[发明专利]一种发电机起始分配方案的确定方法及系统

权利要求书

1.一种发电机起始分配方案的确定方法，其特征在于，包括：

根据各发电机的输出功率建立电力系统经济调度模型；

根据所述电力系统经济调度模型随机生成多个发电机分配方案；一个所述发电机分配方案包括所有发电机的输出功率；

构建聚类网络；所述聚类网络是对自组织特征映射神经网络进行训练得到的；

将所述聚类网络的内星权向量作为聚类算法的质心，采用聚类算法对所有所述发电机分配方案进行聚类得到多个聚类方案；

对同一所述聚类方案中的所有发电机分配方案按照发电机取交集得到所述发电机起始分配方案，所述发电机起始分配方案应用于所述电力系统经济调度模型；

所述对同一所述聚类方案中的所有发电机分配方案按照发电机取交集得到所述发电机起始分配方案，所述发电机起始分配方案应用于所述电力系统经济调度模型，具体包括：

对于任意一个所述聚类方案，对所述聚类方案中的所有发电机分配方案按发电机取交集得到所述聚类方案下各发电机的输出功率；

将所有聚类方案下各发电机的输出功率确定为所述发电机起始分配方案，所述发电机起始分配方案应用于所述电力系统经济调度模型。

2.根据权利要求1所述的一种发电机起始分配方案的确定方法，其特征在于，所述电力系统经济调度模型，具体为：

其中F_T表示发电成本，F_i()表示第i个发电机的发电成本，P_G,i表示第i个发电机的输出功率，表示第i个发电机的最大输出功率，表示第i个发电机的最小输出功率，P_D表示总负荷需求，P_Loss表示传输损失。

3.根据权利要求1所述的一种发电机起始分配方案的确定方法，其特征在于，所述聚类网络的确定过程具体包括：

在当前迭代次数下，获取上一次迭代次数的学习率和所述自组织特征映射神经网络中各神经元在上一次迭代次数下的权重；

计算各所述发电机分配方案与各神经元在上一次迭代次数下的权重的点积，得到当前迭代次数下的点积集合；

确定目标点积对应的神经元为获胜神经元；所述目标点积为当前迭代次数下的点积集合中值最大的点积；

根据各所述神经元在上一次迭代次数下的权重更新所述获胜神经元邻域内的神经元在当前迭代次数下的权重；

根据所述上一次迭代次数的学习率计算当前迭代次数的学习率；

判断是否到达第一预设条件，得到第一判断结果；所述第一预设条件为所述当前迭代次数的学习率小于第一设定阈值或者所当前迭代次数达到设定迭代次数；

若所述第一判断结果为是，则将目标神经元集合对应的自组织特征映射神经网络确定为聚类网络；所述目标神经元集合中各神经元的权重为当前迭代次数下各神经元的权重；

若所述第一判断结果为否，则更新迭代次数并进行下次迭代。

4.根据权利要求1所述的一种发电机起始分配方案的确定方法，其特征在于，所述聚类算法为K-means聚类算法。