针对传统聚类算方法无法应对新能源大规模接入配电网造成数据多元且高维的问题,提出了基于多元数据的配电网典型场景生成方法,并定义了配电网长短期安全运行评价指标体系。文章采用主成分分析法对配电网高维数据降维,并建立基于DBSCAN(d...针对传统聚类算方法无法应对新能源大规模接入配电网造成数据多元且高维的问题,提出了基于多元数据的配电网典型场景生成方法,并定义了配电网长短期安全运行评价指标体系。文章采用主成分分析法对配电网高维数据降维,并建立基于DBSCAN(density-based spatial clustering of applications with noise)和改进K均值的两阶段聚类模型,以此得到保留极端场景的典型场景集。同时根据配电网安全运行要素,定义配电网长短期安全运行指标体系。以改进的IEEE 33节点配电网为例进行算例分析,对比多种聚类方法,验证两阶段聚类方法兼具有效性和高效性,所得的典型场景应用于电压越限薄弱点识别,具有高效性和精确性。展开更多
文摘针对传统聚类算方法无法应对新能源大规模接入配电网造成数据多元且高维的问题,提出了基于多元数据的配电网典型场景生成方法,并定义了配电网长短期安全运行评价指标体系。文章采用主成分分析法对配电网高维数据降维,并建立基于DBSCAN(density-based spatial clustering of applications with noise)和改进K均值的两阶段聚类模型,以此得到保留极端场景的典型场景集。同时根据配电网安全运行要素,定义配电网长短期安全运行指标体系。以改进的IEEE 33节点配电网为例进行算例分析,对比多种聚类方法,验证两阶段聚类方法兼具有效性和高效性,所得的典型场景应用于电压越限薄弱点识别,具有高效性和精确性。