電力系統(tǒng)的中長(zhǎng)期規(guī)劃和經(jīng)濟(jì)運(yùn)行優(yōu)化需要考慮能夠反映清潔能源歷史數(shù)據(jù)特征的典型場(chǎng)景，提出了一種基于改進(jìn) FCM 聚類算法的清潔能源典型場(chǎng)景構(gòu)建方法，并將其應(yīng)用于含清潔能源的電力系統(tǒng)運(yùn)行成本優(yōu)化中。以浙江省某地區(qū)電網(wǎng)為例，在電力系統(tǒng)運(yùn)行成本優(yōu)化領(lǐng)域?qū)Ρ然诟倪M(jìn) FCM聚類算法與基于全年時(shí)序法、典型日法的場(chǎng)景構(gòu)建方法的性能優(yōu)劣。研究結(jié)果表明，提出的改進(jìn)聚類算法的清潔能源典型場(chǎng)景構(gòu)建方法兼具計(jì)算精度與效率，具有實(shí)際應(yīng)用價(jià)值。
（來(lái)源：電網(wǎng)與清潔能源 作者：姚劍峰 凌靜 曲立楠 丁磊明 鄭翔 高丙團(tuán)）
隨著我國(guó)清潔能源的規(guī)?；_發(fā)利用，清潔能源發(fā)電持續(xù)迅猛發(fā)展，裝機(jī)容量增長(zhǎng)規(guī)模持續(xù)擴(kuò)大[1-2]。據(jù)國(guó)家能源局統(tǒng)計(jì)報(bào)告，截至 2017 年底，我國(guó)風(fēng)電新增裝機(jī)量 1 503 萬(wàn) kW，累計(jì)裝機(jī)量達(dá)到1.64 億 kW，光伏發(fā)電新增裝機(jī)容量 5 306 萬(wàn) kW，累計(jì)裝機(jī)容量 1.3 億 kW[3-4]。清潔能源具有環(huán)保、豐富、分布廣泛等優(yōu)勢(shì)，但其穩(wěn)定性較差，能量密度較小[5-6]。隨著清潔能源裝機(jī)容量的持續(xù)增長(zhǎng)，清潔能源占電網(wǎng)電源比例的不斷提升，清潔能源的消納需求對(duì)電力系統(tǒng)經(jīng)濟(jì)運(yùn)行、電網(wǎng)清潔能源消納能力評(píng)估、電網(wǎng)調(diào)度計(jì)劃的制定等提出了更高的要求[7-8]。因此，考慮風(fēng)電、光電等清潔能源出力的季節(jié)性和周期性，從歷史出力數(shù)據(jù)中提煉出具有代表性的典型出力場(chǎng)景，用這些典型出力場(chǎng)景來(lái)反映中長(zhǎng)期內(nèi)的清潔能源出力特性，對(duì)含高比例清潔能源的電力系統(tǒng)的電源規(guī)劃具有重要意義。
目前，應(yīng)用較為廣泛的中長(zhǎng)期清潔能源出力場(chǎng)景或負(fù)荷特性的選取方法一般分為 3 種：典型日法、時(shí)序仿真法及聚類算法。典型日法通常指以某周期內(nèi)與平均值最為接近的一天的出力特性作為典型日出力場(chǎng)景，或選用某周期內(nèi)具有代表性的一天作為典型日出力場(chǎng)景。文獻(xiàn)[9]分別根據(jù)光照強(qiáng)弱與風(fēng)速高低選取了風(fēng)光出力典型日，根據(jù)可再生能源與負(fù)荷的出力情況，以消耗海島發(fā)電燃料最小為目標(biāo)進(jìn)行優(yōu)化發(fā)電調(diào)度策略研究。通過(guò)典型日法獲取清潔能源的出力特性簡(jiǎn)單快捷，但由于場(chǎng)景不夠豐富不能體現(xiàn)全年清潔能源出力的變化特性，在中長(zhǎng)期電源規(guī)劃計(jì)算中誤差較大。時(shí)序仿真法指通過(guò)歷史清潔能源的實(shí)際出力時(shí)間序列數(shù)據(jù)，再根據(jù)裝機(jī)容量及其他因素的變化加以調(diào)整得到模擬出力時(shí)間序列。文獻(xiàn)[10]通過(guò)時(shí)序仿真法得到歸一化后的年度風(fēng)電序列、年度光伏序列、負(fù)荷出力序列用于風(fēng)光容量配比分層優(yōu)化計(jì)算。時(shí)序仿真法得出的全年出力時(shí)間序列貼近每日風(fēng)電、光伏等清潔能源的實(shí)際出力特性，結(jié)果準(zhǔn)確可靠，缺點(diǎn)是計(jì)算效率低。聚類算法則是通過(guò)聚類分析的方法對(duì)長(zhǎng)時(shí)間時(shí)序的清潔能源實(shí)際出力場(chǎng)景進(jìn)行信息提取、歸類和化簡(jiǎn)，進(jìn)而得到典型場(chǎng)景集合。文獻(xiàn)[11]應(yīng)用聚類算法得到風(fēng)電和負(fù)荷的典型場(chǎng)景集，并基于此對(duì)風(fēng)電接納能力進(jìn)行了評(píng)價(jià)分析。聚類算法既保證了出力數(shù)據(jù)的原始特性，又兼顧了計(jì)算效率。聚類算法在典型場(chǎng)景集的構(gòu)建中應(yīng)用廣泛，聚類算法可通過(guò)設(shè)置聚類數(shù)將若干個(gè)時(shí)序場(chǎng)景縮減至設(shè)定個(gè)數(shù)。文獻(xiàn)[12]介紹了聚類算法在長(zhǎng)期預(yù)測(cè)風(fēng)電出力特性中的應(yīng)用。文獻(xiàn)[13]分別利用 Kmeans 和 FCM 兩種聚類算法對(duì)用電用戶進(jìn)行聚類，并訓(xùn)練得到 BP 神經(jīng)網(wǎng)絡(luò)和 SVM 算法的負(fù)荷預(yù)測(cè)模型。文獻(xiàn)[14]使用 K-means 聚類算法對(duì)巴西智能電力系統(tǒng)用戶的實(shí)際負(fù)荷曲線進(jìn)行聚類，得到典型負(fù)荷曲線集。
上述文獻(xiàn)均通過(guò)經(jīng)典聚類算法對(duì)大量的實(shí)際負(fù)荷或風(fēng)電數(shù)據(jù)進(jìn)行分析，得出了能夠較為準(zhǔn)確反映實(shí)際特性的用戶負(fù)荷及風(fēng)電出力場(chǎng)景集，但并未對(duì)聚類數(shù)的選取、同區(qū)域多類清潔能源間的相關(guān)性進(jìn)行深入討論。鑒于此，本文以清潔能源富足區(qū)域的清潔能源出力特性為研究對(duì)象，利用改進(jìn) FCM 算法對(duì)其清潔能源的歷史時(shí)序出力數(shù)據(jù)進(jìn)行聚類分析，生成該地的清潔能源典型出力場(chǎng)景集，將聚類所得的典型場(chǎng)景集應(yīng)用于區(qū)域電力經(jīng)濟(jì)運(yùn)行優(yōu)化計(jì)算中，并比較該方法與全年時(shí)序仿真法、典型日法在預(yù)測(cè)準(zhǔn)確性及計(jì)算效率上的差異。
1改進(jìn)FCM聚類
1.1 FCM聚類算法改進(jìn)思路
FCM 聚類是一種基于劃分的聚類算法，F(xiàn)CM 聚類算法有別于傳統(tǒng)硬性聚類分析“非此即彼”的硬劃分特性，通過(guò)引入隸屬度函數(shù)這一概念，將對(duì)象與類簇間的關(guān)系擴(kuò)展到用[0，1]閉區(qū)間上的任意數(shù)值來(lái)描述，從而可以通過(guò)判斷隸屬度函數(shù)的數(shù)值，來(lái)劃分對(duì)象更傾向?qū)儆谀囊粋€(gè)類簇[15]。設(shè)論域?yàn)閄，稱映射
2 清潔能源典型場(chǎng)景構(gòu)建及應(yīng)用
