[发明专利]一种乡村供用能典型场景确定方法及系统

权利要求书

1.一种乡村供用能典型场景确定方法，其特征在于：

对乡村供用能样本集选取初始聚类中心；

根据所述初始聚类中心，通过双尺度相似性的K-means聚类算法对选取样本聚类划分类簇；

采用同步回代消除算法从每个类簇内的样本集合中提取唯一样本，获得乡村供用能典型场景。

2.根据权利要求1所述的一种乡村供用能典型场景确定方法，其特征在于：所述乡村供用能样本集为S＝{s₁,s₂,...,s_n}；样本集中共n个待聚类样本，一个样本中有4m个数据点；第k天的样本为s_k＝[W_dayk,P_dayk,B_dayk,L_dayk]＝[W_k1,W_k2,...,W_km,P_k1,P_k2,...,P_km,B_k1,B_k2,...,B_km,L_k1,L_k2,...,L_km]；其中，W_dayk＝[W_k1,W_k2,...,W_km]，P_dayk＝[P_k1,P_k2,...,P_km]，B_dayk＝[B_k1,B_k2,...,B_km]，L_dayk＝[L_k1,L_k2,...,L_km]分别对应乡村电力系统第k天m个时刻的风电、光伏、生物质能发电出力和负荷需求。

3.根据权利要求1所述的一种乡村供用能典型场景确定方法，其特征在于：所述初始聚类中心选取方式为：

步骤11、输入n个待聚类样本的集合S＝{s₁,s₂,...,s_n}，单个样本数据维数p＝4m，聚类中心个数k；

步骤12、初始化CIW-SPSO参数和粒子；

步骤13、以粒子群中每个粒子为初始聚类中心进行聚类划分，分别计算粒子的适应度值，并记录粒子历史最优适应度值及其所对应的位置p_best.i、粒子群全局最优适应度值及其所对应的位置g_best；

步骤14、采用CIW和正弦函数学习因子，更新粒子位置；

步骤15、将更新之后的粒子位置作为新的初始聚类中心进行聚类，由聚类结果计算适应度值并记录；

步骤16、对每个粒子，比较当前适应度值与历史最优适应度值E(p_best.i)，若则对每个粒子，比较当前适应度值与全局最优适应度值E(g_best)，若则其中是粒子i在第t次迭代时的位置；

步骤17、当满足迭代次数条件时，停止迭代，否则转到步骤204；

步骤18、输出全局最优适应度值对应的位置g_best，将其所包含的k个样本点作为初始聚类中心。

4.根据权利要求3所述的一种乡村供用能典型场景确定方法，其特征在于：所述步骤12中，初始化的CIW-SPSO参数包括：粒子种群规模N，粒子的维数k，参数ω¹、μ以及最大迭代次数T_max；

初始化粒子，随机选取样本集合中k个样本数据代表一个粒子，重复上述过程，直到生成N个粒子为止。

5.根据权利要求3所述的一种乡村供用能典型场景确定方法，其特征在于：所述步骤13中，聚类划分依据样本与聚类中心的双尺度综合距离最近为原则，以最小化误差平方和为目的，衡量聚类效果的优劣，误差平方和中相异度的度量采用双尺度综合距离。