本發(fā)明涉及光伏發(fā)電，具體而言，尤其涉及一種基于改進模糊聚類的光伏典型場景生成方法。

背景技術：

1、為響應碳達峰、碳中和目標，積極調(diào)整能源結構，大力推動可再生能源發(fā)展，光伏等可再生能源發(fā)電大規(guī)模并入電力系統(tǒng)中。然而，由于光伏出力常表現(xiàn)出隨機性和間歇性，準確預測光伏出力對于電力系統(tǒng)的穩(wěn)定運行調(diào)控至關重要，光伏典型場景生成是提高光伏出力預測準確度的一種有效手段。

2、當前針對光伏典型場景生成的研究主要是對氣象特征進行聚類處理，進而生成典型場景，以適應光伏受天氣變化的影響。例如，通過k-means算法對光伏電站的歷史氣象數(shù)據(jù)進行快速聚類處理，建立相似出力場景；或者，使用fuzzy?c-means(fcm)聚類算法得到更加準確的相似場景下的數(shù)據(jù)集簇，分析不同場景對光伏的影響特征；或者，采用k-medoids算法對天氣數(shù)據(jù)和出力序列進行聚類劃分，匹配光伏在未來時段的典型場景。

3、但是上述聚類方法通常是采用歐氏距離來度量樣本間的相似性，未能充分考慮不同氣象因素對氣象數(shù)據(jù)樣本間距離的影響；此外，聚類過程中的聚類數(shù)需要人為選定，引入了操作誤差；而且，模糊聚類在聚類過程中雖然聚類準確度較高，但是選取初始聚類中心的所需時間長。

技術實現(xiàn)思路

1、根據(jù)上述提出的技術問題，提供一種基于改進模糊聚類的光伏典型場景生成方法。本發(fā)明主要基于馬氏距離計算氣象數(shù)據(jù)向量樣本間距離；選用劃分熵指數(shù)為準則函數(shù)，進行不同聚類數(shù)的k均值聚類，選取最優(yōu)聚類數(shù)；基于最優(yōu)聚類數(shù)和k均值聚類方法，聚類迭代選取初始聚類中心；利用模糊聚類方法，聚類迭代生成光伏典型場景。

2、本發(fā)明采用的技術手段如下：

3、一種基于改進模糊聚類的光伏典型場景生成方法，包括：

4、s1、獲取光伏電站的歷史數(shù)據(jù)并進行預處理，得到歷史數(shù)據(jù)集合；

5、s2、選取直接輻照度、散射輻照度和溫度數(shù)據(jù)作為聚類對象，構建氣象數(shù)據(jù)向量集合；

6、s3、基于馬氏距離，計算數(shù)據(jù)向量樣本間的距離；

7、s4、選用劃分熵指數(shù)為準則函數(shù)，以不同的聚類數(shù)進行k均值聚類，計算各聚類數(shù)下聚類結果的劃分熵指數(shù)，尋找典型場景生成的最優(yōu)聚類數(shù)；

8、s5、基于最優(yōu)聚類數(shù)和k均值聚類方法選取初始聚類中心；

9、s6、由模糊聚類方法對初始聚類中心進行迭代，進而生成光伏典型場景。

10、進一步地，步驟s3中，計算數(shù)據(jù)向量樣本間的距離的計算公式如下：

11、

12、其中，xa、xb(a≠b)為氣象數(shù)據(jù)，m是x的協(xié)方差矩陣。

13、進一步地，步驟s4中，計算各聚類數(shù)下聚類結果的劃分熵指數(shù)的計算公式如下：

14、

15、其中，pe表示劃分熵指數(shù)，nb為氣象數(shù)據(jù)向量數(shù)，為在聚類數(shù)為k的情況下，氣象數(shù)據(jù)j隸屬于第i個聚類中心的隸屬度。

16、進一步地，步驟s4，在第t次迭代時，具體包括：

17、s41、初始化聚類參數(shù)：聚類數(shù)為k，給定最大聚類數(shù)kmax，迭代次數(shù)為0，聚類中心集合為空集，聚類中心集合的元素數(shù)為0；

18、s42、從氣象數(shù)據(jù)向量集合中選取任一元素，將選取的元素加入聚類中心集合，聚類中心集合的元素數(shù)+1，將選取的元素從氣象數(shù)據(jù)向量集合剔除；

19、s43、遍歷氣象數(shù)據(jù)向量集合的元素，計算每個元素與選取的元素的馬氏距離，得到第一馬氏距離組；

20、s44、選取第一馬氏距離組中的最大值，將最大值對應的元素從氣象數(shù)據(jù)向量集合剔除并加入聚類中心集合，聚類中心集合的元素數(shù)+1；

21、s45、判斷聚類中心集合的元素數(shù)是否小于聚類中心數(shù)，若小于，返回步驟s43；若大于等于，則執(zhí)行步驟s46；

22、s46、計算聚類中心集合的元素與氣象數(shù)據(jù)向量集合的元素的馬氏距離，得到第二馬氏距離組，對第二馬氏距離組求和得到第t次迭代馬氏距離值；

23、s47、判斷第t次迭代馬氏距離值與第t-1次迭代馬氏距離值之差的絕對值是否小于等于閾值，若大于閾值，則進入第t+1次迭代；若小于等于閾值，則迭代結束，輸出聚類中心集合和對應出力數(shù)據(jù)向量集合作為該聚類數(shù)的初始聚類中心；

24、s48、根據(jù)上述聚類結果，計算各聚類數(shù)下聚類結果的劃分熵指數(shù)；

25、s49、計算聚類數(shù)不同取值時的曲率，當曲率最大時，對應的聚類數(shù)為最優(yōu)聚類數(shù)：

26、s410、基于上述最優(yōu)聚類數(shù)，返回執(zhí)行步驟s41，計算最優(yōu)聚類數(shù)下的聚類結果。

27、進一步地，步驟s5，在第t次迭代時，具體包括：

28、s51：初始化聚類參數(shù)：聚類中心數(shù)為kbest，迭代次數(shù)為0，模糊加權系數(shù)m＝2；

29、s52：根據(jù)上述初始聚類中心，計算聚類中心元素于此聚類中心的隸屬度，得到隸屬度矩陣；

30、s53：更新聚類中心；

31、s54：判斷第t次迭代馬氏距離值與第t-1次迭代馬氏距離值之差的絕對值是否小于等于閾值，若大于閾值，則進入第t+1次迭代；若小于等于閾值，則迭代結束，輸出聚類中心集合和氣象數(shù)據(jù)向量集合，輸出結果作為光伏典型場景。

32、進一步地，步驟s1中，對獲取的光伏電站的歷史數(shù)據(jù)進行預處理，具體包括：

33、尋找數(shù)據(jù)中的異常數(shù)據(jù)，剔除偏差數(shù)據(jù)，補全缺失數(shù)據(jù)。

34、較現(xiàn)有技術相比，本發(fā)明具有以下優(yōu)點：

35、1、本發(fā)明提供的一種基于改進模糊聚類的光伏典型場景生成方法，從多維歷史數(shù)據(jù)中選取直接輻照度、散射輻照度、溫度數(shù)據(jù)作為聚類對象，提出改進模糊聚類方法生成光伏典型場景。

36、2、本發(fā)明提供的一種基于改進模糊聚類的光伏典型場景生成方法，基于馬氏距離計算氣象數(shù)據(jù)樣本間距離，減少了不同物理量對計算樣本間距離的影響。

37、3、本發(fā)明提供的一種基于改進模糊聚類的光伏典型場景生成方法，選取劃分熵指數(shù)為準則函數(shù)，進行不同聚類數(shù)的k均值聚類，尋找最優(yōu)聚類數(shù)，避免了聚類過程中的主觀誤差。

38、4、本發(fā)明提供的一種基于改進模糊聚類的光伏典型場景生成方法，基于最優(yōu)聚類數(shù)和k均值聚類，迭代生成初始聚類中心，降低了模糊聚類方法選取初始聚類中心的時間.

39、5、本發(fā)明提供的一種基于改進模糊聚類的光伏典型場景生成方法，根據(jù)模糊聚類方法聚類迭代初始聚類中心，生成光伏典型場景，得到的典型場景結果可為電力系統(tǒng)調(diào)控提供參考，提升可再生能源的消納水平，進而增加電力系統(tǒng)調(diào)度能力。

40、基于上述理由本發(fā)明可在光伏發(fā)電等領域廣泛推廣。

技術特征：

1.一種基于改進模糊聚類的光伏典型場景生成方法，其特征在于，包括：

2.根據(jù)權利要求1所述的一種基于改進模糊聚類的光伏典型場景生成方法，其特征在于，步驟s3中，計算數(shù)據(jù)向量樣本間的距離的計算公式如下：

3.根據(jù)權利要求1所述的一種基于改進模糊聚類的光伏典型場景生成方法，其特征在于，步驟s4中，計算各聚類數(shù)下聚類結果的劃分熵指數(shù)的計算公式如下：

4.根據(jù)權利要求1所述的一種基于改進模糊聚類的光伏典型場景生成方法，其特征在于，步驟s4，在第t次迭代時，具體包括：

5.根據(jù)權利要求1所述的一種基于改進模糊聚類的光伏典型場景生成方法，其特征在于，步驟s5，在第t次迭代時，具體包括：

6.根據(jù)權利要求1所述的一種基于改進模糊聚類的光伏典型場景生成方法，其特征在于，步驟s1中，對獲取的光伏電站的歷史數(shù)據(jù)進行預處理，具體包括：

技術總結
本發(fā)明提供一種基于改進模糊聚類的光伏典型場景生成方法，首先獲取光伏電站的歷史數(shù)據(jù)并進行預處理，獲得歷史數(shù)據(jù)集合；然后選取直接輻照度、散射輻照度和溫度數(shù)據(jù)作為聚類對象，構建氣象數(shù)據(jù)向量集合；最后提出改進模糊聚類方法生成光伏典型場景，包括：基于馬氏距離，計算數(shù)據(jù)向量樣本間的距離；選用劃分熵指數(shù)為準則函數(shù)，以不同的聚類數(shù)進行K均值聚類，計算各聚類數(shù)下聚類結果的準則函數(shù)值，尋找典型場景生成的最優(yōu)聚類數(shù)；基于上述最優(yōu)聚類數(shù)和K均值聚類方法選取初始聚類中心；由模糊聚類方法對初始聚類中心進行迭代，進而生成光伏典型場景，得到的典型場景結果可為電力系統(tǒng)調(diào)控提供參考，提升可再生能源的消納水平，進而增加電力系統(tǒng)調(diào)度能力。

技術研發(fā)人員：向川,劉祥,楊添剴
受保護的技術使用者：大連海事大學
技術研發(fā)日：
技術公布日：2025/1/9