一种基于AP聚类算法的场景削减方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112257344A(43)申请公布日2021.01.22(21)申请号202011172605.0(22)申请日2020.10.28(71)申请人东南大学地址210024江苏省南京市玄武区新街口街道四牌楼2号申请人国网内蒙古东部电力有限公司(72)发明人吴在军王铖李淑锋唐成虹全相军李培帅(74)专利代理机构北京同辉知识产权代理事务所(普通合伙)11357代理人王依(51)Int.Cl.G06F30/27(2020.01)G06K9/62(2006.01)G06F113/04(2020.01)权利要求书2页说明书5页附图3页(54)发明名称一种基于AP聚类算法的场景削减方法(57)摘要本发明公开了一种基于AP聚类算法的场景削减方法，涉及配电网规划技术领域，包含以下步骤：步骤一，建立配电网模型和对数据进行预处理，步骤二，搭建近邻传播聚类算法，通过近邻传播聚类算法处理步骤1所得数据，步骤三，场景削减结果的调优，使用场景削减方法对全年的分布式电源出力数据进行处理，进而保留最具有典型特征的场景，从大数据统计的角度出发，应用AP聚类方法保证聚类中心由数据自身产生，避免了人为设定，从而保证聚类结果的客观准确性。CN112257344ACN112257344A权利要求书1/2页1.一种基于AP聚类算法的场景削减方法，其特征在于，包含以下步骤：步骤1，建立配电网模型和对数据进行预处理，所述配电网模型由网架基础模型及潮流计算模型组成，所述网架基础模型通过电缆规格长度等指标组成，所述潮流计算模型以各节点有功无功注入作为输入，distflow方程作为约束组成,所述数据预处理包括数据收集和数据优化，所述数据收集方法通过统计1年周期的日分布式电源出力数据，所述统计方式采用整点取值统计，所述数据优化包括筛选、插值处理和过归一化，针对缺省数值进行插值和筛选处理，将处理过后的数据进行归一化处理；步骤2，搭建近邻传播聚类算法，通过近邻传播聚类算法处理步骤1所得数据，所述近邻传播聚类算法计算步骤如下：S1:计算各个日分布式电源出力数据之间的2-范数欧式距离，S2:再对角线元素设置为每列平均值，即默认的偏好参数之后，取对数后并取反，得到相似度矩阵F，S3：设置归属度矩阵A和吸引度矩阵R初始值为0，设置默认阻尼系数为0.5，依据对应公式进行迭代；步骤3，根据不同场景削减结果的制定调优方案，依据规划方案近景年和远景年等不同规划周期的需求，针对近景年，因原始数据相对较少，在模式值基础上减少偏好参数，增加削减后场景数，保留发电场景信息，同时增加阻尼系数，避免迭代不收敛；针对远景年，在默认值基础上增加偏好系数，减少了削减后场景数减少计算量，并减小阻尼系数增加迭代速度，以此来满足多种情况下的规划需求，并在实际情况下验证。2.根据权利要求1所述的基于AP聚类算法的场景削减方法，其特征在于，所述步骤2中归属度矩阵A和吸引度矩阵R的全局迭代方法如以下公式所示：其中，f(i,k)为相似度矩阵F的第i行第k列元素；r(i,k)为吸引度矩阵R的第i行第k列元素；a(i,k)为归属度矩阵A的第i行第k列元素；t为迭代次数；min和max分别表示去最小值和最大值，在i＝k与i≠k两种情况下归属度矩阵具有不同的迭代方法。3.根据权利要求1所述的基于AP聚类算法的场景削减方法，其特征在于，所述步骤3中为了根据规划年限不同带来的不同需求，我们会设置相应的偏好系数p和阻尼系数λ，其对原始方法的优化如以下公式所示：S(i,i)＝p(i)\*MERGEFORMAT(2)原始的相似度矩阵对角线元素设置为其每一行的平均值，意味着在迭代的起始阶段，公式(1)内，我们默认每个节点支持自身成为聚类中心的程度是所有节点支持其成为聚类2CN112257344A权利要求书2/2页中心的平均值，此时最终的聚类结果仅与整体数据的分散性质相关。当我们增加p值时，意味着每个节点支持自身成为聚类中心的程度增加，最终的聚类数目会相应减少；反之，减少p值时，每个节点支持自身成为聚类中心的程度减少，最终的聚类数目则会增加，以此来改变最终聚类的结果，而选择聚类中心的其他过程不受影响，仍然是由数据点本身的特点选择了聚类中心。3CN112257344A说明书1/5页一种基于AP聚类算法的场景削减方法技术领域[0001]本公开属于配电网规划技术领域，具体涉及一种基于AP聚类算法的场景削减方法。背景技术[0002]由于分布式电源大规模接入的新环境下，与传统的电力系统相比，不但在负荷侧存在随机性，在电源侧同样存在来自大规模光伏的随机性，并且相对于负荷的预测精度，光伏等分布式电源的预测精度更差，为解决其带来的潮流随机性问题。若对每种情况都进行计算分析，则规划计算量远超规模