[发明专利]利用改进的K-means算法加速优化调度算法收敛的方法及系统

权利要求书

1.综合能源系统优化调度方法，其特征是，包括：

获取综合能源系统历史数据，并对其进行归一化处理；其中，综合能源系统的历史数据包括冷、热、电、光伏、风电数据；

利用K-means算法将归一化处理后的数据进行聚类获得向量间距离，并确定距离阈值，基于该距离阈值获得处于极端时期的数据，将其从数据库中摘除并对其单独存放；其中，向量间距离的计算公式如下：

其中，表示不同的聚类因素，表示数据某一维度，表示聚类中心，表示数据对象；

确定距离阈值时，利用箱线图处理所有距离数据，可求出极端时期与聚类中心距离的上下阈值，对于不在上下阈值范围内的点作为极端时期；

对剔除极端时期的数据库进行聚类，设定聚类中心为典型时期，获得典型时期；

用典型和极端时期的出力结果替代小部分随机生成的遗传算法初始种群，利用遗传算法进行优化生成各设备出力计划；初始种群由典型时期出力结果、极端时期出力结果及随机初始种群构成，保留大量随机初始种群能避免结果受典型和极端时期的出力结果影响而陷入局部最优；

在生成各设备出力计划之后，更新数据库，再次处理导入的综合能源系统历史数据，获得不同时期的各设备出力计划。

2.如权利要求1所述的综合能源系统优化调度方法，其特征是，利用肘部法则寻找K-means算法所需k值，在确定典型时期时，k值等于典型时期数目。

3.综合能源系统优化调度系统，其特征是，包括：

数据处理模块，用于获取综合能源系统历史数据，并对其进行归一化处理；其中，综合能源系统的历史数据包括冷、热、电、光伏、风电数据；

极端时期确定模块，用于利用K-means算法将归一化处理后的数据进行聚类获得向量间距离，并确定距离阈值，基于该距离阈值获得处于极端时期的数据，将其从数据库中摘除并对其单独存放；其中，向量间距离的计算公式如下：

其中，表示不同的聚类因素，表示数据某一维度，表示聚类中心，表示数据对象；

确定距离阈值时，利用箱线图处理所有距离数据，可求出极端时期与聚类中心距离的上下阈值，对于不在上下阈值范围内的点作为极端时期；

典型时期模块，用于对剔除极端时期的数据库进行聚类，设定聚类中心为典型时期，获得典型时期；

设备出力计划生成模块，用典型和极端时期的出力结果替代小部分随机生成的遗传算法初始种群，利用遗传算法进行优化生成各设备出力计划；初始种群由典型时期出力结果、极端时期出力结果及随机初始种群构成，保留大量随机初始种群能避免结果受典型和极端时期的出力结果影响而陷入局部最优；在生成各设备出力计划之后，更新数据库，再次处理导入的综合能源系统历史数据，获得不同时期的各设备出力计划。

4.一种计算装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现上述权利要求1-2中所述的方法的具体步骤。

5.一种计算机可读存储介质，其上存储有计算机程序，其特征是，该程序被处理器执行上述权利要求1-2中所述的方法的具体步骤。