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。