基于改进K-means聚类的风光发电场景划分

宋学伟，刘玉瑶

基于改进K-means聚类的风光发电场景划分

宋学伟1，刘玉瑶2

（1．上海电机学院电气学院，上海市 浦东新区 201306；2．国网东营市垦利区供电公司，山东省 东营市 257000）

针对可再生能源发电，尤其是风力、光伏发电的出力不确定性问题，结合改进后的K-means聚类方法对发电的状态进行场景划分。首先建立风力、光伏发电的不确定性模型，选用合适的概率密度函数进行拟合；之后结合密度聚类和提出的混合评价函数，对基本的K-means聚类算法进行改进，解决了算法的初始聚类中心和聚类个数难以选取的问题；然后运用改进后的K-means聚类对某地风力、光伏发电场景进行聚类划分，从而将不确定性问题转化成确定性问题。最后通过对场景划分的算例进行分析，验证了所提方法的工程实用性。

风力发电；光伏发电；密度聚类；K-means聚类；场景划分

0 引言

随着环境问题日益突出，可再生能源发电技术得到广泛关注[1-4]。风力发电、光伏发电等可再生能源得到大力发展，然而风电、光伏发电都存在出力不确定性问题[5]。文献[6-7]分别研究了风力发电并网后的次同步振荡现象、风力发电与光储系统联合发电的运行技术。文献[8]结合马尔科夫链对风力发电不确定性运行状态进行划分并进行可靠性评估研究。文献[9]对光伏发电的出力预测方法和技术进行了归纳总结，包括点预测、区间预测、概率预测等。文献[10]针对光伏出力特性，提出变频率时控追踪控制策略并进行验证，该方法有效减少了系统的能耗和机械磨损。……