[发明专利]一种光伏集群划分方法及系统

权利要求书

1.一种光伏集群划分方法，其特征在于，所述方法包括：

基于预先获取的气象特征参数，计算区域内各场站的样本向量，并对所述样本向量进行归一化处理；

利用BIRCH算法，基于归一化处理后的样本向量建立聚类特征树，获得初始集群划分结果；

检测所述初始集群划分结果中的离群点，基于离群点检测结果对初始集群划分结果进行优化，获得集群划分结果。

2.如权利要求1所述的方法，其特征在于，所述气象特征参数的预先获取包括：

采集区域内各光伏电站的经纬度、海拔信息以及各站点的历史气象监测数据；

基于采集的数据，获取在指定时间段内，各光伏电站的气象特征参数；

其中，所述各站点的历史气象监测数据包括：单位时间段内，各光伏电站监测的总辐射、气温和降水量数据。

3.如权利要求1所述的方法，其特征在于，所述气象特征参数，包括指定时间段内的平均辐照度、辐照度峰值、平均气温、最高气温、最低气温、累积降水量的统计量。

4.如权利要求1所述的方法，其特征在于，所述区域内各场站的样本向量包括：经度，纬度，海拔，平均辐照度，辐照度峰值，平均气温，最高气温，最低气温，累积降水量。

5.如权利要求1所述的方法，其特征在于，通过下式确定归一化处理后的样本向量：

式中，表示归一化处理后的气象特征参数，x表示气象特征参数，x_max、x_min分别表示所有光伏电站的气象特征参数最大值和最小值。

6.如权利要求1所述的方法，其特征在于，所述利用BIRCH算法，基于归一化处理后的样本向量建立聚类特征树，获得初始集群划分结果包括：

聚类初始时，将各站点归一化处理后的样本向量表定义为数据簇；

获取采样点站点位置为聚类特征树根节点，读取所述根节点对应数据簇的聚类特征，包括内部各层的最大子节点数B，叶节点的所包含的最大站点数L以及数据簇的最大样本半径阈值T；

依次读入其他站点数据簇的聚类特征，计算当前数据簇与前一个数据簇形心之间的欧式距离；若所述距离小于数据簇的最大样本半径阈值T，则合并当前站点并更新数据簇的聚类特征；若大于数据簇的最大样本半径阈值T，则判断聚类特征树节点所包含的叶节点数，若小于叶节点的所包含的最大站点数L，则将该节点作为新的子节点；否则对聚类特征进行分裂。

7.如权利要求6所述的方法，其特征在于，通过下式确定当前数据簇与前一个数据簇形心之间的欧式距离：

式中，D_i0表示数据簇x_i到数据簇形心x₀之间的欧式距离。

8.如权利要求6所述的方法，其特征在于，所述对聚类特征进行分裂包括：

将聚类特征树节点下距离最远的两个叶节点作为新的节点，将原节点下的其他站点以及新站点按照距离划分到两个新节点下；

依次检查上级节点的子节点数，若所述子节点数超过预先定义的内部各层的最大子节点数B，则返回上一步骤继续进行分裂；否则依次读入每个站点的特征向量，获得所有站点的聚类特征树。

9.如权利要求1所述的方法，其特征在于，所述检测离群点包括：

检测任意节点下的叶子节点数目，当叶子节点数目小于预设阈值L时，将所述节点下的所有叶子节点定义为离群点。

10.如权利要求1所述的方法，其特征在于，所述基于离群点检测结果对初始集群划分结果进行优化，获得集群划分结果集群划分结果优化包括：

将离群点进行聚类合并，若无法归入已有数据簇，则将其作为独立节点；

计算各数据簇形心之间的欧氏距离，将距离相近的数据簇进行聚类合并直至达到根据实际工况设定的集群数量。

11.一种光伏集群划分系统，其特征在于，所述系统包括：

计算模块，用于基于预先获取的气象特征参数，计算区域内各场站的样本向量，并对所述样本向量进行归一化处理；

获取模块，用于利用BIRCH算法，基于归一化处理后的样本向量建立聚类特征树，获得初始集群划分结果；

优化模块，用于检测所述初始集群划分结果中的离群点，基于离群点检测结果对初始集群划分结果进行优化，获得集群划分结果。