[发明专利]一种基于AP聚类算法的广义负荷特性聚类方法

摘要

本发明公开了一种基于AP聚类算法的广义负荷特性聚类方法，包括以下步骤采集根母线节点风电与广义负荷数据，计算场均速度、波动速度和波动强度；确定波动强度的最小时间长度和聚类时间间隔；将广义负荷节点功率的全部训练样本数据按聚类时间间隔统一分段，构建聚类特征向量；赋予样本数据偏向参数，基于AP聚类算法，以特征向量为指标进行聚类，确定聚类中心；若样本点的聚类中心满足设定聚类条件，则输出聚类结果，否则返回上一步骤，直至得到准确的聚类结果。本发明有效解决了传统建模方法无法描述节点特性随机变化的问题。

主权项

一种基于AP聚类算法的广义负荷特性聚类方法，其特征是：包括以下步骤：(1)采集根母线节点风电与广义负荷数据，计算场均速度、波动速度和波动强度；(2)选取波动强度的最小时间长度和聚类时间间隔；(3)将广义负荷节点功率的全部训练样本数据按聚类时间间隔统一分段，以时段序列内各最小时间长度的波动强度以及时段序列的数字特征为指标构造聚类特征向量；(4)赋予样本数据偏向参数，基于AP聚类算法，以特征向量为指标进行聚类，确定聚类数和聚类中心；(5)若样本点的聚类中心满足以日时段特征向量为聚类指标的判定条件，则输出聚类结果，否则返回步骤(4)，直至得到准确的聚类结果；还包括步骤(6)：对广义负荷建模，进行节点特性提取，基于概率标识，对聚类结果进行验证；所述步骤(6)中，具体方法包括：(6‑1)通过RBF神经网络算法学习并提取样本空间各区间节点特性；(6‑2)统一各样本区间的模型结构，得到聚类后精确的广义负荷模型进行聚类验证。