一种基于改进FCM聚类算法的风电场等值建模方法技术

本发明专利技术涉及一种基于改进FCM聚类算法的风电场等值建模方法，其特点是：根据风速随机分布的差异性，确定风速样本对应的权值，以权值来体现样本对风电场的影响程度；在传统FCM聚类的基础上加入风速权值作为新的约束条件，减少所获聚类结果的偶然性和随机性，改进传统FCM算法对机组进行优化分群；划分并剔除异常数据机组；以改进FCM聚类算法结合尾流效应，减少尾流所造成的风机输出功率不同造成的影响，提高等值的精度，增加模型的普适性。其方法科学合理，适用性强，效果佳。

【技术实现步骤摘要】
一种基于改进FCM聚类算法的风电场等值建模方法
本专利技术属于风电场等值建模领域，涉及一种基于改进FCM聚类算法的风电场等值建模方法。
技术介绍
随着不断扩大的风电场规模，风电在电网中所占比例不断提高，考虑由于大型风电场中风电机组电力系统模型的数量及复杂度高，潮流计算量大，难以满足运行时简便计算的要求等特点，对风电场进行准确合理地等值优化建模已经成为风电在电力系统中仿真研究的关键。大型风电场内各风电机组的输出功率随着风速不断变化，由于风电机组所处环境的地形地貌、位置地理分布、气候温差等因素，导致风电场内某一具体时刻风速分布不均匀、风电机组之间的运行状态存在较大差异，如果仅凭单机等值整个风电场会造成较大的误差，无法准确表征风电场的外特性，也无法准确运行风电场的状态。此时则需要使用多机等值将风电场内的风电机组进行合理分群，以少量的几台风电机组代替其余特性相同的机组建立起风电场模型。对风电场合理分群使用的方法为聚类分析，其是一种广泛的数据统计分析方法，将获得的数据样本以相近样本组成同一类别为由进行分组，在同一类别中的数据样本之间具有较高的相似度，客观合理地对大型风电场进行机组间的聚合划分。现有的基于FCM聚类算法的风电场建模方法是通过聚类将多台风机等值为少量几台，以少量风机等值整个风电场，这种方法凭借传统FCM算法聚类，存在单一的约束条件获得的聚类结果随机性较大的问题，合理性不足以支撑风场完成划分机群，且这种等值方法尚未考虑后续风电场的能量损失问题。
技术实现思路
本专利技术的目的在于克服现有技术仅通过单一约束条件得到聚类结果的随机性，且降低后续下游风机接收风速不同于上游风速所损失的风电场能量的问题，提供一种科学合理，适用性强，效果佳基于改进FCM聚类算法的风电场等值建模方法。解决本专利技术目的采用的技术方案是：一种基于改进FCM聚类算法的风电场等值建模方法，其特征是，它包括以下步骤：1)根据风速随机分布的差异性，确定风速样本对应的权值首先考虑风速的差异性，采用Weibull分布函数对风速的概率分布进行分析，以风速分布函数作为风速样本对应的权值，风速分布函数F(v)如式(1)：式中x1为位置参数，表示分布曲线的起始位置，α(>0)为形状参数，表示曲线的形状，β(>0)为尺度参数，v为风速样本；2)在传统FCM聚类的基础上加入风速权值作为新的约束条件在传统FCM聚类算法的基础上加入权值进行优化算法，以隶属度-权值构成多条件约束，设数据集为X，将实测的风速数据样本集合划分成不同的p类，对应的就有p个类中心，其目标函数定义为式(2)：式中，vj是每个风速样本的数值，xq，其中q＝1,2...n，是给每个样本vj分配的权值，体现了样本对目标函数的影响程度，vcenter_m是第m个聚类中心点风速，umj是风速样本的隶属度，c是一个隶属度的因子，||vj-vcenter_m||2表示第j个样本与第m类中心之间的欧式距离；隶属度umj和权值xq的约束条件为式(3)：式(3)表明：每一类模糊集不可能是空集合，即总有样本不同程度的隶属于某类，且每个样本属于各类的隶属度之和为1，权值xq则满足乘积为1的约束条件；隶属度umj的目标函数极值为式(4)：对变量vcenter_m求导数，得风速样本的聚类中心值vcenter_m迭代为式(5)：通过式(2)-(5)对传统FCM聚类方法进行改进，获得新的约束条件；3)划分并剔除异常数据机组通过采集风场机组中的风速-功率数据样本作为聚类指标，经过更新隶属度和聚类中心的迭代计算，当小于某个确定的阈值或相对上次函数值的改变小于某个阈值时算法停止，确定各聚类中心后剔除异常风机数据，剔除原则如式(6)：由改进后的式(2)-式(5)对风电场整场进行聚类，划分数据进入最近的聚类中心，以基于风速随机分布模型的改进FCM聚类算法对风电机组进行最优聚类分群，剔除不符合式(6)的异常机组，减少误差；4)以改进FCM聚类算法结合尾流效应通过改进的FCM聚类模型能够得到由聚类中心数目决定的聚类分群，由风速样本的聚类中心值迭代公式可知聚类分群中心值，通过相距最短的原则识别出最近的几组等效数据，以识别出的数据结合尾流效应模型获得等效输出功率，所得等效风速veq_m如式(7)：风电机的等效输出功率Peq_m如式(8)：以改进FCM聚类算法结合尾流效应得到的等效风速和等效功率如式(7)和式(8)所示，将实测数据代入式(7)和式(8)后得到改进FCM聚类的等效风速和等效功率值。本专利技术的有益效果体现在：1.在风速随机分布模型基础上加入样本权值，以权值来体现样本对风电场的影响程度，为风电场内机组的优化分群提供基础；2.以实测风速-功率数据为聚类指标，并以隶属度-权值构成多条件为约束，多条件聚合约束让算法更具准确性；3.通过改进传统FCM算法对风电场内机组进行聚类分群，根据距离寻优原则剔除异常机组，优化了等值建模的输入样本；4.在FCM优化聚类的前提下，考虑尾流效应对不同位置风机的影响，结合尾流效应搭建了风电场的等值模型，减少尾流所造成的风机输出功率不同引起的影响，提高等值的精度，增加模型的适用性；5.方法科学合理，适用性强，效果佳。附图说明图1是本专利技术的基于随机模型的FCM聚类算法结果示例图；图2是本专利技术的尾流效应模型示意图；图3是本专利技术的基于改进FCM聚类算法的等效风速仿真示意图；图4是本专利技术的基于改进FCM聚类算法的等效功率仿真示意图；图5是本专利技术的改进FCM聚类算法与尾流效应的误差比较图。具体实施方式以上仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，以下结合附图与具体实施方式对本专利技术作进一步的详细说明。本专利技术的一种基于改进FCM聚类算法的风电场等值建模方法，包括以下步骤：1)根据风速随机分布的差异性，确定风速样本对应的权值首先考虑风速的差异性，采用Weibull分布函数对风速的概率分布进行分析，以风速分布函数作为风速样本对应的权值，风速分布函数F(v)如式(1)：式中x1为位置参数，表示分布曲线的起始位置，α(>0)为形状参数，表示曲线的形状，β(>0)为尺度参数，v为风速样本。2)在传统FCM聚类的基础上加入风速权值作为新的约束条件在传统FCM聚类算法的基础上加入权值进行优化算法，以隶属度-权值构成多条件约束，设数据集为X，把实测的风速数据样本划分成不同的p类，对应的就有p个类中心，其目标函数定义为式(2)：式中，vj是每个风速样本的数值，xq，其中q＝1,2...n，是给每个样本vj分配的权值，体现了样本对目标函数的影响程度，vcenter_m是第m个聚类中心点风速，umj是风速样本的隶属度本文档来自技高网...

【技术保护点】
1.一种基于改进FCM聚类算法的风电场等值建模方法，其特征是，它包括以下步骤：/n1)根据风速随机分布的差异性，确定风速样本对应的权值/n首先考虑风速的差异性，采用Weibull分布函数对风速的概率分布进行分析，以风速分布函数作为风速样本对应的权值，风速分布函数F(v)如式(1)：/n

【技术特征摘要】
1.一种基于改进FCM聚类算法的风电场等值建模方法，其特征是，它包括以下步骤：
1)根据风速随机分布的差异性，确定风速样本对应的权值
首先考虑风速的差异性，采用Weibull分布函数对风速的概率分布进行分析，以风速分布函数作为风速样本对应的权值，风速分布函数F(v)如式(1)：



式中x1为位置参数，表示分布曲线的起始位置，α(>0)为形状参数，表示曲线的形状，β(>0)为尺度参数，v为风速样本；
2)在传统FCM聚类的基础上加入风速权值作为新的约束条件
在传统FCM聚类算法的基础上加入权值进行优化算法，以隶属度-权值构成多条件约束，设数据集为X，把实测的风速数据样本集合划分成不同的p类，对应的就有p个类中心，其目标函数定义为式(2)：



式中，vj是每个风速样本的数值，xq，其中q＝1,2...n，是给每个样本vj分配的权值，体现了样本对目标函数的影响程度，vcenter_m是第m个聚类中心点风速，umj是风速样本的隶属度，c是一个隶属度的因子，||vj-vcenter_m||2表示第j个样本与第m类中心之间的欧式距离；
隶属度umj和权值xq的约束条件为式(3)：



式(3)表明：每一类模糊集不可能是空集合，即总有样本不同程度的隶属于某类，且每个样本属于各类的隶属度之和为1，权值xq则满足乘积为1的约束条件；
隶属度u...

【专利技术属性】
技术研发人员：唐坚，蔡婷婷，苏建涛，郑书婷，张薇，熊国专，严干贵，郑泽名，冯江哲，张博，
申请(专利权)人：龙源北京风电工程技术有限公司，东北电力大学，
类型：发明
国别省市：北京;11