[发明专利]基于改进模糊C均值聚类算法的配电网动态重构方法

说明书

基于改进模糊C均值聚类算法的配电网动态重构方法，通过EEMD‑SVR组合预测模型和历史功率数据，对DG输出功率和负荷功率进行日前功率预测；输入配电网初始参数、负荷功率预测量、DG预测出力值等相关初始参数；依据功率预测数据构建分段‑损失函数，以确定最优分段数；并通过改进模糊C最优聚类分析算法，实现日内动态重构时段划分；依据聚类算法，确定时段划分方案和各时段等效负荷中心；通过改进细菌觅食算法，分别对配电网各时段进行静态重构优化；根据日内重构各时段的优化调节方案，计算确定配电网日内运行网络损耗和电压波动情况，输出求解后的相关参数。该方法简单、高效，能够应用在含新能源接入的中低压配网，具有一定的推广和实际价值。

技术领域

本发明涉及配电网动态重构技术领域，具体涉及一种基于改进模糊C均值聚类算法的配电网动态重构方法。

背景技术

在配电网实际运行中，配网重构作为运行的重要优化手段，通过控制网络中联络开关、分段开关的开关状态，来达到降低网损，均衡负荷等目标。在新能源逐渐大规模接入配网的大背景下，电网负荷和分布式电源(DG)出力总处于时变状态，配电网运行状况较为复杂，静态重构难以实现多时段的配电网运行状态优化。为保证配电网的安全可靠运行，则需充分考虑负荷和DG的时变特性，研究多时间断面下的配电网动态重构。考虑到开关动作损耗以及频繁动作对配电网运行的消极影响，实现开关合理动作以及优化重构方案可靠求解是保证动态重构效果的关键。

配电网动态重构时段划分是影响配电网优化运行的重要因素，分段思路主要分为：预分段时段削减策略以及相似性指标聚合分段策略。时段削减策略可以减少非必要的重构操作，但受时段划分的判定阈值影响较大；而聚合分段策略则通过特定指标实现日内时段划分，可有效避免分段方式受人为因素影响，保证数据分段的客观性。

模糊C均值聚类算法(fuzzy C-means，FCM)通过数据的特征与相似度指标之间的隶属度，可实现数据的聚类划分，各聚类分段均满足区段内加权误差平方和最小准则。但FCM算法进行功率数据聚类时，仅考虑大小相似性并未考虑数据的时序性；同时，考虑到分段数对重构效果的影响，还需确定最优时段划分数。

发明内容

针对配网重构领域在新能源接入背景下存在的上述问题，本发明提供一种基于改进模糊C均值聚类算法的配电网动态重构方法，采用改进模糊C均值聚类算法(fuzzy C-means clustering，FCMC)实现重构时段划分，并通过分段-损失函数确定最优分段数，以保证算法分段的可靠性；同时对数据聚类时序性和最优分段数进行优化。该方法简单、高效，能够应用在含新能源接入的中低压配网，具有一定的推广和实际价值。

本发明采取的技术方案为：

基于改进模糊C均值聚类算法的配电网动态重构方法，首先基于历史功率数据对DG输出功率和负荷功率进行日前功率预测；然后依据重构时段划分策略对运行功率数据进行动态重构时段划分；最后依据各时段的负荷中心，分别不同时段进行重构优化调节，实现配电网日内动态重构优化调节。

基于改进模糊C均值聚类算法的配电网动态重构方法，包括以下步骤：

步骤一、通过EEMD-SVR组合预测模型和历史功率数据，对DG输出功率和负荷功率进行日前功率预测；

步骤二、输入配电网初始参数、负荷功率预测量、DG预测出力值等相关初始参数；

步骤三、依据功率预测数据构建分段-损失函数，以确定最优分段数；并通过改进模糊C最优聚类分析算法，实现日内动态重构时段划分；

步骤四、依据聚类算法，确定时段划分方案和各时段等效负荷中心；

步骤五、通过改进细菌觅食算法，分别对配电网各时段进行静态重构优化；

步骤六、根据日内重构各时段的优化调节方案，计算确定配电网日内运行网络损耗和电压波动情况，输出求解后的相关参数。