[发明专利]一种基于数据挖掘的电网规划多场景提取方法

摘要

本发明公开了属于智能电网开发技术领域的一种基于数据挖掘的电网规划多场景提取方法。该方法先从大规模多场景数据集中筛选能够描述电网规划的聚类属性变量，然后通过主成分分析法对多场景数据集中特征变量的发电机节点和负荷节点进行降维处理；并以多场景数据集中的每个时刻为场景样本，以降维后的发电机组和负荷节点的有功功率为属性，利用改进的K‑means聚类算法进行聚类分析，从聚类结果中选取具有代表性的真实场景作为典型场景；最后输出场景提取结果。本发明可以权衡各因素对电网规划场景变化模式的影响程度，提取适合于大规模电网规划需求的关键影响要素，并幅降低数据维数，提高效率；实现系统化、科学化、高效化的典型场景提取。

主权项

1.一种基于数据挖掘的电网规划多场景提取方法，其特征在于，该方法先从大规模多场景数据集中筛选能够描述电网规划的聚类属性变量，然后通过主成分分析法对多场景数据集中特征变量的发电机节点和负荷节点进行降维处理；并以多场景数据集中的每个时刻为场景样本，以降维后的发电机组和负荷节点的有功功率为属性，利用改进的K‑means聚类算法进行聚类分析，从聚类结果中选取具有代表性的真实场景作为典型场景；最后输出场景提取结果；具体包括如下步骤：步骤1：数据输入，输入电网规划场景数据集，其包括系统规模、机组的技术参数、网架信息以及负荷功率；步骤2：数据特征分析，对场景数据集中的属性变量进行选取，选择发电节点出力的有功、无功功率和负荷节点的有功、无功功率作为聚类的特征变量；步骤3：数据预处理，从场景数据集中解析属性变量的相关数据，剔除不合理的数据和常年利用率较低的节点，并对数据进行标准化；步骤4：数据降维，通过主成分分析法在数量繁多的发电机节点和负荷节点中提取出具有典型性和代表性的主成分，同时达到降维分析的目的；步骤5：聚类分析，设定初始聚类个数k，同时初始化k个聚类中心，采用改进的K‑means聚类算法对降维后的场景数据集进行聚类分析；步骤6：判断聚类个数k是否合理，如果不合理，通过DBI指标(Davies‑Bouldin Index，DBI)和CHI指标(Calinski‑Harabasz Index，CHI)、确定最佳聚类个数k，重新设置聚类个数，重复步骤5；步骤7：多场景提取，从聚类结果的同类场景中选取距离聚类中心最近的真实场景作为代表该类的典型场景，同时通过离群点检测提取离群场景；步骤8：结果输出，输出聚类结果，包括聚类个数、各聚类场景集数量、各类典型场景以及离群场景；步骤9：结束多场景提取。