CN115659191B 基于集成聚类和频繁项集树的光-荷典型场景集生成方法 （广东工业大学）

基于集成聚类和频繁项集树的光-荷典型场本发明提出一种基于集成聚类和频繁项集树的光荷典型场景集生成方法，涉及配电网负史原始负荷数据及光伏出力数据并进行预处理和分类，利用集成聚类法将多个数据集进行聚2S1.获取一定时间内待规划配电网的原始负荷数据及接入其的光伏出力数据，并对数S3.利用综合距离公式从每个聚类场景集中筛选出最具代表性的典型场景，将最具代S41.将典型场景集对应时间的气象影响因子进行S42.根据光伏典型场景集的日期与气象数据监S46.挖掘FPtree上的频繁项集，从频繁项列表的底部项依次向上找到对应的条件模据与光伏典型场景的关联分析，利用负荷典型场景集对应日期的气象特征匹配关联规则3pp。45值，生成不确定性场景集时着重考虑温度与光照强度之间互相关性和温度的时序自相关成对抗网络生成的方法越发普遍，该方法是分析历史数据的统计规律进行预测生成新场6[0010]S2.利用集成聚类法依次将多个数[0011]S3.利用综合距离公式从每个聚类场[0012]S4.面向光伏典型场景集及负荷典型[0023]优选地，步骤S2所述的集成聚类法为HDBSCAN算法，生成多个聚类场景集的过程7[0029]S26.将压缩聚类树中每个压缩类别均打上一个类标签，自下而上遍历压缩聚类pp8[0051]S46.挖掘FP_tree上的频繁项集，w由以下公式提取：9度的一阶差分平均值，Sd_time为太阳光照时间Sd_mean为光照时间内的平均太阳辐射量，[0061]图2表示本发明实施例2中提出的集成聚类法依次将多个数据集聚类为不同的集[0063]图4表示本发明实施例3中提出的利用HDBSDAN算法聚类春季的光伏数据集可得到[0064]图5表示本发明实施例3中提出的调节HDBSDAN算法的超参数过程中，CHI指标和[0068]图9表示本发明实施例3中提出的关联图8的8个关联到的负荷典型场景曲线示意[0077]S2.利用集成聚类法依次将多个数[0078]S3.利用综合距离公式从每个聚类场[0079]S4.面向光伏典型场景集及负荷典型[0094]S26.将压缩聚类树中每个压缩类别均打上一个类标签，自下而上遍历压缩聚类pp[0116]S46.挖掘FP_tree上的频繁项集，度的一阶差分平均值，Sd_time为太阳光照时间Sd_mean为光照时间内的平均太阳辐射量，[0125]本实施例结合具体应用，更具体地对本发明所提出的方法进行说明。设利用[0126]为检验HDBSCAN算法超参数选取的有效性，提出一种综合CHI、DBI的聚类评价方[0135]其中，x为所有对象的均值；wk,i表示第i个对象对第k个类簇的隶属关系，即：[0143]在接下来由场景典型指标解决从多个不同的聚类场景集合中选取出最具代表性[0144]为便于利用FP_growth算法生成气象关联规则库，需要将气象特征进一步关联分=α的实数。五分位数是统计学中分位数的一种，即把所有数值由小到大排列并分成四等[0151]FP_growth即利用FP_tree的关联模式挖掘就是产生支持数大于或等于设定的最