CN120196969A 一种考虑客观加权的分布式光伏电站分群聚类方法及系统

(19)国家知识产权局(22)申请日2025.05.27中心申请人国网福建省电力有限公司魏建文张嘉阳姜志筠蔡雨晴邹毅豪合伙)3500150/06(2024.01)一种考虑客观加权的分布式光伏电站分群本发明涉及一种考虑客观加权的分布式光伏电站的运行数据，构建资源聚类控制指标体算分布式光伏电站各指标在分布式光伏电站群伏群的指标数值标准差，利用标准差计算阈值。权不同指标，确保每个光伏在聚类过程中的权重理权21.一种考虑客观加权的分布式光伏电站分群聚类方法，其特征在于，包括以下步骤：获取分布式光伏电站的运行数据，基于所述运行数据构建资源聚类控制指标体系；对资源聚类控制指标体系中的各指标进行归一化处理；计算分布式光伏电站归一化处理后的各指标在分布式光伏电站群对应指标的指标和的占比，基于所述占比计算分布式光伏电站群的各指标的反熵值和熵权；确定分布式光伏电站群的指标数值标准差，基于所述指标数值标准差计算分布式光伏电站群的阈值；将分布式光伏电站群作为分群聚类算法的输入，基于所述阈值、所述反熵值和所述熵权输出分布式光伏电站分群聚类结果。2.根据权利要求1所述的考虑客观加权的分布式光伏电站分群聚类方法，其特征在于，基于所述运行数据构建资源聚类控制指标体系，具体步骤为：确定技术性指标，包括分布式光伏电站的下调容量和分布式光伏电站的调控时间；基于所述运行数据计算分布式光伏电站的下调容量，以公式表示为：式中，Imx表示分布式光伏电站群中分布式光伏电站的总数，P,表示第i个分布式光伏电站在t时刻的运行功率，ai,aown表示第i个分布式光伏电站布式光伏电站的最小运行边界，t表示时间索引，i表示分布式光伏电站个数索引，T表示第i个分布式光伏电站的调控时间；确定经济性指标，包括分布式光伏电站的调控成本；基于所述运行数据计算分布式光伏电站的调控成本，以公式表示为：式中，fpv;表示第i个分布式光伏电站的弃光成本，△Ppv;表示第i个分布式光伏电站的弃光量，F表示第i个分布式光伏电站的调控成本；基于所述技术性指标和经济性指标构建资源聚类控制指标体系。3.根据权利要求2所述的考虑客观加权的分布式光伏电站分群聚类方法，其特征在于，对资源聚类控制指标体系中的各指标进行归一化处理，具体步骤为：对下调容量进行正向归一化处理，以公式表示为：式中，X表示正向归一化处理后的第i个分布式光伏电站的下调容量，xmax+表示分布式光伏电站群的下调容量的最大值，xmin+表示分布式光伏电站群的下调容量的最小值；3式中，X,表示负向归一化处理后的第i个分布式光伏电站的调控成本或第i个分布式光伏电站的调控时间，x,表示第i个分布式光伏电站的调控成本或第i个分布式光伏电站4.根据权利要求3所述的考虑客观加权的分布式光伏电站分计算分布式光伏电站归一化处理后的各指标在分布式光伏电站群对应指标的指标和的占计算分布式光伏电站归一化处理后的各指标在分布式光伏电站群对应指标的指标和式中，P₁k表示第i个分布式光伏电站归一化处理后的第k个指标在分布式光伏电站群456制指标体系；预处理模块：对资源聚类控制指标体系中的各指标进行归一化处理；客观加权模块：计算分布式光伏电站归一化处理后的各指标在分布式光伏电站群对应指标的指标和的占比，基于所述占比计算分布式光伏电站群的各指标的反熵值和熵权；阈值设置模块：确定分布式光伏电站群的指标数值标准差，基于所述指标数值标准差计算分布式光伏电站群的阈值；分群聚类模块：将分布式光伏电站群作为分群聚类算法的输入，基于所述阈值、所述反熵值和所述熵权输出分布式光伏电站分群聚类结果。8.根据权利要求7所述的考虑客观加权的分布式光伏电站分群聚类系统，其特征在于，基于所述运行数据构建资源聚类控制指标体系，具体步骤为：确定技术性指标，包括分布式光伏电站的下调容量和分布式光伏电站的调控时间；基于所述运行数据计算分布式光伏电站的下调容量，以公式表示为：式中，Imax表示分布式光伏电站群中分布式光伏电站的总数，P,表示第i个分布式光伏电站在t时刻的运行功率，9,down表示第i个分布式光伏电站的下调容量，布式光伏电站的最小运行边界，t表示时间索引，i表示分布式光伏电站个数索引，T表示第i个分布式光伏电站的调控时间；确定经济性指标，包括分布式光伏电站的调控成本；基于所述运行数据计算分布式光伏电站的调控成本，以公式表示为：F,=fpv;△PPVi;式中，fpv;表示第i个分布式光伏电站的弃光成本，△Pv;表示第i个分布式光伏电站的弃光量，F表示第i个分布式光伏电站的调控成本；基于所述技术性指标和经济性指标构建资源聚类控制指标体系。9.根据权利要求8所述的考虑客观加权的分布式光伏电站分群聚类系统，其特征在于，对资源聚类控制指标体系中的各指标进行归一化处理，具体步骤为：对下调容量进行正向归一化处理，以公式表示为：式中，X表示正向归一化处理后的第i个分布式光伏电站的下调容量，xmx+表示分布式光伏电站群的下调容量的最大值，xmin+表示分布式光伏电站群的下调容量的最小值；对调控时间和调控成本进行负向归一化处理，以公式表示为：7式中，X,表示负向归一化处理后的第i个分布式光伏电站的调控成本或第i个分布式光伏电站的调控时间，x,表示第i个分布式光伏电站的调控成本或第i个分布式光伏电站10.根据权利要求9所述的考虑客观加权的分布式光伏电站分群聚类系统，其特征在计算分布式光伏电站归一化处理后的各指标在分布式光伏电站群对应指标的指标和式中，P₁k表示第i个分布式光伏电站归一化处理后的第k个指标在分布式光伏电站群89技术领域[0001]本发明涉及一种考虑客观加权的分布式光伏电站分群聚类方法及系统，属于光伏分群技术领域。背景技术[0002]随着全球能源转型的加速，分布式光伏电站发电作为一种清洁、可再生的能源利用形式，得到了广泛的应用和快速发展。众多的分布式光伏电站系统遍布于不同的地区和运行和管理产生了重要影响。在分布式光伏电站的大规模接入和运行过程中，为了实现对大量分布式光伏电站资源的有效管理和控制，提高能源利用效率、优化电网运行性能以及降低运行成本，对其分群聚类成为一个关键问题。分群聚类旨在将具有相似特性和运行规律的分布式光伏电站进行归类，以便制定针对性的调控策略和运行管理方案。[0003]传统分布式光伏电站分群方法在构建资源聚类控制指标体系时，往往考虑的指标不够全面，可能仅侧重于某一两个方面，如只关注光伏的发电量或者安装位置等单一因素，忽略了分布式光伏电站运行过程中的多维度特性，包括技术性指标(如下调容量、调控时间)和经济性指标(如调控成本)等，导致分群结果不能准确反映其综合特性，难以满足精细化管理和优化调控的需求。[0004]现有技术如公开号为CN118313496A的中国发明专利申请公开了一种基于深度相似性聚类的分布式光伏集群功率预测方法，包括以下步骤：获取分布式光伏电站群的功率数据，通过聚类算法对所述分布式光伏电站群进行初步聚类，获取多个簇心作为典型电站；基于所述典型电站及其功率数据，通过训练多个预设自编码器，确定多个典型电站的功率深层特性；基于所述多个典型电站的功率特性将所述典型电站作为二次聚类的簇心，根据所述分布式光伏电站群间的深层相似性获取最优聚类结果；基于所述最优聚类结果，通过预构建的图卷积神经网络预测模型进行区域分布式光伏功率预测。但上述专利高度依赖于分布式光伏电站的历史功率数据来训练自编码器和构建图卷积神经网络预测模型。如果历史数据存在缺失、噪声或误差较大等情况，会影响模型的训练效果和预测精度。发明内容[0005]为了解决上述现有技术中存在的问题，本发明提出了一种考虑客观加权的分布式光伏电站分群聚类方法及系统。[0006]本发明的技术方案如下：一方面，本发明提供了一种考虑客观加权的分布式光伏电站分群聚类方法，包括以下步骤：获取分布式光伏电站的运行数据，基于所述运行数据构建资源聚类控制指标体对资源聚类控制指标体系中的各指标进行归一化处理；计算分布式光伏电站归一化处理后的各指标在分布式光伏电站群对应指标的指确定分布式光伏电站群的指标数值标准差，基于所述指确定技术性指标，包括分布式光伏电站的下调容量和分布式光伏电站的调控时示第i个分布式光伏电站的调控时间；分布式光伏电站群的下调容量的最大值，xmin+表示分布式光伏电站群的下调容量的最小式中，exp表示指数函数，E表示集合M中第i个分布式光伏电站到初始中心点集合M中第i个分布式光伏电站的调控成本，W₁表示分布式光伏电站群的下调容量的熵若初始中心点C的偏移向量Q的模值小于阈值ε,则执行步骤S8,否则以更新后的理想簇C,则将集合M并入理想簇C,否则将集合M作为新簇加入空簇集合C;[0012]再一方面，本发明还提供一种考虑客观加权的分布式光伏电站分群聚类系统，包体系构建模块：获取分布式光伏电站的运行数据，基于客观加权模块：计算分布式光伏电站归一化处理后的各指标在分布式光伏电站群对应指标的指标和的占比，基于所述占比计算分布式光伏电站群的各指标的反熵值和熵确定技术性指标，包括分布式光伏电站的下调容量和分布式光伏电站的调控时F,=fpv;△PVj;分布式光伏电站群的下调容量的最大值，xmin+表示分布式光伏电站群的下调容量的最小式中，X表示负向归一化处理后的第i个分布式光伏电站的调控成本或第i个分布式光伏电站的调控时间，x,表示第i个分布式光伏电站的调控成本或第i个分布式光伏计算分布式光伏电站归一化处理后的各指标在分布式光伏电站群对应指标的指式中，P,k表示第i个分布式光伏电站归一化处理后的第k个指标在分布式光伏电站群对应指标的指标和的占比，Y₁,k表示第i个分布式光伏电站归一化处理后的第k个指式中，ek表示分布式光伏电站群的第k个指标的反熵值，1n表示对数函数；基于所述反熵值计算分布式光伏电站群对应指标的熵权，以公式表示为：式中，Wk表示分布式光伏电站群的第k个指标的熵权。[0016]本发明具有如下有益效果：1、本发明通过对分布式光伏电站的多个关键指标(技术性指标如下调容量、调控时间，经济性指标如调控成本)分别计算反熵值和熵权，实现了对不同指标的客观加权。本发明充分考虑了各指标在衡量分布式光伏电站特性及适配性方面的重要程度，使每个分布式光伏电站在聚类过程中的权重分配更加合理、精准，从而提升了分群聚类结果的准确性，能更真实地反映分布式光伏电站的实际运行特性和调控需求差异。[0017]2、本发明通过对资源聚类控制指标体系中的各指标进行归一化处理，消除了不同指标之间因量纲、数量级差异带来的影响，使得各指标能够在统一的尺度上进行比较和分析，进一步提高了分群聚类的准确性，避免了因指标数值差异过大而导致聚类结果的偏差。[0018]3、本发明以分布式光伏电站的实际运行数据为基础构建资源聚类控制指标体系，能够真实地反映分布式光伏电站在实际运行过程中的性能和特性，使分群聚类的依据更加客观、科学，所得到的分群结果更符合分布式光伏电站的实际运行情况，为后续的分布式光伏电站群管理与调控提供了更具针对性和有效性的依据。[0019]4、本发明通过利用反熵值计算分布式光伏电站群各指标的熵权，熵权反映了各指标在分布式光伏电站群中的信息量大小和重要程度。通过这种方式确定的权重，能够客观地衡量各指标在分群聚类过程中的作用，避免了人为因素对权重分配的影响，使分群聚类[0020]5、本发明采用的分群聚类算法通过设置初始中心点、计算向量、偏移向量更新中心点等步骤，能够快速地将分布式光伏电站群划分为不同的簇。该算法在计算过程中充分考虑了分布式光伏电站的各指标权重和阈值等因素，能够在较少的迭代次数内得到较为理想的聚类结果，提高了分群聚类的效率，节省了计算时间和资源，适用于大规模分布式光伏电站群的分群聚类需求。附图说明[0021]图1为本发明方法实施流程图。具体实施方式[0022]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他[0023]应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。[0024]应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文[0026]术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组[0027]实施例一：参见图1,本实施例提供了一种考虑客观加权的分布式光伏电站分群聚类方法，包括以下步骤：获取分布式光伏电站的运行数据，基于所述运行数据构建资源聚类控制指标体对资源聚类控制指标体系中的各指标进行归一化处理；计算分布式光伏电站归一化处理后的各指标在分布式光伏电站群对应指标的指标和的占比，基于所述占比计算分布式光伏电站群的各指标的反熵值和熵权；确定分布式光伏电站群的指标数值标准差，基于所述指标数值标准差计算分布式光伏电站群的阈值；将分布式光伏电站群作为分群聚类算法的输入，基于所述阈值、所述反熵值和所述熵权输出分布式光伏电站分群聚类结果。[0028]选择下调容量、调控时间和调控成本作为资源聚类控制指标体系，是因为它们能够全面、高效地衡量光伏参与电网调控的的效率、经济性和可行性。[0029]作为优选实施方式，基于所述运行数据构建资源聚类控制指标体系，具体步骤为：确定技术性指标，包括分布式光伏电站的下调容量和分布式光伏电站的调控时基于所述运行数据计算分布式光伏电站的下调容量，以公式表示为：式中，Ima表示分布式光伏电站群中分布式光伏电站的总数，P表示第i个分布式光伏电站在t时刻的运行功率，ai,aown表示第i个分布式光伏电站的下调容量，Pmin表示第i个分布式光伏电站的最小运行边界，t表示时间索引，i表示分布式光伏电站个数索引，T表分布式光伏电站群的下调容量的最大值，xmin+表示分布式光伏电站群的下调容量的最小式中，X,表示负向归一化处理后的第i个分布式光伏电站的调控成本或第i个分布式光伏电站的调控时间，x,表示第i个分布式光伏电站的调控成本或第i个分布式光伏计算分布式光伏电站归一化处理后的各指标在分布式光伏电站群对应指标的指式中，P,k表示第i个分布式光伏电站归一化处理后的第k个指标在分布式光伏电站群对应指标的指标和的占比，Y₁,k表示第i个分布式光伏电站归一化处理后的第k个指式中，exp表示指数函数，E表示集合M式中，9表示集合M中分布式光伏电站群的加权向量和，Y;表示集合M中第i个集合M中第i个分布式光伏电站的调控成本，W₁表示分布式光伏电站群的下调容量的熵权，W₂表示分布式光伏电站群的调控时间的熵权，W₃表示分布式光伏电站群的调控成本的始中心点C。的调控成本；S7、基于初始中心点C。的偏移向量更新初始中心点C。,以公式表示为：若初始中心点C。的偏移向量Q的模值小于阈值ε,则执行步骤S8,否则以更新后的中心点执行步骤S3;入理想簇C,否则将集合M作为新簇加入空簇集合C;S9、记录所有分布式光伏电站被所有更新后的中心点Cnew访问的次数，并将其分配到访问次数最多的中心点所属的簇中，若次数相同，则选择欧氏距离最近的中心点所属的簇；本实施例提供了一种考虑客观加权的分布式光伏电站分群聚类系统，包括：体系构建模块：获取分布式光伏电站的运行数据，基于所述运行数据构建资源聚类控制指标体系；预处理模块：对资源聚类控制指标体系中的各指标进行归一化处理；对应指标的指标和的占比，基于所述占比计算分布式光伏电站群的各指标的反熵值和熵确定技术性指标，包括分布式光伏电站的下调容量和分布式光伏电站的调控时分布式光伏电站群的下调容量的最大值，xmin+表示分布式光伏电站群的下调容量的最小