[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

说明书

本发明涉及一种基于k‑means聚类的分布式能源站典型日负荷获取方法，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。与现有技术相比，本发明具有数据要求不高、易于实现、能源站优化运行等优点。

技术领域

本发明涉及分布式能源领域，尤其是涉及一种基于k-means聚类的分布式能源站典型日负荷获取方法。

背景技术

随着我国经济发展，能源供给问题日益突出，目前现有的能源供给模式仍以火电为主，而以煤炭为主的高污染的化石能源的大量使用，给环境带来了严重破坏，而区域分布式能源系统的优势就在于较高的能源利用效率和清洁的能源消费结构，且随着各类开发区的飞快建设，因此在可预见的未来，区域分布式能源系统的应用场景和普遍程度将会越来越高，因此如何合理进行区域供能的问题日益突出。

要解决区域合理供能问题，需要先对分布式能源站供能区域的负荷进行研究，根据研究结果对分布式能源站的运行策略做出调整，从而减少分布式能源站的能源浪费，规范分布式能源站运行流程，提高分布式能源站的收益。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于k-means聚类的分布式能源站典型日负荷获取方法。

本发明的目的可以通过以下技术方案来实现：

一种基于k-means聚类的分布式能源站典型日负荷获取方法，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。

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。

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。