摘要
本发明提供一种基于时序相关聚类融合的风电‑负荷场景构建方法及装置,基于时间序列的风速‑风功率转换函数构建风电‑负荷初始数据集,对风电‑负荷初始数据集进行降噪预处理,再进行一阶有序聚类,由典型负荷场景的时序分段结果对风电数据进行划分,对划分后的风电数据进行二阶聚类,最终完成典型风电‑负荷场景的构建。本发明挖掘了风电接入的电网源荷出力特性的典型场景特征,降低风功率计算误差的同时,提高场景构建的典型性;并且可以为后续求解不同典型风电‑负荷场景下综合无功优化策略集,构建各场景无功优化模型,以提高模型收敛性、准确性以及场景泛化能力奠定了基础。
技术关键词
场景构建方法
风电
负荷
轮廓系数
有序聚类方法
时序
风力发电机
风速
扫掠面积
数据
DBSCAN密度聚类
典型
综合无功优化
功率计算误差
场景特征
序列
遗传算法
系统为您推荐了相关专利信息
配电网储能
优化配置方法
储能系统配置
电力
规划优化方法
海上风电场发电
功率预测方法
深度学习模型
多层卷积神经网络
风速
厌氧氨氧化细菌
水力停留时间
性能预测模型
出水总氮浓度
出水氨氮浓度