[发明专利]一种乡村供用能典型场景确定方法及系统

说明书

本发明公开了一种乡村供用能典型场景确定方法及系统，采用CIW‑SPSO对乡村供用能样本集选取初始聚类中心，后通过双尺度相似性的K‑means聚类算法对选取样本聚类划分类簇，最后采用同步回代消除算法从每个类簇内的样本集合中提取唯一样本，获得乡村供用能典型场景。结合双尺度综合距离，使用基于Logistic映射的CIW‑SPSO生成初始聚类中心，寻优能力强，收敛速度快，能够在整个搜索区域内得到使聚类目标函数尽可能小的聚类中心，有效地减少K‑means算法对初始中心的依赖，提高算法的聚类精度。能用少量乡村供用能典型场景描述大量复杂性场景特征，样本聚类效果稳定，场景缩减时间短，降低计算复杂度。

技术领域

本发明属于电力系统领域，具体涉及一种乡村供用能典型场景确定方法及系统。

背景技术

随着我国新农村建设的推行，乡村用电负荷快速增长，其能源结构将发生显著改变。在乡村振兴战略下的农业能源互联网发展与“双碳”目标的背景下，考虑乡村人民生活、农业生产、垃圾处理、等方面的需求，保持农村自然生态环境，提高农村供电能力的有效措施，实现风、光、生物质能等再生资源的高效利用，构建以可再生能源供能为主的无碳化乡村多能源系统，是未来乡村能源系统的发展方向。

大规模新能源接入导致电网中场景多元化，提高了乡村能源系统规划和调度分析的复杂性，因此需要对乡村供用能的大量场景进行削减或聚类，形成乡村供用能典型场景便于规划和调度。

目前电力系统典型场景生成方法归纳起来主要包含K-means聚类、层次聚类法、密度聚类、模糊C均值聚类及场景缩减法等，不同的聚类方法其聚类结果和聚类效率不尽相同，K-means聚类作为一种常见的聚类方法在电力系统典型场景生成中具有广泛应用。但传统K-means聚类初始聚类中心需人为确定或随机选取，因此其聚类效果不稳定；且以均值更新的各聚类中心代替缩减后的场景集合会解耦供能场景的时间相关性，使得缩减后得到的典型场景集合不能较好的表征原始场景集合。

发明内容

本发明提供一种一种乡村供用能典型场景确定方法及系统，可以解决现有技术中的上述问题。本发明能用少量乡村供用能典型场景描述大量复杂性场景特征，样本聚类效果稳定，场景缩减时间短，降低计算复杂度。保证场景内供用能之间的时间相关性，使得缩减后得到的典型场景集合能较好的表征原始场景集合。

为实现上述目的，本发明采用的技术方案如下：

一种乡村供用能典型场景确定方法，采用CIW-SPSO对乡村供用能样本集选取，后通过双尺度相似性的K-means聚类算法对选取样本聚类划分类簇，最后采用同步回代消除算法从每个类簇内的样本集合中提取唯一样本，获得乡村供用能典型场景。

具体包括步骤为：

步骤1、获取乡村电力系统中风电、光伏发电、生物质能发电出力及负荷需求的数据，组成乡村供用能样本集；

步骤2、结合双尺度综合距离，运用基于Logistic映射的CIW-SPSO(新型混沌简化PSO算法)选取初始聚类中心；

步骤3、利用双尺度相似性改进的K-means聚类算法对乡村供用能样本集进行聚类划分；

步骤4、采用考虑概率距离的同步回代消除算法从每个类簇内的样本集合中提取唯一样本，获得乡村供用能典型场景。