一种乡村供用能典型场景确定方法及系统技术方案

本发明专利技术公开了一种乡村供用能典型场景确定方法及系统，采用CIW

【技术实现步骤摘要】
一种乡村供用能典型场景确定方法及系统


[0001]本专利技术属于电力系统领域，具体涉及一种乡村供用能典型场景确定方法及系统。

技术介绍

[0002]随着我国新农村建设的推行，乡村用电负荷快速增长，其能源结构将发生显著改变。在乡村振兴战略下的农业能源互联网发展与“双碳”目标的背景下，考虑乡村人民生活、农业生产、垃圾处理、等方面的需求，保持农村自然生态环境，提高农村供电能力的有效措施，实现风、光、生物质能等再生资源的高效利用，构建以可再生能源供能为主的无碳化乡村多能源系统，是未来乡村能源系统的发展方向。
[0003]大规模新能源接入导致电网中场景多元化，提高了乡村能源系统规划和调度分析的复杂性，因此需要对乡村供用能的大量场景进行削减或聚类，形成乡村供用能典型场景便于规划和调度。
[0004]目前电力系统典型场景生成方法归纳起来主要包含K
‑
means聚类、层次聚类法、密度聚类、模糊C均值聚类及场景缩减法等，不同的聚类方法其聚类结果和聚类效率不尽相同，K
‑
means聚类作为一种常见的聚类方法在电力系统典型场景生成中具有广泛应用。但传统K
‑
means聚类初始聚类中心需人为确定或随机选取，因此其聚类效果不稳定；且以均值更新的各聚类中心代替缩减后的场景集合会解耦供能场景的时间相关性，使得缩减后得到的典型场景集合不能较好的表征原始场景集合。

技术实现思路

[0005]本专利技术提供一种一种乡村供用能典型场景确定方法及系统，可以解决现有技术中的上述问题。本专利技术能用少量乡村供用能典型场景描述大量复杂性场景特征，样本聚类效果稳定，场景缩减时间短，降低计算复杂度。保证场景内供用能之间的时间相关性，使得缩减后得到的典型场景集合能较好的表征原始场景集合。
[0006]为实现上述目的，本专利技术采用的技术方案如下：
[0007]一种乡村供用能典型场景确定方法，采用CIW
‑
SPSO对乡村供用能样本集选取，后通过双尺度相似性的K
‑
means聚类算法对选取样本聚类划分类簇，最后采用同步回代消除算法从每个类簇内的样本集合中提取唯一样本，获得乡村供用能典型场景。
[0008]具体包括步骤为：
[0009]步骤1、获取乡村电力系统中风电、光伏发电、生物质能发电出力及负荷需求的数据，组成乡村供用能样本集；
[0010]步骤2、结合双尺度综合距离，运用基于Logistic映射的CIW
‑
SPSO(新型混沌简化PSO算法)选取初始聚类中心；
[0011]步骤3、利用双尺度相似性改进的K
‑
means聚类算法对乡村供用能样本集进行聚类划分；
[0012]步骤4、采用考虑概率距离的同步回代消除算法从每个类簇内的样本集合中提取
唯一样本，获得乡村供用能典型场景。
[0013]所述乡村供用能样本集为S＝{s1,s2,...,s
n
}；样本集中共n个待聚类样本，一个样本中有4m个数据点；第k天的样本为s
k
＝[W
dayk
,P
dayk
,B
dayk
,L
dayk
]＝[W
k1
,W
k2
,...,W
km
,P
k1
,P
k2
,...,P
km
,B
k1
,B
k2
,...,B
km
,L
k1
,L
k2
,...,L
km
]；其中，W
dayk
＝[W
k1
,W
k2
,...,W
km
]，P
dayk
＝[P
k1
,P
k2
,...,P
km
]，B
dayk
＝[B
k1
,B
k2
,
…
,B
km
]，L
dayk
＝[L
k1
,L
k2
,
…
,L
km
]分别对应乡村电力系统第k天m个时刻的风电、光伏、生物质能发电出力和负荷需求。
[0014]所述步骤2包括：
[0015]步骤201、输入n个待聚类样本的集合S＝{s1,s2,...,s
n
}，单个样本数据维数p＝4m，聚类中心个数k；
[0016]步骤202、初始化CIW
‑
SPSO参数和粒子；
[0017]步骤203、以粒子群中每个粒子为初始聚类中心进行聚类划分，分别计算粒子的适应度值，并记录粒子历史最优适应度值及其所对应的位置p
best.i
、粒子群全局最优适应度值及其所对应的位置g
best
；
[0018]步骤204、采用CIW(混沌惯性权重)和正弦函数学习因子，更新粒子位置；
[0019]步骤205、将更新之后的粒子位置作为新的初始聚类中心进行聚类，由聚类结果计算适应度值并记录；
[0020]步骤206、对每个粒子，比较当前适应度值与历史最优适应度值E(p
best.i
)，若则对每个粒子，比较当前适应度值与全局最优适应度值E(g
best
)，若则其中是粒子i在第t次迭代时的位置；
[0021]步骤207、当满足迭代次数条件时，停止迭代，否则转到步骤204；
[0022]步骤208、输出全局最优适应度值对应的位置g
best
，将其所包含的k个样本点作为初始聚类中心。
[0023]所述步骤202中，初始化的CIW
‑
SPSO参数包括：粒子种群规模N，粒子的维数k，参数ω1、μ以及最大迭代次数T
max
；
[0024]初始化粒子，随机选取样本集合中k个样本数据代表一个粒子，重复上述过程，直到生成N个粒子为止。
[0025]所述步骤203中，聚类划分依据样本与聚类中心的双尺度综合距离最近为原则，以最小化误差平方和为目的，衡量聚类效果的优劣，误差平方和中相异度的度量采用双尺度综合距离。
[0026]所述步骤203中，适应度值计算式为：
[0027][0028]式中，E为误差平方和；d
pd
(x,m
i
)为点x到类c
i
的中心m
i
的双尺度综合距离；
[0029]所述步骤204中，更新粒子位置的计算式为：
[0030][0031]ω
t+1
＝μω
t
(1
‑
ω
t
)
ꢀꢀꢀ
...

【技术保护点】

【技术特征摘要】
1.一种乡村供用能典型场景确定方法，其特征在于：对乡村供用能样本集选取初始聚类中心；根据所述初始聚类中心，通过双尺度相似性的K
‑
means聚类算法对选取样本聚类划分类簇；采用同步回代消除算法从每个类簇内的样本集合中提取唯一样本，获得乡村供用能典型场景。2.根据权利要求1所述的一种乡村供用能典型场景确定方法，其特征在于：所述乡村供用能样本集为S＝{s1,s2,...,s
n
}；样本集中共n个待聚类样本，一个样本中有4m个数据点；第k天的样本为s
k
＝[W
dayk
,P
dayk
,B
dayk
,L
dayk
]＝[W
k1
,W
k2
,...,W
km
,P
k1
,P
k2
,...,P
km
,B
k1
,B
k2
,...,B
km
,L
k1
,L
k2
,...,L
km
]；其中，W
dayk
＝[W
k1
,W
k2
,...,W
km
]，P
dayk
＝[P
k1
,P
k2
,...,P
km
]，B
dayk
＝[B
k1
,B
k2
,...,B
km
]，L
dayk
＝[L
k1
,L
k2
,...,L
km
]分别对应乡村电力系统第k天m个时刻的风电、光伏、生物质能发电出力和负荷需求。3.根据权利要求1所述的一种乡村供用能典型场景确定方法，其特征在于：所述初始聚类中心选取方式为：步骤11、输入n个待聚类样本的集合S＝{s1,s2,...,s
n
}，单个样本数据维数p＝4m，聚类中心个数k；步骤12、初始化CIW
‑
SPSO参数和粒子；步骤13、以粒子群中每个粒子为初始聚类中心进行聚类划分，分别计算粒子的适应度值，并记录粒子历史最优适应度值及其所对应的位置p
best.i
、粒子群全局最优适应度值及其所对应的位置g
best
；步骤14、采用CIW和正弦函数学习因子，更新粒子位置；步骤15、将更新之后的粒子位置作为新的初始聚类中心进行聚类，由聚类结果计算适应度值并记录；步骤16、对每个粒子，比较当前适应度值与历史最优适应度值E(p
best.i
)，若则对每个粒子，比较当前适应度值与全局最优适应度值E(g
best
)，若则其中是粒子i在第t次迭代时的位置；步骤17、当满足迭代次数条件时，停止迭代，否则转到步骤204；步骤18、输出全局最优适应度值对应的位置g
best
，将其所包含的k个样本点作为初始聚类中心。4.根据权利要求3所述的一种乡村供用能典型场景确定方法，其特征在于：所述步骤12中，初始化的CIW
‑
SPSO参数包括：粒子种群规模N，粒子的维数k，参数ω1、μ以及最大迭代次数T
max
；初始...

【专利技术属性】
技术研发人员：杨佳霖，何欣，赵鹏翔，杨勇，周喜超，王冰，周治伊，丛琳，张海龙，刘文飞，牛浩明，
申请(专利权)人：国网综合能源服务集团有限公司，
类型：发明
国别省市：