基于k-means聚类算法的分布式能源系统 典型日冷热负荷选取

杨恒岳，刘青荣，阮应君

（1.上海电力大学能源与机械工程学院，上海 200090；2.同济大学机械与能源工程学院，上海 201804）

典型日的选择是冷热电联产（CCHP）系统设计及运行优化的重要环节。典型日负荷曲线的确定对于分布式能源站的运行策略和能源站经济性影响较大。典型日的冷热负荷需求取决于用户用能特点，同时也受季节、天气、温度等因素的影响。关于典型日负荷选取的研究较多，文献[1]较早地提出了从夏季、冬季和过度季节分别选取1天可以代表整个季度的典型日，用这3天代表全年的典型日。文献[2]从全年的12个月中，分别选取1天代表本月的典型日负荷，然后作为全年典型日。文献[3]除了每月的典型日负荷，还将全年冷热负荷的峰值日负荷也作为典型日负荷。文献[4]采用负荷特性聚类分析方法研究了电网负荷特性。文献[5]借助k-medoids算法，按负荷的高低分成了10类，将每类中心日选做该类典型日。文献[6]提出了一种特性指标聚类算法，对用户日负荷曲线进行聚类分析并与k-means算法进行了对比。文献[7]研究了南京市春节用电负荷曲线的形状、走势和特点，综合考虑天气、历史负荷等对春节负荷变化的影响，发现日最大负荷与最高温度的线性相关度最强。文献[8]分季度研究了气温对负荷特性指标影响，并对负荷特性指标内在关联特征问题进行了数据挖掘建模分析，得到特定电网、特定季节、负荷特性指标之间的长期均衡关系和短期波动特点。

虽然国内外学者对于典型日负荷选取进行了大量研究，但是目前的研究结果显示没有哪种方案可以表明该方案选取的典型日负荷最优。……