[发明专利]一种适用综合能源系统规划运行的场景建模方法

权利要求书

1.一种适应综合能源系统规划运行的场景建模方法，其特征在于，步骤如下：

步骤1、获取所研究地区内的光伏出力、风电出力及负荷数据，所诉的负荷数据中包含电负荷数据、气负荷数据、冷负荷数据和热负荷数据；

步骤2、将所获得数据按时间排列生成数据集，对所生成的数据集进行数据预处理；

步骤3、采用改进相关性控制的LHS方法对数据集进行抽样；

步骤4、采用改进K-means算法对抽样结果进行聚类。

2.根据权利要求1所述的一种适应综合能源系统规划运行的场景建模方法，其特征在于，步骤2具体方法如下：

1)将所获取的光伏出力、风电出力及负荷数据进行标幺化；

2)将所获得数据按S＝{P_PV，P_WT，L_E，L_G，L_C，L_H}i，i＝1，2，...，8760形式排列，其中P_PV表示光伏出力，P_WT表示风电出力，L_E、L_G、L_C、L_H分别表示电负荷、气负荷、冷负荷、热负荷，i表示时刻点数。

3.根据权利要求2所述的一种适应综合能源系统规划运行的场景建模方法，其特征在于，步骤3具体方法如下：

1)样本生成：

设通过抽样最终需要生成n个场景，待抽样变量X维度为D，记为X＝[X₁，X₂，...，X_D]^T，则第j个抽样样本为X_j＝[X_j1，X_j2，...，X_jD]^T，j＝1，2，...n；X的第w维即变量X_w的取值范围为[X_w，min，X_w，max]，w＝1，2，...，D，其分布函数为F_w(X_w)；对于第w维抽样步骤如下：

a.将X_w分布函数的值区间[F_w(X_w，min)，F_w(X_w，max)]平均分为n份；

b.生成[0，1]内均匀分布的任一随机数r，则对应第j个概率区间内存在一个值q_j＝(j-1+r)/n，令y_jw＝F_w(X_w，min)+q_j[F_w(X_w，min)，F_w(X_w，max)]；

c.逆变换即可得到变量X_w的第j个抽样值

d.得到样本矩阵X_n；

2)相关性控制：

LHS算法在处理多输入随机变量时，其模拟的精度不仅受到采样值的影响，还受到不同输入随机变量采样值的相关性影响；在得到具有一定相关性的排序矩阵后，将采样矩阵按照排序矩阵进行排列，即可得到具有相同相关性的采样矩阵；具体步骤如下：

a.根据输入变量的类型和线性相关系数矩阵C_X得到经过Nataf变换后的标准正态变量的相关系数矩阵C_Z，并对其进行Cholesky分解，得到下三角矩阵B；

b.对M个独立的标准正态变量进行抽样，得到样本矩阵W_N×M；

c.根据Z＝WB^T得到具有相关性矩阵为C_Z的样本矩阵Z，再根据Z中元素在Z中每一列的排序得到顺序矩阵L_S；

3)样本矩阵X_n按照L_S进行排列得到最终的样本矩阵。

4.根据权利要求3所述的一种适应综合能源系统规划运行的场景建模方法，其特征在于，步骤4具体方法如下：

原始K-means算法最开始随机选取数据集中K个点作为聚类中心，而改进K-means算法按照如下的思想选取K个聚类中心：假设已经选取了m个初始聚类中心(0＜m＜K)，则在选取第m+1个聚类中心时，距离当前m个聚类中心越远的点会有更高的概率被选为第m+1个聚类中心；在选取第一个聚类中心(m＝1)时同样通过随机的方法；

1)在数据集中随机选取一个样本作为初始聚类中心c₁；

2)计算每个样本与当前已有聚类中心之间的最短距离，用D(x)表示；

3)选择一个新的样本作为新的聚类中心，选择原则为：D(x)越大的点，被选取作为聚类中心的概率越大；

a.将数据集中每个点与其距离最近的聚类中心之间的距离相加，其和用sum(D(x))表示；

b.在0到sum(D(x))之间取一个随机值Random，然后令Random＝Random-D(x)，直到Random＜0，此时的点即为下一个聚类中心；

4)针对数据集中每一个样本x_k，计算x_k到K个聚类中心的距离并将其分到距离最小的聚类中心所对应的类中；

5)针对每一个类别c_z，重新计算它的聚类中心即属于该类的所有样本的质心；

6)重复步骤4和步骤5，直至聚类中心的位置不再变化；

7)输出聚类结果S＝{P_PV，P_WT，L_E，L_G，L_C，L_H}_i，i＝K。