【技术实现步骤摘要】
本专利技术涉及于光伏电力系统的规划和调度，尤其涉及一种光伏场景划分方法及系统。
技术介绍
1、随着全球气候与环境问题日益严峻，各国都在大力推进新能源的建设。其中分布式光伏的有效利用是推动中国能源生产和消费革命的重要手段。然而，分布式光伏并网后对配电网安全、电能质量以及系统稳定性等产生的影响不容忽视。由于分布式光伏发电系统输出功率本身具有极强的随机性和出力性，为了减小分布式光伏电源接入带来的不稳定性，就要提升电网的智能化水平。
2、为了更好的应对新能源出力的不确定性和出力性，了解分布式新能源功率出力特征，需要对光伏功率进行预测。由于光伏出力过大，光伏出力场景过多，传统的功率预测方法预测精度不尽人意。进行分布式电源的配网功率出力场景划分，这有利于促进新能源的利用和消纳，提高电力系统的鲁棒性。为了对光伏功率出力场景进行划分，需要将众多的原始功率出力场景分类，在允许有一定的偏差内，将其划分成一个个典型的功率出力场景。
3、场景划分方法主要采用不确定性场景缩减方法，常用的场景缩减方法有：后向缩减法、快速前向选择法、场景树缩减法、聚类划分法、极限场景法等以及他们的改进方法。前向和后向缩减发的场景缩减能力较强，但是其计算速度不快。场景树缩减法需要生产大量的场景树，场景树的数量与样本的时间断面抽样数和时间尺度有关，在大量的光伏出力场景中使用计算量过大。传统的聚类划分法过于依赖聚类中心的选择，选择不当会导致进入局部最优而无法实现全局上的最优解。极限场景法是利用置信区间内的极限场景计算，简介减少场景数量并提高了计算速度，但经
技术实现思路
1、基于上述问题，本专利技术提出了一种光伏场景划分方法及系统，解决现有技术场景缩减方法计算量过大以及过于依赖聚类中心的选择，导致场景划分结果运用于光伏电网时消纳性和鲁棒性较差的问题。
2、为实现上述目的，本专利技术实施例提供了一种光伏场景划分方法，包括：
3、获取光伏出力场景样本，通过预设聚类评估参数进行聚类效果评估，得到聚类数目；
4、根据所述聚类数目，对所述光伏出力场景样本进行初步划分，得到分簇样本；
5、根据所述分簇样本，通过k-means++算法进行聚类中心迭代运算，得到初始聚类中心；
6、通过计算所述分簇样本中的样本数据与所述初始聚类中心的距离，进行样本分配，得到第一聚类簇；
7、对所述第一聚类簇重复进行所述聚类效果评估和k-means++算法的循环运算，当确定聚类中心不再变化，得到第二聚类簇；
8、根据所述第二聚类簇，计算所述光伏出力场景样本的发生比例，结合功率出力曲线得到各类出力场景发生的概率，输出功率波动场景。
9、本专利技术实施例提供的一种光伏场景划分方法，采用聚类评估参数对聚类述目进行评估，避免了在只使用依赖观察的手肘法而没选取到最佳聚类数目的弊端；采用k-means++聚类方法来进行场景缩减，将众多的光伏功率出力场景划分为几种典型的出力场景，使得场景缩减不过于依赖聚类中心，提高场景缩减效率；通过光伏出力场景样本的发生比例结合功率出力曲线得到各类出力场景发生的概率，使得所划分的光伏场景在运用过程中具有更高的参考价值，以提高光伏系统在各出力场景的消纳性和鲁棒性。
10、进一步的，所述获取光伏出力场景样本，通过预设聚类评估参数进行聚类效果评估，得到聚类数目；根据所述聚类数目，对所述光伏出力场景样本进行初步划分，得到分簇样本，具体为：
11、获取以天为单位的出力场景样本集合，其中，所述出力场景样本集合中的采样点数据以等间隔采样；
12、通过所述预设聚类评估参数的聚类效果曲线图，获得所述聚类数目；
13、将所述出力场景样本集合分为满足所述聚类数目的簇，得到所述分簇样本。
14、进一步的，所述根据所述分簇样本，通过k-means++算法进行聚类中心迭代运算，得到初始聚类中心，具体为：
15、在所述分簇样本中，随机选取一个采样点数据作为第一聚类中心，计算所述分簇样本中其他采样点数据到所述第一聚类中心的最短距离；
16、选取第二聚类中心，其中，距离所述第一聚类中心越远的采样点数据具有较大的被选取概率；
17、重复上述步骤，迭代运算直到选取出满足所述聚类数目的聚类中心，作为初始聚类中心。
18、进一步的，所述通过计算所述分簇样本中的样本数据与所述初始聚类中心的距离，进行样本分配，得到第一聚类簇，具体为：
19、通过欧式距离计算所述分簇样本中的样本数据与所述初始聚类中心的距离，根据计算结果，所述分簇样本中的样本数据分配至距离最小的聚类中心；
20、待所述分簇样本中的全部样本数据分配好对应的所述聚类中心后，得到第一聚类簇。
21、进一步的，所述对所述第一聚类簇重复进行所述聚类效果评估和k-means++算法的循环运算，当确定聚类中心不再变化，得到第二聚类簇，具体为：
22、根据所述第一聚类簇，重复进行所述聚类效果评估和k-means++算法的循环运算；
23、当确定所有平方和指标最小时，所述聚类中心不再变化，得到此时所述分簇样本中的全部样本数据和对应所述聚类中心作为第二聚类簇；其中，所述所有平方和指标通过计算所述第一聚类簇所有样本数据到所述聚类中心的距离的平方和相加得到。
24、进一步的，所述根据所述第二聚类簇，计算所述光伏出力场景样本的发生比例，结合功率出力曲线得到各类出力场景发生的概率，输出功率波动场景，具体为：
25、根据所述第二聚类簇，通过每个簇内具有的样本数据数目计算所述光伏出力场景样本的发生比例；
26、结合功率出力曲线得到各类出力场景发生的概率，输出功率波动场景。
27、本专利技术实施例还提供一种光伏场景划分系统，包括：
28、样本获取模块、聚类中心获取模块、第一分簇模块、第二分簇模块和场景出力比例运算模块；
29、所述样本获取模块用于获取光伏出力场景样本，通过预设聚类评估参数进行聚类效果评估，得到聚类数目；根据所述聚类数目，对所述光伏出力场景样本进行初步划分，得到分簇样本；
30、所述聚类中心获取模块用于根据所述分簇样本，通过k-means++算法进行聚类中心迭代运算，得到初始聚类中心；
31、所述第一分簇模块用于通过计算所述分簇样本中的样本数据与所述初始聚类中心的距离，进行样本分配，得到第一聚类簇；
32、所述第二分簇模块用于对所述第一聚类簇重复进行所述聚类效果评估和k-means++算法的循环运算，当确定聚类中心不再变化，得到第二聚类簇；
33、所述场景出力比例运算模块用于根据所述第二聚类簇，计算所述光伏出力场景样本的发生比例，结合功率出力曲线得到各类出力场景发生的概率，输出功率波动场景。
34、本专利技术实施例提供的一种光伏场景划分系统，通过样本获取模块进行聚类效果评估获得本文档来自技高网...
【技术保护点】
1.一种光伏场景划分方法，其特征在于，包括：
2.如权利要求1所述的一种光伏场景划分方法，其特征在于，所述获取光伏出力场景样本，通过预设聚类评估参数进行聚类效果评估，得到聚类数目；根据所述聚类数目，对所述光伏出力场景样本进行初步划分，得到分簇样本，具体为：
3.如权利要求2所述的一种光伏场景划分方法，其特征在于，所述根据所述分簇样本，通过K-means++算法进行聚类中心迭代运算，得到初始聚类中心，具体为：
4.如权利要求3所述的一种光伏场景划分方法，其特征在于，所述通过计算所述分簇样本中的样本数据与所述初始聚类中心的距离，进行样本分配，得到第一聚类簇，具体为：
5.如权利要求4所述的一种光伏场景划分方法，其特征在于，所述对所述第一聚类簇重复进行所述聚类效果评估和K-means++算法的循环运算，当确定聚类中心不再变化，得到第二聚类簇，具体为：
6.如权利要求5所述的一种光伏场景划分方法，其特征在于，所述根据所述第二聚类簇，计算所述光伏出力场景样本的发生比例，结合功率出力曲线得到各类出力场景发生的概率，输出功率波动场景，
7.一种光伏场景划分系统，其特征在于，包括：
8.如权利要求7所述的一种光伏场景划分系统，其特征在于，所述样本获取模块用于获取光伏出力场景样本，通过预设聚类评估参数进行聚类效果评估，得到聚类数目，还包括：
9.如权利要求8所述的一种光伏场景划分系统，其特征在于，所述聚类中心获取模块用于根据所述分簇样本，通过K-means++算法进行聚类中心迭代运算，得到初始聚类中心，还包括：
10.如权利要求9所述的一种光伏场景划分系统，其特征在于，所述第一分簇模块用于通过计算所述分簇样本中的样本数据与所述初始聚类中心的距离，进行样本分配，得到第一聚类簇，还包括：
11.如权利要求10所述的一种光伏场景划分系统，其特征在于，所述第二分簇模块用于对所述第一聚类簇重复进行所述聚类效果评估和K-means++算法的循环运算，当确定聚类中心不再变化，得到第二聚类簇，还包括：
12.如权利要求11所述的一种光伏场景划分系统，其特征在于，所述场景出力比例运算模块用于根据所述第二聚类簇，计算所述光伏出力场景样本的发生比例，结合功率出力曲线得到各类出力场景发生的概率，输出功率波动场景，还包括：
...【技术特征摘要】
1.一种光伏场景划分方法，其特征在于，包括：
2.如权利要求1所述的一种光伏场景划分方法，其特征在于，所述获取光伏出力场景样本，通过预设聚类评估参数进行聚类效果评估，得到聚类数目；根据所述聚类数目，对所述光伏出力场景样本进行初步划分，得到分簇样本，具体为：
3.如权利要求2所述的一种光伏场景划分方法，其特征在于，所述根据所述分簇样本，通过k-means++算法进行聚类中心迭代运算，得到初始聚类中心，具体为：
4.如权利要求3所述的一种光伏场景划分方法，其特征在于，所述通过计算所述分簇样本中的样本数据与所述初始聚类中心的距离，进行样本分配，得到第一聚类簇，具体为：
5.如权利要求4所述的一种光伏场景划分方法，其特征在于，所述对所述第一聚类簇重复进行所述聚类效果评估和k-means++算法的循环运算，当确定聚类中心不再变化，得到第二聚类簇，具体为：
6.如权利要求5所述的一种光伏场景划分方法，其特征在于，所述根据所述第二聚类簇，计算所述光伏出力场景样本的发生比例，结合功率出力曲线得到各类出力场景发生的概率，输出功率波动场景，具体为：
7.一种光...
【专利技术属性】
技术研发人员：邰彬，黄杨珏，喻磊，段舒尹，林心昊，朱远哲，刘胤良，陈千懿，肖小兵，沈开程，汪进锋，吕鸿，陈鹏，王寅，刘亦朋，刘石生，廖思阳，李新，程志秋，卢坚章，钟官添，黄思艺，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。