基于Pearson相关系数的风电场聚类系统及方法与流程

：本发明涉及电力系统中风电场监测，特别涉及一种基于pearson相关系数的风电场聚类系统及方法。

背景技术

0、
背景技术：

1、我国能源结构正处于加速变革阶段，2011年我国发电装机容量以火电及水电为主，其中火电装机容量占比超70％，水电占比超20％，其他发电形式占比皆较低，其中太阳能发电占比仅为0.2％。到了2020年，我国发电结构明显更加丰富，多种发电形式占比提升明显，其中太阳能装机量占比从2011年的0.2％提升至2020年的11.51％，风电装机量占比则从4.35％提升至12.84％，火电装机量占比则下降至56.59％。火电装机量占比迅速降低，可再生能源发电内部也存在分化，其中风电、太阳能相对水电、核电的增速明显更快，而太阳能则相对风电更快，太阳能有望替代水电成为第二大电力来源。近两年新能源汽车进入渗透率上升拐点，销量翻倍式增长，渗透率也已突破20％，并冲击30％。

2、但是随着新能源渗透率的快速增加，新能源出力与常规机组出力比例失衡加剧，功率不平衡造成的频率、电压问题较为突出。新能源随机性、波动性大，难以有效纳入电力平衡，负荷高峰时段顶峰能力严重不足，电力整体平衡裕度不断下降，电力保供压力不断增大。新能源发电的同时率反映的是区域新能源厂站的综合容量利用情况。对于处于同一区域的风电场，区域内不同部分的风资源存在一定的差异，各风电场发电的同时率也存在一定的差异，不同风电场出力存在相互叠加和抵消，非常有必要针对风电场发电的历史数据开展分析，找出风电场发电波动规律，并对具有相似波动规律的风电场进行聚类分区，精细计算风电场出力的同时率。

技术实现思路

0、
技术实现要素：

1、有鉴于此，有必要提供一种基于pearson相关系数的风电场聚类系统，通过该系统来计算一类风电场出力的同时率。

2、还有必要提供一种基于pearson相关系数的风电场聚类方法。

3、一种基于pearson相关系数的风电场聚类系统，包括：历史发电数据获得模块、风电场有功出力时序向量构建模块、pearson相关系数计算模块、风电场聚类模块及聚类分析模块；

4、历史发电数据获得模块用于获取预定一段时间内的风电场的历史发电数据，其中，历史发电数据指的是记录的风电场的实际出力和最大出力；

5、风电场有功出力时序向量构建模块用于根据获取的历史发电数据构建每个风电场有功出力时序向量pi＝{pi1，pi2，pi3，…，pin}；

6、pearson相关系数计算模块用于随机选取一个未被聚类成群的风电场作为第一风电场，利用公式一遍历计算剩余所有未被聚类成群的风电场与第一风电场的pearson相关系数，其中，从剩余所有未被聚类成群的风电场中选取的风电场作为第二风电场：

7、

8、其中，k代表时间序列的下标，分别代表第一风电场、第二风电场的有功出力时序向量的期望值；

9、风电场聚类模块用于将计算得到的每个pearson相关系数与预设的pearson相关系数门槛值进行比较，比较出pearson相关系数大于预设的pearson相关系数门槛值时，则将与每个pearson相关系数相对应的第一风电场、第二风电场聚类为一个群；比较出pearson相关系数不大于预设的pearson相关系数门槛值时，则该第一风电场、第二风电场不能聚类成群；

10、聚类分析模块用于判断是否存在还未聚类成群的风电场，在判断出没有存在还未聚类成群的风电场时，输出风电场的聚类分析结果，包括：风电场群划分总数m、每个分群中包含的风电场及风电场数量k、每个风电场群的同时率s，其中，第m个风电场群同时率sm通过以下公式二计算获得：

11、

12、其中，pic是风场i的装机容量。

13、一种基于pearson相关系数的风电场聚类系统方法，包括以下步骤：

14、获取预定一段时间内的风电场的历史发电数据，其中，历史发电数据指的是记录的风电场的实际出力和最大出力；

15、根据获取的历史发电数据构建每个风电场有功出力时序向量pi＝{pi1，pi2，pi3，…，pin}；

16、随机选取一个未被聚类成群的风电场作为第一风电场，利用公式一遍历计算剩余所有未被聚类成群的风电场与第一风电场的pearson相关系数，其中，从剩余所有未被聚类成群的风电场中选取的风电场作为第二风电场：

17、

18、其中，k代表时间序列的下标，分别代表第一风电场、第二风电场的有功出力时序向量的期望值；

19、将计算得到的每个pearson相关系数与预设的pearson相关系数门槛值进行比较，比较出pearson相关系数大于预设的pearson相关系数门槛值时，则将与每个pearson相关系数相对应的第一风电场、第二风电场聚类为一个群；比较出pearson相关系数不大于预设的pearson相关系数门槛值时，则该第一风电场、第二风电场不能聚类成群；

20、判断是否存在还未聚类成群的风电场，在判断出没有存在还未聚类成群的风电场时，输出风电场的聚类分析结果，包括：风电场群划分总数m、每个分群中包含的风电场及风电场数量k、每个风电场群的同时率s，其中，第m个风电场群同时率sm通过以下公式二计算获得：

21、

22、其中，pic是风场i的装机容量。

23、上述基于pearson相关系数的风电场聚类系统及方法中，通过获取预定一段时间内的风电场的历史发电数据，根据获取的历史发电数据构建每个风电场有功出力时序向量pi＝{pi1，pi2，pi3，…，pin}；随机选取一个未被聚类成群的风电场作为第一风电场，利用公式一遍历计算剩余所有未被聚类成群的风电场与第一风电场的pearson相关系数，将计算得到的每个pearson相关系数与预设的pearson相关系数门槛值进行比较，比较出pearson相关系数大于预设的pearson相关系数门槛值时，则将与每个pearson相关系数相对应的第一风电场、第二风电场聚类为一个群；比较出pearson相关系数不大于预设的pearson相关系数门槛值时，则该第一风电场、第二风电场不能聚类成群；在判断出没有存在还未聚类成群的风电场时，输出风电场的聚类分析结果，聚类分析结果包括：风电场群划分总数m、每个分群中包含的风电场及风电场数量k、每个风电场群的同时率s，如此无需预先设定分群数量，而是根据风电场出力的历史数据自动将风电场聚类成一定数量的风电场群，这样可以使聚合结果更加符合实际情况。

技术特征：

1.一种基于pearson相关系数的风电场聚类系统，其特征在于，包括：历史发电数据获得模块、风电场有功出力时序向量构建模块、pearson相关系数计算模块、风电场聚类模块及聚类分析模块；

2.如权利要求1所述的基于pearson相关系数的风电场聚类系统，其特征在于：预设的pearson相关系数门槛值为0.2。

3.如权利要求1所述的基于pearson相关系数的风电场聚类系统，其特征在于：聚类分析模块还用于在判断出存在还未聚类成群的风电场时，输出预设的执行信息给pearson相关系数计算模块，以使pearson相关系数计算模块工作。

4.如权利要求1或3所述的基于pearson相关系数的风电场聚类系统，其特征在于：还包括相关性分析模块，相关性分析模块根据计算得到的pearson相关系数分析与pearson相关系数相对应的第一风电场、第二风电场的相关性，并根据分析的第一风电场、第二风电场的相关性的结果，输出对应的结果信息给风电场聚类模块，以使风电场聚类模块开始聚类操作。

5.如权利要求4所述的基于pearson相关系数的风电场聚类系统，其特征在于：相关性的规则为：pearson相关系数大于零表示pi和pj正相关，小于零表示pi和pj负相关；pearson相关系数的绝对值在(0.8,1.0]之间表示pi和pj极强相关，在(0.6,0.8]之间表示pi和pj强相关，在(0.4,0.6]之间表示pi和pj中等程度相关，在(0.2,0.4]之间表示pi和pj弱相关，在[0.0,0.2]之间表示pi和pj极弱相关或无相关；

6.一种基于pearson相关系数的风电场聚类系统方法，包括以下步骤：

7.如权利要求6所述的基于pearson相关系数的风电场聚类系统方法，其特征在于：预设的pearson相关系数门槛值为0.2。

8.如权利要求6所述的基于pearson相关系数的风电场聚类系统方法，其特征在于：在判断出存在还未聚类成群的风电场时，执行“随机选取一个未被聚类成群的风电场作为第一风电场，利用公式一遍历计算剩余所有未被聚类成群的风电场与第一风电场的pearson相关系数”步骤。

9.如权利要求6或8所述的基于pearson相关系数的风电场聚类系统方法，其特征在于，还包括以下步骤：还包括以下步骤：根据计算得到的pearson相关系数分析与pearson相关系数相对应的第一风电场、第二风电场的相关性，并根据分析的第一风电场、第二风电场的相关性的结果确定是否开始对该第一风电场、第二风电场进行聚类成群操作。

10.如权利要求9所述的基于pearson相关系数的风电场聚类系统方法，其特征在于，相关性的规则为：pearson相关系数大于零表示pi和pj正相关，小于零表示pi和pj负相关；pearson相关系数的绝对值在(0.8,1.0]之间表示pi和pj极强相关，在(0.6,0.8]之间表示pi和pj强相关，在(0.4,0.6]之间表示pi和pj中等程度相关，在(0.2,0.4]之间表示pi和pj弱相关，在[0.0,0.2]之间表示pi和pj极弱相关或无相关；

技术总结
一种基于Pearson相关系数的风电场聚类系统，包括：历史发电数据获得模块、风电场有功出力时序向量构建模块、Pearson相关系数计算模块、风电场聚类模块及聚类分析模块；聚类分析模块根据上述模块提供的数据聚类分析进而输出风电场群划分总数M、每个分群中包含的风电场及风电场数量K、每个风电场群的同时率s结果，如此无需预先设定分群数量，而是根据风电场出力的历史数据自动将风电场聚类成一定数量的风电场群，这样可以使聚合结果更加符合实际情况。本发明还提供一种基于Pearson相关系数的风电场聚类方法。

技术研发人员：顾雨嘉,鲁广明,李宏强,王洁聪,张汉花,张璐路,薛飞,石琛,周雷,严剑峰,马鑫,高强,杨慧彪,马晶,苗春帅,吕颖,史东宇,王兵,陆俊,戴红阳,魏亚威,宋元明,李伟,贾海波,于之虹,王梓淦,解梅,贾育培
受保护的技术使用者：国网宁夏电力有限公司电力科学研究院
技术研发日：
技术公布日：2024/1/12