[发明专利]一种基于聚类和决策树的电力系统运行方式分类方法

说明书

本发明提供了一种基于聚类和决策树的电力系统运行方式分类方法，本发明通过建立降维矩阵对去中心化电力系统运行方式数据集进行降维，降低数据量，再根据降维后的数据集确定聚类中心，通过聚类中心对电力系统运行方式向量进行聚类处理，初步得到聚类组别，从而确定基尼指数，将基尼指数作为划分子集的标准，保障决策树的分类准确度，并通过对决策树进行修剪，去除决策树上不太可靠的分支，进一步地提高分类准确率。

技术领域

本发明涉及电力系统技术领域，具体而言，涉及一种基于聚类和决策树的电力系统运行方式分类方法。

背景技术

应新型电力系统建设要求，电网的新能源渗透率不断上升，电力系统运行方式也随之多样化和复杂化。典型运行方式的提取可以呈现电力系统的主要特征，并为系统电网工作人员提供系统运行更深层次的特征，对于电力系统运行分析具有重要意义。现阶段，基于负荷变化的季节性运行方式分类方法在电力系统运行和规划中普遍使用。然而，由于可再生能源发电固有的不确定性，可再生能源高渗透率下的电力系统的运行模式发生了实质性变化，传统基于负荷变化的场景提取方式难以应对新能源发电的不确定性，造成现有电力系统运行方式分类方法存在分类准确率低的问题。因此，需要基于数据驱动方法，从大规模运行数据中挖掘电力系统运行特征进而进行更可靠有效的运行方式分类。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于聚类和决策树的电力系统运行方式分类方法解决了高比例可再生能源渗透下现有电力系统运行方式分类方法存在分类准确率低的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种基于聚类和决策树的电力系统运行方式分类方法，包括以下步骤：

S1、提取电力系统运行方式模拟数据中源侧、网侧和负荷侧运行方式模拟数据，构建电力系统运行方式向量；

S2、根据电力系统运行方式向量，建立降维矩阵，对去中心化电力系统运行方式数据集进行降维，得到电力降维数据集；

S3、根据电力降维数据集，确定聚类中心，基于聚类中心对电力系统运行方式向量进行聚类处理，得到聚类组别；

S4、根据聚类组别，构建决策树；

S5、根据决策树的成本复杂度指标对决策树进行剪枝，采用剪枝后的决策树对电力系统运行数据进行处理，得到电力系统运行方式。

进一步地，所述步骤S1中电力系统运行方式向量为：

其中，p为电力系统运行方式向量，为|g|个传统机组在T_s时段源侧运行时的调度出力运行方式模拟数据，为|r|个新能源机组在T_s时段源侧运行时的调度出力运行方式模拟数据，为|f|条线路在T_s时段负荷侧的运行方式模拟数据，为负荷数据，为切负荷数据，|g|为传统机组数量，|r|为新能源机组数量，|f|为电网线路数量，|d|为负荷节点数量，T_s为时段，×为乘号。

进一步地，所述步骤S2包括以下分步骤：

S21、将多个电力系统运行方式向量构成电力系统运行方式数据集：

P₀＝(p₁,…,p_i,…,p_M)

其中，P₀为电力系统运行方式数据集，p₁为第1个电力系统运行方式向量，p_i为第i个电力系统运行方式向量，p_M为第M个电力系统运行方式向量，i和M为正整数；

S22、对电力系统运行方式数据集进行去中心化处理，得到去中心化电力系统运行方式数据集；