CN119417008A 基于kpca-ahc新能源降维聚类的电热能源系统减排成本评估方法 （河海大学）

基于KPCA-AHC新能源降维聚类的电热能源本发明公开了一种基于KPCA_AHC新能源降维聚类的电热能源系统减排成本评估方法，首基于降维后的数据，通过凝聚层次聚类方法AHC成本_碳排放Pareto前沿来评估系统的减排成21.一种基于KPCA_AHC新能源降维聚类的电热能源系统减排成本评估方法，其特征在2.根据权利要求1所述的一种基于KPCA_AHC新能源降维聚类的电热能源系统减排成本3.根据权利要求1所述的一种基于KPCA_AHC新能源降维聚类的电热能源系统减排成本3avgii和kj为簇ci和cj中样本的个数；4.根据权利要求1所述的一种基于KPCA_AHC新能源降维聚类的电热能源系统减排成本obj1为综合能源系统的总运行成本，MO455.根据权利要求4所述的一种基于KPCA_AHC新能源降维聚类的电热能源系统减排成本pppp66.根据权利要求1所述的一种基于KPCA_AHC新能源降维聚类的电热能源系统减排成本7.一种基于KPCA_AHC新能源降维聚类的电热建模单元：建立基于KPCA_AHC方法的新能源降维聚类模型，其中包括新能8.一种计算机装置，包括存储器、处理器及存储在存储7基于KPCA_AHC新能源降维聚类的电热能能源系统成为推动能源转型的必然选择。电热综合能源系统(Electric_HeatIntegratedPrincipalComponentAnalysis，KPCA)和凝聚层次聚类(AgglomerativeHierarchical8[0020]式中，n为原始数据的维数；p(x)为样本向量xi在高9AHC层次聚类算法得到的结果确定风电和光伏[0062]步骤3.3、采用规格化法平面约束法NNC求解多目标优化问题，获得均匀分布的ppp[0070]式中，约束条件中最后一个不等式表示将目标函数向量约束在附图3所示的可行域中；w为区间[0,1]中一系列均匀的取值，决定点f在乌托邦线上的位置，设所计算的p[0073]减排成本定义为减少单位CO2潜随的成本，减排成本过高会导致电力行业消极减[0076]本发明还公开一种基于KPCA_AHC新能源降维聚类的电热综合能源系统减排成本源降维后的数据进行聚类，得到风电和光伏的典型出力场景；以电_热互联综合能源系统热网模型，实现对电力系统潮流和热网热流的精确描述；利用NNC方法求解多目标优化问[0084]本发明利用KPCA方法对风电和光伏多维历史数据降维，更好地表征新能源的出力特征。利用AHC方法，基于簇的距离和相似度对降维数据进行聚[0085]图1为本发明实施例的基于KPCA_AHC新能源降维聚类的电热综合能源系统减排成[0097]以附图2所示的电热综合能源系统为例，改系统由IEEE33节点配电网与一个51节在18～23℃。仿真平台为Matlab2018b+Yalmip+Cplex12.8，计算机配置为Corei7_i为第i个特征值。选取2个光伏的降维主成分个数可表征光伏数据的[0128]AHC层次聚类算法将各类不规则数据看作一个独立的簇，对两个相近的簇进行合[0130](2)计算2个簇之间的averagelinkage距离，形成距离矩阵。其中average[0146]式中，Bius与分别为向电网购电和售电功率；cGas为联供机组和燃气锅炉的[0163]规格化法平面约束法(NormalizedNormalConstraint,NNC)是求解多目标优化[0167]1)分别求解Mobj1和Cobj2，得到Pareto前沿的两个端点，单独求解成本ppp[0171]式中，约束条件中最后一个不等式表示将目标函数向量约束在附图7所示的可行p[0173]基于获得的4组新能源典型出力场景数据进行EHIES多目标优化调度(其中新能源[0181]减排成本定义为减少单位CO2潜随的成本。减排成本过高会导致电力行业消极减源降维后的数据进行聚类，得到风电和光伏的典型出力场景；以电_热互联综合能源系统热网模型，实现对电力系统潮流和热网热流的精确描述；利用NNC方法求解多目标优化问