[发明专利]一种基于三支增量聚类的风电场机组聚合方法

说明书

技术领域

本发明涉及风电场领域，具体地说，特别涉及到一种基于树结构的三支增量聚类的风电场机组聚合方法。

背景技术

风电是非常重要的清洁能源，能够解决我国现今的能源供应以及二氧化碳的减排问题，实现能源的可持续发展，为我国的清洁能源和环保做出贡献。风力发电的优点有很多：它可再生，不用消耗污染环境的化石燃料，不产生温室气体。建到西北地区的，既不占用耕地，又不会污染环境。且风电场运营简单，施工周期短。

对于大型的风电场来说，风机装机容量在系统中所占比重较大，输出能量的随机波动将会对电网频率造成比较大的影响。一般的，我国风力发电大部分在西北地区的电网末端，改变了末端电网能量的单向流动的特点，风电机组在向电网供电的同时会吸收大量的无功，当系统电压降低时可能会导致电网电压进一步降低，严重时会使其他发电机组解列，造成停电。并且由于风能的随机性，风电机组在运行时会产生谐波，对电网造成冲击。所以，就需要根据风电机组的运行状态对机组进行分群，以达到对风电输出功率的较稳定控制。

在现有技术中，对于风电机组的分群，还主要使用的硬聚类，例如k-means等。它们有如下缺点：首先，他们大多是对静态数据集进行聚类，对于新增的数据集需要把新数据集和原有数据集作为一个整体重新运算，用时长；其次，这些算法的K值难以估计；最后，它们受初始聚类中心影响巨大，不好的初值选取可能得不到有效的聚类。关于基于树结构的三支增量聚类的风电场机组聚合方法，现有技术中尚未发现相关记载。

发明内容

本发明的目的在于针对现有技术中的不足，提供一种基于树结构的三支增量聚类的风电场机组聚合方法，以解决现有技术中存在的问题。

本发明所解决的技术问题可以采用以下技术方案来实现：

一种基于树结构的三支增量聚类的风电场机组聚合方法，包括如下步骤，

1)对风电场的风力发电机组的样本和新增数据进行标准化处理；

2)利用静态重叠聚类算法对待测风电场机组原数据进行分群聚类，得到重叠的类簇，创建收索树；

3)创建增量聚类算法；

4)对比增量数据集的代表点，对新增数据样本进行分群聚类并对原有搜索树进行更新；需要将新增代表点重新迭代聚类运算，直至新增代表点不再发生变化，得到新增风机分群。

所述步骤2)的具体过程如下：

a)采用欧几里得公式计算样本的相似性，并对样本初始化；

b)根据实际工作的要求和误差设定距离阈值，将所有满足一定条件的数据对象添加到相对应的簇群中；

c)然后寻找数据集中的代表点，并更新代表点样本数据集；

d)计算每个样本属性的熵指标值，并按照指标值由大到小的顺序对属性进行排序；

e)创建搜索树，当形成的子节点与父节点大部分相同时，停止创建收索树。

所述步骤3)的具体过程如下：

b1)对新增数据集进行聚类分析；

b2)找出新增数据集的簇群的相对应的代表点；

b3)然后找出新增数据集所对应的的代表点的临近代表点。

与现有技术相比，本发明的有益效果如下：

本发明基于树增量重叠的风电场聚合方法的优点是使用了三支决策聚类对数据进行预处理，可以很好的将模型的正域、边界和负域，使聚类的结果更加准确。并且，增量重叠算法对于新增的机组可以更快更有效的聚类，既节省了时间，又可以获得较好的新增机组的聚类结果，从而提高了现有技术对于动态数据的处理能力，可以使电网更有效的稳定运行。

附图说明

图1为本发明所述的增量聚类的风电场机组聚合方法的流程示意图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

参见图1，以发电机为例，从机组的稳暂态方程可以看出，风力发电机的仿真主要由发电机定子电流d轴q轴分量、风力转矩、机组转差率、机组桨距角、发电机电磁转矩等状态变量决定，所以，风电场机组分群时，可以按照这些变量对机组进行静态聚类，从而完成风电机组原始数据样本的静态聚类。

聚类是将多个对象的集合分成多个类的过程，每一类又称为一簇。同一簇群中的各个对象之间的属性相似，不同簇群中的对象之间属性会有较大差异。而增量重叠算法是在原有的数据基础上，用更少的时间对动态数据集，也就是新增数据进行快速聚类的算法。