基于SLM-RBF的配电网分布式光伏集群智能划分策略

作者：卜强生; 吕朋蓬; 李炜祺; 罗飞; 俞婧雯; 窦晓波; 胡秦然^*

来源：上海交通大学学报, 2023, 1-20.

DOI：10.16183/j.cnki.jsjtu.2023.032

• 智能局部移动算法
• 径向基神经网络
• 集群划分
• 电压拟合

分布式电源大规模分散接入给配电网的优化调度带来了计算上的维数灾难，需要对分布式电源进行集群降低调控难度，如何对其进行合理的集群划分十分重要。同时，配电网实时量测数据不全造成了分布式电源进行实时集群划分难度大、时间效率低，因此文中提出了一种将智能局部移动算法(Smart Local Moving， SLM)与径向基神经网络（Radial Basis Function Neural Network，RBF）相结合的分布式电源集群智能划分策略。首先选取有功和无功调节范围以及有功/无功-电压的灵敏度作为集群划分的指标，构造相似度矩阵并基于SLM形成分布式电源的集群划分方案库。接着，通过离线建立电压拟合模型，拟合可实时观测节点的功率与电压之间的关系，同时离线建立电压-划分结果模型，在线通过电压得到实时划分结果，创新性地解决了潮流模型缺失时无法进行集群划分的问题，提高了集群划分的实时性。最后在MATLAB平台通过仿真计算，验证了算法的合理性和优越性。

• 单位
  东南大学