基于免疫离群数据和敏感初始中心的K-means算法的风电场机群划分

作     者：林俐 潘险险 张凌云 赵双 LIN Li;PAN Xianxian;ZHANG Lingyun;ZHAO Shuang

作者机构：新能源电力系统国家重点实验室(华北电力大学)北京市昌平区102206 广东电网发展研究院广东省广州市510080 广东电网公司东莞供电局广东省东莞市523000 

出 版 物：《中国电机工程学报》 (Proceedings of the CSEE)

年 卷 期：2016年第36卷第20期

页      面：5461-5468,5722页

核心收录：

学科分类：0808[工学-电气工程] 080802[工学-电力系统及其自动化] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 

基　　金：国家自然科学基金重大项目(51190103) 国家科技支撑计划项目(2013BAA02B01)~~ 

主　　题：风电场 机群划分 K-means算法 离群数据 敏感初始中心 实测数据 

摘      要：风电机组在实际运行时,受尾流效应和迟滞效应等因素的影响,场内机组运行状态并不相同,风电场采用传统的单机表征模型可能会产生较大误差。该文基于风电场实测运行数据,以风电机组具有相近运行点为机群划分原则,提出一种基于免疫离群数据和敏感初始中心的K-means算法的风电场机群划分方法。首先,针对风电场实测运行数据含有离群数据的问题,基于实测样本分布密度分析,对实测数据进行离群数据处理,免疫离群数据的干扰。其次,传统K-means算法对初始聚类中心的选取是随机的,划分结果容易陷入局部最优,基于改进的最大最小距离法对初始机群中心进行优化选择,免疫机群划分结果对初始机群中心随机选取的敏感性。最后,通过对某实际风电场的仿真分析,验证了所提机群划分方法的有效性,所建立的风电场等值模型能够较准确地反映风电场并网点的动态特性,模型的精确性有了较大的提高。