[发明专利]一种基于实时动态修正的多类型供用能系统等值方法

权利要求书

1.一种基于实时动态修正的多类型供用能系统等值方法，其特征在于，包括：

步骤1：对分散的分布式资源进行动态分群聚类，具体包括以下步骤：

步骤1.1：采用凝聚层次聚类对原始数据中的各条负荷曲线进行划分，使确定个聚类中心并对所述个聚类中心初始化；

步骤1.2：基于欧式距离与差分余弦距离构成的双尺度相似性距离度量计算某一负荷曲线与个聚类中心的相似度，将所述某一负荷曲线归到与相似度最大的某一聚类中心所在的类簇，其中，所述双尺度相似性距离度量的表达式如下：

，

式中，为第条负荷曲线和第条负荷曲线的综合距离，为第条负荷曲线和第条负荷曲线的欧氏距离，和分别为欧氏距离的权重系数、差分余弦距离的权重系数，为第条负荷曲线和第条负荷曲线的差分余弦距离；

，

式中，为比例放大系数，和分别为数据集内所有负荷曲线欧氏距离的最大值和差分余弦距离的最大值；

步骤1.3：基于某次迭代的类内离散度判断某次迭代是否满足迭代要求；若不满足迭代要求，将各类簇的样本均值分别作为个新的聚类中心，并计算某一负荷曲线与个新的聚类中心的相似度，直至某次迭代满足迭代要求；

若满足迭代要求，则输出聚类结果；

步骤2、根据所述聚类结果，建立多类型供应能系统的日前等值模型，并求解所述日前等值模型得到电网与多类型供应能系统不进行交互时的初始功率上限和初始功率下限；

步骤3、根据在日内交互时刻t的机组最新预测信息以及机组当前运行状态，建立对供用能系统交互时刻的滚动修正优化模型，其中，所述滚动修正优化模型中的初始模型参数为初始功率上限和初始功率下限。

2.根据权利要求1所述的一种基于实时动态修正的多类型供用能系统等值方法，其特征在于，在步骤1.2中，两条负荷曲线的欧氏距离表达式为：，

式中，为第条负荷曲线和第条负荷曲线的欧氏距离，为归一化后的第条负荷曲线的第维度值，为归一化后的第条负荷曲线的第维度值，为负荷曲线维度，为第条负荷曲线的第维度。

3.根据权利要求1所述的一种基于实时动态修正的多类型供用能系统等值方法，其特征在于，在步骤1.2中，两条负荷曲线的差分余弦距离表达式为：，

式中，为第条负荷曲线和第条负荷曲线的差分余弦距离，为第负荷差分向量和第个负荷差分向量的余弦相似度；

，

式中， 为第个负荷差分向量，为第个负荷的差分向量，为第个负荷差分向量的2-范数，为第个负荷差分向量的2-范数。

4.根据权利要求1所述的一种基于实时动态修正的多类型供用能系统等值方法，其特征在于，在步骤1.3中，迭代要求具体为：

得到的中心点不再变化、达到最大迭代次数且最大迭代次数两次迭代类内误差满足，其中，为次迭代的类内离散度，为次迭代的类内离散度，为收敛阈值。

5.根据权利要求4所述的一种基于实时动态修正的多类型供用能系统等值方法，其特征在于，所述次迭代的类内离散度的表达式为：

，

式中，为第个簇，为第个簇的负荷曲线，为聚类数，为第次迭代的类内离散度。

6.根据权利要求5所述的一种基于实时动态修正的多类型供用能系统等值方法，其特征在于，所述第次迭代的类内离散度的表达式为：

，

式中，为簇内负荷曲线的数量，为第个簇，为第个簇的负荷曲线。

7.根据权利要求1所述的一种基于实时动态修正的多类型供用能系统等值方法，其特征在于，在步骤2中，所述日前等值模型包括日前第一优化模型和日前第二优化模型，所述步骤2包括：

基于电网与多类型供应能系统不进行交互时时刻联络线上的有功功率为最小的目标函数建立日前第一优化模型，并基于分支定界法求解所述日前第一优化模型得到电网与多类型供应能系统不进行交互时的初始功率下限；

基于电网与多类型供用能系统不进行交互时时刻联络线上的有功功率为最大的目标函数建立日前第二优化模型，并基于分支定界法求解所述日前第二优化模型得到电网与多类型供应能系统不进行交互时的初始功率上限。

8.根据权利要求1所述的一种基于实时动态修正的多类型供用能系统等值方法，其特征在于，在步骤3中，所述建立对供用能系统交互时刻的滚动修正优化模型包括：

基于电网与多类型供用能系统进行交互时时刻联络线上的有功功率为最小的目标函数建立日内第一优化模型；

基于电网与多类型供用能系统进行交互时时刻联络线上的有功功率为最大的目标函数建立日内第二优化模型。