[发明专利]基于k-means聚类的分布式能源站典型日负荷获取方法

权利要求书

1.一种基于k-means聚类的分布式能源站典型日负荷获取方法，其特征在于，包括以下步骤：

1)对获得的历史冷热负荷数据进行标准化预处理得到冷热负荷率数据；

2)将温度参数与冷热负荷率数据共同加入k-means聚类中进行聚类；

3)采用平均值法对聚类后的每一类负荷提取平均负荷作为该类负荷的负荷曲线，并计算各类负荷曲线与其平均负荷曲线的皮尔森相关系数；

4)根据皮尔森相关系数进行负荷数据的剔除，并将剩余的负荷数据再次进行k-means聚类；

5)重复步骤2)-步骤4)，直至不再剔除负荷数据，采用平均值法提取每一类负荷的平均负荷曲线作为该类负荷的典型日负荷曲线，并以此制定该能源站的优化运行策略。

2.根据权利要求1所述的一种基于k-means聚类的分布式能源站典型日负荷获取方法，其特征在于，所述的步骤1)中，采用冷热负荷最大值作为设计总容量，则冷热负荷率的定义如下：

其中，C_i,j、H_i,j分别为第i天第j小时的冷负荷率和热负荷率，c_i,j、h_i,j分别为第i天第j小时的冷负荷和热负荷，C_MAX、H_MAX分别为全年小时最大冷负荷和热负荷。

3.根据权利要求2所述的一种基于k-means聚类的分布式能源站典型日负荷获取方法，其特征在于，所述的步骤2)具体包括以下步骤：

21)确定最佳聚类数k_opt；

22)将温度参数与冷热负荷率数据构建成一个365×50的矩阵L，其中，矩阵L的1-24列为每天逐时冷负荷率数据，即C_i,j，25-49列为每天逐时热负荷率数据，即H_i,j，第50列为当天的环境最高温度，即温度参数；

23)将矩阵L作为k-means聚类的输入进行聚类处理。

4.根据权利要求3所述的一种基于k-means聚类的分布式能源站典型日负荷获取方法，其特征在于，所述的步骤21)中，采用Calinski-Haeabasz指标进行最佳聚类数k_opt的评估。

5.根据权利要求4所述的一种基于k-means聚类的分布式能源站典型日负荷获取方法，其特征在于，所述的Calinski-Haeabasz指标的表达式为：

其中，CH(k)为Calinski-Haeabasz指标，trB(k)为类之内离差矩阵的迹，trW(k)为类与类之间离差矩阵的迹，k为聚类类别，n为样本总数。

6.根据权利要求1所述的一种基于k-means聚类的分布式能源站典型日负荷获取方法，其特征在于，所述的步骤3)中的平均值法具体为：

在采用k-means聚类后，将每一类的负荷数据在每一个小时点取平均值，得到负荷平均值曲线，并将负荷平均值曲线作为该类负荷的负荷曲线。

7.根据权利要求1所述的一种基于k-means聚类的分布式能源站典型日负荷获取方法，其特征在于，所述的步骤3)中，皮尔森相关系数r的计算式为：

其中，为第k类负荷中第i天第j小时的冷热负荷，为典型日冷热负荷，为的平均值，为的平均值，z为属于第k类负荷的天数。

8.根据权利要求1所述的一种基于k-means聚类的分布式能源站典型日负荷获取方法，其特征在于，所述的步骤4)中，剔除皮尔森相关系数在[-0.2,0.2]范围内的负荷数据。

9.根据权利要求1所述的一种基于k-means聚类的分布式能源站典型日负荷获取方法，其特征在于，所述的步骤5)中的平均值法具体为：

在采用k-means聚类后，将每一类的负荷数据在每一个小时点取平均值，得到负荷平均值曲线，并将负荷平均值曲线作为该类负荷的典型日负荷曲线。

10.根据权利要求9所述的一种基于k-means聚类的分布式能源站典型日负荷获取方法，其特征在于，典型日负荷曲线的具体表达式为：

其中，为典型日冷热负荷，为第k类负荷中第i天第j小时的冷热负荷，z为属于第k类负荷的天数。