一种基于改进聚类的风电场动态惯量分区评估方法

本发明提供一种基于改进聚类的风电场动态惯量分区评估方法，涉及风电场技术领域。通过改进的Canopy‑Kmeans，将Canopy聚类算法作为预处理步骤；计算所采集数据集的均值点，并选取与均值点最近的测点作为初始聚类中心，使结果更加合理、稳定。通过考虑尾流效应和时滞效应，测量多维度的风电机组状态变量，来提高分群的精度，为避免大量数据维数灾，采取PCA主成分分析进行数据降维，选择方差贡献率85％以上的成分作为主导变量，降低数据搜集的复杂度。本发明通过结合改进后的Canopy算法与k‑means算法，能更准确地识别出最优分类数k值和聚类中心，进而快速准确的实现大面积风电机组分区。