[發明專利]基于密度峰值-FCM的含氣象數據的風光典型場景構造方法

在審

• 申請號: 202111199674.5
• 申請日: 2021-10-14
• 公開（公告）號: CN113920349A
• 公開（公告）日: 2022-01-11
• 發明（設計）人: 李延和;楊立濱;方保民;周萬鵬;李春來;張真;王光輝;李正曦;何嘉弘;王冉;劉庭響;李兵;安娜;李晶華
• 申請（專利權）人: 國網青海省電力公司清潔能源發展研究院;國網青海省電力公司;國網青海省電力公司經濟技術研究院;東南大學
• 主分類號: G06V10/762
• 分類號: G06V10/762;G06V10/774;G06K9/62;G06F17/16
• 代理公司: 北京同輝知識產權代理事務所(普通合伙) 11357
• 代理人: 梁語嫣

1.基于密度峰值-FCM的含氣象數據的風光典型場景構造方法，其特征在于，所述風光典型場景構造方法包括以下步驟：

S1：獲取歷史數值天氣預報的數據以及風電場和光伏電站的歷史年實測出力數據，構造原始的數據集矩陣；

S2：采用主成分分析法，對S1中構造的原始數據集矩陣進行降維處理，分別選取對風電場出力影響最大的氣候特性指標和對光伏電站出力影響最大的若干氣候特性指標，并構建降維后的天氣特征矩陣；

S3：根據密度峰值優化的模糊C均值聚類算法，對S2中獲得的降維后的天氣特征矩陣進行聚類處理；

S4：根據S3中天氣模式識別的結果對歷史風電場和光伏電站的日出力數據進行分類，然后再擬合得到不同天氣模式下的風、光典型日出力場景。

2.根據權利要求1所述的基于密度峰值-FCM的含氣象數據的風光典型場景構造方法，其特征在于，所述步驟S1中的獲取歷史數值天氣預報的數據以及風電場和光伏電站的歷史年實測出力數據，構成數據集矩陣；

S1.1：假設共有n個采樣點，選取風電場出力以及風速、風向、氣溫、氣壓、濕度、日照小時數、降水量等共m個特性指標，風電場的數據集矩陣W為：

式中，n代表采樣個數，m代表特征維數，w_nm表示第n個采樣點、第m種風電場特性指標對應的特征數值；

S1.2：在同樣的n個采樣點，選取光伏電站力以及風速、風向、氣溫、氣壓、濕度、日照小時數、降水量等共m個特性指標，光伏電站的數據集矩陣Q為：

式中，n代表采樣個數，m代表特征維數，q_nm表示第n個采樣點、第m種光伏電站特性指標對應的特征數值。

3.根據權利要求2所述的基于密度峰值-FCM的含氣象數據的風光典型場景構造方法，其特征在于，所述風電場和光伏電站的數據集矩陣中的特性指標單位都不同，因此對其進行標準化處理：

式中，x_ij代表特征j的第i個采樣數據，代表變量的均值，代表變量的方差。

4.根據權利要求3所述的基于密度峰值-FCM的含氣象數據的風光典型場景構造方法，其特征在于，所述步驟S2中采用主成分分析法，對S1中風電場和光伏電站的數據集矩陣W和Q進行降維處理，分別選取出對風電場和光伏電站出力影響最為顯著的天氣特征指標，包括以下步驟；

S2.1：計算協方差矩陣R：

矩陣中，r_ii＝1，r_ij＝r_ji，r_ij反映了氣象特征指標i與指標j的相關程度；

S2.2：計算特征值和特征向量：

|λI-R|＝0 (5)

按照式(5)計算得出協方差矩陣R的特征值λ₁≥λ₂≥…≥λ_m≥0，對應的特征向量為μ₁，μ₂，…，μ_m，并得到降維后的數據集矩陣為：

式中，y₁為第1主成分，y₂為第2主成分，y_m為第m主成分；

S2.4：特征值為λ₁，λ₂，…，λ_p(p≤m)的累計貢獻率為：

當累計貢獻率β_p大于0.9時，即選取前p個特征向量μ₁，μ₂，…，μ_p作為p個主成分，代替原來的m個指標變量進行后續的計算。

5.根據權利要求4所述的基于密度峰值-FCM的含氣象數據的風光典型場景構造方法，其特征在于，所述風電場和光伏電站的數據集矩陣W和Q通過主成分分析法處理后，得到的降維天氣特征矩陣分別為：