[发明专利]一种基于SBR和平均类间距离的场景数选择方法

说明书

本发明公开了一种基于SBR和平均类间距离的场景数选择方法，包括：步骤1、计算初始场景集中每两个场景组合之间的距离；步骤2、采用SBR算法进行多次场景缩减，进行场景缩减操作时满足以下条件：场景缩减前后场景集之间的概率距离最小；经场景缩减后得到的场景概率等于自身概率加上其他删除的场景对应概率之和；步骤3、得到目标场景数及其对应的概率；步骤4、根据场景概率矩阵进行场景初筛；步骤5、计算初筛后场景间的平均类间距离；步骤6、绘制提取场景数与平均类间距离之间的关系曲线，通过关系曲线来确定合适的场景数。本发明首次在SBR算法中提出平均类间距离的概念和计算方法，并基于场景出现概率辅助确定最终提取场景数。

技术领域

本发明涉及聚类分析领域，尤其涉及一种基于SBR和平均类间距离的场景数选择方法。

背景技术

聚类分析法主要可分为传统聚类分析法和人工智能聚类分析法两大类。传统聚类分析法主要包括划分聚类和层次聚类，层次聚类弥补了划分聚类的部分缺点，能够识别不同形状的时间序列。人工智能聚类算法主要利用了机器模拟人脑学习功能，代表方法包括：智能搜索聚类、并行聚类、分布式聚类算法等方法。人工智能算法很大程度上提高了聚类速度以及灵活性，但容易产生聚类结果不稳定，过度学习等问题。随着大数据时代的到来，聚类分析法被广泛应用于医疗、海洋以及电力系统等方面。总体看来，大多数聚类分析法主要采用特征变换处理原始数据，但基于特征选择的聚类分析法并不多。其中，同步回代缩减(Simultaneous Backward Reduction,SBR)是一种可以从大量场景中提取典型场景的分析方法。

但是，SBR法在应用时，其提取场景数的选择缺乏一定客观性。因此，提出一种基于SBR和平均类间距离的场景数选择方法，对于完善和发展SBR 法，具有比较重要的意义，并且可为电力部门各机组出力以及用户负荷过程典型场景提取提供技术支撑。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于SBR 和平均类间距离的场景数选择方法。

本发明解决其技术问题所采用的技术方案是：

本发明提供一种基于SBR和平均类间距离的场景数选择方法，该方法包括以下步骤：

步骤1、获取初始场景集数据，计算初始场景集中每两个场景组合之间的距离；

步骤2、采用SBR算法进行多次场景缩减，进行场景缩减操作时满足以下条件：场景缩减前后场景集之间的概率距离最小；经场景缩减后得到的场景概率等于自身概率加上其他删除的场景对应概率之和；

步骤3、进行多次场景缩减后，得到目标场景数及其对应的概率；

步骤4、根据场景概率矩阵进行场景初筛；

步骤5、计算初筛后场景间的平均类间距离；

步骤6、绘制提取场景数与平均类间距离之间的关系曲线，通过关系曲线来确定合适的场景数。

进一步地，本发明的步骤1中的具体方法为：

记N天出力过程线初始场景集为X＝[X₁,X₂,...,X_N]'，其中第i个场景为 X_i＝[X_i1,X_i2,...,X_iT]，i＝1,2,3…N；采样时间节点为t，t＝1,2,3…T；初始场景对应概率为P＝[P₁,P₂,...,P_N]'，删除的场景为Y，删除场景数为N-M，最终得到的场景为X-Y；

计算初始场景集中每两个场景组合之间的距离公式为：

进一步地，本发明的步骤2的具体方法为：