[发明专利]一种光伏集群划分方法及系统

说明书

本发明提出一种光伏集群划分方法及系统，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；实现区域光伏电站集群的合理划分。

技术领域

本发明属于太阳能利用技术领域，具体涉及一种光伏集群划分方法及系统。

背景技术

随着我国光伏发电产业的快速发展，光伏电站的大量并网对电网的安全稳定运行造成影响。光伏功率预测技术可以有效降低光伏输出功率的不确定性影响。当区域内光伏电站数量众多时，单个光伏电站的功率预测已不能完全满足调度部门的应用需求，亟需实现区域光伏电站群的功率预测。

光伏电站的集群划分是区域光伏功率预测技术中的重要环节。目前的区域预测方法大多以单个光伏电站的预测结果为最小单元，通过累加法或统计升尺度方法计算得到区域的预测结果。随着预测区域的增大，光伏电站数量的增多，预测模型的计算效率会逐渐降低，因此有必要进行合理的光伏电站集群划分，在不影响预测精度的前提下显著提高建模效率。

比较常用的光伏集群划分方法是根据光伏电站所在行政区域或所在线路进行划分，该方法没有考虑电站区域气象要素的影响，区域内的光伏电站的气象特征可能存在较大差异，这对区域集群功率预测精度带来一定的影响。

发明内容

为了解决上述问题，本发明提出一种光伏集群划分方法及系统，将地理信息与气象信息相融合，实现区域光伏电站集群的合理划分。

本发明的目的是采用下述技术方案实现的：

一种光伏集群划分方法，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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；