[发明专利]一种考虑不确定因素相关性的风光电氢场景缩减方法

权利要求书

1.一种考虑不确定因素相关性的风光电氢场景缩减方法,其特征在于，所述缩减方法包括以下步骤：

步骤一：运用最大最小距离原则和密度原则进行初始聚类数目的选取；

步骤二：通过步骤一初始聚类数目结合空间距离和相关性系数构建进行场景缩；

步骤三：基于BS指标和相关性误差指标来判断最优聚类数目及验证缩减方法。

2.根据权利要求1所述的一种考虑不确定因素相关性的风光电氢场景缩减方法,其特征在于，所述步骤一初始聚类数目的选取具体流程如下：

S11、输入原始场景进行随机场景的缩减

引入Pearson秩相关系数，描述不同因素的随机变量间的互相关性，两个不同因素的时间序列X、Y间的Pearson相关系数如式所示：

式中：cov(X,Y)为随机变量X和Y的协方差；σ(X)、σ(Y)分别为随机变量X和Y的标准差；E(X)、E(Y)分别为随机变量X和Y的均值；

S12、初始聚类中心选取

基于密度思想和最大最小距离原则对初始聚类中心进行优化。

3.根据权利要求2所述的一种考虑不确定因素相关性的风光电氢场景缩减方法,其特征在于，所述步骤二场景缩减具体步骤如下：

S21、根据已有的初始聚类中心和初始类簇划分，通过式(8)计算新的聚类中心：

式中：为第m种不确定因素第k个类簇的场景数目；

S22、计算余下的各个随机场景到已有聚类中心的欧氏距离

S23、计算不同因素各个随机场景和之间的Pearson相关系数，并将各个系数存入Pearson相关系数矩阵ρ_mu：

式中：相关系数矩阵ρ_mu的矩阵维数为N-K；

S24、计算聚类评判函数f_ju，并按f_ju数值从小到大排列，选取数值最小的f_ju的并将对应的归入相应类簇

S25、重复步骤S21至步骤S24，直至目标函数稳定收敛，判断目标函数是否收敛，如收敛则通过缩减后典型场景进行聚类数目处理，如未收料则重复步骤二进行场景缩减操作。

4.根据权利要求3所述的一种考虑不确定因素相关性的风光电氢场景缩减方法,其特征在于，所述步骤三场景缩减方法的评判包括以下步骤：

S31、选取缩减场景评判指标；

S32、判断最优聚类数目，提升算法的计算效率。

5.根据权利要求1所述的一种考虑不确定因素相关性的风光电氢场景缩减方法,其特征在于，所述缩减场景评判指标包括：

(1)引入第一个指标即BS指标，BS指标通过结合事件来判断缩减场景集和原始场景集中定义的事件发生概率的差值，BS指标如式(11)和式(12)所示：

式中：表示第m种不确定因素缩减后的第i个场景的时间序列；为第m种不确定性因素缩减后的第i个场景在t时刻的数值；时间序列时间点数量为T；l{·}算子表示当满足括号内条件则输出为1，否则输出为0；θ₁、θ₂为定义的两个事件；

结合式(11)和式(12)，表示待判断评估场景中某事件的概率和原始场景概率之间的二次距离的样本均值，BS指标的计算公式如式(13)：

(2)引入第二个指标即相关性系数平均误差，从相关性角度补充评价缩减场景，相关性平均误差计算公式如式(15)所示：