能源互联网能量分散协同控制方法.pdf

《能源互联网能量分散协同控制方法.pdf》由会员分享，可在线阅读，更多相关《能源互联网能量分散协同控制方法.pdf（12页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010535164.X (22)申请日 2020.06.12 (71)申请人 四川华泰电气股份有限公司 地址 629000 四川省遂宁市经济开发区玉 龙路3777号 (72)发明人 谢伟明阳阳曹军威杨洁 刘建华 (74)专利代理机构 成都中玺知识产权代理有限 公司 51233 代理人 邢伟熊礼 (51)Int.Cl. G05B 13/04(2006.01) (54)发明名称 一种能源互联网能量分散协同控制方法 (57)摘要 本发明提供了一种能源互联网能量分散协 同控制方法，。

2、 所述方法包括： 对能源互联网中的 节点进行位置分区， 以获得多个区域； 分别统计 所述多个区域中的每个区域内的能量生产和消 费情况， 然后基于分布式平均的能源互联网分布 式能源共享算法确定为实现网络整体供需平衡 所述多个区域中各个区域间需要传输或交换的 能量大小； 各个区域根据本区域的能量生产和消 费情况， 结合与相邻区域的能量交换大小， 通过 滑模超螺旋算法实现区域内未来一段时间的能 量供需动态平衡。 通过本发明的方法， 可以实现 网络的整体供需平衡， 保证网络能量的鲁棒控 制， 实现网络的动态稳定。 权利要求书2页 说明书7页 附图2页 CN 111487873 A 2020.08.04。

3、 CN 111487873 A 1.一种能源互联网能量分散协同控制方法， 其特征在于， 所述方法包括： 步骤1、 对能源互联网中的节点进行位置分区， 以获得多个区域； 步骤2、 分别统计所述多个区域中的每个区域内的能量生产和消费情况， 然后基于分布 式平均的能源互联网分布式能源共享算法确定为实现网络整体供需平衡所述多个区域中 各个区域间需要传输或交换的能量大小； 步骤3、 各个区域根据本区域的能量生产和消费情况， 结合与相邻区域的能量交换大 小， 通过滑模超螺旋算法实现区域内未来一段时间的能量供需动态平衡。 2.根据权利要求1所述的能源互联网能量分散协同控制方法， 其特征在于， 所述步骤3 中。

4、的滑模超螺旋算法通过式1能够使得各个节点的s在有限时间到零， 从而实现实际交换能 量与需要交换能量大小一致， 所述式1为： ， 其中， 以所述本区域内各个节点需要交换的能量大小与实际交换能量的差定为s， s作 为滑模面，是系统与控制律， 表示不可微的不确定性参数， 表示控制输入参数，与 为控制器参数， sgn表示符号函数。 3.根据权利要求1所述的能源互联网能量分散协同控制方法， 其特征在于， 所述方法通 过基于区域对称性的能源互联网聚类方法来实现所述步骤1， 所述能源互联网聚类方法包 括以下步骤： 获得具有二维属性的待聚类能源互联网对象， 设定聚类数范围； 以聚类数范围中的每个聚类数分别对所。

5、述待聚类能源互联网对象进行预聚类， 对应得 到多个聚类结果； 计算所述多个聚类结果对应的区域对称性， 并根据区域对称性确定目标聚类数； 以目标聚类数和该目标聚类数下的聚类结果作为最终聚类结果， 以所述最终聚类结果 进行分区， 获得所述多个区域。 4.根据权利要求3所述的能源互联网能量分散协同控制方法， 其特征在于， 所述计算多 个聚类结果对应的区域对称性的步骤包括： 对所述多个聚类结果中的每个聚类结果， 以该 聚类结果的一维度属性的平均值与中位值的归一化距离作为第一维度属性对称性指标， 并 以该聚类结果的另一维度属性的平均值与中位值的归一化距离作为第二维度属性对称性 指标， 联合考虑第一维度属。

6、性对称性指标和第二维度对称性指标确定整体对称性指标， 以 所述整体对称性指标来表示该聚类结果的区域对称性。 5.根据权利要求4所述的能源互联网能量分散协同控制方法， 其特征在于， 所述根据区 域对称性确定目标聚类数的步骤以具有最优的整体对称性指标的聚类结果的聚类数作为 所述目标聚类数。 权利要求书 1/2 页 2 CN 111487873 A 2 6.根据权利要求4所述的能源互联网能量分散协同控制方法， 其特征在于， 所述根据区 域对称性确定目标聚类数的步骤以加权和的形式综合考虑整体对称性指标和除区域对称 性外的其它判断属性， 以确定所述目标聚类数。 7.根据权利要求46中任意一项所述的能源互。

7、联网能量分散协同控制方法， 其特征在 于， 所述第一维度属性对称性指标和第二维度属性对称性指标分别通过式2和式3得到， 所述式2为： ， 为第一维度属性对称性指标， x为第一维度属性，为第一维度属性的 平均值，为第一维度属性的中值，函数为第一维度属性的取值范围总体 长度，为第一维度属性值的数目； 所述式3为： ， 为第二维度属性对称性指标， y为第二维度属性，为第二维度属性的 平均值，为第二维度属性的中值，函数为第二维度属性的取值范围总体 长度，为第二维度属性值的数目。 8.根据权利要求7所述的能源互联网能量分散协同控制方法， 其特征在于， 所述整体对 称性指标通过式4得到， 且整体对称性指标。

8、越小， 则区域对称性越好， 其中， 式4从以下三式 中选择一个： ， 其中，为整体对称性指标。 9.根据权利要求7所述的能源互联网能量分散协同控制方法， 其特征在于， 所述整体对 称性指标通过式5得到， 且整体对称性指标越接近1， 则区域对称性越好， 其中， 所述式5为： ， 其中，为整体对称性指标。 10.根据权利要求3所述的能源互联网能量分散协同控制方法， 其特征在于， 所述获得 具有二维属性的待聚类能源互联网对象的步骤包括： 对具有不少于三维属性的待聚类能源 互联网对象进行主成分分析以将其降至具有二维属性。 权利要求书 2/2 页 3 CN 111487873 A 3 一种能源互联网能量。

9、分散协同控制方法 技术领域 0001 本发明属于能源管理领域， 尤其涉及一种应用于能源互联网电力生产和消费平衡 目标中， 基于自适应聚类、 分布式平均和滑模控制， 实现该场景下用户和网络的供用电动态 平衡的控制方法。 背景技术 0002 能源互联网是目前最先进的能源系统， 基于泛在、 高效的信息通信基础设施和开 放、 共享的互联网理念， 结合物联网技术与信息物理融合系统， 能源互联网能够实现源-网- 荷-储的整体协调， 并通过能源梯级利用和多能互补， 最大化能源利用效率， 大幅降低能源 生产和消费成本， 促进环境保护和降低废气排放， 为社会和谐发展和人类幸福生活提供坚 实的能源保障。 0003。

10、 随着社会和经济的发展， 能量消费需求越来越大， 负荷设备种类和负荷容量快速 增加； 同时各类分布式能源生产占比逐渐加重； 导致电力网络， 特别是能源互联网运行时动 态随机波动性大大增加， 给网络平稳运行带来不利影响， 甚至造成崩溃； 为保证系统平稳运 行， 能源互联网系统的能量平衡要求也越来越严苛， 既需要实时控制以实现网络动态瞬时 平衡， 也需要长期规划实现电网长期总体供需平衡。 发明内容 0004 本发明的目的在于解决现有技术存在的上述不足中的至少一项。 例如， 本发明的 目的之一在于提供一种既有利于实时控制以促进网络动态瞬时平衡， 也有利于长期规划以 促使电网长期总体供需平衡的方法。 。

11、0005 为了实现上述目的， 本发明提供了一种能源互联网能量分散协同控制方法， 所述 方法包括： 步骤1、 对能源互联网中的节点进行位置分区， 以获得多个区域； 步骤2、 分别统计 所述多个区域中的每个区域内的能量生产和消费情况， 然后基于分布式平均的能源互联网 分布式能源共享算法确定为实现网络整体供需平衡所述多个区域中各个区域间需要传输 或交换的能量大小； 步骤3、 各个区域根据本区域的能量生产和消费情况， 结合与相邻区域 的能量交换大小， 通过滑模超螺旋算法实现区域内未来一段时间的能量供需动态平衡。 0006 与现有技术相比， 本发明的有益效果包括以下内容中的至少一项： 在对能源互联 网进。

12、行分区的基础上， 通过宏观的分布式平均控制和局域的滑模控制， 能够保证一定时间 内， 整个网络的供需平衡， 为网络鲁棒、 平稳运行提供保证； 能够根据能量平衡的具体要求 自适应确定分区大小， 从而带来控制算法时间和空间复杂度 （基于并行计算） 的改变。 附图说明 0007 图1示出了本发明的能源互联网能量分散协同控制方法的一个示例性实施例的流 程示意图。 0008 图2示出了本发明的能源互联网能量分散协同控制方法的一个示例性实施例中实 说明书 1/7 页 4 CN 111487873 A 4 施的滑模控制示意图。 具体实施方式 0009 在下文中， 将结合附图和示例性实施例来详细说明本发明的能。

13、源互联网能量分散 协同控制方法。 0010 经研究， 发明人表示： 在空间维度， 能源互联网系统的能量供需平衡分为两个层 次， 一是区域间的能量宏观平衡； 二是区域内的能量微观平衡。 在本发明的能源互联网能量 分散协同控制方法中， 前者可以以分布式平均的方式实现， 后者则可以通过滑模控制算法 实现， 并且二者可以通过网络分区的方式调整各自的复杂度， 实现协同控制。 也就是说， 本 发明提出了一种基于区域分区、 分布式平均和滑模控制的能源互联网能量平衡方法， 既可 以满足网络能量平衡的时间复杂度需求， 也可以满足空间复杂度需求。 0011 实施例1 图1示出了本发明的能源互联网能量分散协同控制方。

14、法的一个示例性实施例的流程示 意图。 0012 如图1所示， 在本发明的一个示例性实施例中， 能源互联网能量分散协同控制方法 可通过以下的步骤1至3来实现。 0013 步骤1、 对能源互联网中的节点进行位置分区， 以获得多个区域。 0014 例如， 可通过基于区域对称性的能源互联网聚类方法来实现所述步骤1。 然而， 本 发明不限于此， 例如， 还可采用其它合适的节点聚类算法。 0015 在步骤1中， 能源互联网内的节点可包括能量产生节点、 能量消费节点和能量转换 节点， 以及前三种类型节点的组合 （可称为复合型节点） 。 0016 所述步骤1还可包括在进行位置分区并获得多个区域后， 在每个区域。

15、中确定一个 代理节点， 该代理节点可用于区域间的能量交互控制和区域内的能量管理。 0017 此外， 为了更好的实现步骤1， 可预先获得当前能源互联网网络拓扑和拓扑相关电 力数据 （连接矩阵、 发电和负载功率、 线路功率容量或线路传输效率等） 以及拓扑范围内相 关节点一定时间范围内的能源生产和消费数据 （及对该类数据未来一段时间的预测值） 。 根 据网络拓扑和拓扑相关电力数据， 对能源互联网进行位置聚类， 将其分为若干相互连接但 互不交叉的区域， 统计各个区域总的能源生产能力和消费需求。 0018 步骤2、 分别统计各个区域中的每个区域内的能量生产和消费情况， 然后基于分布 式平均的能源互联网分。

16、布式能源共享算法， 确定为实现网络整体供需平衡， 各个区域彼此 之间需要传输或交换的能量大小 （或称区域边界能量传输条件） 。 0019 这里， 基于分布式平均的能源互联网分布式能源共享算法属于发明人团队于2018 年11月3日发表的名称为Distributed Energy Sharing in Energy Internet Through Distributed Averaging的文章中的内容。 0020 基于分布式平均的能源互联网分布式能源共享算法如下： 步骤2-1， 对于每个区域， 可以以其中的单个设备或一定大小的设备区域为节点， 统计 每个节点的能源需求数据和能源生产数据， 计算。

17、相应节点的能源冗余度， 所述能源冗余度 为节点能源生产值-节点能源需求值。 0021 步骤2-2， 基于分布式平均算法， 计算网络能源冗余度的整体平均值。 说明书 2/7 页 5 CN 111487873 A 5 0022 步骤2-3， 根据网络能源冗余度平均值的大小和符号， 修改指定节点的能源生产值 （对应的能源冗余度） 。 0023 步骤2-4， 对能源冗余度重新进行分布式平均， 重复步骤2-2和2-3， 直到网络平均 能源冗余度达到0。 0024 基于步骤2-2， 分布式平均算法可采用快速gossip算法， 在网络中随机选择一个节 点， 确定其一跳邻居内与其差值最大的节点并在二者之间实现。

18、平均， 同时记录节点间为实 现平均需要传输的数据大小和方向 （并在迭代结束时进行累加统计） 。 不断迭代直到实现全 网节点达到一致状态， 即实现每个节点达到全网均值。 0025 基于步骤2-3， 当初次计算的网络能源冗余度整体平均值小于0时， 需要从系统外 （主干电网） 引入额外的能源。 0026 基于步骤2-3， 指定节点为初始能源冗余度大于0的节点， 修改的能源生产值不应 大于能源生产值的上限， 能源改变的值的符号应与能源冗余度的值的符号相反。 0027 步骤3、 各个区域根据本区域的能量生产和消费情况， 结合与相邻区域的能量交换 大小， 通过滑模超螺旋算法 （或称滑模控制） 实现区域内未。

19、来一段时间的能量供需动态平 衡。 0028 基于步骤3， 所用滑模超螺旋算法如下： 对于所述多个区域中的一个确定的区域而言， 该区域内各个节点需要交换的能量大小 与实际交换能量的差定为s， s作为滑模面， 采用高阶滑模超螺旋算法， 是二阶滑模控制方法 中唯一连续和唯一适用于系统对滑模面相对阶为1的系统的方法， 控制过程中只需要滑模 面的信息， 就可以实现滑模面及其导数同时到达零点， 其定义如下面的式 （1） ： （1） 其中，是系统与控制律， 表示不可微的不确定性参数， 表示控制输入参数，与 为控制器参数，取决于系统不确定性的界， 可实现有限时间稳定， sgn表示符号函数。 0029 此算法可。

20、以使得各个节点的s在有限时间到零， 即实际交换能量与需要交换能量 大小一致。 该算法具有快速性和鲁棒性。 0030 图2示出了本发明的能源互联网能量分散协同控制方法的一个示例性实施例中实 施的滑模控制示意图。 图2中， x1表示滑模面s， x2表示滑模面s的导数。 图2示意性地显示了 步骤3中的滑模控制的一个轨迹示意图， 根据算法， 轨迹最终趋近于0值， 表示达到稳定状 态。 0031 此外， 对于本示例性实施例而言， 所述能源互联网能量分散协同控制方法还可基 于步骤1、 2和3， 定期进行迭代。 此外， 所述方法还可以根据复杂度要求对步骤1中分区所得 到的区域的大小进行选取。 说明书 3/7。

21、 页 6 CN 111487873 A 6 0032 此外， 在本示例性实施例的方法中， 位置分区可集中控制， 分布式平均既可以进行 集中控制也可以分布式控制， 滑模算法在每个区域中独立集中控制， 并在区域间实现并行 运行。 0033 实施例2 在本发明的另一个示例性实施例中， 能源互联网能量分散协同控制方法可采用与上述 示例性实施例基本相同的方法进行， 不同之处在于， 通过基于区域对称性的能源互联网聚 类方法来实现所述步骤1。 0034 这里， 基于区域对称性的能源互联网聚类方法可包括以下步骤： 步骤A： 获取待聚类能源互联网对象， 设定聚类数范围。 0035 具体来讲， 获得具有二维属性的。

22、待聚类能源互联网对象。 待聚类能源互联网对象 可以为能源互联网的能源生产节点和/或消费节点、 以及管理节点等等。 对具有属性维度超 过二维的待聚类能源互联网对象而言， 可通过对其进行主成分分析的方式进行降维， 以将 其降至具有二维属性。 例如， 本实施例的方法， 可以假定聚类对象位于一个二维平面中， 即 基于对象的二维属性值进行聚类。 对于多维属性的对象而言， 聚类处理前可以通过主成分 分析方法降低维度， 从而本实施例的方法可以很容易的扩展到多维属性聚类处理中。 0036 随后针对待聚类对象， 设置聚类数范围。 例如， 可以将聚类数设置为2到N， N属于大 于2的自然数。 对于聚类数范围的设定。

23、可人为设定， 也可根据对相关系统实际性能要求估计 而设定。 0037 步骤B： 预聚类， 以得到多个聚类结果。 0038 以步骤1中的聚类数范围中的每个聚类数分别对待聚类能源互联网对象进行预聚 类， 从而得到相对应的多个聚类结果。 例如， 预聚类的过程可包括初始位置选取、 中心位置 计算和聚类范围计算相迭代的过程， 当迭代收敛或达到预定次数时， 获得聚类结果。 例如， 预聚类可以为k均值 （k-means） 聚类、 模糊 （fuzzy） 聚类等。 0039 步骤C： 考量区域对称性， 确定目标聚类数。 0040 对于步骤B所获得的多个聚类结果而言， 每个聚类结果均对应一个已知的聚类数 和一个待。

24、确定的区域对称性 （例如， 整体对称性指标） 。 针对每个聚类结果， 均可通过计算确 定区域对称。 具体来讲， 对于每个聚类结果而言， 可以用该聚类结果的一维度属性的平均值 与该维度属性的中位值的归一化距离作为第一维度属性对称性指标； 并以该聚类结果的另 一维度属性的平均值与该另一维度属性的中位值的归一化距离作为第二维度属性对称性 指标； 通过选取最大值、 加和、 乘积或比值等方式联合考虑第一维度属性对称性指标和第二 维度对称性指标， 从而确定整体对称性指标， 并以所述整体对称性指标来表示该聚类结果 的区域对称性。 0041 例如， 对于每个聚类结果而言， 其整体对称性指标可通过以下方式获得：。

25、 第一维度属性对称性指标和第二维度属性对称性指标分别通过式 （2） 和式 （3） 得到。 0042（2） 其中，为第一维度属性对称性指标， x为第一维度属性，为第一维度 属性的平均值，为第一维度属性的中值，函数为第一维度属性的取值范 围总体长度，为第一维度属性值的数目。 说明书 4/7 页 7 CN 111487873 A 7 0043（3） 其中，为第二维度属性对称性指标， y为第二维度属性，为第二维度 属性的平均值，为第二维度属性的中值，函数为第二维度属性的取值范 围总体长度，为第二维度属性值的数目。 0044 随后， 整体对称性指标可通过式 （4） 得到， 且整体对称性指标越小， 则区域。

26、对称性 越好。 也就是说， 可用具有最小的整体对称性指标的聚类结果对应的聚类数作为所述目标 聚类数。 其中， 式 （4） 可从以下三式中任意选择一个： （4） 其中，为整体对称性指标。 0045 此外， 整体对称性指标也可通过式 （5） 得到， 且整体对称性指标越接近1， 则区域对 称性越好。 也就是说， 在不等于零的情况下， 可以用具有最接近1的整体对称性指 标的聚类结果对应的聚类数作为所述目标聚类数。 0046（5） 其中，为整体对称性指标。 0047 随后， 从每个聚类结果所对应的整体对称性指标构成的集合中， 选择出最优的整 体对称性指标对应的聚类结果， 以这个聚类结果的聚类数作为目标聚。

27、类数。 0048 步骤D： 通过目标聚类数确定最终聚类结果， 以所述最终聚类结果进行分区， 获得 所述多个区域。 0049 以步骤C确定的目标聚类数和该目标聚类数下的聚类结果作为最终聚类结果， 从 而针对能源互联网的诸如能源生产节点、 消费节点和/或管理节点等等待聚类能源互联网 对象， 在考虑区域对称性的情况下， 获得聚类性能更优的聚类结果， 进而为后续的分析和策 略生成奠定基础， 也能进一步提升客户服务质量、 提高产品营销效率和保证系统鲁棒、 平稳 运行， 充分体现能源互联网的优越性。 0050 实施例3 在本发明的另一个示例性实施例中， 能源互联网能量分散协同控制方法可采用与实施 例2基本。

28、相同的方法进行， 不同之处在于， 所述基于区域对称性的能源互联网聚类方法可采 用实施例2的步骤A和步骤B， 获得多个聚类结果； 然后通过以下步骤C 和步骤D 实现基于区 域对称性的能源互联网聚类。 0051 步骤C ： 综合考量区域对称性和其它判断属性， 以确定目标聚类数。 0052 对于步骤B所获得的多个聚类结果而言， 每个聚类结果均对应一个已知的聚类数 和一个待确定的区域对称性 （例如， 整体对称性指标） 。 针对每个聚类结果， 均可通过计算确 定区域对称。 具体来讲， 对于每个聚类结果而言， 可以用该聚类结果的一维度属性的平均值 与该维度属性的中位值的归一化距离作为第一维度属性对称性指标。

29、； 并以该聚类结果的另 一维度属性的平均值与该另一维度属性的中位值的归一化距离作为第二维度属性对称性 说明书 5/7 页 8 CN 111487873 A 8 指标； 通过选取最大值、 加和、 乘积或比值等方式联合考虑第一维度属性对称性指标和第二 维度对称性指标， 从而确定整体对称性指标， 并以所述整体对称性指标来表示该聚类结果 的区域对称性。 0053 例如， 对于每个聚类结果而言， 其整体对称性指标可通过以下方式获得： 第一维度属性对称性指标和第二维度属性对称性指标分别通过上面的式 （2） 和式 （3） 得到。 随后， 整体对称性指标可通过上面的式 （4） 或上面的式 （5） 得到。 对于。

30、式 （4） 而言， 整体 对称性指标越小， 则区域对称性越好。 对于式 （5） 而言， 在不等于零的情况下， 整体 对称性指标越接近1， 则区域对称性越好。 0054 然后， 用加权和的形式综合考虑整体对称性指标和除区域对称性外的其它判断属 性， 以得出每个聚类结果的加权判定指标。 权系数可根据对称性指标和所采用的除区域对 称性外的其它判断属性的重要性程度进行设定。 0055 随后， 从每个聚类结果所对应的加权判定指标构成的集合中， 选择出最优的加权 判定指标对应的聚类结果， 以这个聚类结果的聚类数作为目标聚类数。 0056 步骤D ： 通过目标聚类数确定最终聚类结果， 以所述最终聚类结果进行。

31、分区， 获得 所述多个区域。 0057 以步骤C 确定的目标聚类数和该目标聚类数下的聚类结果作为最终聚类结果， 从 而针对能源互联网的诸如能源生产节点、 消费节点和/或管理节点等等待聚类能源互联网 对象， 在综合考虑区域对称性和除区域对称性外的其它判断属性的情况下， 获得聚类性能 更优的聚类结果， 进而为后续的分析和策略生成奠定基础， 也能进一步提升客户服务质量、 提高产品营销效率和保证系统鲁棒、 平稳运行， 充分体现能源互联网的优越性。 0058 实施例4 在本示例性实施例中， 能源互联网能量分散协同控制方法可采用与实施例2基本相同 的方法进行， 不同之处在于， 基于区域对称性的能源互联网聚。

32、类方法可假定聚类对象位于 一个二维平面中， 即基于对象的二维属性值进行聚类； 对于多维属性的对象而言， 聚类处理 前可以通过主成分分析方法降低维度， 从而本实施例的方法可以很容易的扩展到多维属性 聚类处理中。 0059 然后， 可根据系统实际性能要求估计， 设定聚类数范围， 如2到N。 0060 接下来， 以k-means聚类算法对每个聚类数进行预聚类。 k-means聚类过程可包括 初始位置选取、 中心位置计算和聚类范围计算相迭代等过程， 当迭代收敛或达到一定次数 时， 获得最终聚类结果。 0061 随后， 以上述式 （2） 、 式 （3） 和式 （4） 或者以式 （2） 、 式 （3） 和。

33、式 （5） 计算每种聚类数目 聚类结果的区域对称性， 根据对称性选择最佳的聚类数。 0062 然后， 以对称性最佳的聚类数和该聚类数目下的最佳聚类结果为最终聚类结果， 以所述最终聚类结果进行分区， 获得所述多个区域。 0063 实施例5 在本发明的另一个示例性实施例中， 能源互联网能量分散协同控制方法可采用与实施 例2基本相同的方法进行， 不同之处在于， 基于区域对称性的能源互联网聚类方法的步骤B、 C和D存在以下不同： 在步骤B中， 对于每个聚类数， 对待聚类能源互联网对象进行多次 （例如， 3多次以上） 随 说明书 6/7 页 9 CN 111487873 A 9 机的预聚类， 例如， 每。

34、次预聚类的初始位置的选取采用随机性采样的方式， 这样对于每个聚 类数则会得到一组 （例如， 每组3个以上） 聚类结果； 在步骤C中， 从每个聚类数对应的各组聚类结果中， 以上述式 （2） 、 式 （3） 和式 （4） 或者以 式 （2） 、 式 （3） 和式 （5） ， 得出所有聚类结果的整体对称性指标， 并以这些整体对称性指标来 相应表示各个聚类结果的区域对称性。 随后， 以所有聚类结果中区域对称性最好的聚类结 果对应的聚类数作为目标聚类数。 0064 在步骤D中， 以目标聚类数和所有聚类结果中区域对称性最好的聚类结果作为最 后的聚类结果， 以所述最终聚类结果进行分区， 获得所述多个区域。 。

35、0065 综上所示， 本发明的方法能够基于电力网络节点之间的电力相关性， 对能源互联 网网络节点进行位置聚类， 形成若干能量控制区域； 在统计各个区域内相关电力特性之后 （区域能源提供能力和能源消费要求） ， 对所有区域进行分布式平均迭代算法， 得到为实现 供需平衡各个区域之间需要相互传递的能量大小和传输方向； 在各个区域内， 考虑区域自 身各个节点的能量和负荷分布， 结合区域间的能量传输大小， 通过滑模算法， 实现各个区域 的稳定性动态能量控制。 通过本发明的方法， 可以实现网络的整体供需平衡， 保证网络能量 的鲁棒控制， 实现网络的动态稳定。 0066 尽管上面已经结合示例性实施例及附图描述了本发明， 但是本领域普通技术人员 应该清楚， 在不脱离权利要求的精神和范围的情况下， 可以对上述实施例进行各种修改。 说明书 7/7 页 10 CN 111487873 A 10 图1 说明书附图 1/2 页 11 CN 111487873 A 11 图2 说明书附图 2/2 页 12 CN 111487873 A 12 。