[發明專利]一種結合類內相似度和類間差異度的聚類有效性指標建立方法

有效

• 申請號: 202010081900.9
• 申請日: 2020-02-06
• 公開（公告）號: CN111291326B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 余姚果;梅亞東;彭利鴻;張祥;肖小剛;張勝
• 申請（專利權）人: 武漢大學;國家電網公司華中分部
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06Q10/06;G06Q50/06;G06K9/62
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 楊宏偉

本發明公開了一種結合類內相似度和類間差異度的聚類有效性指標建立方法。首先計算初始場景集中每兩個場景組合之間的相似性指標；采用改進SBR算法進行場景縮減得到目標場景數及其對應的概率；然后計算類內相似度和類間差異度從而得到有效性指標YM值；通過繪制提取場景數與YM指標值之間的關系曲線來確定合適的場景數。本發明首次在SBR算法中提出結合類內相似度和類間差異度指標YM作為判定提取場景數依據，有助于SBR方法推廣和發展。

技術領域

本發明屬于電網規劃領域，涉及一種聚類分析方法，特別涉及一種結合類內相似度和類間差異度的聚類有效性指標建立方法。

背景技術

電力系統中長期規劃和運行調度均涉及對大量的場景和方案進行分析評價。風力和光伏電站的輸出功率隨風能和太陽輻射變化，受天氣、季節、區域等變量影響具有較強的隨機性、波動性和間歇性的特征。風電/光伏的大規模并網影響電力實時平衡威脅電網安全，對電力系統規劃和運行提出更高的要求，對提高電力系統風電/光伏發電并網接納能力提出嚴峻挑戰。場景縮減的目的是通過合并相似場景盡可能利用少量具有代表性的場景描述龐大的數據集合，從而降低問題的復雜程度。聚類算法是一種較為常見的典型場景提取方法，常見的聚類算法有K-means、模糊C均值算法、分層聚類算法、同步回代縮減算法(Simultaneous Backward Reduction,SBR)。其中，但是，SBR法在應用時，其提取場景數的選擇缺乏一定客觀性。因此，K-means和模糊C均值算法易受初始聚類中心的影響、在迭代過程中易陷入局部最優解并且提取場景數難以確定，使得最終提取的結果缺乏足夠代表性。分層聚類算法和同步回代算法在相似性度量往往采用歐氏距離、絕對距離等描述樣本數量特征，無法準確反映時間序列形狀特征，并且場景提取數往往由人為規定。由于醫療、海洋、電力等行業數據量大，往往需要通過對大量原始數據進行聚類分析從而提取典型場景，因此將一種結合類內相似度和類間差異度的聚類有效性指標引入SBR算法，對于完善和發展SBR法，具有比較重要的意義，并且可為電力部門各機組出力以及用戶負荷過程典型場景提取提供技術支撐。

發明內容

本發明的目的在于解決同步回代縮減法場景數選擇依據的不足，提供一種結合類內相似度和類間差異度的聚類有效性指標，以確定最終提取的場景數目，并用于研究電力系統出力以及負荷特征。

為實現上述目的，采用的技術方案如下：

一種結合類內相似度和類間差異度的聚類有效性指標建立方法，其特征在于：包括如下步驟：

步驟1，計算初始場景集中每兩個場景組合之間的相似性距離；

步驟2、采用改進同步回代縮減算法進行第k次場景縮減；k＝1,2,3…N-M，其中N為初始場景集中場景總數，M為縮減后的場景數量；

步驟3、重復步驟2直至經過N-M次場景縮減后，最終得到M個場景及其對應的概率；

假定刪除的場景數N-M，根據需要刪除的場景數N-M按照改進SBR算法計算場景縮減后包含M類場景的典型場景集合X^(M)，及每一類場景對應的概率P^M，同時記錄第m類場景集合m＝1,2,…,M，其中：

式中，表示典型場景集合中第m類中心場景，表示第m類中心場景第t個時間節點對應場景數值，表示所得的M類場景集合中第m類場景出現概率N_m表示第m類場景中所包含的場景個數，包含第m類中心場景(N₁+N₂+...N_m＝N)，表示第(N_m-1)個被并入到場景的場景，表示場景在第t個時間節點對應場景數值；

步驟4、計算類內相似度S(M)，實現如下：