袁鐵江, 楊洋，董力通,2

(1. 大連理工大學(xué)電氣工程學(xué)院, 遼寧省大連市 116024；2. 國(guó)網(wǎng)經(jīng)濟(jì)技術(shù)研究院有限公司，北京市 102209)

0 引 言

以火力發(fā)電為主的傳統(tǒng)微電網(wǎng)規(guī)劃時(shí)只需考慮機(jī)組容量能否滿足負(fù)荷水平即可，不需考慮運(yùn)行情況。與火力發(fā)電相比，風(fēng)力發(fā)電最根本的區(qū)別在于其出力的隨機(jī)性、間歇性和不可控性[1]。因此，含高比例風(fēng)電的微電網(wǎng)并網(wǎng)規(guī)劃運(yùn)行時(shí)為保證其魯棒性，需要采用時(shí)序生產(chǎn)模擬[2]。在利用時(shí)序生產(chǎn)模擬計(jì)算時(shí)，需要大量的風(fēng)電和負(fù)荷數(shù)據(jù)，這將導(dǎo)致計(jì)算效率差[3]。為平衡含高比例風(fēng)電的微電網(wǎng)規(guī)劃中的魯棒性和計(jì)算效率，要選擇合適的負(fù)荷和風(fēng)電場(chǎng)景[4-6]。

負(fù)荷典型日選取有很多方法，主要有直接法[7]、擬合法[8]和聚類法[5,6,9-16]。文獻(xiàn)[7]直接利用峰谷差最大的負(fù)荷日作為典型負(fù)荷日比較主觀，與原始數(shù)據(jù)存在較大誤差。文獻(xiàn)[8]利用正態(tài)分布擬合負(fù)荷減少了與原數(shù)據(jù)的誤差，但是未探討原數(shù)據(jù)是否滿足正態(tài)分布。在利用聚類法選擇負(fù)荷典型日方面，文獻(xiàn)[5,12]提出了一種基于k均值聚類方法及平均值法的負(fù)荷典型日選取方法。k均值聚類方法有自己的聚類中心，取平均值意義不大。文獻(xiàn)[6]結(jié)合k-Medoids和優(yōu)化方法，開發(fā)了一種負(fù)荷場(chǎng)景提取的新方法。但是該方法計(jì)算量較大，背離了場(chǎng)景提取的初衷。文獻(xiàn)[11]考慮日負(fù)荷率、日負(fù)荷波動(dòng)率等描述性特征指標(biāo)，利用自適應(yīng)因子與概率統(tǒng)計(jì)法相結(jié)合的改進(jìn)模糊聚類算法進(jìn)行負(fù)荷典型日選取。以這些特征指標(biāo)進(jìn)行聚類忽略了負(fù)荷的時(shí)序性，如峰谷時(shí)段位置和負(fù)荷曲線趨勢(shì)等信息。有些聚類法提取負(fù)荷場(chǎng)景時(shí)還需人為確定基準(zhǔn)負(fù)荷曲線[9]、去除畸變數(shù)據(jù)影響等[10]，存在一定的主觀性。還有些學(xué)者應(yīng)用聚類方法提取負(fù)荷場(chǎng)景時(shí)未考慮畸變數(shù)據(jù)的影響[14]或者在考慮極端負(fù)荷時(shí)未考慮極端負(fù)荷與畸變數(shù)據(jù)不易區(qū)分的問題[15,17]，容易將畸變?nèi)债?dāng)成極端日影響結(jié)果準(zhǔn)確性。

針對(duì)風(fēng)電場(chǎng)景的研究主要集中在聚類法[18-20]。其中，文獻(xiàn)[18]為反映風(fēng)電場(chǎng)出力變化特征，提出了一種基于分層聚類算法的地區(qū)風(fēng)電出力典型場(chǎng)景選取方法。由于風(fēng)電出力的不確定性使得利用聚類得出的場(chǎng)景不足以代表未來風(fēng)電出力情況。文獻(xiàn)[19]以典型負(fù)荷特性為基準(zhǔn)，提出基于皮爾遜積矩相關(guān)系數(shù)法和模糊C均值聚類算法的風(fēng)電典型場(chǎng)景的選取方法。該方法需要人為確定聚類數(shù)，可能會(huì)因聚類場(chǎng)景過多或過少使得選取的場(chǎng)景代表性不強(qiáng)。文獻(xiàn)[20]利用譜聚類算法直接生成風(fēng)電出力典型日。聚類法選出的風(fēng)電出力典型日雖有較小的誤差，但是難以體現(xiàn)最惡劣的風(fēng)電場(chǎng)景。文獻(xiàn)[21]考慮風(fēng)電出力的最大波動(dòng)率，提出一種結(jié)合插值法思想的風(fēng)電出力典型日選取方法，但是該方法直接設(shè)定典型日選取范圍，未考慮負(fù)荷是否在該范圍內(nèi)具有典型特征。

以上研究?jī)H關(guān)注單獨(dú)的負(fù)荷場(chǎng)景或風(fēng)電場(chǎng)景的選取，在典型日的實(shí)際應(yīng)用中往往既要用到負(fù)荷場(chǎng)景也要用到風(fēng)電場(chǎng)景。文獻(xiàn)[13]提出基于有序聚類算法與k均值聚類算法的風(fēng)電-負(fù)荷時(shí)序場(chǎng)景縮減方法。文獻(xiàn)[17,22-23]采用優(yōu)化法進(jìn)行負(fù)荷和風(fēng)電出力典型日的同時(shí)選取，主要是利用原始數(shù)據(jù)的統(tǒng)計(jì)信息、典型性和極端情景信息構(gòu)建了典型日選取評(píng)估指標(biāo)體系，結(jié)合優(yōu)化方法建立了場(chǎng)景選取模型。但是，由于負(fù)荷與風(fēng)電特性不同，兩者同時(shí)優(yōu)化造成互相干擾。

以上方法在選取負(fù)荷典型日時(shí)，均未考慮負(fù)荷典型日與原負(fù)荷數(shù)據(jù)的趨勢(shì)和峰谷時(shí)段位置是否一致，本文利用隸屬度函數(shù)提取負(fù)荷曲線趨勢(shì)和峰谷時(shí)段作為聚類原始數(shù)據(jù)。針對(duì)應(yīng)用聚類法選擇負(fù)荷和風(fēng)電場(chǎng)景數(shù)不易確定的問題，本文基于有序聚類和改進(jìn)的類間類內(nèi)劃分指標(biāo)建立負(fù)荷場(chǎng)景提取模型；針對(duì)原數(shù)據(jù)中畸變?nèi)盏挠绊憜栴}，提出以小概率場(chǎng)景去除畸變?nèi)盏姆椒?；針?duì)同時(shí)應(yīng)用負(fù)荷和風(fēng)電場(chǎng)景的情況，本文在負(fù)荷典型日有效時(shí)間范圍內(nèi)，利用風(fēng)電大波動(dòng)構(gòu)造最惡劣的風(fēng)電場(chǎng)景，并提出表征風(fēng)電場(chǎng)景惡劣程度的評(píng)價(jià)指標(biāo)。

1 總體思路

由于風(fēng)力發(fā)電的不確定性，含高比例風(fēng)電的微電網(wǎng)需要利用大量數(shù)據(jù)進(jìn)行規(guī)劃，計(jì)算代價(jià)很大，需要選擇合適的典型日。將日最小負(fù)荷、最大負(fù)荷、平均值或者日負(fù)荷率等作為指標(biāo)直接進(jìn)行典型日選取，所選的典型日與原始數(shù)據(jù)只是在上述指標(biāo)的數(shù)值相差不多，忽略了負(fù)荷數(shù)據(jù)的時(shí)序性。例如，將上述指標(biāo)都相同但是最大最小負(fù)荷出現(xiàn)的時(shí)間不同的幾天分為一類，如圖1所示。利用該場(chǎng)景對(duì)含高比例風(fēng)電的微電網(wǎng)進(jìn)行規(guī)劃時(shí)會(huì)影響其魯棒性。當(dāng)微網(wǎng)魯棒性弱時(shí)，如果負(fù)荷和風(fēng)電變化較小，就可能會(huì)使微網(wǎng)出現(xiàn)供需不平衡的情況，影響風(fēng)電消納與用戶生活；當(dāng)微網(wǎng)魯棒性強(qiáng)時(shí)，如果負(fù)荷和風(fēng)電變化很大，也不會(huì)使微網(wǎng)出現(xiàn)供需不平衡的情況，不會(huì)影響風(fēng)電消納與用戶生活。

圖1 日負(fù)荷曲線Fig.1 Daily load curve

為了規(guī)避上述問題，可利用偏小型隸屬度函數(shù)計(jì)算每一時(shí)刻的隸屬度，再通過改進(jìn)有序聚類把相同時(shí)刻隸屬度相差不多的日負(fù)荷歸為一類，聚類過程中將小概率場(chǎng)景作為異常數(shù)據(jù)刪去，最后利用平均值法提取負(fù)荷場(chǎng)景。隸屬度反映了屬于谷時(shí)段或峰時(shí)段的程度，隸屬度接近1屬于峰時(shí)段，隸屬度接近0屬于谷時(shí)段。隸屬度與真實(shí)值對(duì)應(yīng)，隸屬度變化趨勢(shì)與真實(shí)值變化趨勢(shì)相同。這樣，選出的典型日保留了日負(fù)荷的時(shí)序?qū)傩?，能反映原?fù)荷的趨勢(shì)與峰谷位置。為了保證含高比例風(fēng)電的微電網(wǎng)規(guī)劃時(shí)的魯棒性，在負(fù)荷典型日有效時(shí)間內(nèi)構(gòu)造出最惡劣的風(fēng)電場(chǎng)景。在每個(gè)采樣時(shí)段內(nèi)插入一個(gè)點(diǎn)，以不同天相同時(shí)段的風(fēng)電波動(dòng)量最大值和最小值作為該時(shí)段插入點(diǎn)與采樣時(shí)段始端和采樣時(shí)段末端的波動(dòng)量，初始時(shí)刻風(fēng)電出力通過平均值確定，構(gòu)造出風(fēng)電場(chǎng)景。負(fù)荷場(chǎng)景提取與對(duì)應(yīng)時(shí)段風(fēng)電場(chǎng)景構(gòu)造詳細(xì)流程如圖2所示。

圖2 負(fù)荷場(chǎng)景提取與風(fēng)電場(chǎng)景構(gòu)造流程Fig.2 Flow chart of load scenario extraction and wind power scenario construction

2 負(fù)荷典型日選取方法

2.1 負(fù)荷場(chǎng)景提取方法

由于負(fù)荷以天為單位具有周期性，因此可以將一天的負(fù)荷當(dāng)成一個(gè)樣本進(jìn)行有序聚類。但是將負(fù)荷本身作為指標(biāo)進(jìn)行聚類不能反映數(shù)據(jù)的共同趨勢(shì)，對(duì)此文獻(xiàn)[24]提出一種使用共同趨勢(shì)序列進(jìn)行一維有序聚類的方法，可以更好提取數(shù)據(jù)的趨勢(shì)變化信息，使聚類效果更好。本文利用偏小型半梯形隸屬度函數(shù)計(jì)算負(fù)荷的趨勢(shì)和峰谷時(shí)段位置(1代表峰時(shí)段、0代表谷時(shí)段)，代替負(fù)荷作為有序聚類樣本，其中偏小型半梯形隸屬度函數(shù)和負(fù)荷趨勢(shì)計(jì)算方法分別如式(1)、(2)所示：

(1)

(2)

式中：U(·)為偏小型半梯形隸屬度；xi,c為第i個(gè)樣本中的第c個(gè)數(shù)據(jù)；μv,t為負(fù)荷的隸屬度；lv,t為第v天第t時(shí)刻的負(fù)荷；v=1,2,…,N;t=1,2,…,T；N為所選數(shù)據(jù)總天數(shù)；T為一天時(shí)刻總數(shù)。

(3)

式中：bj,i和wj,i分別為第j類的第i個(gè)樣本的最小類間距離和類內(nèi)距離。

(4)

(5)

式中：λj,iADWP表示第j類的第i個(gè)樣本的改進(jìn)的類間類內(nèi)劃分指標(biāo)。

(6)

式中：gk改進(jìn)的BWP為聚類數(shù)為k時(shí)，改進(jìn)的BWP指標(biāo)的平均值。

由于沒有對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，可能會(huì)出現(xiàn)異常數(shù)據(jù)，可以利用小概率事件來去除這些數(shù)據(jù)的影響。通常認(rèn)為概率小于0.05的事件為小概率事件[26]。為保證能夠準(zhǔn)確去除異常數(shù)據(jù)，認(rèn)為概率<0.01的為小概率事件。那么假設(shè)分類后第m個(gè)場(chǎng)景發(fā)生的概率為hm，計(jì)算方法見式(7)。若hm<0.01，則刪去第m個(gè)場(chǎng)景包含的數(shù)據(jù)。

hm=dm/N

(7)

式中：dm為第m個(gè)場(chǎng)景包含的負(fù)荷天數(shù)。

利用改進(jìn)的BWP指標(biāo)對(duì)負(fù)荷進(jìn)行場(chǎng)景提取的流程如圖3所示。

圖3 負(fù)荷場(chǎng)景提取流程Fig.3 Flow chart of load scene extraction

2.2 負(fù)荷典型日選取方法

提取各負(fù)荷場(chǎng)景后，由于各場(chǎng)景下每天負(fù)荷趨勢(shì)和峰谷位置相差不大，因此可用各場(chǎng)景下的平均負(fù)荷作為該場(chǎng)景下的負(fù)荷典型日，如下式所示：

(8)

式中：d1,d2和dm分別為第1個(gè)場(chǎng)景，第2個(gè)場(chǎng)景和第m個(gè)場(chǎng)景包含的負(fù)荷天數(shù)；Qm,t為第m個(gè)場(chǎng)景典型日的第t時(shí)刻負(fù)荷；kl為負(fù)荷場(chǎng)景個(gè)數(shù)；m=1,2,…,k1;t=1,2,…,T。

3 風(fēng)電場(chǎng)景構(gòu)造方法

在含高比例風(fēng)電的微電網(wǎng)規(guī)劃時(shí)，為保證其魯棒性，要利用最惡劣的風(fēng)電場(chǎng)景進(jìn)行計(jì)算。產(chǎn)生棄風(fēng)的主要原因是風(fēng)電的大波動(dòng)性[27]，因此本文在負(fù)荷場(chǎng)景有效時(shí)間內(nèi)利用風(fēng)電出力最大和最小波動(dòng)量構(gòu)造出風(fēng)電最惡劣場(chǎng)景。

在每個(gè)采樣時(shí)段內(nèi)插入一個(gè)點(diǎn)，以不同天相同時(shí)段的風(fēng)電波動(dòng)量最大值和最小值作為該時(shí)段插入點(diǎn)與采樣時(shí)段始端和采樣時(shí)段末端的波動(dòng)量，構(gòu)造出風(fēng)電場(chǎng)景。設(shè)樣本中Ns天風(fēng)電出力數(shù)據(jù)如式(9)所示：

(9)

取不同天同一時(shí)段風(fēng)電出力波動(dòng)量的最大值和最小值：

(10)

最后構(gòu)造的風(fēng)電場(chǎng)景可由式(11)表示：

(11)

4 評(píng)價(jià)指標(biāo)

為評(píng)價(jià)負(fù)荷和風(fēng)電場(chǎng)景，本文構(gòu)建了場(chǎng)景評(píng)價(jià)指標(biāo)體系。其中，負(fù)荷典型日評(píng)價(jià)主要考慮所選典型日的負(fù)荷總量和負(fù)荷大小與原數(shù)據(jù)的偏差以及典型日與原數(shù)據(jù)分時(shí)段同方向變化概率；風(fēng)電場(chǎng)景評(píng)價(jià)主要考慮風(fēng)電大波動(dòng)性，定義了風(fēng)電大波動(dòng)概率指標(biāo)、大波動(dòng)指標(biāo)和反調(diào)峰概率指標(biāo)。

4.1 負(fù)荷典型日評(píng)價(jià)指標(biāo)

4.1.1 總量偏差率

負(fù)荷總量與原數(shù)據(jù)的偏差越小表示負(fù)荷場(chǎng)景的總量誤差越小，選取效果越好。該指標(biāo)可以由百分?jǐn)?shù)表示，如式(12)所示：

(12)

式中：Lz為原數(shù)據(jù)去除異常數(shù)據(jù)后的總負(fù)荷；δl為負(fù)荷總量偏差指標(biāo)。

4.1.2 分時(shí)段偏差率指標(biāo)

負(fù)荷分時(shí)段偏差表示所有負(fù)荷典型日向量與其代表的原數(shù)據(jù)日負(fù)荷向量的歐氏距離的平均值之和。該指標(biāo)可以表示負(fù)荷典型日與原數(shù)據(jù)的誤差，其值越小表示典型日選取效果越好，如式(13)所示：

(13)

式中:βl為負(fù)荷偏差指標(biāo)；lm,t為第m個(gè)負(fù)荷場(chǎng)景第t時(shí)刻負(fù)荷。

對(duì)不同等級(jí)的負(fù)荷數(shù)據(jù)所選擇的典型日進(jìn)行評(píng)價(jià)時(shí)，只考慮βl的值不能反映典型日選取效果。為了更直觀地反映不同等級(jí)的負(fù)荷典型日選取效果，可利用負(fù)荷偏差率代替βl指標(biāo)，如式(14)所示：

(14)

式中：βlr表示負(fù)荷偏差率；lmax為最大負(fù)荷。

4.1.3 分時(shí)段同方向變化概率

負(fù)荷分時(shí)段同方向變化概率越大表示典型日負(fù)荷曲線與原數(shù)據(jù)中日負(fù)荷曲線變化方向一致的時(shí)段越多，則負(fù)荷典型日選取效果越好，如式(15)、(16)所示：

(15)

(16)

式中：Sm,v,t為表示第m個(gè)負(fù)荷典型日第t時(shí)段變化方向與原負(fù)荷第v天第t時(shí)段變化方向是否相同的變量，相同記為1，不同記為0；Δlm,t為第m個(gè)典型日第t時(shí)段的負(fù)荷變化率；Δlv,t為原負(fù)荷第v天第t時(shí)段的變化率；αl為典型日負(fù)荷與原負(fù)荷分時(shí)段變化方向相同的概率。

4.2 風(fēng)電場(chǎng)景評(píng)價(jià)指標(biāo)

4.2.1 大波動(dòng)概率

風(fēng)電的大波動(dòng)是導(dǎo)致棄風(fēng)的主要原因，本文參考國(guó)家科技部863計(jì)劃課題“多類型儲(chǔ)能系統(tǒng)協(xié)調(diào)控制技術(shù)及示范”中的規(guī)定，以30 min波動(dòng)率≤7%作為風(fēng)電并網(wǎng)波動(dòng)率限制，即認(rèn)為30 min波動(dòng)率>7%的時(shí)段為發(fā)生大波動(dòng)的時(shí)段。定義風(fēng)電大波動(dòng)概率指標(biāo)為典型日風(fēng)電出力發(fā)生大波動(dòng)時(shí)段數(shù)與時(shí)段總數(shù)之比，如式(17)所示。該指標(biāo)反映了風(fēng)電發(fā)生大波動(dòng)的概率，發(fā)生大波動(dòng)概率越大，儲(chǔ)能需要平抑的時(shí)段越多，對(duì)儲(chǔ)能的要求就越高。

(17)

式中:R為風(fēng)電大波動(dòng)概率；nlf,m為第m個(gè)風(fēng)電場(chǎng)景發(fā)生大波動(dòng)的時(shí)段數(shù)。

4.2.2 大波動(dòng)

風(fēng)電大波動(dòng)指標(biāo)為所有風(fēng)電場(chǎng)景波動(dòng)量絕對(duì)值的最大值與額定功率的比值的平均值，如式(18)所示。該指標(biāo)越大則構(gòu)造的場(chǎng)景中風(fēng)電波動(dòng)性越大，越能體現(xiàn)風(fēng)電的大波動(dòng)性。

(18)

4.2.3 反調(diào)峰概率

反調(diào)峰概率可以用反調(diào)峰出現(xiàn)的時(shí)段數(shù)與峰谷時(shí)段總數(shù)的比值表示[7]，如式(19)所示：

(19)

式中:ψw表示反調(diào)峰概率；nr(m)表示第m個(gè)場(chǎng)景發(fā)生反調(diào)峰的時(shí)段數(shù)；npv(m)表示第m個(gè)場(chǎng)景峰谷時(shí)段總數(shù)。

5 算例分析

5.1 負(fù)荷典型日選取與匹配的風(fēng)電場(chǎng)景構(gòu)造結(jié)果

以某地區(qū)全年負(fù)荷與風(fēng)電出力數(shù)據(jù)為例，采用MATLAB軟件編程實(shí)現(xiàn)負(fù)荷典型日選取與匹配的風(fēng)電場(chǎng)景構(gòu)造方法。其中，負(fù)荷數(shù)據(jù)時(shí)間間隔為1 h，如圖4所示；風(fēng)電出力數(shù)據(jù)時(shí)間間隔為15 min，如圖5所示。

圖4 某地區(qū)年負(fù)荷曲線Fig.4 Annual load curve of a region

圖5 某地區(qū)年風(fēng)電出力曲線Fig.5 Annual wind power output curve of a region

5.1.1 最優(yōu)聚類數(shù)的確定

對(duì)樣本進(jìn)行有序聚類，計(jì)算不同的聚類數(shù)下的改進(jìn)BWP指標(biāo)和場(chǎng)景存在概率，尋找小概率場(chǎng)景。每次循環(huán)的聚類數(shù)與小概率場(chǎng)景數(shù)如圖6所示。

圖6 聚類數(shù)和小概率場(chǎng)景數(shù)Fig.6 Number of clusters and small probability scenarios

由圖6可見，第一次循環(huán)數(shù)據(jù)中存在2個(gè)小概率場(chǎng)景，小概率場(chǎng)景自成一類會(huì)使聚類數(shù)變大，使選取的負(fù)荷場(chǎng)景過多，影響負(fù)荷場(chǎng)景提取效果。去除小概率場(chǎng)景后，最優(yōu)聚類數(shù)不是減少了2個(gè)而是減少了12個(gè)，說明小概率場(chǎng)景對(duì)聚類數(shù)影響較大。沒有小概率場(chǎng)景影響后，改進(jìn)BWP指標(biāo)隨聚類數(shù)變化的曲線如圖7所示。

由圖7可見，當(dāng)沒有小概率場(chǎng)景影響時(shí)，改進(jìn)BWP指標(biāo)在聚類數(shù)為5的時(shí)候最大。表示當(dāng)聚類數(shù)為5的聚類結(jié)果最優(yōu)，取聚類數(shù)為5。

5.1.2 負(fù)荷場(chǎng)景提取

結(jié)果顯示，小概率場(chǎng)景為第180天和第209天，去除小概率場(chǎng)景后的選取結(jié)果如表1所示。

圖7 改進(jìn)BWP指標(biāo)隨聚類數(shù)變化的曲線Fig.7 Curve of improved BWP index changing with cluster number

表1 場(chǎng)景提取結(jié)果Table 1 Scene extraction results

由表1可見，通過本文所提方法將一年負(fù)荷分為5個(gè)連續(xù)的典型場(chǎng)景，得到5個(gè)負(fù)荷典型日。圖8給出了2個(gè)負(fù)荷典型日曲線與原負(fù)荷曲線。

從圖8可見，負(fù)荷典型日曲線與原負(fù)荷曲線形狀基本相同，并且負(fù)荷典型日與其有效時(shí)間內(nèi)的負(fù)荷波動(dòng)方向基本一致；負(fù)荷典型日與原負(fù)荷取得峰值和谷值的時(shí)段也相同，說明本文所提方法選出的負(fù)荷典型日峰谷時(shí)段位置和波動(dòng)趨勢(shì)可以代表原負(fù)荷峰谷時(shí)段位置和波動(dòng)趨勢(shì)。

5.1.3 風(fēng)電場(chǎng)景構(gòu)造

圖9繪制了場(chǎng)景2和場(chǎng)景3的風(fēng)電出力與原風(fēng)電出力波動(dòng)曲線。

由圖9可見，本文充分考慮風(fēng)電出力的大波動(dòng)特性，構(gòu)造的場(chǎng)景中風(fēng)電出力波動(dòng)量基本大于原數(shù)據(jù)中同時(shí)段的風(fēng)電出力波動(dòng)量，充分體現(xiàn)風(fēng)電出力大波動(dòng)特性。

5.2 典型日選取結(jié)果評(píng)價(jià)

為進(jìn)一步驗(yàn)證本文所提的負(fù)荷典型日選取和與其匹配的風(fēng)電場(chǎng)景構(gòu)造方法的性能，針對(duì)負(fù)荷典型日選取方法，對(duì)比了直接選擇峰谷差最大日的方法和k均值聚類方法；針對(duì)風(fēng)電場(chǎng)景構(gòu)造方法，對(duì)比了k均值聚類方法。其中，不同方法的性能通過本文所提的評(píng)價(jià)指標(biāo)表現(xiàn)，對(duì)比結(jié)果如表2所示。

圖8 各負(fù)荷典型日與原負(fù)荷曲線Fig.8 Typical daily and original load curves of load scenarios

表2 不同場(chǎng)景選取方法對(duì)比Table 2 Comparison of different selection methods of typical days

由表2可知，上述方法中除峰谷差法選擇負(fù)荷典型日外，其他方法所選負(fù)荷典型日的負(fù)荷總量與原數(shù)據(jù)無偏差。本文所提方法所選的典型日在負(fù)荷偏差率、負(fù)荷同方向變化概率、風(fēng)電大波動(dòng)概率、大波動(dòng)和反調(diào)峰概率指標(biāo)上均比k均值聚類方法好，說明本文所提方法的有效性。

圖9 各場(chǎng)景風(fēng)電出力與原出力波動(dòng)曲線Fig.9 Typical daily output and original output fluctuation curve of wind power scenarios

圖10反映了5類原始負(fù)荷數(shù)據(jù)對(duì)負(fù)荷典型日選取結(jié)果的影響。

圖10 負(fù)荷典型日評(píng)價(jià)指標(biāo)與原負(fù)荷關(guān)系Fig.10 Relationship between typical daily load evaluation index and original load

由圖10可見，對(duì)于不同的負(fù)荷數(shù)據(jù)，用本文方法選出的負(fù)荷典型日在負(fù)荷總量上都無偏差，負(fù)荷偏差率指標(biāo)基本維持在10%～30%之間，說明所用的原始負(fù)荷數(shù)據(jù)對(duì)本文所提方法的影響不大。但是負(fù)荷同方向變化概率指標(biāo)由89.71%減小到了76%左右。為進(jìn)一步驗(yàn)證本文所提方法在負(fù)荷變化率同方向概率指標(biāo)上與其他方法相比是否還具有較好的性能，圖11給出了不同方法選擇不同原始負(fù)荷數(shù)據(jù)時(shí)負(fù)荷變化率同方向概率指標(biāo)變化情況。

圖11 負(fù)荷同方向變化概率指標(biāo)與原負(fù)荷Fig.11 Probability index of load change in the same direction and original load

負(fù)荷同方向變化概率是表示所選典型日曲線與原負(fù)荷曲線趨勢(shì)一致程度的指標(biāo)。由圖11可知，利用本文所提方法選擇的負(fù)荷典型日的負(fù)荷同方向變化概率指標(biāo)均大于k均值聚類方法和峰谷差法選擇的負(fù)荷典型日的指標(biāo)。并且，本文所提方法在處理不同數(shù)據(jù)時(shí)，所選典型日的負(fù)荷同方向變化概率指標(biāo)上差距小。說明與k均值聚類方法和峰谷差法相比，本文所提方法可以穩(wěn)定有效地選出與原負(fù)荷曲線趨勢(shì)一致的負(fù)荷典型日。利用提出的風(fēng)電指標(biāo)評(píng)價(jià)風(fēng)電場(chǎng)景，圖12繪制了該指標(biāo)在利用本文所提方法和k均值聚類方法處理不同風(fēng)電出力數(shù)據(jù)時(shí)的結(jié)果，其中風(fēng)電指標(biāo)類型1—3分別為風(fēng)電大波動(dòng)概率指標(biāo)、大波動(dòng)指標(biāo)和反調(diào)峰概率。

由圖12可知，本文所提方法在處理不同的風(fēng)電出力數(shù)據(jù)時(shí)，風(fēng)電大波動(dòng)概率指標(biāo)和反調(diào)峰概率不變，說明該方法的性能比較穩(wěn)定。結(jié)果顯示，與k均值聚類方法相比，利用本文所提方法構(gòu)造出的風(fēng)電出力典型日除在第三組數(shù)據(jù)的反調(diào)峰概率指標(biāo)上比k均值略低外，其余指標(biāo)均比k均值聚類方法所選的場(chǎng)景高。說明利用本文所提方法構(gòu)造的場(chǎng)景比k均值算法得到的場(chǎng)景的風(fēng)電出力更惡劣。

圖12 風(fēng)電指標(biāo)與原風(fēng)電出力Fig.12 Wind power index and original wind power output

6 結(jié) 論

本文針對(duì)含高比例風(fēng)電的微電網(wǎng)負(fù)荷典型日選取問題，利用隸屬度函數(shù)提取原負(fù)荷共同趨勢(shì)與峰谷時(shí)段信息，并結(jié)合改進(jìn)有序聚類，提出了負(fù)荷典型日選取方法。針對(duì)負(fù)荷與風(fēng)電場(chǎng)景同時(shí)應(yīng)用的問題，以負(fù)荷典型日的有效時(shí)間范圍確定風(fēng)電場(chǎng)景的構(gòu)造范圍，并基于插值法思想，考慮風(fēng)電大波動(dòng)特性提出最惡劣風(fēng)電出力場(chǎng)景構(gòu)造方法，結(jié)果表明：

1)所提出的負(fù)荷典型日選取方法，利用隸屬度函數(shù)提取原始數(shù)據(jù)的共同趨勢(shì)和峰谷時(shí)段信息，使所選取的典型日與原數(shù)據(jù)變化方向基本一致，峰谷值在同一時(shí)段內(nèi)取得。與傳統(tǒng)的k均值聚類和峰谷差法相比，所提的典型日選取方法在負(fù)荷總量偏差、負(fù)荷偏差率和負(fù)荷同方向變化概率方面結(jié)果更優(yōu)。

2)所提出的風(fēng)電場(chǎng)景構(gòu)造方法考慮風(fēng)電大波動(dòng)特性，利用原始數(shù)據(jù)中的最大增加量和最大減少量可以有效地構(gòu)造風(fēng)電出力最惡劣的一天作為典型場(chǎng)景。與傳統(tǒng)的k均值聚類方法相比，所構(gòu)造的風(fēng)電典型場(chǎng)景的風(fēng)電出力更惡劣。