一种光储系统关键出力-负荷典型日曲线选取方法技术方案

本发明专利技术公开了一种光储系统关键出力

【技术实现步骤摘要】
一种光储系统关键出力
‑
负荷典型日曲线选取方法


[0001]本专利技术涉及新能源
，尤其涉及一种光储系统关键出力
‑
负荷典型日曲线选取方法。

技术介绍

[0002]近年来，为实现新能源高比例、大规模的应用，保障电网稳定运行，“新能源+储能”的新型系统模式逐渐成为市场发展趋势。针对光储系统智能联合调度容量规划配置，综合考虑光储系统关键出力
‑
负荷总量特征、分布特征和极端特征，顾及多种边缘条件的规划设计成为了光储系统安全稳定运行的关键，而典型日选取模型的建立亦是光储系统规划设计过程中至关重要的一环。典型日的选取是光储系统规划设计的基础，在尽可能保留有效信息的同时减少计算量。优异的典型日数据选取方法可以反映光伏发电的波动性和周期性、用户用电的需求和特点，为光储系统的自用和上网模式提供依据，优化储能电池的充放电策略；还可以用以分析光伏发电、用户负荷、储能配置的匹配程度，为光储系统的容量配置和功率配置提供参考依据、简化光储系统的运行模拟和经济性分析，减少计算误差和计算时间，提高效率和精度。
[0003]传统光伏发电
‑
负荷功率典型日曲线的选取方法主要以与月平均发电功率、平均负荷功率相关性最强的日出力、负荷曲线作为月典型日出力、负荷曲线；按照季节分类，选取每季平均出力、负荷功率曲线作为本季度出力、负荷的典型日曲线；又或者是以最大日出力、负荷曲线作为年典型日出力、负荷曲线；但是以上述的传统方法选取的光储系统出力
‑
负荷典型日曲线变化太大，易受主观、客观因素干扰，例如极端气候、节假日、设备故障等情况导致的数据变化，导致出力
‑
负荷典型日曲线的选取存在很多不确定性，也因此传统方法在当今快速发展的信息时代已经不具备代表意义，选取出的典型日数据不够理想。

技术实现思路

[0004]本专利技术的目的在于克服现有技术存在的缺陷，提出一种光储系统关键出力
‑
负荷典型曲线选取方法，基于k
‑
means聚类算法，采用皮尔森迭代优化算法充分剔除异常数据，进而实现对出力
‑
负荷典型日曲线的可靠选取。
[0005]为实现上述专利技术目的，本专利技术一种光储系统关键出力
‑
负荷典型曲线选取方法，其特征在于，包括以下步骤：
[0006](1)、数据采集及预处理；
[0007]以小时为采样间隔，采集光储系统在过去T天的光伏发电功率和用户负荷功率，将所有的光伏发电功率数据组成光伏出力样本数据集，将所有用户负荷功率数据组成负荷样本数据集；
[0008]分别对每个样本数据集中每一个样本数据进行标准化处理，使其均位于[0,1]区间内；
[0009](2)、分别对光伏出力样本数据集和负荷样本数据集进行k
‑
means聚类；
[0010](2.1)、调用MATLAB中evalclusters函数并设定k
‑
means聚类算法，然后依次输入光伏出力样本数据集和负荷样本数据集，以CH指数作为评估标准，分别计算出光伏出力样本数据集和负荷样本数据集的最优聚类数k
pv
和k
pl
；
[0011](2.2)、设置k
‑
means聚类次数M；
[0012](2.3)、以最优聚类数k
pv
和k
pl
为基准，利用k
‑
means算法分别对光伏出力样本数据集和负荷样本数据集进行第l次聚类，l＝1,2,
…
,M；
[0013](2.4)、计算光伏出力样本数据集和负荷样本数据集在第l次聚类后的平方误差；
[0014][0015][0016]其中，表示光伏出力样本数据集在第l次聚类后的平方误差，表示负荷样本数据集在第l次聚类后的平方误差；表示聚类后的第i类光伏出力样本数据集合；表示聚类后的第j类负荷样本数据集合；表示第i类光伏出力样本数据集合中的第t天第h时的样本数据，表示第j类负荷样本数据集合中的第t天第h时的样本数据，表示第i类光伏出力样本数据集合中所有样本数据的均值，表示第j类负荷样本数据集合中所有样本数据的均值；
[0017](2.5)、判断当前聚类次数l是否达到最大值M，如果l＜M，则返回步骤(2.3)进行下一次聚类；否则，进入步骤(3)；
[0018](3)、获取每组样本数据的典型日数据；
[0019]选出对应的聚类后的k
pv
组光伏出力样本数据以及选出对应的聚类后的k
pl
组负荷样本数据，然后分别对每组样本数据按天求均值，得到每组样本数据的典型日数据；
[0020][0021][0022]其中，PV
i
、PL
j
分别表示第i组光伏出力样本数据与第j组负荷样本数据对应的典型日数据，T
i
、T
j
表示分别表示第i组光伏出力样本数据与第j组负荷样本数据中包含的天数；
[0023](4)、计算每一组样本数据中每一天的皮尔森相关系数；
[0024][0025][0026]其中，分别表示第i组光伏出力样本数据与第j组负荷样本数据在第t
天皮尔森相关系数；分别表示第i组光伏出力样本数据与第j组负荷样本数据中第t天数据的平均值；表示分别表示第i组光伏出力样本数据与第j组负荷样本数据对应的典型日的第h个数据，表示第i组光伏出力样本数据与第j组负荷样本数据对应的典型日数据的平均值；
[0027](5)、更新k
‑
means聚类结果；
[0028](5.1)、设置阈值r
pv
、r
pl
；设置数据集PV
*
、PL
*
，初始化均为空集；
[0029](5.2)、依次判断每一组样本数据中每一天的皮尔森相关系数是否满足如下关系：
[0030][0031][0032]如果满足条件，则将第i组光伏出力样本数据中的第t天数据存入数据集PV
*
，否则，舍弃；
[0033]如果满足条件，则将第j组光负荷样本数据中的第t天数据存入数据集PL
*
，否则，舍弃；
[0034](5.3)、以数据集PV
*
、PL
*
为基准，然后返回步骤(2)，重新进行聚类并更新，直到任意一组样本数据中任意一天数据的皮尔森相关系数不满足步骤(5.2)的公式，得到迭代停止，进入步骤(6)；
[0035](6)、输出最后一次聚类后k
pv
组光伏出力样本数据和k
pl
组负荷样本数据对应典型日数据，从而得到光伏出力典型日数据PV
i
和负荷典型日曲线PL
j
。
[0036]本专利技术的专利技术目的是这样实现的：
...

【技术保护点】

【技术特征摘要】
1.一种光储系统关键出力
‑
负荷典型日曲线选取方法，其特征在于，包括以下步骤：(1)、数据采集及预处理；以小时为采样间隔，采集光储系统在过去T天的光伏发电功率和用户负荷功率，将所有的光伏发电功率数据组成光伏出力样本数据集，将所有用户负荷功率数据组成负荷样本数据集；分别对每个样本数据集中每一个样本数据进行标准化处理，使其均位于[0,1]区间内；(2)、分别对光伏出力样本数据集和负荷样本数据集进行k
‑
means聚类；(2.1)、调用MATLAB中evalclusters函数并设定k
‑
means聚类算法，然后依次输入光伏出力样本数据集和负荷样本数据集，以CH指数作为评估标准，分别计算出光伏出力样本数据集和负荷样本数据集的最优聚类数k
pv
和k
pl
；(2.2)、设置k
‑
means聚类次数M；(2.3)、以最优聚类数k
pv
和k
pl
为基准，利用k
‑
means算法分别对光伏出力样本数据集和负荷样本数据集进行第l次聚类，l＝1,2,
…
,M；(2.4)、计算光伏出力样本数据集和负荷样本数据集在第l次聚类后的平方误差；(2.4)、计算光伏出力样本数据集和负荷样本数据集在第l次聚类后的平方误差；其中，表示光伏出力样本数据集在第l次聚类后的平方误差，表示负荷样本数据集在第l次聚类后的平方误差；表示聚类后的第i类光伏出力样本数据集合；表示聚类后的第j类负荷样本数据集合；表示第i类光伏出力样本数据集合中的第t天第h时的样本数据，表示第j类负荷样本数据集合中的第t天第h时的样本数据，表示第i类光伏出力样本数据集合中所有样本数据的均值，表示第j类负荷样本数据集合中所有样本数据的均值；(2.5)、判断当前聚类次数l是否达到最大值M，如果l＜M，则返回步骤(2.3)进行下一次聚类；否则，进入步骤(3)；(3)、获取每组样本数据的典型日数据；选出对应的聚类后的k
pv
组光伏出力样本数据以及选出对应的聚类后的k

【专利技术属性】
技术研发人员：胡维昊，曹迪，刘润东，张森，赵胤呈，陈峦，白春光，唐明，詹巍，李明煊，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：