得到的配电网重构结果不符合实际的优化运行。这些方法在应用于以一年或一个季度为重构时段的配电网重构时均存在缺陷。

发明内容

本发明针对传统方法不适用于以一年或一个季度为重构时段的配电网重构的缺陷，提供一种基于自适应模糊C均值聚类场景划分的配电网重构方法，以期能够在重构时段对配电网拓扑结构进行优化，从而得到更加符合实际优化运行的配电网拓扑结构，减小配电网运行的有功网损。

本发明为解决技术问题采用如下技术方案：

本发明一种基于自适应模糊C均值聚类场景划分的配电网重构方法的特点在于，是按如下步骤进行：

步骤1.获取配电网拓扑关系、元件信息、分布式电源DG和负荷预测数据；

步骤2.基于分布式电源DG出力和负荷预测数据使用自适应模糊C均值聚类方法划分配电网典型运行场景：

步骤2.1.利用式(1)构建配电网运行状态矩阵X：

X＝[X₁,X₂,…,X_i,…,X_T]^T (1)

式(1)中，T为总时间数，i∈{1,2,…,T}；X_i表示i时刻配电网的运行状态向量，并有：

式(2)中，P_j(i)表示i时刻第j个节点的负荷有功功率预测值；表示i时刻第k个分布式电源DG的有功出力预测值；Q_j(i)表示i时刻第j个节点的负荷无功功率预测值；表示i时刻第k个分布式电源DG的无功出力预测值；n表示配电网节点数；j∈{1,2,…,n}；m表示配电网中分布式电源DG总数；k∈{1,2,…,m}；

步骤2.2.定义当前外层迭代次数为s，并初始化s＝1；设置迭代精度为τ；