一种基于改进K-means++算法的分布式光储聚合调峰方法

作者：武艺; 姚良忠; 廖思阳^*; 刘运鑫; 李健; 王新迎

来源：电网技术, 2022, 46(10): 3923-3931.

DOI：10.13335/j.1000-3673.pst.2021.1555

• 高比例分布式光储聚合
• K-means++算法
• 电力系统调峰
• 任务分解

近年来，随着光伏装机容量占比迅速提升，日益突出的光伏出力波动性及反调峰特性加剧了电力系统调峰的压力。利用光储资源参与调峰成为缓解电力系统调峰压力的一种有效措施。但是，高比例分布式光储(photovoltaic-energy storage,PV-ES)直接参与调峰会带来决策变量维数爆炸、求解结果难以收敛等诸多问题。对此，基于典型调峰特征量将高比例分布式光储聚合为数量较少的特征集群，建立聚合–调峰–分解模型，有效解决了高比例分布式光储参与电力系统调峰优化的问题。算例结果表明，所提方法有效降低了光储变量维数和求解难度，提升了其参与电力系统调峰优化的可行性，并在保证调峰能力的同时具备一定的经济优势。

• 单位
  自动化学院; 中国电力科学研究院有限公司; 武汉大学