[發明專利]基于分裂層次半監督譜聚類算法的風電場動態等值方法

有效

• 申請號: 201310341919.2
• 申請日: 2013-08-07
• 公開（公告）號: CN103400009A
• 公開（公告）日: 2013-11-20
• 發明（設計）人: 林俐;潘險險;丁魁;蘭濤;趙會龍;趙雙;李庚銀;朱晨宸;李丹;李亮玉;李弸智
• 申請（專利權）人: 華北電力大學
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 陳波

技術領域

本發明屬于風力發電領域，尤其涉及一種基于分裂層次半監督譜聚類算法的風電場動態等值方法。

背景技術

隨著能源和環境問題的日益嚴重，風力發電越來越受到世界各國的重視。由于風能具有隨機性、間歇性、不穩定性的特點，隨著風電機組單機容量的增加和風電場規模的不斷擴大，風電并網對電力系統穩定性的影響愈加顯著。為準確分析和評價大容量風電場和電力系統之間的相互作用和影響，研究并尋求工程實用、精確度較高的風電場動態模型具有重要應用價值和學術意義。

傳統風電場動態等值建模方法是將整個風電場等值為一臺風電機組，然而由于風電場地形復雜、機組排列不規則等因素的影響，風電場內風電機組的風速差異較大，使用單機表征法通常會產生較大誤差。另外也有采用K-means聚類算法對風電機組進行機群劃分，建立風電場動態等值的多機表征模型，但是K-means聚類算法只能識別凸球形分布的數據，當樣本空間不為凸時，算法可能會陷入局部最優。也有學者提出基于譜聚類算法建立風電場動態等值的多機表征模型，譜聚類算法雖然能在任意形狀的樣本空間上聚類且收斂于全局最優解，但是目前相關學者提出的基于譜聚類算法建立風電場動態等值模型采用的是無監督譜聚類算法，僅利用樣本層面的信息來進行聚類，當所定義的聚類目標函數不適合數據本身時，該方法不能達到較好的機群劃分效果。

發明內容

針對背景技術中提到的目前所采用的風電場動態等值建模方法誤差較大，達不到較好的機群劃分效果的問題，本發明提出了一種基于分裂層次半監督譜聚類算法的風電場動態等值方法。

一種基于分裂層次半監督譜聚類算法的風電場動態等值方法，其特征在于，所述方法包括步驟：

步驟1：根據風電場內所有風電機組的實測風速數據，構建拉普拉斯矩陣；

步驟2：對步驟1得到的拉普拉斯矩陣進行譜特征分析，構造特征向量空間；

步驟3：對步驟2得到的特征向量空間的樣本組進行基于分裂層次的半監督聚類劃分，進而得到機群劃分結果；

步驟4：對同一機群內風電機組的參數采用容量加權法進行等值，建立風電場動態等值的多機表征模型。

步驟1中，根據風電場內所有風電機組的實測風速數據，構建拉普拉斯矩陣的過程為：

步驟101：設風電場中風電機組共有n+m臺，若某個時段內有n臺風電機組并網運行，m臺風電機組與電網脫離，則將m臺離網的風電機組剔除，選取風電場在該時段內并網運行的風電機組的實測風速數據作為樣本，在該時段內風速的采樣點個數為t，將n臺風電機組的風速數據建立實測風速樣本矩陣V：

其中，v_i,j表示第i臺風電機組在第j個時刻測得的風速；V_i為第i臺風電機組的實測風速樣本組；矩陣V中樣本組數量與風電機組臺數相等為n，維數與采樣點數相等為t；

步驟102：由實測風速樣本矩陣V構建n臺風電機組兩兩之間的歐式距離矩陣H：