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。

基于改进FCM聚类的光伏电站出力场景特性研究

为提高新型电力系统的运行安全可靠性,需要对光伏电站的出力特性进行量化评估,并从高不确定性的众多发电场景中掌握光伏电站的运行规律。为此,基于场景聚类和缩减原理对光伏出力进行分析。首先提出光伏出力特性的评价指标,包括波动性和出力效率2个一级指标和相应的二级指标;然后采用模糊C均值(fuzzy C-means,FCM)聚类算法,基于密度思想和距离最大、最小原则确定初始聚类中心,通过不断迭代得到不同场景下光伏出力的聚类结果。考虑到传统聚类算法存在局部收敛性,难以确定最优聚类数目,提出结合聚类有效性指标来确定聚类最优数目,进而采用基于概率距离的前推回代法对得到的聚类结果进行场景削减,最终得到光伏电站季节典型出力场景。最后基于广东省某光伏电站实际出力数据进行分析,验证所提指标和算法的有效性。

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。

考虑综合相似性度量的光伏典型出力场景聚类方法

场景聚类是描述不确定性光伏典型出力特性的有效途径之一,如何度量波动繁杂的光伏发电曲线相似性以及生成具有代表性的光伏出力场景是目前亟需解决的问题。为此,提出一种考虑综合相似性度量的光伏典型出力场景聚类方法,其基本思路是首先考虑光伏发电的电量大小、形态趋势、波动位置相似性,得到适用于光伏发电曲线的综合相似性度量距离;其次将形态质心作为优化问题求解,再用同倍比放大法得到兼顾电量和形态的实际质心,针对传统聚类算法在初始中心确定等方面的不足,以二十四节气为区间提出基于改进K-means算法的光伏典型场景集生成模型;最后构建光伏发电场景集指标评价体系,以熵权Topsis法对典型出力场景集进行综合评价。云南某地装机50MW的光伏电站2018—2020年算例结果表明:该文算法能准确划分和提取典型光伏出力场景,且以节气为区间生成的典型场景集在波动和电量指标上都有较好的表现,证明算法的有效性。

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。

数据驱动的公路典型风险场景聚类与特征分析

为了明晰公路交通中典型风险场景,提高公路测试场景构建和公路安全分析的针对性和指导性。收集不同区域代表性省份5年约60000条公路交通事故数据作为数据源,筛选确定关键分类变量,分别针对7类典型公路路段和路口开展典型交通冲突形式聚类分析,共获取16类典型风险场景,然后构建场景风险特征表征参数,针对典型风险场景的风险特征进行对比分析,进而深入分析道路和环境因素对场景事故数量和发生事故严重程度的影响特征。结果表明:路表情况、防护设施类型、交通信号方式、照明条件、天气和能见度等因素都对部分场景的风险度有较大影响,路面状况因素对场景风险度影响不大。

基于负荷场景多层聚类的储能精细化规划研究

为解决目前储能规划中场景划分不够精确及模型适用范围有限的问题,提出了基于负荷场景多层聚类的储能精细化规划方法。首先,提出了基于关联分析与聚类的负荷时空耦合特性分析方法及考虑负荷时空特性的负荷场景多层聚类方法。其次,面向典型负荷场景,构建了综合考虑碳排放、全周期成本、弃风弃光惩罚及储能和分布式电源协同的储能精细化规划模型。最后,选取某地实际配电网开展算例分析,得到了不同负荷场景下储能与分布式电源的最优协同配置方案,验证了所提模型与方法的可行性与有效性。

基于DBSCAN聚类的电力施工场景倾斜摄影测量数据采集方法

针对像片记录数据存在遗漏,测量数据问题像片比例较大的问题,提出基于DBSCAN聚类的电力施工场景倾斜摄影测量数据采集方法。规划无人机飞行航线,令镜头与云台轴心位于同一中心,利用GPS技术获得像控点定位数据,应用DBSCAN聚类方法,分类数据类别,存储和记录像片定位数据和数据,一一匹配无人机POS数据与拍摄像片。实验结果表明,该方法减少了测量数据集的问题像片比例,提高了像片数据合格率。

考虑深度嵌入聚类多场景的城市输电网规划综合评估方法

现有电网规划评估大多针对特定如高峰负荷场景展开,聚焦于新能源占比较低的传统电力系统无法满足新型电力系统运行场景多样化需求。提出了基于D-vine Pair-Copula和深度嵌入技术的不确定性场景生成和聚类方法,挖掘评估过程中需要考虑的有限场景。针对城市输电网,构建了综合评估指标体系,涵盖多场景下的经济性、安全可靠性、灵活适应性、环保性、新能源消纳能力、交直流强度6个方面,考虑了电力电子化、高比例新能源等的城市电网新特征,指标均能够在规划阶段通过潮流计算、短路电流计算等获取。采用基于组合权重模糊数学和雷达图的综合评估方法,以我国某城市输电网为例验证了方法的有效性。

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。

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。

基于特征聚类和等距映射的无监督特征选择算法

为了提高无标签场景下特征选择的准确率和稳定性,提出一种基于特征聚类和等距映射的无监督特征选择算法。特征聚类将相似性较高的特征聚成一类,然后结合等距映射和稀疏系数矩阵定义新的特征得分计量函数。该函数对各特征簇中的特征进行打分,选择出每个类簇中得分最高的代表特征,构成特征子集。在14个广泛应用的数据集上的实验结果表明:本文所提算法能够选择出具有强分类能力的特征,且算法具有很强的泛化性。

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.

基于深度嵌入聚类的风光水典型联合出力场景提取

对于风光水联合发电系统筛选出具有代表性的典型场景,是进行资源特性分析、调度优化研究的基础。传统聚类算法由于“维度效应”的影响,无法直接应用于高维数据聚类问题,而现有的“先降维,后聚类”技术路线无法保证降维后的低维特征适用于聚类任务,导致聚类结果不稳定。针对存在的问题,提出了一种基于深度嵌入聚类的风光水典型出力场景提取方法,在实现高维出力数据聚类的同时避免了降维后的低维特征不适用于聚类任务的问题。首先借助堆叠自编码器对数据的非线性表征能力,对高维风光水联合出力数据进行深层表征实现数据降维,然后结合K-means聚类方法对深层低维特征进行聚类,并在聚类过程中同时优化调整堆叠自编码器,得到适用于聚类空间的低维风光水联合出力特征,基于此实现对风光水联合出力场景的精准划分。最后以我国南方某区域风电、光伏、水电出力数据为研究对象对其进行深度嵌入聚类,并以PCA-K-means算法设置对比算例,验证了深度嵌入聚类在风光水典型联合出力场景选取上的有效性。

基于连续聚类算法的农村电网源储优化设计方法

农村电网负荷具有明显的季节性特点,配置光伏等可再生能源发电设备后,系统净负荷波动情况更为复杂,给电网源储设备的最优设计带来了新的挑战。为此提出一种基于连续聚类算法的农村电网源储优化设计方法。该方法可根据系统运行状态调节优化场景中各运行点对应的时间尺度,在有效压缩数据量的同时保真刻画农村电网运行特性。同时,建立了农村电网源储优化设计模型。算例分析表明该方法可有效提高农村电网源储优化设计的准确性。

基于聚类模型的流控典型场景识别

为了提高流控措施制定辅助决策水平的提升,文章以成都双流机场近几年的流控为例,提出了基于聚类模型的流控典型场景识别方法。建立了K均值聚类、DBSCAN聚类、Agglomerative Clustering层次聚类、BIRCH聚类、谱聚类、高斯混合模型七种聚类模型对流控措施进行聚类分析,采用轮廓系数Silhouette coefficient、Calinski Harabasz score和Davies Bouldin index对流控聚类模型效果进行评价,验证了K均值流控聚类模型优于其他聚类模型,建立了流控典型场景,为管制员进行流量管理提供辅助支撑。

基于概率统计局部聚类的复杂场景弱小运动目标检测

在复杂场景下进行弱小运动目标的检测过程中,受到视频中有序相邻对象相似性的影响,难以高精度地识别低质量特征的运动目标.设计一种基于概率统计局部聚类的复杂场景弱小运动目标检测方法.建立空域模型、时域模型,分析小目标特征、背景特征以及噪声特征,从中提取弱小运动目标特征,使用概率统计局部聚类理论,拟定划分标准使用条件,实现目标轮廓曲线分段,将弱小运动目标检测流程进行整体优化,完成基于概率统计局部聚类的复杂场景弱小运动目标检测方法的设计.检测方法性能测试结果表明:在不同的实验图像下,设计的弱小运动目标检测方法的检测率平均值为69.8%,具有一定的实用性和可靠性.