基于聚类算法的地区风电功率典型场景选取方法

摘要

风电出力受到季节、地域、天气等变量的影响，具有较强的随机性、波动性和间歇性的特性。风电的规模并网影响电力实时平衡威胁着电网安全，对电力系统规划和运行提出更高的要求。为了保障风电功率的消纳能力，保证电网的安全稳定运行，有必要选取能够表征地区风电功率特性的典型场景，为含规模风电的地区电网规划设计、风电接纳能力评估、无功电源优化配置及运行调度提供地区风电功率的典型出力特性。本文在总结国内外相关研究的基础上，完成了以下研究:
　　(1)总结了相关基础理论。分析了风电场的风能特性，给出了风电场风速与输出功率之间的关系;建立了定速异步风力发电机稳态数学模型、双馈风电机组稳态数学模型;论述了与本论文相关的聚类分析理论。
　　(2)为反映风电场出力变化特征，提出一种基于改进模糊C均值聚类算法的地区风电功率典型场景选取方法。
　　首先初始化风电样本聚类中心和预设场景划分数目，据此，采用传统模糊C均值聚类算法对风电出力样本进行聚类分析，得到初步聚类结果。随后为保证风电出力典型场景的选取质量，利用模糊聚类的XB(Xie-Beni)有效性函数值来描述样本类内紧致性和类间分离性，以此作为搜索最佳聚类数的判据，从而实现样本的有效划分。最后，结合某地区冬季风电出力数据，对该方法进行了算例仿真，验证了方法的可行性。根据聚类划分结果，可提取出发生概率最大的地区电网风电功率典型场景和峰谷差最大的地区电网风电功率典型场景。
　　(3)针对模糊C均值聚类算法需要预先设定划分的场景数目而带来不确定性问题，提出了基于分层聚类算法的地区电网风电功率典型场景的选取方法。
　　首先采用分层聚类算法对风电出力样本进行聚类分析，得到反映样本亲疏关系的聚类树状图。随后考虑风电典型场景的选取质量，利用类内和类间样本离差平方和来描述样本类内的紧凑性与类间的差异性，并以此作为最佳聚类数的判定依据，从而实现样本的有效划分。最后，结合某地区冬季风电出力数据，对该方法进行算例仿真，验证了方法的可行性。根据聚类划分结果，可提取出发生概率最大的地区电网风电功率典型场景和峰谷差最大的地区电网风电功率典型场景。

目录

声明

摘要

第1章 绪论

1．1 课题研究背景及意义

1．2 国内外研究现状

1．2．1 风电典型场景选取方法研究现状

1．2．2 聚类分析的研究现状

1．3 本论文的主要工作

第2章 相关基础理论

2．1 风电场出力特性分析

2．1．1 风能特性分析

2．1．2 风电场输出功率的影响因素

2．2 风力发电机组稳态数学模型

2．2．1 定速异步感应发电机稳态数学模型

2．2．2 双馈风电机组稳态数学模型

2．3 聚类基础理论

2．3．1 聚类基本概念

2．3．2 聚类分析的主要过程

2．3．3 聚类分析方法的性能要求

2．3．4 聚类有效性指标

2．4 本章小结

第3章 基于改进的模糊C均值聚类算法的地区风电功率典型场景选取方法

3．1 引言

3．2 模糊C均值聚类算法的基础理论

3．3 改进模糊C均值聚类算法的基本思路

3．3．1 初始聚类中心的选择

3．3．2 选择适用于模糊聚类算法的有效性指标函数

3．3．3 风电出力样本聚类分析

3．4 方法验证与实例分析

3．4．1 实例概述

3．4．2 确定最佳聚类数目

3．4．3 聚类结果对比分析

3．4．4 风电典型场景的选取

3．5 本章小结

第4章 基于分层聚类算法的地区风电功率典型场景选取方法

4．1 引言

4．2 分层聚类算法的基础理论

4．3 风电出力样本聚类分析

4．4 最佳聚类数目的确定

4．5 方法验证与实例分析

4．5．1 案例概述

4．5．2 确定最佳聚类数目

4．5．3 聚类结果对比分析

4．5．4 风电典型场景的选取

4．6 本章小结

5．1 结论

5．2 展望

参考文献

攻读硕士学位期间发表的论文及其它成果

致谢