[发明专利]一种基于小波变换的微能源网典型日选取与工况集构建方法

权利要求书

1.一种基于小波变换的微能源网典型日选取与工况集构建方法，其特征在于，包括以下步骤：

步骤S1，根据综合能源系统结构特征、冷热电多能流主体差异、主要环境影响因素，选取微能源网关键数据构成典型日的特征向量；步骤S2，通过Haar小波变换对自然日特征数据进行分解，提取时频特征并构建自然日初始特征矩阵；步骤S3，考虑微能源网设备个体的容量配置信息，对自然日初始特征矩阵进行加权，得到自然日动态加权特征矩阵；步骤S4，将自然日特征数据样本按照步骤S2、S3的方法处理获得自然日动态加权特征矩阵的集合，对其采用聚类方法选取典型日，并由典型日的工况构成工况集。

2.根据权利要求1所述的一种基于小波变换的微能源网典型日选取与工况集构建方法，其特征在于，所述的步骤S1中选取微能源网关键数据的原则如下：

对微网系统考虑冷、热、电多能流，供给侧考虑出力与能源生产量，输配侧考虑环境与能量耗散，用户侧考虑负荷需求与实际负荷；

其特征数据采样时间要求以自然日为单位，尽可能涵盖冷、热、电多种微网所有能流。

3.根据权利要求1所述的一种基于小波变换的微能源网典型日选取与工况集构建方法，其特征在于，所述的步骤S2中：

S21，采用Haar小波变换对自然日原始数据进行特征提取和降维重构；对每类数据的原始序列z_r进行一次上采样，获得2n(n∈N*)个采样点的序列z_u，然后对z_u进行n层的小波分解后得到各个子空间上的尺度分量和细节分量，如下式所示：

z_u→(c₀,d₀,d₁,...,d_i,...,d_n-1)

式中，c₀为尺度分量，为细节分量，其中是第i层分解中第2ⁱ个母小波的系数；

S22,计算尺度分量和细节分量对原始序列能量的绝对贡献值，得到处理后的每类数据的自然日特征向量，以尺度分量和细节分量对原始序列的贡献值组合来表示自然日的特征，其中尺度分量可以描述序列的整体信息，而细节分量则能有效表征细节信息，如下式所示：

f＝(c₀²,f₀,f₁,...,f_i,...,f_n-1)

f_i＝||d_i||²

式中，f为每类特征数据的自然日特征向量；

S23，归一化处理得到自然日初始特征矩阵，对于在微能源网中选取电负荷、冷负荷和热负荷三种数据作为自然日的特征向量的情况下，自然日初始特征矩阵为：

f_i^e∈[0,1],

f_i^h∈[0,1],

f_i^c∈[0,1]

式中，F_r为自然日初始特征矩阵；f_i^e，f_i^h，f_i^c分别为第i个自然日的电负荷、热负荷和冷负荷的归一化特征列向量。

4.根据权利要求3所述的一种基于小波变换的微能源网典型日选取与工况集构建方法，其特征在于，所述的步骤S3中：

对步骤S23式中归一化后的自然日初始特征矩阵进行不同维度的动态加权，以体现特征成分在典型日选取过程中的重要程度，具体原则如下：

当某一能流在系统中起主导作用时，典型日选取过程中应更多地考虑该能流的特征，如对以电供暖、电制冷为主体的综合能源系统，电在冷、热、电多能流中起主要，应赋予其更大的特征数据选取权重；且当某一设备的额定功率越大时，典型日选取过程中应更多地考虑该设备对应的特征，因而给对应特征赋予的权值应该更大；

得到的自然日动态加权特征矩阵如下式所示：

式中，F为自然日动态加权特征矩阵；和分别为电、热、冷负荷的最大值或接近实际运行的出力额定值。

5.根据权利要求1所述的一种基于小波变换的微能源网典型日选取与工况集构建方法，其特征在于，所述的步骤S4中：

S41，根据自然日特征数据样本，获取自然日动态加权特征矩阵集合

根据步骤S1确定的典型日特征向量采集特征数据，获取待处理的微能源网数据样本，进行数据清洗与预处理后，根据步骤S2、S3所述，将数据样本以自然日为单位进行计算，最终得到自然日动态加权特征矩阵的集合；

S42，确定聚类簇数进行聚类处理

聚类采用均方差作为目标函数，如下式所示：

式中，K为簇的数量；p为自然日对象空间中的一点；m_k为簇μ_k的质心，其中簇的数量K是需要指定的参数；

S43，根据总量偏差、分布偏差指标，比较典型日选取效果的好坏，聚类得出典型日合集

为了比较典型日选取效果的好坏，定义总量偏差和分布偏差两个指标进行评估，如下式所示：

式中，Δtot为典型日集合的总量偏差；D为典型日集合；ω_d和S_d为典型日d代表的天数和该典型日的全天聚类数据总量；S_a为全年聚类数据总量；Δdis为典型日集合的分布偏差；D₀为所有自然日的集合；为典型日d在t时刻的聚类数据值；为自然日d在t时刻的聚类数据值；

步骤S44，求解完全后，总量偏差越小，则典型日选取效果越好；分布偏差越小，则典型日选取效果越好，由此，聚类得出典型日合集。