CN107492887B - 一种广域能源互联网的区域划分方法和*** - Google Patents
一种广域能源互联网的区域划分方法和*** Download PDFInfo
- Publication number
- CN107492887B CN107492887B CN201710786498.2A CN201710786498A CN107492887B CN 107492887 B CN107492887 B CN 107492887B CN 201710786498 A CN201710786498 A CN 201710786498A CN 107492887 B CN107492887 B CN 107492887B
- Authority
- CN
- China
- Prior art keywords
- energy
- matrix
- router
- internet
- power
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供一种广域能源互联网的区域划分方法和***,其中方法包括:获得能量路由器的特征指标;将每个能量路由器作为一个样本,并分别输入对应该能量路由器的特征指标,构造能源互联网特征矩阵,所述能源互联网特征矩阵的每一行/列元素对应一个样本;根据k‑means聚类算法对所述样本进行聚类,获得每个样本对应的能量路由器的类别。本发明能够更准确合理地将广域能源互联网中的能量路由器划分为不同的区域。
Description
技术领域
本发明涉及能源技术领域,更具体地,涉及一种广域能源互联网的区域划分方法和***。
背景技术
目前人类正面临着多项全球性挑战,如环境污染,全球变暖,石油危机等,传统电网在已经无法满足现代的能源需求,因此,能源互联网的概念被提出,并由此衍生出能量路由器的概念。能源互联网的主要目标包括支持大规模分布式可再生能源、储能、电动汽车友好接入和实现能源的商品化自由流通和交易。为实现能源互联网的基本目的,学者提出一种基于能源路由器的能源互联网结构,如图1所示,能源路由器是构成能源互联网的基本单元,能源路由器之间同时存在通信线路和电力线路连接。部分路由器可构成局域能源互联网,然后通过大电网与其它能源路由器或能源局域网连接,形成广域能源互联网。
大电网输电线路对能源互联网的逻辑连接透明,但起到传输电能的作用,是能源互联网的物理基础。原大电网中的大型发电站、负荷需通过能源路由器接入电网。所有分布式可再生能源、负荷、储能、电动汽车均通过能源路由器接入,能源路由器负责本地的电能平衡。
随着能源互联网的迅速发展,其以用户为核心的服务理念和高效快速的数据互联平台对传统能源行业的生产、管理、消费等经营理念产生了巨大冲击。相比传统电网,能源互联网强调以用户为核心的生产、消费单元的信息和数据互联,从而促进新能源消纳。其根本目的是通过数据互联,使新能源企业的发电需求和电力用户的用电需求对接,通过电力控制充分匹配供需,从而促进新能源的利用,提高能源的使用效率。
随着人类工业化进程的进步,以及生产、生活耗能设备的不断建设、接入,能源互联网的规模将不断扩大。过大的网络规模将导致数据传输的时延不断增大,不利于对能量传输调度进行控制。通过对广域能源互联网进行区域划分,再对区域内、区域间的分别控制,可以达到更好的控制效果。
传统的电网区域划分一般基于地域间隔等。但随着城市化进程的不断推进,超大地理范围的工业、城市区域将不断形成。此时传统的根据地域间隔的区域划分方法将不再适用。同时由于用户群体的相互融合,用电需求的不断细化,基于用户群体的区域划分也无法实现。所以在未来的广域能源互联网场景下,需要全新的区域划分方法。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的广域能源互联网的区域划分方法和***。
根据本发明的一个方面,提供一种广域能源互联网的区域划分方法,包括
S1、根据广域能源互联网中的能量路由器连接的发电设备的最大瞬时发电功率、能量路由器连接的所有负载的最大瞬时用电功率、能量路由器与其他能量路由器两两之间的电力传输线最大瞬时传输功率以及传输效率,作为能量路由器的特征指标;
S2、将每个能量路由器作为一个样本,并分别输入对应该能量路由器的特征指标,构造能源互联网特征矩阵,所述能源互联网特征矩阵的每一行/列元素对应一个样本;
S3、根据k-means聚类算法对所述样本进行聚类,获得每个样本对应的能量路由器的类别。
优选地,所述步骤S2包括:
S2.1、对任意一个能量路由器,根据该能量路由器与其他能量路由器两两之间的电力传输线最大瞬时传输功率以及该能量路由器与对应的其他能量路由器两两之间的传输效率的乘积,获得能量路由器与其他能量路由器两两之间的实际电力传输值;
S2.2、根据能量路由器连接的发电设备的最大瞬时发电功率与能量路由器连接的所有负载的最大瞬时用电功率的乘积,获得能量路由器的发电-负载值;
S2.3、根据每个能量路由器与其他能量路由器两两之间的实际电力传输值以及每个能量路由器的发电-负载值,构造能源互联网特征矩阵。
优选地,所述步骤S2.3包括:
根据每个能量路由器与其他能量路由器两两之间的实际电力传输值,构造能源互联网电力传输矩阵;
根据每个能量路由器的发电-负载值的平方根,构建能源互联网发电-负载矩阵;
根据能源互联网发电-负载矩阵以及能源互联网电力传输矩阵,构造能源互联网特征矩阵。
优选地,所述根据能源互联网发电-负载矩阵以及能源互联网电力传输矩阵,构造能源互联网特征矩阵的步骤,进一步包括:
将所述能源互联网电力传输矩阵分别左乘和右乘所述能源互联网发电-负载矩阵,获得所述能源互联网特征矩阵。
优选地,所述步骤S3包括:
根据所述能源互联网特征矩阵中每行元素的和,获得对角矩阵;
根据所述对角矩阵和能源互联网特征矩阵的差值,获得拉普拉斯矩阵,所述拉普拉斯矩阵的每一行/列元素对应一个样本;
根据k-means聚类算法对所述能源互联网特征矩阵中的各样本进行聚类,获得每个样本对应的能量路由器的类别。
根据本发明的另一个方面,还提供一种广域能源互联网的区域划分***,包括:
特征指标获得装置,用于根据广域能源互联网中的能量路由器连接的发电设备的最大瞬时发电功率、能量路由器连接的所有负载的最大瞬时用电功率、能量路由器与其他能量路由器两两之间的电力传输线最大瞬时传输功率以及传输效率,作为能量路由器的特征指标;
能量互联网特征矩阵获得装置,用于将每个能量路由器作为一个样本,并分别输入对应该能量路由器的特征指标,构造能源互联网特征矩阵,所述能源互联网特征矩阵的每一行/列元素对应一个样本;
聚类装置,用于根据k-means聚类算法对所述样本进行聚类,获得每个样本对应的能量路由器的类别。
优选地,所述步骤能量互联网特征矩阵获得装置包括:
实际电力传输值获得模块,用于对任意一个能量路由器,根据该能量路由器与其他能量路由器两两之间的电力传输线最大瞬时传输功率以及该能量路由器与对应的其他能量路由器两两之间的传输效率的乘积,获得能量路由器与其他能量路由器两两之间的实际电力传输值;
发电负载值获得模块,用于根据能量路由器连接的发电设备的最大瞬时发电功率与能量路由器连接的所有负载的最大瞬时用电功率的乘积,获得能量路由器的发电-负载值;
能源互联网特征矩阵获得模块,用于根据每个能量路由器与其他能量路由器两两之间的实际电力传输值以及每个能量路由器的发电-负载值,构造能源互联网特征矩阵。
优选地,所述能源互联网特征矩阵获得模块包括:
电力传输矩阵单元,用于根据每个能量路由器与其他能量路由器两两之间的实际电力传输值,构造能源互联网电力传输矩阵:
电力负载矩阵单元,用于根据每个能量路由器的发电-负载值的平方根,构建能源互联网发电-负载矩阵;
能源互联网特征矩阵单元,用于根据能源互联网发电-负载矩阵以及能源互联网电力传输矩阵,构造能源互联网特征矩阵。
优选地,所述能源互联网特征矩阵单元具体用于:
将所述能源互联网电力传输矩阵分别左乘和右乘所述能源互联网发电-负载矩阵,获得所述能源互联网特征矩阵。
优选地,所述聚类装置包括:
对角矩阵模块,用于根据所述能源互联网特征矩阵中每行元素的和,获得对角矩阵;
拉普拉斯矩阵模块,用于根据所述对角矩阵和能源互联网特征矩阵的差值,获得拉普拉斯矩阵,所述拉普拉斯矩阵的每一行/列元素对应一个样本;
聚类模块,用于根据k-means聚类算法对所述能源互联网特征矩阵中的各样本进行聚类,获得每个样本对应的能量路由器的类别。
本发明提出的一种广域能源互联网的区域划分方法和***,根据广域能源互联网中的各能量路由器连接的发电设备的最大瞬时发电功率、各能量路由器连接的所有负载的最大瞬时用电功率以及能量路由器两两之间的实际电力传输值,获得各能量路由器的特征信息,以此更准确合理地将广域能源互联网中的能量路由器划分为不同的区域。
附图说明
图1为根据本发明实施例的广域能源互联网的区域划分方法的流程示意图;
图2为根据本发明实施例的广域能源互联网的区域划分***的功能框图;
图3为根据本发明实施例的广域能源互联网的区域划分方法的流程示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
为了克服现有技术中对广域能源互联网的区域划分时,采用地域间隔方法导致不利于能量传输调度的弊端,本发明提供一种广域能源互联网的区域划分方法,参见图1,包括:
S1、根据广域能源互联网中的能量路由器连接的发电设备的最大瞬时发电功率、能量路由器连接的所有负载的最大瞬时用电功率、能量路由器与其他能量路由器两两之间的电力传输线最大瞬时传输功率以及传输效率,作为能量路由器的特征指标。
S2、将每个能量路由器作为一个样本,并分别输入对应该能量路由器的特征指标,构造能源互联网特征矩阵,所述能源互联网特征矩阵的每一行/列元素对应一个样本。
S3、根据k-means聚类算法对所述样本进行聚类,获得每个样本对应的能量路由器的类别。
对于能量路由器连接的发电设备的最大瞬时发电功率来说,可以通过在电力公司查询发电设备信息,获得能量路由器连接的所有发电设备提供的最大瞬时发电功率,发电设备可以是火电站、水电站、风电站甚至光伏发电站等等。
对于能量路由器连接的所有负载的最大瞬时用电功率来说,负载包括工业负载、农业负载、交通运输业负载和人民生活用电负载等。
能量路由器两两之间的实际电路传输值反应了两个能量路由器联系的紧密程度。如果两个能量路由器之间电力传输值很大,表示这两个能量路由器之间联系紧密,在区域划分时应该尽量分配到同一个区域;反之,如果两个能量路由器之间电力传输值很小,甚至没有电力线直接相连,则代表两者之间联系松散,区域划分时应该尽量分配到不同区域。
在能源互联网中,能量路由器之间彼此的连接关系、联系紧密程度,每个能量路由器上所连接的电气设备的发电功率、负载功率共同决定了该能源互联网的特征,所以,通过考虑上述参量,即可得到能源互联网的特征信息。
在上述各实施例的基础上,步骤S2包括:
S2.1、对任意一个能量路由器,根据该能量路由器与其他能量路由器两两之间的电力传输线最大瞬时传输功率以及该能量路由器与对应的其他能量路由器两两之间的传输效率的乘积,获得能量路由器与其他能量路由器两两之间的实际电力传输值;
S2.2、根据能量路由器连接的发电设备的最大瞬时发电功率与能量路由器连接的所有负载的最大瞬时用电功率的乘积,获得能量路由器的发电-负载值;
S2.3、根据每个能量路由器与其他能量路由器两两之间的实际电力传输值以及每个能量路由器的发电-负载值,构造能源互联网特征矩阵。
需要说明的是,能量路由器两两之间的最大瞬时传输功率体现了理论上两个能量路由器之间的电流传输值,但由于电力在传输过程中存在各种损耗,因此,每条电力传输线的传输效率并不相同,通过获得能量路由器两两之间的电力传输线传输效率,将传输效率与最大瞬时传输功率相乘,就获得了两个能量路由器之间的实际电力传输值。
在上述各实施例的基础上,步骤S2.3包括:
根据每个能量路由器与其他能量路由器两两之间的实际电力传输值,构造能源互联网电力传输矩阵;
具体地,根据能量路由器两两之间的最大瞬时传输功率,获得能源互联网电力传输线最大瞬时传输功率矩阵TN×N:
其中,矩阵TN×N中第a行第b列的元素tab表示能量路由器ERa与ERb之间的最大瞬时传输功率,a,b∈[1,N];显然,tab=tba,taa=0,因此,矩阵TN×N是一个主对角线上元素为0,且其他元素以主对角线为对称轴的矩阵。
根据能量路由器两两之间的电力传输线传输效率,获得能源互联网电力传输线传输效率矩阵EN×N:
其中,矩阵EN×N中第a行第b列的元素eab表示能量路由器ERa与ERb之间的电力传输线传输效率;显然,矩阵EN×N中的元素满足eij=eji,且eii=1,eij(i,j∈[1,N]),因此,矩阵EN×N是一个主对角线上元素为1,且其他元素以主对角线为对称轴的矩阵。
将矩阵TN×N和矩阵EN×N进行点乘,获得能源互联网电力传输矩阵TEN×N:
其中,矩阵TEN×N中第a行第b列的元素eab表示能量路由器ERa与ERb之间的实际电力传输值。
显然,对于两矩阵中相同位置的元素,由于矩阵TN×N中的元素表示两个能量路由器之间的最大瞬时传输功率,矩阵EN×N中的元素表示两个能量路由器之间的电力传输线传输效率,因此,点乘后的值即为这两个能量路由器之间的实际电力传输值,同时由于矩阵TN×N中和矩阵EN×N均是关于主对角轴对称的矩阵,因此,点乘后获得的能源互联网电力传输矩阵TEN×N也是关于主对角轴对称的矩阵。
根据每个能量路由器的发电-负载值的平方根,构建能源互联网发电-负载矩阵。
具体地,根据各能量路由器连接的所有发电设备的最大瞬时发电功率获得能源互联网的最大瞬时发电功率向量P1×N=(p1,p2,…pi,…pN);其中,pi表示能量路由器ERi的所有发电设备的最大瞬时发电功率;
根据各能量路由器连接的所有负载的最大瞬时用电功率获得能源互联网的最大瞬时用电功率向量L1×N=(l1,l2,…li,…lN);其中,li表示能量路由器ERi的所有发电设备的最大瞬时发电功率;
将最大瞬时发电功率向量P1×N和最大瞬时用电功率向量L1×N分别转换为对角矩阵NPN×N和NLN×N;
可以理解的是,最大瞬时发电功率向量P1×N和最大瞬时用电功率向量L1×N均是1行N列的矩阵,为了便于计算,将两个向量分别转换为对角矩阵,即将向量中第i列的元素转换为对角矩阵中第i行i列的元素。
能源互联网发电-负载矩阵PLN×N的计算公式为:
在上述各实施例的基础上,根据能源互联网发电-负载矩阵以及能源互联网电力传输矩阵,构造能源互联网特征矩阵的步骤,进一步包括:
将所述能源互联网电力传输矩阵分别左乘和右乘所述能源互联网发电-负载矩阵,获得所述能源互联网特征矩阵CN×N,具体计算公式为:
在上述各实施例的基础上,步骤S3包括:
根据所述能源互联网特征矩阵中每行元素的和,获得对角矩阵DN×N:
DN×N矩阵为对角矩阵,对角线上的值为能源互联网特征矩阵CN×N中对应行或列的和,由于能源互联网特征矩阵CN×N为对称矩阵,故CN×N中对应行或列的和相等,DN×N矩阵中的元素满足:
其中,Di,i表示矩阵DN×N的第i行元素,ci,j表示矩阵CN×N中第i行/列中的第j列/行元素。
根据矩阵DN×N和能源互联网特征矩阵CN×N的差值,获得拉普拉斯矩阵D_LN×N:
D_LN×N=DN×N-CN×N;
所述拉普拉斯矩阵的每一行/列元素对应一个样本;
由矩阵DN×N和矩阵CN×N的定义可得到,拉普拉斯矩阵D_LN×N中对角线上元素D_Li,i表示能量路由器i与能源互联网中除i以外其他N-1个能量路由器的特征信息之和。拉普拉斯矩阵D_LN×N中对角线以外的元素D_Li,j表示能量路由器i与能量路由器j的特征信息的负值。
根据k-means聚类算法对所述能源互联网特征矩阵中的各样本进行聚类,获得每个样本对应的能量路由器的类别。
根据本发明的另一个方面,还提供一种广域能源互联网的区域划分***,参见图2,包括:
特征指标获得装置,用于根据广域能源互联网中的能量路由器连接的发电设备的最大瞬时发电功率、能量路由器连接的所有负载的最大瞬时用电功率、能量路由器与其他能量路由器两两之间的电力传输线最大瞬时传输功率以及传输效率,作为能量路由器的特征指标;
能量互联网特征矩阵获得装置,用于将每个能量路由器作为一个样本,并分别输入对应该能量路由器的特征指标,构造能源互联网特征矩阵,所述能源互联网特征矩阵的每一行/列元素对应一个样本;
聚类装置,用于根据k-means聚类算法对所述样本进行聚类,获得每个样本对应的能量路由器的类别。
在上述各实施例的基础上,所述步骤能量互联网特征矩阵获得装置包括:
实际电力传输值获得模块,用于对任意一个能量路由器,根据该能量路由器与其他能量路由器两两之间的电力传输线最大瞬时传输功率以及该能量路由器与对应的其他能量路由器两两之间的传输效率的乘积,获得能量路由器与其他能量路由器两两之间的实际电力传输值;
发电负载值获得模块,用于根据能量路由器连接的发电设备的最大瞬时发电功率与能量路由器连接的所有负载的最大瞬时用电功率的乘积,获得能量路由器的发电-负载值;
能源互联网特征矩阵获得模块,用于根据每个能量路由器与其他能量路由器两两之间的实际电力传输值以及每个能量路由器的发电-负载值,构造能源互联网特征矩阵。
在上述各实施例的基础上,能源互联网特征矩阵获得模块包括:
电力传输矩阵单元,用于根据每个能量路由器与其他能量路由器两两之间的实际电力传输值,构造能源互联网电力传输矩阵:
电力负载矩阵单元,用于根据每个能量路由器的发电-负载值的平方根,构建能源互联网发电-负载矩阵;
能源互联网特征矩阵单元,用于根据能源互联网发电-负载矩阵以及能源互联网电力传输矩阵,构造能源互联网特征矩阵。
在上述各实施例的基础上,能源互联网特征矩阵单元具体用于:
将所述能源互联网电力传输矩阵分别左乘和右乘所述能源互联网发电-负载矩阵,获得所述能源互联网特征矩阵。
在上述各实施例的基础上,聚类装置包括:
对角矩阵模块,用于根据所述能源互联网特征矩阵中每行元素的和,获得对角矩阵;
拉普拉斯矩阵模块,用于根据所述对角矩阵和能源互联网特征矩阵的差值,获得拉普拉斯矩阵,所述拉普拉斯矩阵的每一行/列元素对应一个样本;
聚类模块,用于根据k-means聚类算法对所述能源互联网特征矩阵中的各样本进行聚类,获得每个样本对应的能量路由器的类别。
实施例1
一种广域能源互联网的区域划分方法,参见图3,包括:
S1、统计能源互联网中能量路由器(Energy Router)的个数N,并分别进行编号ER1、ER2、ER3、…ERi、…、ERN,其中ERi表示第i个能量路由器。
对每个能量路由器,统计该能量路由器连接的所有发电设备的最大瞬时发电功率,例如,对于ERi,该能量路由器的所有发电设备的最大瞬时发电功率表示为pi(KW),根据各能量路由器连接的所有发电设备的最大瞬时发电功率获得能源互联网中最大瞬时发电功率向量P1×N=(p1,p2,…pi,…pN);
对每个能量路由器,统计该能量路由器连接的所有负载的最大瞬时用电功率,例如,对于ERi,该能量路由器的所有负载的最大瞬时用电功率表示为li(KW),根据各能量路由器连接的所有负载的最大瞬时用电功率获得能源互联网中最大瞬时用电功率向量L1×N=(l1,l2,…li,…lN);
根据能量路由器两两之间的最大瞬时传输功率,获得能源互联网电力传输线最大瞬时传输功率矩阵TN×N,矩阵TN×N中第a行第b列的元素tab表示能量路由器ERa与ERb之间的最大瞬时传输功率,显然,tab=tba(a,b∈[1,N]),且taa=0;具体地,矩阵TN×N表示为:
根据能量路由器两两之间的电力传输线传输效率,获得能源互联网电力传输线传输效率矩阵EN×N,矩阵EN×N中第a行第b列的元素eab表示能量路由器ERa与ERb之间的电力传输线传输效率,显然,能量路由器ERx与能量路由器ERy之间没有电力传输线连接,则其电力传输线传输效率exy=0;eab=eba(a,b∈[1,N]),且eaa=1。矩阵EN×N表示为:
S2、将矩阵TN×N和矩阵EN×N点乘,获得能源互联网电力传输矩阵TEN×N,矩阵TEN×N中第a行第b列的元素eab表示能量路由器ERa与ERb之间的实际电力传输值。
将向量P1×N和L1×N分别乘以全1列向量,以转化为对角矩阵NPN×N(也称之为电源矩阵)和NLN×N(也称之为负载矩阵),其中,对角矩阵NPN×N的第i行第i列的元素表示第i个能量路由器ERi的所有发电设备的最大瞬时发电功率pi;对角矩阵NLN×N的第i行第i列的元素表示第i个能量路由器ERi的所有负载的最大瞬时用电功率li。
S3、能量路由器之间彼此的连接关系、联系的紧密程度由能源互联网电力传输矩阵TEN×N来描述,能源互联网中能量路由器上所连接电气设备的发电功率由矩阵NPN×N来描述,能源互联网中能量路由器上所连接的负载的用电功率由矩阵PLN×N来描述,根据以上三个矩阵相乘,可得到能源互联网特征矩阵CN×N,公式如下:
S4、根据能源互联网特征矩阵CN×N计算对角矩阵DN×N,对角矩阵DN×N的主对角线上的值为能源互联网特征矩阵CN×N中对应行或列的和,满足:
S5、计算其拉普拉斯矩阵D_LN×N,公式如下:
D_LN×N=DN×N-CN×N
矩阵D_LN×N由能源互联网特征矩阵CN×N计算得到,保留了矩阵CN×N中对于能源互联网的特征描述,同时经过拉普拉斯变换处理后,矩阵D_LN×N的特征更加明显,方便后续聚类实现更好的效果。
S6、将矩阵D_LN×N采用k-means算法聚类,聚成K类,得到一个N维向量S1×N。S1×N中元素均为[1,K]之间的整数,分别对应能量路由器1,2…N的所属区域,比如S1=2表示能量路由器1属于区域2,这就是最终的区域划分结果。
最后,本发明的方法仅为较佳的实施方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种广域能源互联网的区域划分方法,其特征在于,包括:
S1、根据广域能源互联网中的能量路由器连接的发电设备的最大瞬时发电功率、能量路由器连接的所有负载的最大瞬时用电功率、能量路由器与其他能量路由器两两之间的电力传输线最大瞬时传输功率以及传输效率,作为能量路由器的特征指标;
S2、将每个能量路由器作为一个样本,并分别输入对应该能量路由器的特征指标,构造能源互联网特征矩阵,所述能源互联网特征矩阵的每一行/列元素对应一个样本;
S3、根据k-means聚类算法对所述样本进行聚类,获得每个样本对应的能量路由器的类别;
其中,所述步骤S2包括:
S2.1、对任意一个能量路由器,根据该能量路由器与其他能量路由器两两之间的电力传输线最大瞬时传输功率以及该能量路由器与对应的其他能量路由器两两之间的传输效率的乘积,获得能量路由器与其他能量路由器两两之间的实际电力传输值;
S2.2、根据能量路由器连接的发电设备的最大瞬时发电功率与能量路由器连接的所有负载的最大瞬时用电功率的乘积,获得能量路由器的发电-负载值;
S2.3、根据每个能量路由器与其他能量路由器两两之间的实际电力传输值以及每个能量路由器的发电-负载值,构造能源互联网特征矩阵;
所述步骤S2.3包括:
根据每个能量路由器与其他能量路由器两两之间的实际电力传输值,构造能源互联网电力传输矩阵;
根据每个能量路由器的发电-负载值的平方根,构建能源互联网发电-负载矩阵;
根据能源互联网发电-负载矩阵以及能源互联网电力传输矩阵,构造能源互联网特征矩阵。
2.如权利要求1所述的广域能源互联网的区域划分方法,其特征在于,所述根据能源互联网发电-负载矩阵以及能源互联网电力传输矩阵,构造能源互联网特征矩阵的步骤,进一步包括:
将所述能源互联网电力传输矩阵分别左乘和右乘所述能源互联网发电-负载矩阵,获得所述能源互联网特征矩阵。
3.如权利要求2所述的广域能源互联网的区域划分方法,其特征在于,所述步骤S3包括:
根据所述能源互联网特征矩阵中每行元素的和,获得对角矩阵;
根据所述对角矩阵和能源互联网特征矩阵的差值,获得拉普拉斯矩阵,所述拉普拉斯矩阵的每一行/列元素对应一个样本;
根据k-means聚类算法对所述能源互联网特征矩阵中的各样本进行聚类,获得每个样本对应的能量路由器的类别。
4.一种广域能源互联网的区域划分***,其特征在于,包括:
特征指标获得装置,用于根据广域能源互联网中的能量路由器连接的发电设备的最大瞬时发电功率、能量路由器连接的所有负载的最大瞬时用电功率、能量路由器与其他能量路由器两两之间的电力传输线最大瞬时传输功率以及传输效率,作为能量路由器的特征指标;
能量互联网特征矩阵获得装置,用于将每个能量路由器作为一个样本,并分别输入对应该能量路由器的特征指标,构造能源互联网特征矩阵,所述能源互联网特征矩阵的每一行/列元素对应一个样本;
聚类装置,用于根据k-means聚类算法对所述样本进行聚类,获得每个样本对应的能量路由器的类别;
所述能量互联网特征矩阵获得装置包括:
实际电力传输值获得模块,用于对任意一个能量路由器,根据该能量路由器与其他能量路由器两两之间的电力传输线最大瞬时传输功率以及该能量路由器与对应的其他能量路由器两两之间的传输效率的乘积,获得能量路由器与其他能量路由器两两之间的实际电力传输值;
发电负载值获得模块,用于根据能量路由器连接的发电设备的最大瞬时发电功率与能量路由器连接的所有负载的最大瞬时用电功率的乘积,获得能量路由器的发电-负载值;
能源互联网特征矩阵获得模块,用于根据每个能量路由器与其他能量路由器两两之间的实际电力传输值以及每个能量路由器的发电-负载值,构造能源互联网特征矩阵;
所述能源互联网特征矩阵获得模块包括:
电力传输矩阵单元,用于根据每个能量路由器与其他能量路由器两两之间的实际电力传输值,构造能源互联网电力传输矩阵:
电力负载矩阵单元,用于根据每个能量路由器的发电-负载值的平方根,构建能源互联网发电-负载矩阵;
能源互联网特征矩阵单元,用于根据能源互联网发电-负载矩阵以及能源互联网电力传输矩阵,构造能源互联网特征矩阵。
5.如权利要求4所述的广域能源互联网的区域划分***,其特征在于,所述能源互联网特征矩阵单元具体用于:
将所述能源互联网电力传输矩阵分别左乘和右乘所述能源互联网发电-负载矩阵,获得所述能源互联网特征矩阵。
6.如权利要求5所述的广域能源互联网的区域划分***,其特征在于,所述聚类装置包括:
对角矩阵模块,用于根据所述能源互联网特征矩阵中每行元素的和,获得对角矩阵;
拉普拉斯矩阵模块,用于根据所述对角矩阵和能源互联网特征矩阵的差值,获得拉普拉斯矩阵,所述拉普拉斯矩阵的每一行/列元素对应一个样本;
聚类模块,用于根据k-means聚类算法对所述能源互联网特征矩阵中的各样本进行聚类,获得每个样本对应的能量路由器的类别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710786498.2A CN107492887B (zh) | 2017-09-04 | 2017-09-04 | 一种广域能源互联网的区域划分方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710786498.2A CN107492887B (zh) | 2017-09-04 | 2017-09-04 | 一种广域能源互联网的区域划分方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107492887A CN107492887A (zh) | 2017-12-19 |
CN107492887B true CN107492887B (zh) | 2020-05-15 |
Family
ID=60651635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710786498.2A Active CN107492887B (zh) | 2017-09-04 | 2017-09-04 | 一种广域能源互联网的区域划分方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107492887B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108599141B (zh) * | 2018-02-05 | 2021-04-27 | 西交利物浦大学 | 多能源局域网快速动态自适应识别方法 |
CN108632357B (zh) * | 2018-04-11 | 2021-02-02 | 国网浙江省电力有限公司嘉兴供电公司 | 一种数据中心网络区域划分方法、装置及设备 |
CN111967179B (zh) * | 2020-07-02 | 2024-02-09 | 江苏能来能源互联网研究院有限公司 | 一种能源互联网能量单元动态优化匹配方法 |
CN113095710A (zh) * | 2021-04-25 | 2021-07-09 | 国网宁夏电力有限公司 | 一种广域能源互联网的区域划分方法和*** |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023090A (zh) * | 2015-05-15 | 2015-11-04 | 天津大学 | 基于广域信息的发电机组同调分群方案 |
-
2017
- 2017-09-04 CN CN201710786498.2A patent/CN107492887B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105023090A (zh) * | 2015-05-15 | 2015-11-04 | 天津大学 | 基于广域信息的发电机组同调分群方案 |
Non-Patent Citations (1)
Title |
---|
太阳能光伏发电***设计及供电***优化方法研究;郝立颖;《中国优秀硕士学位论文全文数据库工程科技II辑》;20111215(第S1期);第40-52页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107492887A (zh) | 2017-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107492887B (zh) | 一种广域能源互联网的区域划分方法和*** | |
CN112467722B (zh) | 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法 | |
CN104600713A (zh) | 含风力/光伏发电配电网日前无功调度的生成装置及方法 | |
CN110119888A (zh) | 一种基于分布式电源接入的有源网格化规划方法 | |
CN113098711A (zh) | 一种基于云边协同的配电物联网cps管控方法及*** | |
CN112531689B (zh) | 受端电力***的源网荷储协调控制能力评估方法和设备 | |
CN108448611B (zh) | 一种适应大规模新能源外送的电网网架结构构建方法 | |
CN114094599A (zh) | 一种多站融合参与调峰调频调压潜力评估方法及装置 | |
Ai et al. | Comprehensive evaluation of power grid planning in coastal regions of China in the context of power internet of things (PIoT) | |
CN117013531A (zh) | 配电网的容量域评估方法 | |
CN104700205A (zh) | 一种改变电网网络拓扑结构及选择并联补偿装置的方法 | |
CN105207255B (zh) | 一种适用于风电出力的电力***调峰计算方法 | |
CN105354761B (zh) | 一种风电接入电网的安全与效能评估方法及*** | |
CN107508318B (zh) | 一种基于电压灵敏度分区的有功控制方法及*** | |
CN116341829A (zh) | 一种绿色电力信息块处理方法及*** | |
CN113778681B (zh) | 基于云计算的数据处理方法、装置及存储介质 | |
Zhu et al. | On-site energy consumption technologies and prosumer marketing for distributed poverty alleviation photovoltaic linked to agricultural loads in china | |
CN115378004A (zh) | 一种含分布式储能***的分布式能源集群配置方法和*** | |
CN113673141A (zh) | 一种基于数据驱动的能量路由器建模及优化控制方法 | |
KR20220150778A (ko) | 배전계획용 공간부하 예측 방법 및 장치 | |
Shang et al. | Secure and efficient V2G scheme through edge computing and federated learning | |
CN114172840B (zh) | 一种基于图论和深度强化学习的多微网***能量路由方法 | |
CN113361864B (zh) | 一种基于纳什均衡的配电网分布式协同优化调控方法 | |
CN102542147A (zh) | 一种电力网络中厂站之间拓扑相似性的度量方法 | |
CN110401219B (zh) | 分布式能源和用户群体交直流配用电***智能运行方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |