一种基于高斯函数的风电功率波动聚类方法及系统与流程

本发明涉及新能源技术领域，具体涉及一种基于高斯函数的风电功率波动聚类方法及系统。

背景技术：

近年来，新能源发电领域的风力发电量持续快速增长，与常规发电不同，风电受季节、纬度、海拔、海陆分布、地形地貌等因素的影响，具有间歇性和波动性的特点。随着风电的持续开发利用和占比的不断扩大，系统的高效消纳、电力电量平衡以及安全稳定运行越来越困难。现有的聚类方法多是基于气象预报数据或模型数据进行聚类进而投入到风力发电领域的计算应用中，如风电功率预测计算，聚类过程中数据获取难度大，聚类计算过程复杂，同时难以突破风电领域计算的精准度瓶颈。

因此，亟需提供一种能够精确体现风电功率波动数据的风电功率波动聚类方法，以保证风电领域的稳定运行。

技术实现要素：

本发明提供一种基于高斯函数的风电功率波动聚类方法及系统，其目的是利用高斯函数获取经滤波处理的历史风电有功功率序列对应的风电功率波动参数集合，并基于风电功率波动参数集合对风电功率波动实现精准聚类，从而促进风力发电计算应用的发展，保证风力发电的稳定高效运行。

本发明的目的是采用下述技术方案实现的：

一种基于高斯函数的风电功率波动聚类方法及系统，其改进之处在于，所述方法包括：

根据历史风电有功功率序列的极值确定历史风电有功功率序列的风电功率波动；

利用高斯函数获取所述历史风电有功功率序列的风电功率波动的波动参数集合；

根据所述波动参数集合对历史风电有功功率序列的风电功率波动进行聚类。

优选地，所述历史有功功率序列的获取过程，包括：

采用db9小波进行4尺度的mallat算法滤除历史有功功率数据中的毛刺和连续小波动，得到历史有功功率序列。

优选地，所述根据历史风电有功功率序列的极值确定历史风电有功功率序列的功率波动，包括：

将所述历史有功功率序列的功率曲线中功率极小值增大到功率极大值，以及该功率极大值减小到下一个功率极小值的功率曲线段作为一个功率波动。

优选地，所述利用高斯函数获取所述历史风电有功功率序列的风电功率波动的波动参数，包括：

按下式确定风电功率波动x的高斯函数：

上式中，a为极值参数，表征风电功率波动的幅度；b为位置参数，c为变化趋势参数，表征风电功率波动的持续时间；

所述波动参数集合表达式如下：

上式中，pn为历史有功功率序列的波动参数集合，n为历史有功序列的风电功率波动总数量，ak为第k个风电功率波动的极值参数，ck为第k个风电功率波动的变化趋势参数，k∈(0，n]。

优选地，所述根据波动参数集合对历史风电有功功率序列的风电功率波动进行聚类，包括：

根据所述波动参数集合对象间的欧氏距离利用k-means聚类方法获取所述风电功率波动的聚类中心，根据所述聚类中心对历史有功功率的风电功率波动进行分类。

一种基于高斯函数的风电功率波动聚类系统，其改进之处在于，所述系统包括：

第一确定模块，用于根据历史风电有功功率序列的极值确定历史风电有功功率序列的风电功率波动；

第二确定模块，用于利用高斯函数确定所述历史风电有功功率序列的风电功率波动的波动参数集合；

聚类模块，用于根据所述波动参数集合对历史风电有功功率序列的风电功率波动进行聚类，获取所述风电功率波动的聚类中心。

优选地，所述第一确定模块，包括：

获取单元，用于采用db9小波进行4尺度的mallat算法滤除历史有功功率数据中的毛刺和连续小波动，得到历史有功功率序列；

所述第一确定模块，包括：

第一确定单元，用于将所述历史有功功率序列的功率曲线中功率极小值增大到功率极大值，以及该功率极大值减小到下一个功率极小值的功率曲线段作为一个功率波动。

优选地，所述第二确定模块，用于：

按下式确定风电功率波动x的高斯函数：

上式中，a为极值参数，表征风电功率波动的幅度；b为位置参数，c为变化趋势参数，表征风电功率波动的持续时间；

所述波动参数集合表达式如下：

上式中，pn为历史有功功率序列的波动参数集合，n为历史有功序列的风电功率波动总数量，ak为第k个风电功率波动的极值参数，ck为第k个风电功率波动的变化趋势参数，k∈(0，n]。

优选地，所述聚类单元，用于根据所述波动参数集合对象间的欧氏距离利用k-means聚类方法获取所述风电功率波动的聚类中心，根据所述聚类中心对历史有功功率的风电功率波动进行分类。

与现有技术相比，本发明还具有如下有益效果：

本发明采用的技术方案根据历史风电有功功率序列的极值确定历史风电有功功率序列的风电功率波动；利用高斯函数获取所述历史风电有功功率序列的风电功率波动的波动参数集合；根据所述波动参数集合对历史风电有功功率序列的风电功率波动进行聚类，获取所述风电功率波动的聚类中心；上述技术方案不仅解决了本领域传统聚类方法数据获取难，计算复杂度高等缺陷，而且实现对风电功率波动的合理聚类，有助于提高风力发电领域后期计算应用的精确度和效率，有利于风力发电的高效稳定运行。

附图说明

图1是本发明一种基于高斯函数的风电功率波动聚类方法的流程图；

图2是本发明一种基于高斯函数的风电功率波动聚类方法滤波前后功率波动数据对比示意图；

图3是本发明一种基于高斯函数的风电功率波动聚类系统的结构示意图。

具体实施方式

下面结合附图对本发明的具体实施方式作详细说明。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明提供了一种基于高斯函数的风电功率波动聚类方法及系统，下面进行说明。

图1示出了本发明实施例中基于高斯函数的风电功率波动聚类方法的流程图，如图1所示，所述方法可以包括：

根据历史风电有功功率序列的极值确定历史风电有功功率序列的风电功率波动；

利用高斯函数获取所述历史风电有功功率序列的风电功率波动的波动参数集合；

根据所述波动参数集合对历史风电有功功率序列的风电功率波动进行聚类。

其中，所述历史有功功率序列的获取过程，可以包括：

基于风电场历史有功功率数据，采用db9小波进行4尺度的mallat算法滤除历史有功功率数据中的毛刺和连续小波动，得到历史有功功率序列。

具体地，mallat算法是用于某一函数f(t)的二进小波分解与重构的快速算法，其原理相当于构造一定的函数空间，将信号f(t)分解到函数空间中进行一定的计算，获取你想要得到的成分，然后再重构返回原始信号。

图2示出了本发明实施例基于高斯函数的风电功率波动聚类方法滤波前后功率波动数据对比示意图，如图2所示，滤波后的风电功率波动曲线与滤波前相比更平滑稳定，去除了影响数据计算应用的无效数据；

具体地，所述根据历史风电有功功率序列的极值确定历史风电有功功率序列的功率波动，可以包括：

将所述历史有功功率序列的功率曲线中功率极小值增大到功率极大值，以及该功率极大值减小到下一个功率极小值的功率曲线段作为一个功率波动。

其中，所述利用高斯函数获取所述历史风电有功功率序列的风电功率波动的波动参数，可以包括：

按下式确定风电功率波动x的高斯函数：

上式中，a为极值参数，表征风电功率波动的幅度；b为位置参数，在此可以视为定值；c为变化趋势参数，表征风电功率波动的持续时间；

所述波动参数集合表达式如下：

上式中，pn为历史有功功率序列的波动参数集合，n为历史有功序列的风电功率波动总数量，ak为第k个风电功率波动的极值参数，ck为第k个风电功率波动的变化趋势参数，k∈(0，n]。

具体地，所述根据波动参数集合对历史风电有功功率序列的风电功率波动进行聚类，获取所述风电功率波动的聚类中心，可以包括：

根据所述波动参数集合对象间的欧氏距离利用k-means聚类方法获取所述风电功率波动的聚类中心，根据所述聚类中心对历史有功功率的风电功率波动进行分类。

图3示出了本发明实施例基于高斯函数的风电功率波动聚类系统的结构示意图，如图3所示，所述系统可以包括：

第一确定模块，用于根据历史风电有功功率序列的极值确定历史风电有功功率序列的风电功率波动；

第二确定模块，用于利用高斯函数确定所述历史风电有功功率序列的风电功率波动的波动参数集合；

聚类模块，用于根据所述波动参数集合对历史风电有功功率序列的风电功率波动进行聚类。

具体地，所述第一确定模块，可以包括：

获取单元，用于采用db9小波进行4尺度的mallat算法滤除历史有功功率数据中的毛刺和连续小波动，得到历史有功功率序列；

第一确定单元，用于将所述历史有功功率序列的功率曲线中功率极小值增大到功率极大值，以及该功率极大值减小到下一个功率极小值的功率曲线段作为一个功率波动。

其中，所述第二确定模块，用于按下式确定风电功率波动x的高斯函数：

上式中，a为极值参数，表征风电功率波动的幅度；b为位置参数，c为变化趋势参数，表征风电功率波动的持续时间；

所述波动参数集合表达式如下：

上式中，pn为历史有功功率序列的波动参数集合，n为历史有功序列的风电功率波动总数量，ak为第k个风电功率波动的极值参数，ck为第k个风电功率波动的变化趋势参数，k∈(0，n]。

具体地，所述聚类单元，用于根据所述波动参数集合对象间的欧氏距离利用k-means聚类方法获取所述风电功率波动的聚类中心，根据所述聚类中心对历史有功功率的风电功率波动进行分类。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。