基于深度嵌入聚类的风光水典型联合出力场景提取
对于风光水联合发电系统筛选出具有代表性的典型场景,是进行资源特性分析、调度优化研究的基础.传统聚类算法由于"维度效应"的影响,无法直接应用于高维数据聚类问题,而现有的"先降维,后聚类"技术路线无法保证降维后的低维特征适用于聚类任务,导致聚类结果不稳定.针对存在的问题,提出了一种基于深度嵌入聚类的风光水典型出力场景提取方法,在实现高维出力数据聚类的同时避免了降维后的低维特征不适用于聚类任务的问题.首先借助堆叠自编码器对数据的非线性表征能力,对高维风光水联合出力数据进行深层表征实现数据降维,然后结合K-means聚类方法对深层低维特征进行聚类,并在聚类过程中同时优化调整堆叠自编码器,得到适用于聚类空间的低维风光水联合出力特征,基于此实现对风光水联合出力场景的精准划分.最后以我国南方某区域风电、光伏、水电出力数据为研究对象对其进行深度嵌入聚类,并以PCA-K-means算法设置对比算例,验证了深度嵌入聚类在风光水典型联合出力场景选取上的有效性.
风光水一体化、典型场景、深度嵌入聚类、降维、特征提取
42
TP391;TP181;TN912.34
国网浙江省电力有限公司科技项目5211LS21N003
2023-05-09(万方平台首次上网日期,不代表论文的发表时间)
共9页
36-44