基于模糊场景聚类的新能源风电消纳误差修正系统

电网容易受到场景约束的影响,新能源风电场无法送出大量风电,为了修正风电消纳数据,设计了基于模糊场景聚类的新能源风电消纳误差修正系统。分析系统运行场景,使用S5PV210微处理器,为系统提供丰富接口。设计误差修正控制器,避免系统修正过程出现误差。在多目标求解原则支持下,搭建模糊场景。根据风电场历史运行数据,计算基准调度方案对新能源风电消纳的结果,获取新能源风电消纳误差序列。确定最佳聚类数,结合历史异常数据修正误差。由实验结果可知,该系统风电功率序列统计结果与理想数据存在最大为1 MW的误差,弃风功率序列统计结果与理想数据一致,所设计系统误差修正结果较好。

基于场景聚类的天然气场站泄漏风险区域研究

泄漏风险区域划分可为天然气场站的维护管理和应急疏散提供依据,但当前相关研究多基于发生概率最大或损失最严重的单一泄漏场景。针对以上问题,提出了基于场景聚类分析的输配气场站泄漏风险区域划分方法,并以西部某天然气输配气站为例具体分析研究。通过K means聚类分析筛选出153个代表场景,借助数值模拟得到场站内天然气泄漏扩散后气云浓度分布,最终将场景概率和场站平面图中各网格浓度加权得到泄漏风险区域。与其他风险区域划分相比,提出的方法不仅解决现有单一泄漏场景考虑因素不够全面,普适性差的问题,而且进一步降低了数据冗余度,减少大量工作量和时间。

融合电网运行场景聚类的多任务深度强化学习优化调度

“双碳”目标和新型电力系统建设背景下,新能源的高渗透率接入导致电力系统随机性显著增大、运行方式的分布复杂多样,传统单任务深度强化学习难以自适应源荷两侧的高随机性,调度决策难以满足新型电力系统对风光消纳、功率平衡需求。为此,该文提出融合电网运行场景聚类的多任务深度强化学习优化调度方法。该方法离线训练时利用空间聚类和决策树辨识海量调度运行数据的典型运行场景与重要特征,并构建甄别场景类别的多层感知机分类器;再依据场景类别建立和划分融合聚类多任务深度强化学习模型,从数据源到状态动作设计差异化训练各子任务学习器与模型;在线决策时利用分类器辨识有限运行数据的场景类别,调用模型快速求解实时调度任务,实现高随机场景下的多任务快速迁移学习,保证电力系统优化调度决策的最优性。该文通过算例验证了该方法的解的可行性与经济性。实验结果表明,融合电网运行场景聚类的多任务深度强化学习优化调度算法较单任务算法能够明显提升调度决策经济效益。

基于局域定位场景聚类的虚拟应答器布局优化方法研究

基于全球导航卫星系统的列车定位是下一代列车控制系统的重要技术方向之一,卫星定位驱动的虚拟应答器技术是实现卫星定位与既有列控系统兼容的有效途径。重点关注虚拟应答器的选址布局优化设计问题,结合虚拟应答器捕获与报文触发对卫星定位性能的需求,从候选虚拟应答器布设位置的局域卫星定位观测性能特征出发,运用动态时间规划和具有噪声的基于密度的聚类方法,提出一种铁路沿线局域定位场景聚类策略,基于聚类结果,重点针对卫星信号观测受限区段,构建一种基于麻雀搜索改进遗传算法的虚拟应答器布局优化方法。采用实际线路数据及现场试验数据,对所提出的局域定位场景聚类策略进行了验证,并通过与传统优化算法的对比,验证所提布局优化方法的能力。所得结果对于辅助实际线路虚拟应答器布设方案设计与实施具有参考意义。

基于场景聚类的净负荷优化控制策略

随着风电等间歇性电源大比例并网,其电源波动性对电网造成的影响不可忽视,同时需求侧用电负荷的波动同样影响着电网运行。针对上述问题,现大多采用单一的控制策略,其控制效果虽然可达到要求,但未分析不同情况下不同的风电和负荷特性,采用统一的控制策略易造成资源不必要的浪费。该文提出一种基于场景聚类的优化控制。场景聚类考虑了风电场出力波动和需求侧用电负荷波动两个因素,提取净负荷数据典型场景,依据其不同特性提出不同控制方案,达到优化目的。最后通过算例分析,证实这种优化控制方案可在不降低原本控制效果的基础上减小成本,提高用户舒适度,具有可行性和有效性。

基于模糊场景聚类的微电网两阶段优化配置

针对极端天气会对微电网的稳定运行造成一定影响的问题,提出一种基于模糊场景聚类的微电网优化配置策略.利用历史天气数据,采用模糊场景聚类方法处理源侧天气的随机性导致新能源出力波动的问题;并在负荷侧建立鲁棒优化模型,处理一定范围内的负荷波动.利用一年中8760 h的场景,区分模糊场景聚类所特有的隶属特征,得到典型场景和极端场景.考虑极端场景对微电网优化配置的影响,建立以综合成本最小的两阶段鲁棒模型,运用列和约束生成算法进行分解,最后用Cplex求解器迭代求解.仿真分析验证了所提优化配置策略的有效性与可行性.

风电接入下断面极限传输功率运行规则的场景聚类提取方法

在传统运行规则制定方法的基础上,提出风电接入下断面极限传输功率(TTC)运行规则的场景聚类提取方法。以风电场出力-负荷水平为标准对网络状态进行场景聚类,在某场景下计算TTC风险值作为调度参考依据。规则的形成使用数据挖掘技术,分为样本生成、特征选择、规则提取3个步骤。综合所有场景调度信息,生成包含风电信息的TTC规则库。用IEEE 39节点系统进行考虑暂态安全的算例仿真,结果表明了所提方法提取的TTC调度信息能较好地体现电网运行状态与TTC间的关系。

基于场景聚类分析的综合能源系统鲁棒运行策略

清洁可再生能源充分消纳和综合能源高效利用将成为能源业发展趋势,然而可再生能源出力的波动性、跨属性能源调控的间接性,给系统运行策略制定和系统安全运行带来挑战。为避免由于预测误差对电网造成的不良影响,需要设计合理的运行策略,以保证综合能源系统的正常运行。为此,本文提出了一种基于场景聚类分析的综合能源系统鲁棒运行策略。首先建立了综合能源系统中各类能源转化设备数学模型以及光伏出力预测误差概率模型,通过场景聚类分析方法形成多种光伏的随机出力场景,并进一步建立了双层鲁棒优化模型,实现含有分布式光伏电站的综合能源系统的安全稳定运行。

视频分割与场景聚类算法研究

本文介绍了实现视频分割和场景聚类的算法。首先用X2直方图匹配法检测镜头切换,梯度法检测镜头淡入淡出;然后对镜头内非相邻帧间距离经过阈值判断提取关键帧;进一步基于镜头的关键帧集计算镜头间的相似度,对相似度大于阈值的镜头进行聚类;最后给出了典型实验结果,表明上述算法对视频分割和镜头聚类有较好的性能。

基于典型运行场景聚类的电力系统灵活性评估方法

以风光水为代表的可再生能源电源会增加电力系统的不确定性.为了保证高比例可再生能源电力系统的灵活运行,提出一种典型运行场景电力系统灵活性评估方法.利用改进的K-means算法,将新能源和负荷的运行场景进行聚类组合得到典型运行场景.从区域内供需平衡、区域内潮流分布和区域间输电能力3个角度提出灵活性评估指标;计算每种典型场景的灵活性评估指标,并根据每种场景的出现概率计算得到综合评估指标以评估系统的整体灵活性.最后,基于南方某地区实际新能源和负荷历史数据在改进的IEEE 39节点系统上进行电力系统灵活性评估.结果表明,该聚类方法和灵活性指标可以有效反映电力系统的灵活性.

基于危险场景聚类分析的前车随机运动状态预测研究

我国道路情况复杂多变,构建合适的测试场景对汽车智能驾驶系统测试和评价的有效性起着决定性作用。本文中从我国实际道路出发,从自然驾驶数据中提取具有中国特色的典型场景,筛选出自然驾驶数据中危险工况数据片段,基于此提取出汽车智能驾驶系统综合测试的场景特征要素,并利用聚类分析法得到3类典型危险场景。采用马尔可夫链理论表征前车人类驾驶员驾驶车辆的随机运动特性,将聚类得到各场景下的自车数据作为前车历史工况数据,归纳学习得出马氏链转移概率,并通过马尔可夫链蒙特卡洛模拟预测未来时刻的状态,基于此得到危险场景中前车随机运动预测模型,通过对比原始工况数据验证预测模型的有效性,有效解决了由于采集设备精度低导致的前车数据不准、在测试场景中不能准确表征前车人类驾驶员驾驶车辆随机运动的问题。

基于改进场景聚类算法的海上风电储能优化配置研究

在平滑海上风电出力波动的应用需求下,提出一种储能优化配置方法。利用小波包分解算法对海上风电出力曲线进行分解,得到储能系统全年功率响应曲线。采用基于云模型和模糊C均值聚类算法相结合的改进场景聚类算法,对储能全年功率响应曲线进行聚合,生成储能功率响应典型场景。以储能年综合成本最低为目标,构建储能优化配置模型。采用粒子群算法对海上风电储能优化配置模型进行求解,最后通过算例仿真对所提方法和模型进行分析验证。结果表明:所提模型和方法能综合考虑海上风电场侧储能的实际运行特性,可有效指导海上风电场的储能配置和建设规划。

基于场景聚类的主动配电网分布式风电的优化配置

为了实现主动配电网分布式电源(distributed generation,DG)优化配置,提出了一种多阶段优化配置方法。该方法首先应用多场景聚类方式考虑DG与负荷的时序性与随机性,将场景空间划分为若干个大致均等的子空间,在每个子空间中分别取各维分量坐标的代数平均值对应的点为该场景的簇心;然后将求取目标函数的最优解问题转化为两阶段优化问题,第一阶段对各待选节点风电场的安装容量进行优化并筛选出极端场景,第二阶段在极端场景下优化需求侧控制变量;最后利用改进的进化策略算法对IEEE 33节点算例进行仿真计算。结果表明:与现有的直接法相比,所提出的多阶段优化方法简单有效,可以求出最优解,引起的误差可以忽略不计。

考虑场景聚类的配电网−天然气联合系统双层随机运行优化

风电大规模接入配电网给系统安全经济运行带来了极大挑战。为充分表征风电随机性和不确定性对系统运行优化的影响,提出了考虑场景聚类的配电网−天然气联合系统双层随机运行优化模型。首先,通过主成分分析法对海量的高维度风电出力场景进行降维,在降维数据的基础上构建了基于分层聚类算法的风电随机场景选取方法,并提出最优聚类类数的确定标准以有效划分风电场景类数。其次,构建了基于分层场景聚类法的配电网−天然气网耦合系统双层随机运行优化模型,从多个时间尺度提高运行方案对风电波动的适应性。同时,引入拉格朗日因子,并提出KKT(Karush-Kuhn-Tucker)理论的等价方程表示方法,将所提随机运行优化模型转化为单层求解。通过算例,将所提方法与现有运行优化策略对比,验证了所提方法的有效性和优越性。

考虑场景聚类的配电网运行灵活性评价

随着配电网新能源渗透率的不断提高,需要对配电网的运行灵活性进行全面的评估。但目前关于灵活性的讨论多集中在输电系统,且评价场景单一,也缺乏对可中断负荷等灵活性资源的讨论。因此基于灵活性场景的聚类,提出一种配电网灵活性评价方法。首先采用近邻传播算法聚类得到典型的配电网运行场景。然后考虑风电和负荷出力的不确定性,用非参数模型拟合预测误差概率分布。结合蒙特卡罗模拟和配电网经济调度模型,提出考虑配电网灵活性评价指标的实用化计算方法。采用某实际配电网数据对所提算法进行验证,并研究了可中断负荷对灵活性评价的影响。

基于联合学习框架的音频场景聚类

音频场景聚类的任务是将属于相同音频场景的音频样本合并到同一个类中.本文提出一种基于联合学习框架的音频场景聚类方法.该框架由一个卷积自编码网络(Convolution Autoencoder Network,CAN)与一个判别性聚类网络(Discriminative Clustering Network,DCN)组成.CAN包括编码器和译码器,用于提取深度变换特征,DCN用于对输入的深度变换特征进行类别估计从而实现音频场景聚类.采用DCASE-2017和LITIS-Rouen数据集作为实验数据,比较不同特征与聚类方法的性能.实验结果表明:采用归一化互信息和聚类精度作为评价指标时,基于联合学习框架提取的深度变换特征优于其他特征,本文方法优于其他方法.本文方法所需要付出的代价是需要较大的计算复杂度.

6G业务场景的不完全多视图聚类分析

在6G网络中,由于业务种类繁杂且需求各不相同,5G网络中划分的三大业务场景已无法满足其粒度上的要求,这给6G按需服务目标的实现带来了巨大挑战。针对海量杂乱的6G场景和6G场景分类中业务数据量庞大以及数据缺失问题,提出了一套基于业务关键性能指标的多维度场景聚类分析方案。该方案基于不完全多视图聚类技术,在上千种参数组合下使用肘部法和轮廓系数法进行调参聚类。聚类结果表明,提出的方案能在不完整的场景数据集中保证收敛,并达到较高的轮廓系数值。此外,通过对比不同比例的缺失数据聚类实验,所提出的6G场景聚类方案能够有效完成对于不同程度缺失数据的多维度聚类。最后,结合原始数据和聚类标签,分析并提炼聚类得到了11类场景的场景知识及各场景的关键性能指标特征,从而为未来6G网络中的新兴场景及业务提供方法基础和理论参考。

基于深度时间聚类的微电网典型场景生成方法

典型运行场景提取对制定有效的日前运行策略具有重要意义。微电网中,可再生能源和新型负荷的强不确定性使得微电网的运行场景具有复杂时序特征。传统的场景聚类分析方法缺乏对时序特征的考虑,难以得到有效可信的典型运行场景。为此,文中提出一种基于深度时间聚类的微电网典型运行场景生成方法。首先,基于受路径约束的动态时间规整算法,量度时间序列的形态相似性;其次,设计了一种组合卷积神经网络和双向长短期记忆网络的时序自动编码器结构,提取复杂时序运行场景中的深层次特征并实现数据降维;然后,联合优化时序特征提取与时序聚类,得到有效、可信的典型运行场景;最后,提出考虑时间序列形态相似性的时间轮廓系数以及日内实际场景的运行成本作为聚类有效性评估指标。基于澳大利亚居民微电网的实际算例结果表明,与传统的场景聚类方法相比,所提方法具有更强的复杂时序特征挖掘能力,能够得到更具代表性的典型运行场景。

复杂环境下BDS场景精度等级聚类模型

针对实际复杂场景下北斗卫星导航系统(BDS)导航定位精度不足问题,提出一种基于美国国家海洋电子协会(NMEA)协议的BDS自适应场景迭代自组织数据分析技术(ISODATA)聚类算法,以辅助BDS终端针对不同场景采取合适精度的补偿策略,即从实时NMEA报文提取与BDS定位相关的环境特征指标进行场景聚类分析,依据BDS精度等级对导航场景进行自动分类和精度匹配,并采用有监督的k近邻算法(kNN)对ISODATA场景聚类结果的准确度进行评估。实验结合(上海)复杂城市环境下的实际路测数据,提取BDS导航场景聚类模型结果及相应的匹配精度等级,给出谷歌(Google)地图上再现7类典型场景下不同路段对应的12种自动聚类匹配精度,以及相应的定位精度偏差均值。实验结果表明:此聚类方法的均方误差多次迭代后效果明显优于其他聚类方法,根据本次路测可识别的精度聚类等级范围(最近0.02 m、最远约3 m)给出精度补偿的相对应的建议,也验证了模型的有效性。

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。