基于聚类和深度学习算法的分布式光伏集群动态等效建模研究.pdf

摘要

随着“碳达峰，碳中和”政策的出台，国家加快了以清洁能源为主体的新型电力系统的

构建步伐。分布式光伏电站凭借自身灵活性优势和国家政策的助力得到了飞速发展，在当前

配电网中形成了颇具规模的分布式光伏集群，而光伏集群所包含的大量电力电子设备及其固

有的间歇性、随机性、波动性等特点给配网的安全稳定运行带来了诸多挑战。构建精准高效

的分布式光伏集群动态等效模型，实现对配网中光伏电站动态特性的精准掌控，是当前配网

规划设计、运行控制、系统维护等工作的重要基础。然而，分布式光伏集群内部电站数量众

多且动态特性差异大，传统建模方法难以解决模型精度和仿真快速性之间的矛盾，针对以上

问题，本文对配网中分布式光伏集群动态等效建模展开研究，主要工作如下：

（1）建立两级式光伏电站的单机并网动态模型。对现阶段常见的并网结构进行分析，选

出具有代表性的两级式光伏电站作为研究对象，围绕光伏阵列、DC/DC换流器、DC/AC逆变

器及滤波器几个核心器件展开建模，引入工程简化的光伏阵列数学模型，在降低模型复杂度

的同时进一步提升模型在工程领域的实用性。通过仿真实验，验证了所建立的动态模型具有

一定的低电压穿越能力，并以此为基础对光伏并网动态特性进行了分析。

（2）提出基于K-medoids聚类的分布式光伏集群动态等效建模方法。首先，通过对光伏

电站并网动态特性进行分析，选取出合适的参数作为聚类指标，并引入动态时间规划

（DynamicTimeWarping，DTW）对聚类特征进行动态相似度转换，降低高维数据的不良影

响。其次，对分组后光伏电站容量、线路阻抗、负荷等参数的等效处理进行研究，建立出整

个集群的动态等效模型。最后，基于改进IEEE33配网系统进行仿真验证，对比详细模型和动

态等效模型在不同工况下的动态特性，结果表明，动态等效模型极大的提升了仿真快速性。

（3）提出基于聚类等效-误差修正的分布式光伏集群融合模型。首先，搭建基于聚类等效

-误差修正的融合模型框架，该框架主要包括了基于聚类算法的动态等效模型和基于深度学习

的误差修正模型，以及两者之间相结合的误差修正策略。其次，提出了一种基于门控循环单

元（GateRecurrentUnit，GRU）的误差修正模型。最后，采集详细模型和动态等效模型的历

史数据构建数据集对误差修正模型进行训练，将训练好的误差修正模型按所提框架与动态等

效模型进行结合，实现误差修正。在不同的典型场景下对所提出的误差修正策略进行验证，

结果表明所提出的融合模型不仅保留了聚类等效模型仿真效率高的优点，同时更加精准地反

映了详细模型的运行特性。

关键词:配电网，分布式光伏，K-medoids聚类，等效建模，误差修正

Abstract

Withtheintroductionofthecarbonpeak,carbonneutralitypolicy,thecountryhasaccelerated

thepaceofbuildinganewpowersystemwithcleanenergyasthemainbody.Distributedphotovoltaic

powerstationshavedevelopedrapidlywiththeirownflexibilityadvantagesandthehelpofnational

policies.Alarge-scaledistributedphotovoltaicclusterhasbeenformedinthecurrentdistribution

network.Thelargenumberofpowerelectronicdevicescontainedinphotovoltaicclustersandtheir

inherentintermittency,randomness,andvolatilityhavebroughtmanychallengestothesafeandstable

operationofthedistributionnetwork.Constructinganaccurateandeff