一种基于k-medoids聚类的风电场机组聚合方法
【专利摘要】本发明公开了一种基于K-MEDOIDS聚类的风电场机组聚合方法，主要包括：对待测风电场机组的样本进行数据标准化矩平处理；基于数据标准化矩平处理结果，计算样本间距；基于样本间距计算结果，计算样本轮廓值；基于样本轮廓值计算结果，进行K-MEDOIDS迭代聚类计算，获取样本轮廓值，完成风电场机组的聚类。本发明所述基于K-MEDOIDS聚类的风电场机组聚合方法，可以克服现有技术中稳定性差、可靠性低和成本高等缺陷，以实现稳定性好、可靠性高和成本低的优点。
【专利说明】—种基于K-MEDOIDS聚类的风电场机组聚合方法
【技术领域】
[0001]本发明涉及风力发电过程中风电场建模【技术领域】，具体地，涉及一种基于K-MED0IDS聚类的风电场机组聚合方法。
【背景技术】
[0002]我国风电进入规模化发展阶段以后所产生的大型风电基地多数位于“三北地区”(西北、东北、华北)，大型风电基地一般远离负荷中心，其电力需要经过长距离、高电压输送到负荷中心进行消纳。由于风资源的间歇性、随机性和波动性，导致大规模风电基地的风电出力会随之发生较大范围的波动，进一步导致输电网络充电功率的波动，给电网运行安全带来一系列问题。
[0003]截至2013年11月，甘肃电网并网风电装机容量已达到668万千瓦，约占甘肃电网总装机容量的21%，成为仅次于火电的第二大主力电源。随着风电并网规模的不断提高，风力发电的不确定性和不可控性给电网的安全稳定经济运行带来诸多问题。因此需要对大规模风力发电的相关问题进行深入分析研究，尤其需要研究大规模风电集中并网情况下的风电场聚合模型问题，在进行聚合模型研究时需要对风电场的风机进行分群，因此，研究风电场风机分群方法有助于大规模风电场进行聚合建模。
[0004]关于基于K-MED0IDS聚类的风电场机组聚合方法，现有技术中尚未发现相关载。
[0005]在实现本发明的过程中，发明人发现现有技术中至少存在稳定性差、可靠性低和成本闻等缺陷。
【发明内容】
[0006]本发明的目的在于，针对上`述问题，提出一种基于K-MED0IDS聚类的风电场机组聚合方法，以实现稳定性好、可靠性高和成本低的优点。
[0007]为实现上述目的，本发明采用的技术方案是:一种基于K-MED0IDS聚类的风电场机组聚合方法，主要包括:
[0008]a、对待测风电场机组的样本进行数据标准化矩平处理；
[0009]b、基于上述数据标准化矩平处理结果，计算样本间距；
[0010]C、基于上述样本间距计算结果，计算样本轮廓值；
[0011]d、基于上述样本轮廓值计算结果，进行K-MED0IDS迭代聚类计算，获取样本轮廓值，完成风电场机组的聚类。
[0012]进一步地，在步骤d之后，还包括:
[0013]当所有样本轮廓值中包含不满足预设要求的样本轮廓值时，返回步骤d，重新进行K-MED0IDS迭代聚类计算，直至所有样本轮廓值均满足预设要求。
[0014]进一步地,所述步骤a,具体包括:
[0015]设一个风电场共有η (η为自然数)台风机组成的样本X'2，...，X' n，计第(i为自然数)个样本Xi, =[χΛ,χ/2,..., Xi' P]，共有P个变化维度(对应前面所提及的机组状态变量);
[0016]首先计算样本均值，令
【权利要求】
1.一种基于K-MEDOIDS聚类的风电场机组聚合方法，其特征在于，主要包括: a、对待测风电场机组的样本进行数据标准化矩平处理； b、基于上述数据标准化矩平处理结果，计算样本间距； C、基于上述样本间距计算结果，计算样本轮廓值； d、基于上述样本轮廓值计算结果，进行K-MED0IDS迭代聚类计算，获取样本轮廓值，完成风电场机组的聚类。
2.根据权利要求1所述的基于K-MED0IDS聚类的风电场机组聚合方法，其特征在于，在步骤d之后,还包括: 当所有样本轮廓值中包含不满足预设要求的样本轮廓值时，返回步骤d，重新进行K-MED0IDS迭代聚类计算，直至所有样本轮廓值均满足预设要求。
3.根据权利要求1或2所述的基于K-MED0IDS聚类的风电场机组聚合方法，其特征在于，所述步骤a，具体包括: 设一个风电场共有η (η为自然数)台风机组成的样本X' 1;Χ' 2，...，Χ' η，计第(i为自然数)个样本Xi, =[Xi’ 1； Xi’ 2，...，Xi' p]，共有P个变化维度(对应前面所提及的机组状态变量); 首先计算样本均值，令
4.根据权利要求3所述的基于K-MED0IDS聚类的风电场机组聚合方法，其特征在于，所述步骤b，具体包括: 第i个样本与第j (j为自然数)个样本之间的闵科夫斯基距离定义为:
5.根据权利要求4所述的基于K-MED0IDS聚类的风电场机组聚合方法，其特征在于，所述步骤C，具体包括:样本i的轮廓值为:
6.根据权利要求5所述的基于K-MEDOIDS聚类的风电场机组聚合方法，其特征在于，所述步骤d，具体包括: dl、任意选取k个样本作为初始聚类点，记为MEDOIDS (O1, O2，…Ok), k为自然数； 步骤d2、按欧式距离最近原则，将每个对象分到各个类中去； 步骤d3、计算每一个类的中心样本，中心样本满足该中心样本到当前类中所有点的欧式距离最小； 步骤d4、重复步骤d2和d3，直至所有样本类别都没有变化为止； 步骤d5、计算S(i)，若S(i)不能满足条件，首先重新选取初始聚类点进行聚类，直至S(i)满足条件，若所有的初始聚类点均不能满足，则重新输入k值，进行聚类。
7.根据权利要求6所述的基于K-MED0IDS聚类的风电场机组聚合方法，其特征在于，所述步骤d,具体还包括: d6、在执行步骤d5的同时，应按时段计算样本数据，当本时段样本数据与上一时段不同时，首先使用上一时段的聚类k值进行聚类，聚类结果若与上一时段相同，则继续使用该聚类结果；若与上一时段的结果不同，则重新输入k值聚类，使用本时段样本数据的聚类结果O
8.根据权利要求1或2所述的基于K-MED0IDS聚类的风电场机组聚合方法，其特征在于，所述聚类，作为数据挖掘的一个分支，具体是指将物理或者抽象的集合分组成为多个类的过程，每一类又称为一个簇；处在同一个簇中的对象之间具有较高的相似性，不同簇中的对象则相异。
【文档编号】G06F19/00GK103886181SQ201410064596
【公开日】2014年6月25日 申请日期:2014年2月25日 优先权日:2014年2月25日
【发明者】汪宁渤, 路亮, 丁坤, 蔡旭, 李津, 周识远, 李征, 张金平, 张琛, 夏玥 申请人:国家电网公司, 国网甘肃省电力公司, 甘肃省电力公司风电技术中心