[发明专利]基于微电网源荷综合特性图像的电源波动控制方法及应用

权利要求书

1.基于微电网源荷综合特性图像的电源波动控制方法，其特征在于，包括以下步骤：

步骤1、预测下一调控周期内分布式电源的运行参数，输入到微电网源荷综合特性图像构建装置中，生成下一调控周期的微电网源荷综合特性图像A；

步骤2、采用SURF算法得到源荷综合特性图像A中所有特征点的64维描述向量；

步骤3、从数据库中选取一张源荷综合特性图像B，并用SURF算法得到源荷综合特性图像B所有特征点的64维描述向量；

步骤4、基于欧式距离判别法确定出源荷综合特性图像A的特征点和源荷综合特性图像B的特征点粗匹配对；

步骤5、对特征点粗匹配对进行精匹配，得到最优特征点匹配对并输出最优特征点匹配对的数量，返回步骤3，直至遍历数据库中所有的源荷综合特性图像；

步骤6、将所有最优特征点匹配对的数量按从大到小进行排序，选择最优特征点匹配对的数量最大的源荷综合特性图像，并将其对应的调控策略作为下一调控周期可调控负荷的调控策略。

2.根据权利要求1所述的基于微电网源荷综合特性图像的电源波动控制方法，其特征在于，还包括优化调控策略的步骤：

判断最优特征点匹配对数量最大值是否大于阈值R，若大于阈值R，则调用最优特征点匹配对数量最大值对应的源荷综合特性图像的调控策略作为下一周期可调控负荷的调控策略；否则，获取最优特征点匹配对数量的前M个对应的调控策略作为M个个体，加入遗传算法的初始种群中，采用改进遗传算法优化求解可调控负荷消纳分布式电源优化模型，来制定下一调控周期可调控负荷的调控策略，并将制定的调控策略存入数据库中。

3.根据权利要求1或2所述的基于微电网源荷综合特性图像的电源波动控制方法，其特征在于，所述的得到源荷综合特性图像A或源荷综合特性图像B的所有特征点的64维描述向量的过程为：

步骤201、提取源荷综合特性图像的关键点；

步骤202、源荷综合特性图像的特征点定位；

步骤203、生成源荷综合特性图像特征点的64维描述向量。

4.根据权利要求1或2所述的基于微电网源荷综合特性图像的电源波动控制方法，其特征在于，所述的步骤4包括：

针对源荷综合特性图像A中某一个特征点的64维描述向量，采用欧氏距离判别方法在另一张源荷综合特性图像B中寻找出距离最近的特征点和次近的特征点；

如果最近的距离r¹和次近的距离r₂的比值小于设定的阈值，则保留这两个特征点，否则不保留；

选取距离最近的这两个特征点记为源荷综合特性图像A和源荷综合特性图像B的一个特征点粗匹配对，并用直线连接；

依次用欧式距离判别法确定出源荷综合特性图像A和源荷综合特性图像B的所有特征点粗匹配对。

5.根据权利要求1或2所述的基于微电网源荷综合特性图像的电源波动控制方法，其特征在于，所述的步骤5包括：

步骤501、基于K-Means算法对特征点粗匹配对进行聚类处理，完成精匹配；

步骤502、采用RANSAC抽样一致算法进一步删除异常特征点匹配对，得到最优特征点匹配对并输出最优特征点匹配对的数量。

6.根据权利要求5所述的基于微电网源荷综合特性图像的电源波动控制方法，其特征在于，所述的基于K-Means算法对特征点粗匹配对进行聚类处理，完成精匹配包括：

步骤a、从源荷综合特性图像A和源荷综合特性图像B的特征点粗匹配对集合中随机选择k对特征点匹配对，作为初始聚类中心；

步骤b、计算每个特征点粗匹配对到各聚类中心的距离，对每个特征点粗匹配对进行归类；

步骤c、重新随机选取每个聚类的聚类中心，并且不断重复上述步骤b，直到准则函数收敛；

步骤d、聚类完成后，聚类区间内特征点匹配对数量最多的一类即为正确的匹配结果，否则为错误特征点匹配对，将错误特征点匹配对删除。