一种综合能源系统的典型运行方式提取方法和装置制造方法及图纸

本发明专利技术公开了一种综合能源系统的典型运行方式提取方法和装置，所述综合能源系统包括源侧场景、网侧场景和荷侧场景，该方法包括：获取所述源侧场景、网侧场景和荷侧场景在预定时间段内的小时分辨率的运行数据，构建相关于源侧、网侧以及荷侧运行特性的日运行数据特征向量，形成特征向量集；对所述特征向量集进行密度聚类计算，提取综合能源系统的典型运行方式。由于该方法涵盖源侧场景、网侧场景和荷侧场景的运行特性描述，使本发明专利技术所构建的日运行数据特征向量保留了高维特征向量的完整性以及准确性，使本发明专利技术提取方法提取的典型运行方式的准确性高，鲁棒性好，适用于大规模高维特征数据的处理。征数据的处理。征数据的处理。

【技术实现步骤摘要】
一种综合能源系统的典型运行方式提取方法和装置


[0001]本专利技术涉及综合能源系统运行规划
，尤其涉及一种综合能源系统的典型运行方式提取方法和装置。

技术介绍

[0002]随着全球能源结构的调整和可再生能源的广泛应用，综合能源系统逐渐成为了解决能源供需问题、提高能源利用效率和降低碳排放的重要方式。相比于传统能源系统，综合能源系统具有更复杂的能量转换和传输机制，以及更高的可再生能源渗透率，这些因素进一步加大了系统运行的复杂度。如何通过分析综合能源系统的运行数据，提取系统代表性运行方式，为系统的优化运行和规划提供参考和支持尤为重要。
[0003]当前综合能源系统的典型运行方式大多还是采用传统电力系统的典型运行方式提取方法进行提取，但由于综合能源系统与传统电力系统在系统结构上相差较大，传统的运行方式提取方法往往不适用于综合能源系统的典型运行方式的提取上。
[0004]部分技术人员根据人工智能算法利用综合能源系统的相关运行数据，构建并训练神经网络模型，再利用神经网络模型输出典型运行方式。这类方法一般属于监督学习过程，即需要事先对综合能源系统的典型运行场景进行人工提取/定义，再根据人工提取/定义的典型运行场景对相关运行数据进行标注，由此形成用于模型训练的数据集。因此这类方法对于所人工提取/定义的典型运行场景的准确性要求高。而综合能源系统因其本身容易受外界环境影响，具有较高的短期出力随机性，同时随着新能源的不断扩容，综合能源系统的运行方式会随系统能源结构等因素的变化而变化，因此事先人工提取/定义的典型运行场景往往随时间推移而不够准确，因此会影响模型输出的准确性。
[0005]另外，当前的运行方式提取方法大多会为追求一些计算效率，而舍弃部分运行数据或运行数据在高维空间上的局部关系。然而综合能源系统的典型运行方式的确定往往是敏感的，在实际工业生产环境下综合能源系统的运行数据之间往往是相互关联的，舍弃掉部分运行数据或运行数据在高维空间上的局部关系会使得典型运行方式的辨识存在偏差，使所获得的典型运行方式鲁棒性差。例如公开号为CN109711483A的现有技术公开了基于Sparse Autoencoder的电力系统运行方式聚类方法，该计算方法对电力系统中的运行参数进行筛选，将电力系统内各个节点电压、电压幅值、各个节点的发电机有功功率和无功功率的数据以及电力系统在研究时间范围内的时序负荷数据用于模型训练，而忽略掉线路潮流数据等重要运行参数，因此其使所获得的典型运行方式往往鲁棒性差，对于大规模高维特征数据的处理效果不友好。
[0006]因此，开发一种面向综合能源系统的典型运行方式提取方法，对推动相关领域的研究和应用具有重要的实践价值。

技术实现思路

[0007]为解决现有技术中存在的问题，本专利技术提出一种综合能源系统的典型运行方式提
取方法和装置。
[0008]本专利技术采用如下技术方案：
[0009]一种综合能源系统的典型运行方式提取方法，所述综合能源系统包括源侧场景、网侧场景和荷侧场景，该方法包括：
[0010]获取所述源侧场景、网侧场景和荷侧场景在预定时间段内的小时分辨率的运行数据，构建相关于源侧、网侧以及荷侧运行特性的日运行数据特征向量，形成特征向量集；
[0011]对所述特征向量集进行密度聚类计算，提取综合能源系统的典型运行方式。
[0012]进一步地，所述源侧场景的运行数据包括传统机组调度出力数据、新能源机组出力数据和其他能源机组出力数据；所述网侧场景的运行数据包括线路潮流数据和端口潮流数据；所述荷侧场景的运行数据包括电力负荷数据和其他能源负荷数据。
[0013]进一步地，所述日运行数据特征向量p采用高维特征向量形式，表示为
[0014][0015]其中，为传统机组调度出力，其维度为传统机组数量g
×
日时段数T
S
；为新能源机组出力，其维度为新能源机组数量r
×
日时段数T
S
；为其他能源机组出力，其维度为其他能源机组数量u
×
日时段数T
S
；为线路潮流，其维度为所有线路数量f
×
日时段数T
S
；为端口潮流，其维度为端口节点数量d
×
日时段数T
S
；为电力负荷，其维度为电力负荷节点数量l
×
日时段数T
S
；为其他能源负荷，其维度为其他能源节点数量l
c
×
日时段数T
S
。
[0016]进一步地，所述特征向量集P＝{p
i
},i＝1,2,...,T，其中，p
i
为第i日运行数据特征向量。
[0017]进一步地，所述对所述特征向量集进行密度聚类计算，提取综合能源系统的典型运行方式的具体方法包括：
[0018]1)初始化聚类参数，设定距离阈值ε和密度阈值minpts；其中，距离阈值ε用于定义聚类中心的邻域范围；密度阈值minpts表示聚类中心的邻域中至少要包含的数据点的数量，该参数控制典型运行方式的期望数量；这两个参数相互结合用于判断数据点是否为聚类中心或归属于某一个聚簇，即用于判断一个运行方式所属哪类综合能源系统典型运行方式；
[0019]2)随机选取一个日运行数据特征向量作为第一个聚类中心p1，并标记所选取日运行数据特征向量的向量状态为已访问；计算当前所选取日运行数据特征向量的ε
‑
邻域，即在所选取日运行数据特征向量距离阈值ε内的所有日运行数据特征向量的集合，该邻域定义为：
[0020][0021]其中，q
i
为在邻域中的其他日运行数据特征向量；D为所选取日运行数据特征向量的邻域；dist(*)为欧式距离计算公式；表示邻域内的所有日运行数据特征向量的数量；
[0022]3)在所选取的日运行数据特征向量的ε
‑
邻域内搜索其他日运行数据特征向量；
如果邻域内的所有日运行数据特征向量的数量大于等于在初始化聚类参数阶段设置的密度阈值minpts，则将其他日运行数据特征向量加入当前聚簇，并将它们的状态标记为已访问，表明这些日运行数据特征向量同属同一类典型运行方式；反之，则将所选取的日运行数据特征向量标记为暂定点；
[0023]4)对于每个被标记为已访问的日运行数据特征向量，重复步骤2)和步骤3)，直至所有的日运行数据特征向量的状态均被标记为已访问；
[0024]5)形成的每一个聚类均为一类典型运行方式，每一个聚类簇的聚类中心均为该典型运行方式的日运行数据特征向量，该日运行数据特征向量对应的综合能源系统的运行数据，即为典型运行方式下的系统运行状态。
[0025]进一步地，所述提取方法还包括：对所提取的综合能源系统的典型运行方式进行降维可视化处理，形成日运行方式聚类图与典型运行方式日时序图。
[0026]进一步地，所述对所提取的综合能源系统的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种综合能源系统的典型运行方式提取方法，所述综合能源系统包括源侧场景、网侧场景和荷侧场景，其特征在于：该方法包括：获取所述源侧场景、网侧场景和荷侧场景在预定时间段内的小时分辨率的运行数据，构建相关于源侧、网侧以及荷侧运行特性的日运行数据特征向量，形成特征向量集；对所述特征向量集进行密度聚类计算，提取综合能源系统的典型运行方式。2.根据权利要求1所述的综合能源系统的典型运行方式提取方法，其特征在于：所述源侧场景的运行数据包括传统机组调度出力数据、新能源机组出力数据和其他能源机组出力数据；所述网侧场景的运行数据包括线路潮流数据和端口潮流数据；所述荷侧场景的运行数据包括电力负荷数据和其他能源负荷数据。3.根据权利要求2所述的综合能源系统的典型运行方式提取方法，其特征在于：所述日运行数据特征向量p采用高维特征向量形式，表示为其中，为传统机组调度出力，其维度为传统机组数量|g|
×
日时段数T
S
；为新能源机组出力，其维度为新能源机组数量|r|
×
日时段数T
S
；为其他能源机组出力，其维度为其他能源机组数量|u|
×
日时段数T
S
；为线路潮流，其维度为所有线路数量|f|
×
日时段数T
S
；为端口潮流，其维度为端口节点数量|d|
×
日时段数T
S
；为电力负荷，其维度为电力负荷节点数量|l|
×
日时段数T
S
；为其他能源负荷，其维度为其他能源节点数量|l
c
|
×
日时段数T
S
。4.根据权利要求2所述的综合能源系统的典型运行方式提取方法，其特征在于：所述特征向量集P＝{p
i
},i＝1,2,...,T，其中，p
i
为第i日运行数据特征向量。5.根据权利要求1所述的综合能源系统的典型运行方式提取方法，其特征在于：所述对所述特征向量集进行密度聚类计算，提取综合能源系统的典型运行方式的具体方法包括：1)初始化聚类参数，设定距离阈值ε和密度阈值minpts；其中，距离阈值ε用于定义聚类中心的邻域范围；密度阈值minpts表示聚类中心的邻域中至少要包含的数据点的数量，该参数控制典型运行方式的期望数量；这两个参数相互结合用于判断数据点是否为聚类中心或归属于某一个聚簇，即用于判断一个运行方式所属哪类综合能源系统典型运行方式；2)随机选取一个日运行数据特征向量作为第一个聚类中心并标记所选取日运行数据特征向量的向量状态为已访问；计算当前所选取日运行数据特征向量的ε
‑
邻域，即在所选取日运行数据特征向量距离阈值ε内的所有日运行数据特征向量的集合，该邻域定义为：其中，q
i
为在邻域中的其他日运行数据特征向量；D为所选取日运行数据特征向量的邻域；dist(*)为欧式距离计算公式；表示邻域内的所有日运行数据特征向量的数量；3)在所选取的日运行数据特征向量的ε
‑
邻域内搜索其他日运行数据特征向量；如果邻域内的所有日运行数据特征向量的数量大于等于在初始化聚类参数...

【专利技术属性】
技术研发人员：葛毅，张文嘉，史静，李泽森，许偲轩，胡晓燕，彭竹弈，李琥，孙文涛，谢珍建，王荃荃，祁万春，万鹭，
申请(专利权)人：国网江苏省电力有限公司经济技术研究院，
类型：发明
国别省市：