[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

说明书

本发明提供了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。包括：步骤S1，根据综合能源系统结构、冷热电多能流主体差异、主要环境因素，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，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。本发明可为冷、热、电等多能流微网以及风光储综合能源系统提供一种高效、实用的典型日选取与工况集构建方法，从而指导系统分析规划与统筹调度优化。

技术领域

本发明属于综合能源系统与智慧能源领域，具体涉及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。

背景技术

微能源网有冷热电多种负荷，需统筹协调多能流以达到源网荷储的系统优化。能源微网能降低间歇性电源的不利影响，提高供电可靠性和电能质量，引起了学界的广泛关注。由于微能源网通常需要接入大量的可再生能源，其规划设计需要充分考虑可再生能源的波动性，这导致了微能源网规划设计问题与其运行优化问题的耦合。

微能源网的优化规划一般会通过选定典型日来降低规划的复杂度，而典型日特征数据则是无监督地选取典型日的基础。使用合理的典型日选取方法不仅可以减少规划问题的计算复杂度，还可以保留尽可能多的有效信息提高规划的准确性。典型日选取的常见方法有主观选择法，抽样法，线性规划法，聚类法等。其中主观选择法主要根据季度、日期、天气情况、用能习惯等因素选定典型日，主观性较强，当数据较为复杂时难以应用。抽样法依据随机抽样的思路进行典型日的选取，容易出现数据聚集的现象，难以避免数据信息严重丢失的问题。线性规划法通过建立数学模型对典型日选取结果进行最优化求解，可以自主定制优化的目标和约束条件，但核心的优化思路与聚类法差别不大，且该方法在不同数据集上的性能难以保证。聚类法通过对数据进行分类并计算类质心，可以得到具有一定代表性的典型日集合，而且可以保留数据的时序信息。本发明提供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，可为冷、热、电等多能流微网以及风光储综合能源系统提供一种高效、实用的典型日选取与工况集构建方法，从而指导系统分析规划与统筹调度优化。

发明内容

针对现有技术中存在的问题，本发明提供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。

本发明采用以下技术方案实现：

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，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采用步骤S2、S3方法处理得到自然日动态加权特征矩阵集合，并基于聚类方法选取典型日，典型日的工况构成工况集。

在步骤S1中：

根据结构特征及冷、热、电多能流生产主体的差异，考虑微能源网的主要环境影响因素，选取特征数据构成典型日的特征向量。

其特征数据选取原则为：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、电等多种微网所有能流。通常情况下每种数据的要求采样间隔时间为1小时。若选取N个特征数据，以原始序列的数值或标值直接构造特征向量，每个特征向量的维度为24×N维。