[发明专利]基于模糊C-均值聚类的微电网中水风光电源容量配置方法

权利要求书

1.基于模糊C-均值聚类的微电网中水风光电源容量配置方法，其特征在于，包括以下步骤：

S1.构建数据矩阵；

S2.构建模糊聚类中心矩阵；

S3.初始化模糊聚类中心矩阵；

S4.迭代计算最优模糊聚类矩阵和最优模糊聚类中心矩阵；

S5.分别计算入库流量、风速、日照强度的平均值；

S6.分别计算小水电站装机容量、风电场装机容量、光伏发电站装机容量；

所述步骤S2具体为：

采用模糊聚类分析的方法，选取c＝3，构建数据集的模糊聚类中心矩阵：C＝{C₁,C₂,C₃},其中C_i＝{C_i1,C_i2,...,C_im}，i＝1,2,...,c，C₁、C₂、C₃分别为最小量、平均量、最大量模糊聚类中心矩阵；

所述步骤S3的具体过程为：

按照微电网中分布式电源容量配置原则，根据日入库流量、风速、日照强度的数据变化特征，设定最小量、平均量、最大量模糊聚类中心矩阵的初始值；假设入库流量、风速、日照强度的多年平均值为Q_MI、v_M、E_MPV,那么设定最小量、平均量、最大量模糊聚类中心矩阵的初始值分别为：

其中，

k_MI1＝k_MW1＝k_MPV1＝0.2；

k_MI2＝k_MW2＝k_MPV2＝1.0；

k_MI3＝k_MW3＝k_MPV3＝1.5；

模糊聚类中心矩阵的初始值为：

所述步骤S4的具体过程如下：

采用模糊聚类分析的方法，通过迭代计算方式，确定模糊C-均值聚类矩阵的最优值，确定最小量、平均量、最大量模糊聚类中心矩阵的最优值；

模糊C-均值聚类矩阵的最优值为：

最小量、平均量、最大量模糊聚类中心矩阵的最优值为：

其中，Q_CI1、Q_CI2、Q_CI3分别为入库流量最小量、平均量、最大量模糊聚类中心矩阵的最优值，v_CW1、v_CW2、v_CW3分别为风速最小量、平均量、最大量模糊聚类中心矩阵的最优值，E_CPV1、E_CPV2、E_CPV3分别为日照强度最小量、平均量、最大量模糊聚类中心矩阵的最优值；

所述步骤S5的计算过程如下：

计算微电网中小水电站入库流量平均值：

k_IX、k_IA、k_ID分别为对入库流量最小量、平均量、最大量的权重系数；

计算微电网中小风电场风速平均值：

k_WX、k_WA、k_WD分别为对风速最小量、平均量、最大量的权重系数；

计算微电网中光伏发电站日照强度平均值：

k_PVX、k_PVA、k_PVD分别为对日照强度最小量、平均量、最大量的权重系数；

所述步骤S6中计算小水电站装机容量时既要考虑入库流量的自然条件的制约，也要考虑微电网本地负荷功率的需求量及配电网允许注入功率的大小，小水电站装机容量为：

其中，H为小水电站水头，k_GH为小水电站在微电网本地负荷功率与配电网允许注入功率分配中的权重系数,P_MD、P_DD分别为微电网本地负荷功率的需求量、配电网允许注入功率的大小；

所述步骤S6中计算风电场装机容量时既要考虑风速的自然条件的制约，也要考虑微电网本地负荷功率的需求量及配电网允许注入功率的大小，风电场装机容量为：

其中，N_GW分别为风电场允许的最大、最小装机台数，k_GW为风电场在微电网本地负荷功率与配电网允许注入功率分配中的权重系数，k_W2、k_W1、k_W0为风电机组输出功率与风速相关的系数；

所述步骤S6中计算光伏发电站装机容量时既要考虑日照强度自然条件的制约，也要考虑微电网本地负荷功率的需求量及配电网允许注入功率的大小，光伏发电站装机容量为：

其中，S_GPV分别为光伏发电站光伏发电板允许的最大、最小装机面积，k_GPV为光伏发电站在微电网本地负荷功率与配电网允许注入功率分配中的权重系数，k_PV2、k_PV1、k_PV0为光伏发电站光伏发电板输出功率与日照强度相关的系数。