基于改进K-均值和CNN-LSTM的分布式光伏集群划分与等值建模

周涛; 王帅; 倪俊; 徐超; 徐妍

doi:10.19912/j.0254-0096.tynxb.2025-0728

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于改进K-均值和CNN-LSTM的分布式光伏集群划分与等值建模

更新时间：2026-10-15

- 基于改进K-均值和CNN-LSTM的分布式光伏集群划分与等值建模
- 基于改进K-均值和CNN-LSTM的分布式光伏集群划分与等值建模
- 太阳能学报 2026年47卷第9期页码：269-279
- 作者机构：
- 作者简介：
- 基金信息：
  
  江苏省自然科学基金青年项目（BK20241481）;中央高校基本科研业务费专项资金资助（30922010709)
- DOI：10.19912/j.0254-0096.tynxb.2025-0728
  中图分类号： TK511
- 网络首发：2026-10-10，
  
  纸质出版：2026
- 稿件说明：
移动端阅览
周涛, 王帅, 倪俊, 等. 基于改进K-均值和CNN-LSTM的分布式光伏集群划分与等值建模[J]. 太阳能学报, 2026,47(9):269-279.

周涛, 王帅, 倪俊, et al. 基于改进K-均值和CNN-LSTM的分布式光伏集群划分与等值建模[J]. 2026, 47(9): 269-279.
周涛, 王帅, 倪俊, 等. 基于改进K-均值和CNN-LSTM的分布式光伏集群划分与等值建模[J]. 太阳能学报, 2026,47(9):269-279. DOI： 10.19912/j.0254-0096.tynxb.2025-0728.

周涛, 王帅, 倪俊, et al. 基于改进K-均值和CNN-LSTM的分布式光伏集群划分与等值建模[J]. 2026, 47(9): 269-279. DOI： 10.19912/j.0254-0096.tynxb.2025-0728.

摘要

针对目前分布式光伏多机等值建模存在的建模复杂与精度低等问题

该文提出一种融合改进K-均值和卷积神经网络-长短时记忆神经网络（CNN-LSTM）的分布式光伏集群智能划分与等值建模方法。首先

选取包括输出电压、输出电流、并网点有功及无功功率

以及逆变器外环控制参数在内的多维度特征作为分群依据

通过引入手肘法确定分布式光伏集群的最优聚类数目。采用一种利用动态时间弯曲距离计算距离矩阵优化初始聚类中心的K-均值聚类算法

实现了对分布式光伏集群的智能划分

有效降低了分群的主观性与复杂性。该文结合卷积神经网络（CNN）与长短期记忆网络（LSTM）的优势

CNN用于捕捉空间维度特征

而LSTM则提取时间序列数据的动态特性

从而构建一个既能反映空间分布又能精准预测时间演变的CNN-LSTM分布式光伏集群等效模型。最后在PSCAD中仿真对比聚类等值模型与该文方法的分布式光伏集群等效模型的精度

该文采用模型在3种不同扰动下提升有功功率等值精度1.30、0.32与5.89个百分点

提升无功功率等值精度0.85、0.80与4.91个百分点

验证了该方法在提高分布式光伏系统建模效率与精度方面的有效性与实用性

为大规模分布式光伏并网系统的分析与优化提供了技术参考。

Abstract

The distributed nature and uncertainty of distributed photovoltaic（PV） systems pose new challenges to their equivalent modeling methods. In response to the existing issues of complex modeling and low accuracy in multi-machine equivalent modeling of distributed PV

this paper proposes an intelligent partitioning and equivalent modeling method for distributed PV clusters that integrates improved -means and CNN-LSTM. Firstly

multi-dimensional features including output voltage

output current

active power and reactive power at the point of interconnection

and outer-loop control parameters of inverters are selected as the basis for clustering. The optimal number of clusters for distributed PV clusters is determined by introducing the elbow method. A -means clustering algorithm that uses dynamic time warping distance to calculate the distance matrix and optimize the initial cluster centers is adopted to achieve intelligent partitioning of distributed PV clusters

effectively reducing the subjectivity and complexity of clustering. This paper combines the advantages of CNN and LSTM

where CNN is used to capture the spatial dimension features in distributed PV data

and LSTM focuses on extracting the dynamic characteristics of time series data

thereby constructing a CNN-LSTM equivalent model for distributed PV clusters that can reflect spatial distribution and accurately predict temporal evolution. Finally

the accuracy of the equivalent model of the clustering method and the distributed PV cluster equivalent model proposed in this paper is compared through simulation in PSCAD. The proposed model improves the equivalent accuracy of active power by 1.3

0.32

and 5.89 percentage points

and the equivalent accuracy of reactive power by 0.85

0.80

and 4.91 percentage points under three different disturbances

verifying the effectiveness and practicality of this method in improving the modeling efficiency and accuracy of distributed PV systems. This provides a technical reference for the analysis and optimization of large-scale distributed PV grid-connected systems.

关键词

Keywords

references

冯玉军. 国际能源大变局下的中国能源安全[J]. 国际经济评论, 2023(1): 38-52, 4-5.

张大海, 贠韫韵, 王小君, 等. 计及风光不确定性的新能源虚拟电厂多时间尺度优化调度[J]. 太阳能学报, 2022, 43(11): 529-537.

习近平. 在第七十五届联合国大会一般性辩论上的讲话[J]. 中华人民共和国国务院公报, 2020(28): 5-7.

韩平平, 林子豪, 夏雨, 等. 大型光伏电站等值建模综述[J]. 电力系统及其自动化学报, 2019, 31(4): 39-47.

关逸飞, 王玥娇, 刘奕元, 等. 计及资源差异特性的分布式光伏与储能聚合运营优化方法[J]. 山东电力技术, 2024, 51(12): 34-43.

Chao P P, Li W X, Peng S M, et al.Fault ride-through behaviors correction-based single-unit equivalent method for large photovoltaic power plants[J]. IEEE Transactions on Sustainable Energy, 2021, 12(1): 715-726.

吕文琪, 刘子文, 董晓霄, 等. 考虑灵活性资源可调容量和响应速度的集群划分方法[J]. 电力工程技术, 2024, 43(5): 37-47.

潘学萍, 张源, 鞠平, 等. 太阳能光伏电站等效建模[J]. 电网技术, 2015, 39(5): 1173-1178.

Li F, Wang Y C, Wu F, et al.Review of real-time simulation of power electronics[J]. Journal of Modern Power Systems and Clean Energy, 2020, 8(4): 796-808.

吴峰, 戴小妹. 计及高渗透率光伏的配电网广义负荷一体化等值建模[J]. 电力自动化设备, 2020, 40(5): 1-9, 46.

Du W J, Dong W K, Wang H F, et al.Dynamic aggregation of same wind turbine generators in parallel connection for studying oscillation stability of a wind farm[J]. IEEE Transactions on Power Systems, 2019, 34(6): 4694-4705.

Chao P P, Li W X, Liang X D, et al.An analytical two-machine equivalent method of DFIG-based wind power plants considering complete FRT processes[J]. IEEE Transactions on Power Systems, 2021, 36(4): 3657-3667.

Wang L, Yuan M Y, Zhang F, et al.Risk assessment of distribution networks integrating large-scale distributed photovoltaics[J]. IEEE Access, 2019, 7: 59653-59664.

叶林, 施媛媛, 王启亨, 等. 面向暂态分析的分布式光伏集群多步分群与等值建模[J]. 电力系统自动化, 2023, 47(14): 72-81.

潘学萍, 王卫康, 黄桦, 等. 考虑机网动态交互作用的光伏场群等值建模[J]. 电力自动化设备, 2023, 43(3): 80-85, 109.

Han P P, Lin Z H, Zhang J J, et al.Equivalent modeling of photovoltaic power plant based on factor analysis and correlation clustering[J]. IEEE Access, 2019, 7: 56935-56946.

Wu H B, Zhang J J, Luo C, et al.Equivalent modeling of photovoltaic power station based on canopy-FCM clustering algorithm[J]. IEEE Access, 2019, 7: 102911-102920.

Zhang Z, Liao S Y, Sun Y Z, et al.Unified dynamic equivalent model for distributed photovoltaic generation systems with different fault-ride-through strategies[J]. IEEE Transactions on Sustainable Energy, 2023, 14(4): 2062-2078.

Øgaard M B, Frimannslund I, Riise H N, et al.Snow loss modeling for roof mounted photovoltaic systems: improving the Marion snow loss model[J]. IEEE Journal of Photovoltaics, 2022, 12(4): 1005-1013.

刘可真, 陈雪鸥, 陈镭丹, 等. 光伏发电系统动态离散等值模型研究[J]. 上海交通大学学报, 2023, 57(4): 412-421, 505.

蒋春容, 朱博汶, 周旭峰, 等. 基于分布式光伏集群控制的主动配电网电压优化策略[J]. 电力工程技术, 2025(3): 188-200.

李青. 基于注意力时间卷积神经网络的光伏功率概率预测[J]. 太阳能学报, 2025, 46(2): 326-332.

彭曙蓉, 陈慧霞, 孙万通, 等. 基于改进LSTM的光伏发电功率预测方法研究[J]. 太阳能学报, 2024, 45(11): 296-302.

高任龙, 李峰, 马天东, 等. 融合多元时间序列与TCN-BiLSTM的分布式光伏功率超短期预测研究[J]. 山东电力技术, 2025, 52(12): 38-49.

王钦, 姚伟, 艾小猛, 等. 含大规模面板级直流优化器的分布式光伏并网系统动态建模[J]. 电网技术, 2021, 45(2): 559-569.

盛万兴, 季宇, 吴鸣, 等. 基于改进模糊C均值聚类算法的区域集中式光伏发电系统动态分群建模[J]. 电网技术, 2017, 41(10): 3284-3291.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于分季节相似日聚类和Stacking集成学习的超短期光伏功率预测

基于电站聚类和TCN-QR-KDE的省级电网新能源非参数概率预测方法

考虑局部条件特征的风电功率短期预测

融合PCC-LSTM-XGBoost的中长期光伏功率预测模型

计及NWP相似日的MHA-LSTM光伏发电超短期功率预测