一种基于融合Gromov-Wasserstein距离的微电网集群分区方法与流程
本发明涉及智能电网,特别涉及一种基于融合gromov-wasserstein距离的微电网集群分区方法。
背景技术:
1、随着新型电力系统建设持续推进,光伏、风电、储能等分布式资源大量接入配电网,传统单向辐射电网逐渐转变为双向潮流交互的有源配电网。随着多微电网、多类型分布式电源及柔性负荷在配电网中的广泛接入,系统运行形态日益复杂,资源协调控制与优化调度难度显著增加。采用分区管控模式简化调度模型、统筹区域资源,是配电网调控领域的核心应用需求。
2、目前微电网集群分区通常仅以物理距离、电气距离或局部拓扑关系等单一因素为划分依据,聚类分区的距离测算仅在节点与节点之间进行局部距离比较。
3、然而,现有分区方法未能综合考虑节点负荷特征、可调资源裕度、电气耦合关系、网络拓扑等多维信息,无法实现节点运行特征与网络结构特征的协同建模,难以反映节点与分区整体的特征匹配程度,进而影响后续调度控制策略的控制精度及工程实用效果。
技术实现思路
1、针对现有技术的不足,本发明提供了一种基于融合gromov-wasserstein距离的微电网集群分区方法,用于解决现有技术无法实现节点运行特征与网络结构特征的协同建模,难以反映节点与分区整体的特征匹配程度的问题。
2、本发明采用的技术手段如下:
3、本发明提供了一种基于融合gromov-wasserstein距离的微电网集群分区方法,包括:
4、获取微电网集群的网络参数与运行数据;
5、基于所述网络参数构建微电网集群的加权无向图,基于所述加权无向图构建节点间结构距离矩阵;
6、基于所述运行数据构建节点运行特征向量;
7、基于所述节点间结构距离矩阵、所述节点运行特征向量,构建节点结构化对象模型;
8、构建分区原型图模型;
9、基于所述节点结构化对象模型、所述分区原型图模型,构建融合gromov-wasserstein距离的分区目标函数;
10、对所述分区目标函数中的多个待优化变量进行交替更新,得到当前更新后的分区目标函数;
11、判断所述当前更新后的分区目标函数是否满足预设迭代终止条件;
12、若所述当前更新后的分区目标函数不满足预设迭代终止条件,返回执行对所述分区目标函数中的多个待优化变量进行交替更新的步骤;
13、若所述当前更新后的分区目标函数满足预设迭代终止条件,输出最优软分配传输矩阵;
14、基于所述最优软分配传输矩阵构建二元分配矩阵;
15、基于所述二元分配矩阵输出微电网集群的分区结果。
16、进一步地,所述加权无向图的表达式为:
17、
18、其中,g为加权无向图;为节点集合,为第n个节点;e为边集合;为加权邻接矩阵,为节点与节点之间的支路权重系数;
19、所述节点与节点之间的支路权重系数的表达式为:
20、
21、其中,为边的标量化边权;表示节点与节点之间存在物理输电支路;表示节点与节点之间不存在物理输电支路;
22、所述边的标量化边权的表达式为:
23、
24、其中,为电阻项权重系数;为归一化线路电阻;为容量项权重系数;为归一化线路传输容量。
25、进一步地,所述节点间结构距离矩阵的表达式为:
26、
27、其中,为n阶节点间结构距离矩阵;为节点与节点的结构距离;
28、节点与节点的结构距离的表达式为:
29、
30、其中,为最短路径距离求解函数;表示以标量化边权为边长时,节点与节点之间的最短路径距离。
31、进一步地,所述基于所述运行数据构建节点运行特征向量,包括:
32、基于运行数据中的节点负荷功率特征和节点可调资源功率特征,计算目标参量,基于所述目标参量构建节点运行特征向量;
33、所述目标参量包括节点的平均净负荷、节点的净负荷标准差、节点的平均可调能力、节点的自平衡系数及节点与主配电网的物理连接标志位指示;
34、所述节点运行特征向量的表达式为:
35、
36、其中,为节点的运行特征向量;为节点的平均净负荷;为节点的净负荷标准差;为节点的平均可调能力;为节点的自平衡系数;为节点与主配电网的物理连接标志位指示。
37、进一步地,所述节点结构化对象模型的表达式为:
38、
39、其中,为节点结构化对象模型的离散测度表示;为微电网节点总数量;为节点的权重;为二元狄拉克冲激测度算子;为节点的结构位置,结构关系由节点间结构距离矩阵描述;为节点经归一化处理后的运行特征向量。
40、进一步地,所述构建分区原型图模型,包括:基于分区原型权重、分区原型特征矩阵和原型结构矩阵构建分区原型图模型;
41、所述分区原型图模型的表达式为:
42、
43、其中,为分区原型图模型的离散测度表示;k为预设分区数量;k为分区原型节点序号;为第k个分区原型节点对应的分区原型权重;为二元狄拉克冲激测度算子;为第k个分区原型的结构位置;为第k个分区原型节点对应的分区原型特征向量;
44、所述分区原型的结构位置通过原始结构矩阵进行表征,所述原始结构矩阵d的表达式为:
45、
46、其中,为第k个分区原型与第l个分区原型之间的结构距离。
47、进一步地,所述基于所述节点结构化对象模型、所述分区原型图模型,构建融合gromov-wasserstein距离的分区目标函数,包括:
48、构建原始微电网集群节点到分区原型图的传输矩阵;
49、构建节点运行特征与分区原型特征之间的代价矩阵;
50、基于所述传输矩阵、所述代价矩阵、所述节点结构化对象模型和所述分区原型图模型,构建融合gromov-wasserstein距离的分区目标函数。
51、进一步地,所述分区目标函数的表达式为:
52、
53、其中,表示对函数进行最小化优化求解;表示融合gromov-wasserstein距离损失函数;
54、其中,融合gromov-wasserstein距离损失函数的表达式为:
55、
56、其中,为结构距离与运行特征的融合权重系数;n为微电网原始节点总数量;k为分区数量;为节点与第k个分区原型之间的特征传输代价;为节点与第k个分区原型分配的传输质量;为节点与节点的结构距离;为第k个分区原型与第l个分区原型之间的结构距离。
57、进一步地,所述待优化变量包括传输矩阵、原型特征矩阵和原型结构矩阵;
58、所述对所述分区目标函数中的多个待优化变量进行交替更新,包括:
59、固定所述原型特征矩阵和所述原型结构矩阵,更新所述传输矩阵,得到最优软分配传输矩阵;
60、固定所述传输矩阵,更新所述原型特征矩阵和所述原型结构矩阵。
61、进一步地,所述迭代终止条件的表达式为:
62、
63、其中,和分别表示第r次迭代和第r+1次迭代对应的目标函数值,为预设收敛阈值。
64、较现有技术相比,本发明具有以下优点:
65、本发明通过构建节点间结构距离矩阵与节点运行特征向量并形成节点结构化对象模型,再构建分区原型图模型与融合gromov-wasserstein距离的分区目标函数,交替迭代优化变量后转换二元分配矩阵输出分区,能够整合网络结构与节点运行两类维度信息,更为细致地刻画节点个体与分区整体间的特征关联,弱化单一维度建模造成的匹配偏差,提升分区划分过程中特征关系的匹配程度。
66、基于上述理由本发明可在智能电网等领域广泛推广。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com