本技术介绍了一种高效动态下垂系数优化的DPVs有功功率调节技术,该技术通过选择可调节容量和响应时间作为关键聚类特征,并采用U-k-means算法对DPVs进行聚类划分,以实现快速有效的功率调节。
背景技术
大力推进的可再生能源在电力系统的部署是实现碳中和的必经之路,凭借维护成本低,能源转化率高,寿命等长优势,分布式光伏(Distributed Photovoltaics, DPVs)成为可再生能源的主要组成部分,其在电网中的渗透率持续上升。接入到了配电网中。一方面,海量DPVs替代了传统发电机导致电力系统的频率支撑能力不足;另一方面,基于逆变器交互的DPVs具备快速有功功率调节响应性能。因此,开发利用海量分布式光伏的快速有功功率调节潜力势在必行。
然而,直接管控海量分散的分布式资源的会引发维数灾难和巨大的计算复杂度。为此,本发明引入聚类技术将具有相似特性的DPVs分类为同一组,然后将其当作为一个实体参与电力系统快速有功功率调节,能够实现计算效率的极大提升。与此同时,越来越多的研究意识到基于下垂系数策略实现分布式资源的快速有功功率调节具有重要意义。但目前对DPVs下垂系数调节的开发研究甚少,且已有的研究在设计下垂系数的过程中均忽略网络潮流的影响,不仅导致对调节指令的不精确的响应,还会加剧产生电压越限的风险。此外,已有的下垂系数调节策略在频率事件发生时每次都要经过控制中心计算后再下发给DPVs,在快速调节业务的时效性要求下,当频率事件频繁发生时这一指令下发过程对通信资源的要求极高,且通信时延问题无法避免。并且,这样的响应过程是被动的,与基于下垂系数调节的主动响应机制不匹配。为弥补上述不足,本发明构建频率偏差-最优下垂系数模型,以潮流优化的视角实现对调节指令的准确可靠响应。考虑到基于下垂系数的快速有功功率调节响应的主动性与时效性要求,本发明应用通过引入注意力机制实现对拓扑空间中按照邻居信息的重要程度进行聚合的图注意力网络(Graph Attention Network, GAT)预先快速求解各种频率偏差下的下垂系数优化模型,得到分布式光伏的最优下垂系数调节策略。最后,根据功率-频率关系实现DPVs 的有功功率输出调节。
实现思路