[发明专利]一种基于AP聚类算法的场景削减方法

权利要求书

1.一种基于AP聚类算法的场景削减方法，其特征在于，包含以下步骤：

步骤1，建立配电网模型和对数据进行预处理，

所述配电网模型由网架基础模型及潮流计算模型组成，所述网架基础模型通过电缆规格长度等指标组成，所述潮流计算模型以各节点有功无功注入作为输入，distflow方程作为约束组成,所述数据预处理包括数据收集和数据优化，所述数据收集方法通过统计1年周期的日分布式电源出力数据，所述统计方式采用整点取值统计，所述数据优化包括筛选、插值处理和过归一化，针对缺省数值进行插值和筛选处理，将处理过后的数据进行归一化处理；

步骤2，搭建近邻传播聚类算法，通过近邻传播聚类算法处理步骤1所得数据，所述近邻传播聚类算法计算步骤如下：

S1:计算各个日分布式电源出力数据之间的2-范数欧式距离，

S2:再对角线元素设置为每列平均值，即默认的偏好参数之后，取对数后并取反，得到相似度矩阵F，

S3：设置归属度矩阵A和吸引度矩阵R初始值为0，设置默认阻尼系数为0.5，依据对应公式进行迭代；

步骤3，根据不同场景削减结果的制定调优方案，

依据规划方案近景年和远景年等不同规划周期的需求，针对近景年，因原始数据相对较少，在模式值基础上减少偏好参数，增加削减后场景数，保留发电场景信息，同时增加阻尼系数，避免迭代不收敛；

针对远景年，在默认值基础上增加偏好系数，减少了削减后场景数减少计算量，并减小阻尼系数增加迭代速度，以此来满足多种情况下的规划需求，并在实际情况下验证。

2.根据权利要求1所述的基于AP聚类算法的场景削减方法，其特征在于，所述步骤2中归属度矩阵A和吸引度矩阵R的全局迭代方法如以下公式所示：

其中，f(i,k)为相似度矩阵F的第i行第k列元素；r(i,k)为吸引度矩阵R的第i行第k列元素；a(i,k)为归属度矩阵A的第i行第k列元素；t为迭代次数；min和max分别表示去最小值和最大值，在i＝k与i≠k两种情况下归属度矩阵具有不同的迭代方法。

3.根据权利要求1所述的基于AP聚类算法的场景削减方法，其特征在于，所述步骤3中为了根据规划年限不同带来的不同需求，我们会设置相应的偏好系数p和阻尼系数λ，其对原始方法的优化如以下公式所示：

S(i,i)＝p(i)\*MERGEFORMAT (2)

原始的相似度矩阵对角线元素设置为其每一行的平均值，意味着在迭代的起始阶段，公式(1)内，我们默认每个节点支持自身成为聚类中心的程度是所有节点支持其成为聚类中心的平均值，此时最终的聚类结果仅与整体数据的分散性质相关， 当我们增加p值时，意味着每个节点支持自身成为聚类中心的程度增加，最终的聚类数目会相应减少；反之，减少p值时，每个节点支持自身成为聚类中心的程度减少，最终的聚类数目则会增加，以此来改变最终聚类的结果，而选择聚类中心的其他过程不受影响，仍然是由数据点本身的特点选择了聚类中心。