[發(fā)明專利]一種基于主成分分析的風(fēng)電場(chǎng)群暫態(tài)電壓聚類識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710834264.0
• 申請(qǐng)日: 2017-09-15
• 公開（公告）號(hào): CN107482683B
• 公開（公告）日: 2019-12-10
• 發(fā)明（設(shè)計(jì)）人: 王振浩;杜虹錦;李國(guó)慶;張明澤;薛凱;穆炳剛;焦日升;張俊豐;李淼;張帆
• 申請(qǐng)（專利權(quán)）人: 東北電力大學(xué);國(guó)網(wǎng)吉林省電力有限公司培訓(xùn)中心;國(guó)網(wǎng)浙江省電力公司
• 主分類號(hào): H02J3/38
• 分類號(hào): H02J3/38;G01R31/08
• 代理公司: 22206 長(zhǎng)春市吉利專利事務(wù)所
• 代理人: 李曉莉

1.一種基于主成分分析的風(fēng)電場(chǎng)群暫態(tài)電壓聚類識(shí)別方法，其特征在于包括下列步驟：

步驟一、調(diào)度室采集各個(gè)風(fēng)電場(chǎng)輸出電壓值數(shù)據(jù)并發(fā)送給電力服務(wù)器，電力服務(wù)器將接收到的電壓值和預(yù)設(shè)的標(biāo)準(zhǔn)電壓值進(jìn)行比較；

步驟二、電力服務(wù)器識(shí)別到接收的電壓值比標(biāo)準(zhǔn)電壓值低10％，錄全部風(fēng)場(chǎng)并網(wǎng)點(diǎn)的電壓值信號(hào)S(n)＝[s₁(n),s₂(n),...,s_m(n)]^T，n＝1,2,...,N，

其中m為風(fēng)電場(chǎng)的數(shù)量、n為每個(gè)風(fēng)場(chǎng)的電壓信號(hào)數(shù)量且N≥2、T表示矩陣轉(zhuǎn)置、S(n)為電壓值所組成的矩陣、s_m(n)表示第m個(gè)風(fēng)電廠的第n個(gè)電壓值信號(hào)；

步驟三、獲得m個(gè)風(fēng)電場(chǎng)電壓信號(hào)均值為U＝[u₁,u₂,...,u_m]^T，獲取每個(gè)風(fēng)場(chǎng)電壓值信號(hào)去均值化處理的結(jié)果S(n)－U＝X，

其中X為去均值化后的電壓值矩陣即、U為風(fēng)電場(chǎng)電壓信號(hào)均值、T表示矩陣轉(zhuǎn)置；

步驟四、獲得X的協(xié)方差矩陣XX^T＝A，通過P^TAP＝diag[λ₁,λ₂,...,λ_m]，獲得正交矩陣P，其中λ₁≥λ₂≥...≥λ_m≥0為矩陣A的m個(gè)特征值，P^T為P的轉(zhuǎn)置矩陣，其中diag表示一個(gè)對(duì)角矩陣，λ稱為A的特征值；

步驟五、通過P^TX，獲得降維后的數(shù)據(jù)Y，其中Y用y_i表示，并且有λ_i＝E(y_i²)，X＝PY＝p₁y₁+p₂y₂+...+p_my_m，其中p₁,p₂,...,p_m為A的特征向量，即主成分載荷，表示與相應(yīng)風(fēng)電場(chǎng)并網(wǎng)點(diǎn)電壓相關(guān)系數(shù)，提取前第一、第二主成分對(duì)應(yīng)的相關(guān)系數(shù)作為橫、縱坐標(biāo)，至此N維電壓信號(hào)降至2維，其中E表示求方差公式；

步驟六、通過k-means聚類算法將所述步驟五中的二維坐標(biāo)下各電壓值信號(hào)的相關(guān)系數(shù)分為k類，即將m個(gè)風(fēng)電場(chǎng)群分成k群；

步驟七、計(jì)算并得到二維空間中m個(gè)點(diǎn)到所述步驟六中的k個(gè)群的中心點(diǎn)的歐氏距離，將m個(gè)點(diǎn)分別劃歸到距離最近的類別中；

步驟八、根據(jù)聚類結(jié)果，將各個(gè)群中所有元素歐式距離的算術(shù)平均數(shù)重新計(jì)算并得到k個(gè)中心；

步驟九：重復(fù)所述步驟七直至聚類結(jié)果恒定，得出暫態(tài)行為相似的風(fēng)電場(chǎng)群,單獨(dú)成群的電場(chǎng)為脫網(wǎng)電場(chǎng)。

2.根據(jù)權(quán)利要求1所述的一種基于主成分分析的風(fēng)電場(chǎng)群暫態(tài)電壓聚類識(shí)別方法，所述步驟六、通過k-means聚類算法將所述步驟五中的二維坐標(biāo)下各電壓信號(hào)按相關(guān)系數(shù)分為3類，即將m個(gè)風(fēng)電場(chǎng)分成3群。

3.根據(jù)權(quán)利要求1所述的一種基于主成分分析的風(fēng)電場(chǎng)群暫態(tài)電壓聚類識(shí)別方法，所述步驟六、通過k-means聚類算法將所述步驟五中的二維坐標(biāo)下各電壓信號(hào)的相關(guān)系數(shù)分為4類，即將m個(gè)風(fēng)電場(chǎng)分成4群。