基于改进K-means聚类的轨道交通基础设施分布式光伏发电典型场景生成及出力特性分析

受限于自然条件,光伏出力具有很强的随机性。为准确评估轨道交通基础设施分布式光伏发电的光伏出力特性,提出一种基于改进K-means聚类算法的轨道交通基础设施分布式光伏发电典型场景生成方法,并基于此进行光伏出力特性分析。首先,基于分布式光伏发电设施以及气象数据,利用PVsyst软件模拟光伏发电出力数据。然后,针对基本K-means聚类算法聚类参数和初始聚类中心盲目性高的问题,结合聚类有效性指标(Density based index,DBI)和层次聚类对其进行改进并利用改进K-means聚类算法生成光伏典型日出力场景。最后,基于华中地区某地轨道交通基础设施分布式光伏系统对所提方法的有效性和优越性进行验证,并通过定性和定量分析各典型场景的出力特性揭示轨道交通基础设施分布式光伏出力的规律和特点。

基于皮尔逊相关系数融合密度峰值和熵权法典型场景研究

新能源出力的波动性、随机性使得新型电力系统在规划以及运行分析时,如何获得典型出力场景是亟须解决的关键问题之一。提出了基于皮尔逊相关系数融合密度峰值和熵权法的典型场景聚类中心确定方法。首先,采用密度峰值方法选取初始聚类中心;然后,基于熵权法选取后续聚类中心;接着,采用后向场景缩减方法获得最终典型场景,以该方法为核心,构建了确定新能源典型出力场景的整体方案;最后,以2021年华北某地风电与光伏的日出力场景进行算例分析及对比验证,验证所提方法的准确性和有效性。研究成果将为电力系统规划与运行提供更为准确的数据支撑。