[發明專利]數據驅動的高比例可再生能源電力系統運行場景辨識方法

有效

• 申請號: 202011153290.5
• 申請日: 2020-10-26
• 公開（公告）號: CN112270084B
• 公開（公告）日: 2022-09-09
• 發明（設計）人: 侯慶春;杜爾順;田旭;張寧;張子揚;劉飛;張君;張桂紅;李紅霞;白左霞
• 申請（專利權）人: 清華大學;國網青海省電力公司經濟技術研究院
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06K9/62;G06F113/04;G06F113/06
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 廖元秋

1.一種數據驅動的高比例可再生能源電力系統運行場景辨識方法，其特征在于，該方法包括以下步驟：

1)對待辨識的電力系統進行運行模擬，獲取該系統的日運行方式向量；

利用TH-DSED軟件進行電力系統進行運行模擬，該軟件輸出數據包括電力系統每日的傳統機組出力數據、可再生能源出力數據、負荷數據以及線路潮流數據；所述四種數據組成該電力系統在對應日的日運行方式向量，共得到M個電力系統日運行方式向量，M為日運行方式向量對應的天數；

其中，電力系統日運行方式向量表達式如下：

其中，g為傳統機組調度出力，r為可再生能源機組出力，f為線路潮流，d為負荷數據；T_s代表每日的時段數，|g|,|r|,|f|,|d|分別代表傳統機組數量、可再生能源機組數量、線路數量和負荷節點數量；向量p的維度為N維，N＝(|g|+|r|+|f|+|d|)×T_s；

將M個N維日運行方式向量組成矩陣P₀＝(p₁ p₂ … p_M)；

2)對步驟1)得到的所有日運行方式向量進行預處理，得到預處理后電力系統運行方式矩陣；具體步驟如下：

2-1)對矩陣P₀中所有日運行方式向量進行中心化，得到中心化后的新矩陣記為P；

其中，是P₀中所有日運行方式向量的平均值；

2-2)計算矩陣P的協方差矩陣對協方差矩陣Cov進行特征值分解得到N個特征值λ₁,λ₂,...,λ_N和每個特征值對應的特征向量h₁,h₂,...,h_N，其中λ₁≥λ₂≥...≥λ_N，λ_i為第i個特征值，λ_i對應的特征向量為h_i；

2-3)從h₁,h₂,...,h_N中取前K個特征向量組成矩陣H＝(h₁ h₂ ... h_K)；

其中，K為壓縮后運行方式向量維數，K由壓縮系數θ₀確定:

2-4)得到預處理后的電力系統運行方式矩陣P′＝(p′₁ p′₂ … p′_M)：

P′＝H^TP

其中，p′_i為矩陣P′中的第i個日運行方式向量；

3)對預處理后的電力系統運行方式矩陣進行聚類，提取電力系統典型運行場景；具體步驟如下：

3-1)設置初始聚類數目，L＝2；

3-2)對于當前L，在P′中隨機選取一個日運行方式向量作為第一個聚類中心

3-3)對于P′中每一個當前非聚類中心的日運行方式向量p′_i，計算該向量到所有已選出聚類中心的距離的最小值：

其中，j為已選出的聚類中心的數目，1≤j＜L；

對所有d_i分別歸一化，通過隨機模擬在所有當前非聚類中心的日運行方式向量中以概率S選取一個日運行方式向量作為新的聚類中心；其中，S的表達式為：

其中，n為P′中尚未被選為聚類中心的日運行方式向量的數目；

3-4)重復步驟3-3)，直至選取出當前L對應的所有聚類中心；

3-5)計算當前聚類數目L對應的電力系統運行方式緊密度CP指標，表達式如下：

其中，Ω_j表示聚類后第j類運行方式的集合，為P′中屬于第j類運行方式的聚類中心；

3-6)令L＝L+1；

重復步驟3-2)至3-5)，直至當前L對應的緊密度指標值相對上一個當前L對應的緊密度指標值的變化率小于設定的緊密度變化閾值δ時，則當前L為最優聚類數目并記為L^*； L^*對應的聚類中心即為電力系統的典型運行場景；

4)降維可視化分析運行特征，得到電力系統極端運行場景；

利用降維可視化算法t-SNE將步驟2)得到的P′中每個日運行方式向量p_i'映射到2維空間得到對應的2維日運行方式向量對所有進行可視化展示，可視化結果中的邊界運行方式向量即為電力系統的極端運行場景；

5)步驟3)和步驟4)的結果即為電力系統運行方式的辨識結果。