[发明专利]基于情景分析的多小水电群出力不确定性分析方法有效
| 申请号: | 201511003322.2 | 申请日: | 2015-12-28 |
| 公开(公告)号: | CN105631548B | 公开(公告)日: | 2019-10-11 |
| 发明(设计)人: | 程春田;吴慧军;武新宇;李秀峰;蔡华祥 | 申请(专利权)人: | 大连理工大学 |
| 主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06Q50/06 |
| 代理公司: | 大连理工大学专利中心 21200 | 代理人: | 梅洪玉;李宝元 |
| 地址: | 116024 辽*** | 国省代码: | 辽宁;21 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 情景 分析 小水电 出力 不确 定性分析 方法 | ||
1.一种基于情景分析的多小水电群出力不确定性分析方法,其特征包括如下步骤:
(1)小水电出力情景描述
将小水电在T个时段运行状态的时间序列用情景来表示,分别建立历史小水电预测与实际出力的情景集合;小水电历史运行状态的时间序列是其随机性的一种具体表现,采用情景描述作为分析样本,是后续分析的基础;
(2)进行出力情景聚类分析,采用模糊聚类方法对情景样本进行聚类分析,具体操作时,给定情景聚类类别,并通过式(1)-(2)的循环迭代来实现;
式中:Ukj表示样本j隶属于类别k的相对隶属度,且满足C表示聚类总数;l、k为类别编号;m表示指标特征值的个数;n表示情景总数;分别表示情景集中第i个指标特征值的最大、最小值;αij表示第j个情景的第i个特征值;vik表示类别k指标特征值i的聚类特征规格化数,0≤vik≤1;
(3)采用聚类综合质量法确定最佳情景类别,在给定聚类类别下,采用式(3)计算聚类密集性,采用式(4)计算聚类邻近性,通过式(5)聚类密集性与聚类邻近性的线性组合计算各指标聚类综合质量,从而确定各指标的平均聚类综合质量;具体操作时,分别计算不同给定情景类别下的平均聚类综合质量,绘制平均聚类综合质量与聚类类别数目曲线,通过曲线拐点确定最佳情景类别数目;
Com=1-[ξ×Den+(1-ξ)Pro] (5)
式中:Den为聚类密集性;C'为类别总数;var(c'j)是在c'j类别的内方差;var(X)为样本X的方差;Pro为聚类邻近性;表示在c'j类的聚类中心;δ为高斯常数,为简化计算,取2δ2=1;Com为聚类综合质量;ξ∈[0,1]是平衡聚类密集性与聚类邻近性的权值,采用等权重方式,取ξ=0.5;
(4)进行预测情景分析,采用步骤(1)-(3)进行历史预测出力情景分析;
(5)进行预测情景下的实际情景分析,在第k种预测情景下,将历史同期对应的小水电实际情景组成新的聚类样本集合,采用步骤(1)-(3)进行预测情景下实际情景分析;
(6)计算概率分布,并确定各类别典型情景,采用式(6)计算各类别实际情景概率,从而确定概率分布;通过类别内部情景的期望确定各类别典型情景,实现情景缩减效果;
式中:表示第k种预测情景下第j种实际情景出现的概率;表示第k种预测情景下第j种实际情景的集合,g表示中第j种实际情景个数,Sk表示第k种预测情景集合,G表示Sk情景集对应情景总数;
(7)多小水电群情景组合,针对有多个小水电群接入电网的情况,考虑到各小水电群发电特性差异,具有相对独立性,应用数学组合理论,整个系统的情景由各小水电群情景组合得到,概率为构成该组合情景的各小水电群情景条件概率的乘积,出力值为构成该组合情景的各小水电群情景出力之和。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于大连理工大学,未经大连理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201511003322.2/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理





