[发明专利]一种综合能源系统多能需求典型场景生成方法及装置在审
| 申请号: | 201810524561.X | 申请日: | 2018-05-28 |
| 公开(公告)号: | CN108764335A | 公开(公告)日: | 2018-11-06 |
| 发明(设计)人: | 马溪原;郭晓斌;胡洋;周长城;雷金勇;于海洋;喻磊 | 申请(专利权)人: | 南方电网科学研究院有限责任公司 |
| 主分类号: | G06K9/62 | 分类号: | G06K9/62;G06Q10/06;G06Q50/06 |
| 代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 张春水;唐京桥 |
| 地址: | 510663 广东省广州市萝岗区科*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 典型场景 聚类中心 迭代 综合能源系统 向量集合 评估指标 误差平方 聚类 指令 方法生成 需求负荷 一次迭代 最小集 集群 向量 预设 评估 分析 | ||
1.一种综合能源系统多能需求典型场景生成方法,其特征在于,包括:
S1:获取到各天的多能需求负荷向量,得到向量集合;
S2:若获取迭代指令,则执行S3,若获取评估指令,则执行S4;
S3:在每一次迭代中,在所述向量集合中确定相应个数的聚类中心,直至判断当前次迭代的聚类误差平方与上一次迭代的聚类误差平方之差小于预设值,则确定当前次迭代的所有聚类中心为典型场景;
S4:获取聚类中心个数的取值范围,在所述取值范围中,根据各个取值在所述向量集合中确定相应个数的聚类中心,并计算各个取值对应的集群评估指标,确定最小集群评估指标对应的所有聚类中心为典型场景。
2.根据权利要求1所述的综合能源系统多能需求典型场景生成方法,其特征在于,所述多能需求负荷向量由一天中各个时段的燃气轮机供热量、用户电负荷和园区用冷需求组成。
3.根据权利要求1所述的综合能源系统多能需求典型场景生成方法,其特征在于,所述在每一次迭代中,在所有所述向量集合中确定相应个数的聚类中心,直至判断当前次迭代的聚类误差平方与上一次迭代的聚类误差平方之差小于预设值,则确定当前次迭代的所有聚类中心为典型场景具体包括:
S31:初始化迭代次数N=1,在所述向量集合中确定相应个数的聚类中心,并对聚类中心进行更新,再对更新后的聚类中心进行计算第N次迭代的聚类误差平方;
S32:令迭代次数N=N+1,在所述向量集合中确定相应个数的聚类中心,并对聚类中心进行更新,再对更新后的聚类中心进行计算第N次迭代的聚类误差平方;
S33:判断当前次迭代的聚类误差平方与上一次迭代的聚类误差平方之差是否小于预设值,若不小于,则重新执行S32,若小于,则执行S34;
S34:确定当前次迭代的所有聚类中心为典型场景。
4.根据权利要求3所述的综合能源系统多能需求典型场景生成方法,其特征在于,所述聚类误差平方的计算公式为:
式中,K为每一次迭代对应的聚类中心个数,nj为第j类的多能需求负荷向量个数,mj为对第j类的聚类中心进行更新得到的聚类中心,xi为第j类的第i个多能需求负荷向量。
5.根据权利要求1至4任意一项所述的综合能源系统多能需求典型场景生成方法,其特征在于,所述在所述向量集合中确定相应个数的聚类中心具体包括:
T0:令i=1,并获取常数M和聚类中心个数K;
T1:在所述向量集合中,计算两两向量之间的距离;
T2:确定与第i个多能需求负荷向量相关的所有距离,并按从小到大进行排序,取第M个距离作为第i个多能需求负荷向量的密度参数;
T3:令i=i+1,重新执行步骤T2,直至确定所有多能需求负荷向量的密度参数;
T4:将所有多能需求负荷向量按密度参数从小到大进行排序,在所有向量中按排序取预置比例的向量,得到高密度向量集合;
T5:将所述密度参数最小的多能需求负荷向量确定为第一个聚类中心;
T6:在所述高密度向量集合中,计算各个向量与各个已确定的聚类中心之间的距离,取与已确定的各个所述聚类中心对应的最小距离,在所有最小距离中取最大值,将最大值对应的多能需求负荷向量增添为新的聚类中心;
T7:判断聚类中心的个数是否等于K,若不等于,则重新执行T6,若等于,则结束。
6.根据权利要求5任意一项所述的综合能源系统多能需求典型场景生成方法,其特征在于,所述距离为欧氏距离。
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南方电网科学研究院有限责任公司,未经南方电网科学研究院有限责任公司许可,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/201810524561.X/1.html,转载请声明来源钻瓜专利网。





