(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111585689.5 (22)申请日 2021.12.2 2 (71)申请人 国网新疆电力有限公司经济技 术研 究院 地址 830000 新疆维吾尔自治区乌鲁 木齐 市天山区建 设路123号 (72)发明人 陈伟伟　曹茜　边家瑜　荆世博　 孙家文　王新刚　孙立成　李忠政　 钟锐　金梦　李昌陵　于志勇　 常鹏　易庚　周连凯　安琪　 翟旭京　宋海明　张新伟　于国康　 胡志云　 (74)专利代理 机构 济南誉丰专利代理事务所 (普通合伙企业) 37240 代理人 于洪伟(51)Int.Cl. G06Q 10/06(2012.01) G06K 9/62(2022.01) G06Q 50/06(2012.01) (54)发明名称 一种结合谱聚类算法的光伏出力典型场景 提取方法 (57)摘要 本发明公开了一种结合谱聚类算法的光伏 出力典型场景提取方法， 涉及可再生能源出力预 测技术领域， 基于谱聚类算法对光伏出力典型场 景进行提取， 计算过程中只需要数据之间的相似 度矩阵即可对 数据进行聚类分析， 谱聚类算法能 够实现高维数据的降维处理， 对光伏出力这种高 维数据进行聚类所得结果明显优于传统的均值 算法， 因此能够更加高效、 准确地提取光伏出力 的典型场景； 本方法解决了现有 k‑均值算法难以 对高维光伏出力数据准确聚类的问题， 实现了配 电网中光伏出力随机性和波动性特征的精准刻 画， 消除了光伏出力不确定性对电力系统中长期 规划运行与短期调度的影 响， 满足了配电网中光 伏合理规划体条件， 实现电力系统安全、 稳定、 环 保的运行和发展。 权利要求书2页 说明书12页 附图1页 CN 114266480 A 2022.04.01 CN 114266480 A 1.一种结合谱聚类算法的光伏出力典型场景提取方法， 其特征在于能够有 效降低数据 对象维数， 实现高维的风 光出力历史数据典型场景的准确提取， 通过如下步骤实现： 1)步骤S1： 利用给定的函数公式计算光伏的实际输出功率PPV(t)， 基于光照强度的历史 数据， 利用光伏输出功率计算公式， 计算 光伏发电输出的实际功率， 公式为 式中， PPV(t)表示在t时刻的光伏功率(kW)， g(t)表示在t时刻的辐照强度(W/m2)， η表示 光伏板的光电转换效率(％)， S为光伏板的总面积(m2)， θ表示辐照射线与光伏电池板法线 之间的夹角， η1表示太阳能板在现场 运行和测试条件下输出功率存在的偏差(5％)， η2为光 伏组件的输出功率受温度影响带来的偏差， η3表示光伏组件表面灰尘累积对太阳能板输出 功率带来的影响， η4为光伏组件的不匹配性和板间连线损失对输出功率的影响； 2)步骤S2： 对光伏出力历史数据对 象o1,...,on进行降维， 利用谱聚类算法将所得光伏 出力历史数据进行降维， 给定数据对象o1,...,on的集合， 每两个数据对象之间的距离dist (oi,oj)(1≤i,j≤n)， 并给定期望的典型场景个数， 即聚类数k； 3)步骤S3： 计算光伏出力历史数据对象的相似矩阵W， 使用距离度量计算相似矩阵 (affinity matrix)W， 使得 式中， δ是缩放参数， 控制相似性Wij随dist(oi,oj)(1≤i,j≤n)增加而降低的程度， Wii 设置为0； 4)步骤S4： 使用相似矩阵W， 导出矩阵A＝f(W)， 定义一个对角矩阵D,其中Dii是W第i行之 和， 即： 然后， 设置A为： 5)步骤S5： 找出A的前k个特 征向量； 6)步骤S6： 将原始光伏出力历史数据投影到新空间， 使用前k个特征向量， 把原始的光 伏出力历史数据投影到由前k个特征向量定义的新空间， 将k个最大的特征向量按列堆积在 一起形成一个矩阵X＝[x1,x2…xk]∈Rn×k， 通过规范化X使得每行都具有单位长度， 形成矩阵 Y,如式(5)所示， 然后， 把Y的每一行看作k维空间Rk中的一个点， 形成新的k维数据空间； 7)步骤S7： 采用k ‑均值聚类方法对通过谱聚类算法进行降维的光伏出力历史数据进行 聚类， 得到k个簇； 8)步骤S8： 从k维空间Rk中任意选取k个对象， 每个光伏数据对象代表一个簇的初 始均值权　利　要　求　书 1/2 页 2 CN 114266480 A 2或中心； 9)步骤S9： 将剩下的光伏数据对象分配到最相似的簇， 对剩下的每个光伏数据对象， 计 算其与各个簇中心的欧式距离， 将它分配到最相似的簇， 计算欧式距离公式如下： 式中， E是所有数据集中所有对象的误差的平方和， p是空间中的点， 表示给定的数据对 象， ci是簇Ci的形心； 10)步骤S10： 更新簇的中心， 对于纳入新 光伏数据对象的簇， 计算簇中心； 11)步骤S11： 判断是否所有光伏数据对象都分配到簇中， 若未全部分配， 转向步骤S9， 若已全部分配， 转向步骤S12； 12)步骤S12： 输出k个簇； 13)步骤S13： 将原 始光伏出力历史数据点分配到这 k个簇中； 14)步骤S14： 对每 个簇中的每 个维的数据取均值， 生成典型场景。 2.根据权利要求1所述的一种结合谱聚类算法的光伏出力典型场景提取方法， 其特征 在于能够有效降低数据维数， 步骤S1中光伏的实际出力采用如下公式计算： Pmt＝ ηctSCAIβ t                              (7) 式中， SCA为电池面积， Pmt为t时刻太阳输出功率； Iβ t为t时刻斜 面上的太阳辐照度。 3.根据权利要求1所述的一种结合谱聚类算法的光伏出力典型场景提取方法， 其特征 在于， 步骤S7采用k ‑中心点的聚类方法对光伏出力的历史数据进行聚类。权　利　要　求　书 2/2 页 3 CN 114266480 A 3