[发明专利]广义负荷建模中基于时段性的横向时间轴聚类方法

摘要

本发明公开了广义负荷建模中基于时段性的横向时间轴聚类方法，获取全年风电与负荷组成的根母线数据；数据处理，将处理后的全部数据首尾相连，横列组成横向连续数据，按横向时间单元THN分为M段，对全部数据进行横向聚类；基于横向聚类结果，待分析样本数据源被划分为q个横向类，每类由各自聚类中心代表；特征向量交叉匹配。通过特征向量交叉匹配判断样本所属类别，利用广义负荷建模建立精确模型并检验聚类策略有效性，仿真表明经过聚类分析后的广义负荷建模，可在满足精确性的基础上便于模型走向实用化，有利于提高电力系统仿真的精确性与实效性。

主权项

广义负荷建模中基于时段性的横向时间轴聚类方法，所述横向时间轴，指一日或更长的时间范围内，连续时间序列组成的坐标轴，其特征是，包括以下步骤：步骤一：获取全年风电与负荷组成的根母线数据；步骤二：数据处理，对于风场输出为负的情况，即风机吸收功率，剔除该类数据；对由于数据漏检造成的数据缺失，根据临近数据点进行补充；步骤三：将步骤二中处理后的全部数据首尾相连，横列组成横向连续数据，按横向时间单元THN分为M段，对全部数据进行横向聚类；步骤四：基于横向聚类结果，待分析样本数据源被划分为q个横向类，每类由各自聚类中心代表；步骤五：特征向量交叉匹配，当需建立某时段负荷模型时，通过该时段样本特征向量与全部类别聚类中心进行匹配，该样本属于相似度高的历史样本类时，待研究样本直接采用该类所属的类别的负荷模型；横向聚类即为“横向时间轴聚类”，具体为：将全年数据进行横向时段划分，将待研究时段的特征向量与各类聚类中心迅速匹配，找到该时段所属类别并应用该段模型，由于横向时间轴聚类着眼于分析较小的数据单元，如此需先对现场数据进行数据处理以获得更可靠合理的分析数据，再构建反映时段特性的特征向量进行聚类，最终通过特征向量交叉匹配找到其所属类别；所述步骤三中由于横向时间单元是由多个最小时间间隔T组成，利用THN内相邻最小时间间隔T的变化率序列表征横向数据波动趋势，辅以实际有功功率统计量，构成特征向量如式(14)：Wp=Yp1,Yp2,...,Ypb,Wmaxp,Wminp,W‾p,WS2p---(14)]]>式中，p为横向时间单元序列号；b为THN中最小时间间隔数；Wmaxp和Wminp分别为第p个横向时间单元内的最大有功功率和最小有功功率；和Ws2p分别为第p个横向时间单元内平均有功功率和方差，γp1，γp2，…，γpb分别为THN内b个最小时间间隔波动率序列。