申请/专利权人：西安热工研究院有限公司

申请日：2024-03-18

公开（公告）日：2024-06-18

公开（公告）号：CN118211788A

主分类号：G06Q10/0631

分类号：G06Q10/0631;H02J3/06;H02J3/46;G06Q50/06;G06F18/15;G06F18/23213;G06F18/25

优先权：

专利状态码：在审-公开

法律状态：2024.06.18#公开

摘要：本发明公开了一种风光出力典型日划分方法，该方法基于风光联合发电系统，包括：数据采集及归一化处理；新能源出力特征值提取：将每天设定时间段划分为白天，其余时间段划分为夜间，将nd×96维的新能源标准出力矩阵划分为nd×48维白天和nd×48维夜间新能源出力矩阵；基于Gapstatistic算法的最佳聚类数确定；基于K‑means++算法进行聚类分析；白天和夜间聚类结果融合：采用时间对标法对白天和夜间新能源出力聚类分析结果进行融合；不同出力场景典型日确定：由于融合后无法确定聚类中心位置，所以通过计算不同类别内各样本与其余样本的欧氏距离，以欧氏距离之和最小的样本序列为该类别的聚类中心，即该出力场景下的典型日。本发明考虑了风光昼夜出力特性差异，实现了风光出力典型日的有效划分。

主权项：1.一种风光出力典型日划分方法，其特征在于，该方法基于风光联合发电系统，包括以下步骤：步骤1：数据采集及归一化处理：基于风光联合发电系统数据，采用最大最小归一化方法将其映射至[0,1]区间，并将其处理为nd×96维新能源标准出力矩阵X，nd为采样天数；步骤2：新能源出力特征值提取：将每天设定时间段划分为白天，其余时间段划分为夜间，将nd×96维的新能源标准出力矩阵划分为nd×48维白天和nd×48维夜间新能源出力矩阵；选取白天和夜间新能源出力均值和出力标准差作为特征值，得到白天和夜间共两组nd×2维出力特征值矩阵Xday和Xnight；步骤3：基于Gapstatistic算法的最佳聚类数确定：基于白天和夜间出力特征值矩阵，采用Gapstatistic算法分别确定白天、夜间最佳聚类数kday和knight；步骤4：基于K-means++算法进行聚类分析：根据最佳聚类数，以白天和夜间出力特征值矩阵Xday和Xnight为输入，采用K-means++聚类算法分别对白天和夜间新能源出力特征值矩阵进行聚类，分别得到kday和knight类聚类结果；步骤5：白天和夜间聚类结果融合：采用时间对标法对白天和夜间新能源出力聚类分析结果进行融合；步骤6：不同出力场景典型日确定：由于融合后无法确定聚类中心位置，所以通过计算不同类别内各样本与其余样本的欧氏距离，以欧氏距离之和最小的样本序列为该类别的聚类中心，即该出力场景下的典型日。

全文数据：

权利要求：

百度查询： 西安热工研究院有限公司 一种风光出力典型日划分方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD