基于聚类算法的新能源资源分级评价方法技术

本发明专利技术公开了一种基于聚类算法的新能源资源分级评价方法，具体包括如下步骤：步骤1，求解每个新能源场站的每月发电理论小时数；步骤2，对步骤1获取数据进行分析与修正，构建每个新能源场站的评价指标；步骤3，对步骤2得到的各新能源场站评价指标进行分析，得到变电站级新能源评价指标；步骤4，对步骤3得到的变电站级评价指标进行聚合，得到省级新能源评价指标并输出。本发明专利技术能够为新能源装机规划提供理论依据和工程指导，有利于推动新能源高质量发展。展。展。

【技术实现步骤摘要】
基于聚类算法的新能源资源分级评价方法


[0001]本专利技术属于电力系统管理与评价
，涉及一种基于聚类算法的新能源资源分级评价方法。

技术介绍

[0002]当前我国新能源装机规划和发电并网调配时缺少变化及流动规律分析，无法根据资源一年中的资源变化、流动规律对新能源发电合理的进行规划分析，造成当前新能源发展水平评估片面化，新能源资源分级评价方法不完善不利于指导电力系统未来工作，推进建成低碳、安全、高效的现代能源体系。

技术实现思路

[0003]本专利技术的目的是提供一种基于聚类算法的新能源资源分级评价方法，该方法能够为新能源装机规划提供理论依据和工程指导，有利于推动新能源高质量发展。
[0004]本专利技术所采用的技术方案是，基于聚类算法的新能源资源分级评价方法，具体包括如下步骤：
[0005]步骤1，求解每个新能源场站的每月发电理论小时数；
[0006]步骤2，对步骤1获取数据进行分析与修正，构建每个新能源场站的评价指标；
[0007]步骤3，对步骤2得到的各新能源场站评价指标进行分析，得到变电站级新能源评价指标；
[0008]步骤4，对步骤3得到的变电站级评价指标进行聚合，得到省级新能源评价指标并输出。
[0009]本专利技术的特点还在于：
[0010]步骤1的具体过程为：
[0011]从EMS调度系统获取新能源场站的相关数据，其中包括：并网容量指标n、发电量指标P
c
、限电电量指标P
x
、平均风速指标V、平均温度指标t、辐射量指标f、日照小时数指标h，通过如下公式(1)计算每个场站的发电理论小时数：
[0012][0013]其中，T
j
是风电场或光伏电站的发电理论小时数，P
c
是当月总发电量，P
x
是当月总限电量，n为该电站实际并网容量。
[0014]步骤2的具体过程为：
[0015]步骤2.1，利用基于马氏距离的异常数据识别方法对离群点进行检测；
[0016][0017]其中，D
M
表示马氏距离，x表示样本向量，μ表示样本均值，S表示样本之间的协方差矩阵，当S
‑1为单位矩阵时，马氏距离与欧氏距离相等；
[0018]步骤2.2，设置类中心间距minDistance，检测公式(2)得到的计算结果，当计算结果的中心间距小于minDistance时，则表示每月发电理论小时数存在异常，需要对其进行修改，进入步骤2.4，否则进入步骤2.3；
[0019]步骤2.3，设置类中心间距maxDistance，检测步骤2.2得到的结果，当每月发电理论小时数大于maxDistance时，则表示每月发电理论小时数存在异常，需要对其进行修改，进入步骤2.4，否则进入步骤2.5；
[0020]步骤2.4，若存在异常数据，利用平均值修正方法对异常数据进行修正，具体如公式(3)所示：
[0021][0022]其中，x
t
为异常数据，x
t
‑1和x
t+1
为异常数据相邻的两个数据；
[0023]步骤2.5，对步骤2.4修正后得到的各个新能源场站指标进行加权，如下公式(4)所示：
[0024]q＝α1T
j
+α2V+α3t+α4f+α5h
ꢀꢀ
(4)；
[0025]其中，V是平均风速指标，t是平均温度指标，f是辐射量指标，h是日照小时数指标，α1‑
α5修正因子。
[0026]步骤3的具体过程为：
[0027]步骤3.1，将步骤2.5得到q数据采用神经元算法计算每一个输入的判别函数值，并认定具有最小判别函数值的特定神经元为胜利者，其中每个神经元j的判别函数为：
[0028][0029]其中，输入空间D维，输入为x＝{x
i
,i＝1,2,...,D}，输入单元i和神经元j之间在计算层的连接权重为ω＝{ω
i,j
,j＝1,2,...,N,i＝1,2,...,D}，其中N是神经元总数；
[0030]步骤3.2，求获胜神经元I(x)，更新与该获胜神经元I(x)临近的节点，更新程度的计算公式如下：
[0031][0032]其中，S
i,j
表示神经元i和j的距离，σ(t)随着时间衰减；
[0033]步骤3.3，调整相关兴奋神经元的连接权重ω；
[0034]步骤3.4，继续回到步骤3.1，直到特征映射趋于稳定。
[0035]步骤4的具体过程为：
[0036]步骤4.1，设置聚类参数:包括漂移函数g(x)，漂移向量N
h
(x)，样本点即场站数据选取为n，半径为h，选取簇密度距离为s，聚类数目为x*，聚类中心为i*，数据密度的阈值为ε：
[0037]g(x)＝
‑
k'(x)
ꢀꢀ
(7)；
[0038]式中，k'(x)表示本次漂移算法所用核函数的轮廓函数的导数；
[0039]步骤4.2，在由输入场站级数据组成的n维空间R
n
中，选取一个半径为h的圆，记录圆心为o；
[0040]步骤4.3，记录半径h内的场站级数据所属于集合为N，定义集合N内的场站级数据属于簇C；
[0041]步骤4.4，计算簇C内漂移向量的值N
h
(x)；
[0042][0043]式中，x
i
表示n个场站级数据，g(x)表示漂移函数，h表示集合N的半径；
[0044]步骤4.5，将计算得出的漂移相量的值N
h
(x)与表示数据密度的阈值ε进行比较，如果||N(x)||<ε，迭代过程结束，否则重新推导新圆心o'，重复上述步骤4.3
‑
步骤4.5的过程，迭代时，遇到的所有数据点都属于簇C；
[0045]步骤4.6，如果收敛时，当前簇C的密度最大点与其余已经存在的簇密度点之间的距离比簇密度距离s大，则增加一类；若比距离簇密度距离s小，则两簇合并为一类；
[0046]步骤4.7，重复上述步骤4.2
–
4.6，直到所有点全部被标记；
[0047]步骤4.8，根据每个场站级数据的访问次数，该点的所属类按照访问次数最多的类，最终确定各省的分类等级i*和聚类数目x*。
[0048]本专利技术的有益效果是，本专利技术提出的基于聚类算法的新能源资源分级评价方法，通过场站级资源以点代面展示不同地区新能源资源的微观分布、资源等高线图，能够解决新能源发展水平评估片面化问题，解释资源变化、流动规律，为新能源装机规划提供理论依据和工程指导，有利于推动新能源高质量发展。
附图说明
[0049]图1是本专利技术基于聚类算法的新能源资源分级评价方法的流程图；
[0050]图2是本专利技术基于聚类算法的新能源资源本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于聚类算法的新能源资源分级评价方法，其特征在于，具体包括如下步骤：步骤1，求解每个新能源场站的每月发电理论小时数；步骤2，对步骤1获取数据进行分析与修正，构建每个新能源场站的评价指标；步骤3，对步骤2得到的各新能源场站评价指标进行分析，得到变电站级新能源评价指标；步骤4，对步骤3得到的变电站级评价指标进行聚合，得到省级新能源评价指标并输出。2.根据权利要求1所述的基于聚类算法的新能源资源分级评价方法，其特征在于，所述步骤1的具体过程为：从EMS调度系统获取新能源场站的相关数据，其中包括：并网容量指标n、发电量指标P
c
、限电电量指标P
x
、平均风速指标V、平均温度指标t、辐射量指标f、日照小时数指标h，通过如下公式(1)计算每个场站的发电理论小时数：其中，T
j
是风电场或光伏电站的发电理论小时数，P
c
是当月总发电量，P
x
是当月总限电量，n为该电站实际并网容量。3.根据权利要求2所述的基于聚类算法的新能源资源分级评价方法，其特征在于，所述步骤2的具体过程为：步骤2.1，利用基于马氏距离的异常数据识别方法对离群点进行检测；其中，D
M
表示马氏距离，x表示样本向量，μ表示样本均值，S表示样本之间的协方差矩阵，当S
‑1为单位矩阵时，马氏距离与欧氏距离相等；步骤2.2，设置类中心间距minDistance，检测公式(2)得到的计算结果，当计算结果的中心间距小于minDistance时，则表示每月发电理论小时数存在异常，需要对其进行修改，进入步骤2.4，否则进入步骤2.3；步骤2.3，设置类中心间距maxDistance，检测步骤2.2得到的结果，当每月发电理论小时数大于maxDistance时，则表示每月发电理论小时数存在异常，需要对其进行修改，进入步骤2.4，否则进入步骤2.5；步骤2.4，若存在异常数据，利用平均值修正方法对异常数据进行修正，具体如公式(3)所示：其中，x
t
为异常数据，x
t
‑1和x
t+1
为异常数据相邻的两个数据；步骤2.5，对步骤2.4修正后得到的各个新能源场站指标进行加权，如下公式(4)所示：q＝α1T
j
+α2V+α3t+α4f+α5h
ꢀꢀꢀꢀ
(4)；其中，V是平均风速指标，t是平均温度指标，f是辐射量指标，h是日照小时数指标，α1‑
α5修正因子。4.根据权利要求3所述的基...

【专利技术属性】
技术研发人员：吕金历，张小奇，段乃欣，葛鹏江，王康平，赵鑫，金吉良，
申请(专利权)人：国家电网有限公司西北分部，
类型：发明
国别省市：