[發(fā)明專利]基于密度峰值-FCM的含氣象數(shù)據(jù)的風光典型場景構造方法

在審

• 申請?zhí)枺?/td>: 202111199674.5
• 申請日: 2021-10-14
• 公開（公告）號: CN113920349A
• 公開（公告）日: 2022-01-11
• 發(fā)明（設計）人: 李延和;楊立濱;方保民;周萬鵬;李春來;張真;王光輝;李正曦;何嘉弘;王冉;劉庭響;李兵;安娜;李晶華
• 申請（專利權）人: 國網(wǎng)青海省電力公司清潔能源發(fā)展研究院;國網(wǎng)青海省電力公司;國網(wǎng)青海省電力公司經(jīng)濟技術研究院;東南大學
• 主分類號: G06V10/762
• 分類號: G06V10/762;G06V10/774;G06K9/62;G06F17/16
• 代理公司: 北京同輝知識產(chǎn)權代理事務所(普通合伙) 11357
• 代理人: 梁語嫣

本發(fā)明公開基于密度峰值?FCM的含氣象數(shù)據(jù)的風光典型場景構造方法，所述風光典型場景構造方法包括以下步驟：S1：獲取歷史數(shù)值天氣預報的數(shù)據(jù)以及風電場和光伏電站的歷史年實測出力數(shù)據(jù)，構造原始的數(shù)據(jù)集矩陣；S2：對S1中構造的原始數(shù)據(jù)集矩陣進行降維處理，并構建降維后的天氣特征矩陣；S3：根據(jù)密度峰值優(yōu)化的模糊C均值聚類算法，對S2中獲得的降維后的天氣特征矩陣進行聚類處理；S4：根據(jù)S3中天氣模式識別的結果對歷史風電場和光伏電站的日出力數(shù)據(jù)進行分類，然后再擬合得到不同天氣模式下的風、光典型日出力場景。該方法通過對多種氣象特征數(shù)據(jù)進行降維處理，既能夠最大限度的保留原始數(shù)據(jù)特征，又能夠避免數(shù)據(jù)冗余、提高計算效率。

技術領域

本發(fā)明涉及基于聚類的典型場景生成方法，具體是基于密度峰值-FCM的含氣象數(shù)據(jù)的風光典型場景構造方法。

背景技術

在實現(xiàn)“雙碳”目標的時代背景下，我國新能源快速發(fā)展，取得了舉世矚目的發(fā)展成績，而新能源中使用比例最高、研究最為廣泛的就是風能和太陽能。但是由于風和光照等自然資源受氣候變化限制，風力發(fā)電和光伏發(fā)電具有明顯的波動性、不確定性和反調(diào)峰特性，因此大規(guī)模的風電和光伏發(fā)電并網(wǎng)會給電網(wǎng)的安全穩(wěn)定運行帶來極大挑戰(zhàn)，棄風棄光現(xiàn)象也日益突出。所以有必要充分利用風力發(fā)電和光伏發(fā)電出力的互補特性，結合中長期氣象數(shù)據(jù)研究風電和光伏發(fā)電的出力規(guī)律，考慮生成更精確、更具有代表性的風、光新能源典型出力場景，以應對其波動性和不確定性，滿足電力系統(tǒng)調(diào)度的靈活性需求。

國內(nèi)外學者對清潔能源典型出力場景的構建有大量的研究。關于出力場景類型的劃分，主要是直接依據(jù)各月份的季節(jié)不同直接劃分典型場景。但是依據(jù)季節(jié)劃分沒有充分考慮氣候因素，特別是夏季和冬季的天氣類型多變，如夏季極易出現(xiàn)高溫晴朗和暴雨等相反的極端天氣隨機切換。因此，按照季節(jié)不同劃分出力場景會導致場景無法體現(xiàn)風力發(fā)電和光伏發(fā)電對諸多氣象因素的敏感性，場景不夠具有精確性和代表性。

關于典型場景出力曲線的生成方法，主要有時序仿真法和聚類法。時序仿真法在以年或者月為單位的計算分析時，由于輸入時間序列龐大、時間斷面多，會導致數(shù)據(jù)冗余，計算速度緩慢，精度降低。而傳統(tǒng)的K-means、FCM聚類算法則對初始聚類中心和聚類數(shù)目的選擇敏感，選擇不合理會導致聚類結果陷入局部最優(yōu)解。

基于此，有必要提出一種合理的場景構建方法，使得生成的風、光典型場景具有高度代表性，能夠反映新能源的出力規(guī)律和對氣象因素的敏感性，使得該典型場景能夠很好的應用于電網(wǎng)的日前規(guī)劃調(diào)度中，減少高比例新能源并網(wǎng)對電網(wǎng)帶來的負面影響。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供基于密度峰值-FCM的含氣象數(shù)據(jù)的風光典型場景構造方法，考慮到了在一定地理范圍內(nèi)，受自然環(huán)境影響風電和光伏出力具有一定的規(guī)律特性，需要構建符合實際的風、光典型出力場景來滿足日前調(diào)度等應用場景的需求。該方法通過對多種氣象特征數(shù)據(jù)進行降維處理，既能夠最大限度的保留原始數(shù)據(jù)特征，又能夠避免數(shù)據(jù)冗余、提高計算效率；與傳統(tǒng)的按照季節(jié)劃分典型日的方法相比，考慮到了季節(jié)內(nèi)部的天氣狀況多變的特點，典型日場景類別劃分更精確合理。同時，本方法采用密度峰值算法對降維后的數(shù)據(jù)進行預處理，提前確定聚類中心數(shù)目，解決了FCM算法對聚類中心數(shù)設定敏感的問題，有效地提高聚類精度和風、光典型出力場景的代表性。

本發(fā)明的目的可以通過以下技術方案實現(xiàn)：

基于密度峰值-FCM的含氣象數(shù)據(jù)的風光典型場景構造方法，風光典型場景構造方法包括以下步驟：

S1：獲取歷史數(shù)值天氣預報的數(shù)據(jù)以及風電場和光伏電站的歷史年實測出力數(shù)據(jù)，構造原始的數(shù)據(jù)集矩陣；

S2：采用主成分分析法，對S1中構造的原始數(shù)據(jù)集矩陣進行降維處理，分別選取對風電場出力影響最大的氣候特性指標和對光伏電站出力影響最大的若干氣候特性指標，并構建降維后的天氣特征矩陣；

S3：根據(jù)密度峰值優(yōu)化的模糊C均值聚類算法，對S2中獲得的降維后的天氣特征矩陣進行聚類處理，即對一年內(nèi)的天氣事件進行分類；