[發(fā)明專利]一種基于優(yōu)化聚類算法的新能源場站建模方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202310672479.2
• 申請日: 2023-06-08
• 公開（公告）號: CN116432541B
• 公開（公告）日: 2023-10-20
• 發(fā)明（設計）人: 熊永康;辛建波;舒展;李升健;匡德興;趙偉哲;吳康;熊建豪
• 申請（專利權）人: 國網(wǎng)江西省電力有限公司電力科學研究院;國家電網(wǎng)有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/006;G06F113/06
• 代理公司: 南昌賢達專利代理事務所(普通合伙) 36136
• 代理人: 胡友勝

1.一種基于優(yōu)化聚類算法的新能源場站建模方法，其特征在于，包括：

獲取風場的地理位置數(shù)據(jù)；

基于優(yōu)化粒子群聚類算法對所述地理位置數(shù)據(jù)進行分析，得到全局最優(yōu)的一組初始聚類中心，并根據(jù)所述一組初始聚類中心將所述風場中的風機進行聚類，得到至少一個風機集合，其中，一風機集合中包含一目標聚類中心；

根據(jù)加權聚合方法對所述至少一個風機集合中各個風機對應的風機響應曲線進行處理，并將在所述目標聚類中心預設范圍內的風機進行聚合，使模擬出可用于風機/風場建模的實際風機響應曲線；

建立聚合風機后風場的PSASP模型，并將所述實際風機響應曲線與所述PSASP模型輸出的仿真曲線進行比對，并根據(jù)比對結果對所述PSASP模型進行修正，使得到目標風場模型。

2.根據(jù)權利要求1所述的一種基于優(yōu)化聚類算法的新能源場站建模方法，其特征在于，所述基于優(yōu)化粒子群聚類算法對所述地理位置數(shù)據(jù)進行分析，得到全局最優(yōu)的一組初始聚類中心，并根據(jù)所述一組初始聚類中心將所述風場中的風機進行聚類包括：

步驟S101、基于所述地理位置數(shù)據(jù)，確定最佳聚類數(shù)目；

步驟S102、隨機選取個樣本點作為初始粒子位置，并初始化粒子速度、個體最優(yōu)位置及群體最優(yōu)位置，循環(huán)次生成個初始粒子群；

步驟S103、按照最近鄰原則劃分風機位置數(shù)據(jù)集并計算粒子適應度；

步驟S104、比較粒子適應度與當前個體最優(yōu)位置的適應度的大小，若粒子適應度小于當前個體的最優(yōu)位置適應度，則更新當前個體最優(yōu)位置；比較粒子適應度與當前群體最優(yōu)位置的適應度，若粒子適應度小于當前群體最優(yōu)位置的適應度，則更新當前群體最優(yōu)位置；

步驟S105、調整粒子速度和位置，若達到收斂誤差條件則終止粒子群迭代；

步驟S106、選取群體最優(yōu)位置作為聚類中心的初值，根據(jù)最近鄰原則判斷數(shù)據(jù)集中樣本所屬類別，并分配樣本至所屬類別中；

步驟S107、重新計算新形成聚類中心并判斷當前聚類中心是否變化，若變化，重復步驟S104直至聚類中心不再變化；

步驟S108、記錄聚類中心結果及樣本所屬類別。

3.根據(jù)權利要求2所述的一種基于優(yōu)化聚類算法的新能源場站建模方法，其特征在于，在步驟S101中，所述確定最佳聚類數(shù)目包括：

計算聚類誤差，其中，計算所述聚類誤差的表達式為：

?，

，

式中，?為聚類誤差，為最佳聚類數(shù)目，為第個簇中的第個樣本數(shù)據(jù)，為第個簇中所有樣本的均值，為第個簇中的樣本個數(shù)，為第個簇中所有樣本數(shù)據(jù)；

判斷在當前聚類數(shù)目時對應的所述聚類誤差與上一聚類數(shù)目時對應的所述聚類誤差的變化值是否大于閾值；

若不大于閾值，則將當前聚類數(shù)目定義為最佳聚類數(shù)目K。

4.根據(jù)權利要求2所述的一種基于優(yōu)化聚類算法的新能源場站建模方法，其特征在于，在步驟S103中，所述按照最近鄰原則劃分風機位置數(shù)據(jù)集并計算粒子適應度包括：

將數(shù)據(jù)集劃分為類，第個類的第個數(shù)據(jù)中聚類中心為；

根據(jù)聚類中心計算粒子適應度，其中，計算所述粒子適應度的表達式為：

，

式中，為粒子適應度，為第個類中第個數(shù)據(jù)，為聚類中心數(shù)。

5.根據(jù)權利要求2所述的一種基于優(yōu)化聚類算法的新能源場站建模方法，其特征在于，在步驟S105中，調整粒子速度的表達式為：

，

式中，為第個粒子在次迭代的速度，為權重系數(shù)，為第個粒子在次迭代的速度，、均為學習因子，、均為服從均勻[0,1]分布的均勻隨機數(shù)，為個體最優(yōu)位置，為群體最優(yōu)位置，為第個粒子的位置；

調整粒子位置的表達式為：

，

式中，為第個粒子在次迭代的位置，為第個粒子在次迭代的位置。