(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210948539.4 (22)申请日 2022.08.09 (71)申请人 国网福建省电力有限公司 地址 350003 福建省福州市 鼓楼区五四路 257号 申请人 国网福建省电力有限公司电力科 学 研究院 (72)发明人 李衍川　吴涵　王健　张延辉　 李振嘉　王珏莹　林栋　陈伟铭　 李怡然　陈石川　闫洪林　余定文　 (74)专利代理 机构 福州元创专利商标代理有限 公司 35100 专利代理师 丘鸿超　蔡学俊 (51)Int.Cl. G06F 30/20(2020.01)G06K 9/62(2022.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06F 119/02(2020.01) (54)发明名称 基于GMM聚类的综合能源系统典型日生成方 法 (57)摘要 本发明提出一种基于GMM聚类的综合能源系 统典型日生成方法， 基于GMM聚类方法， 对综合能 源系统每个月的负荷资源 （电负荷、 冷热负荷、 太 阳辐照和风速） 进行寻优聚类， 生成典型负荷场 景， 用于综合能源系统规划设计， 同时兼顾计算 效率与精度。 主要设计包括： 适合综合能源数据 的聚类， 对分布式能源负荷进行修正， 支持电负 荷、 冷热负荷、 太阳辐照和风速等不同特征的高 维数据聚类。 基于GMM聚类的综合能源系统典型 日生成方法， 兼顾计算效率与计算精度。 权利要求书2页 说明书6页 CN 115221728 A 2022.10.21 CN 115221728 A 1.一种基于GMM聚类的综合能源系统典型日生成方法， 其特征在于： 基于GMM聚类方法， 对综合能源系统每个月的负荷资源进行寻优聚类， 生成典型负荷场景， 用于综合能源系统 规划设计， 同时兼顾计算效率与精度。 2.根据权利要求1所述的基于GMM聚类的综合能源系统典型日生成方法， 其特征在于： 所述负荷资源 包括： 电负荷、 冷热负荷、 太阳辐照和风速 。 3.根据权利要求1所述的基于GMM聚类的综合能源系统典型日生成方法， 其特征在于： 在聚类之前 首先进行数据预处 理， 包括以下 过程： 步骤S11： 处理缺失值 对于单缺失值采取 前后数据线性均值插补的方法： 式中， li,t为第i类负荷时刻t负荷； li,t‑1， li,t+1分别为该点前、 后时刻的负荷数据； 对于连续 缺失值或缺失值处于始末的情况， 采用临近值 填充的方法； 步骤S12： 处 理分布式能源数据 测量准确的新能源发电量， 以反推实际的负荷数据； 如果没有新 能源发电量的测量值， 则通过统计分析最近几年的气象数据计算 光伏和风电机组的发电量； 步骤S13： 处 理异常数据 设负荷偏差符合正态分布规律， 当负荷偏差大于3倍标准差时， 认为其为异常值， 采用 临近值填充； 步骤S14： 数据标准 化 采用最小 ‑最大标准化方法将特 征缩放到 0到1之间， 以保留峰谷形状信息； 其中， lscaled,i,j是缩放后的值， lmax,i， lmin,i分别是i类负荷的最大值和最小值； 步骤S15： 数据降维 采用主成分分析PCA进行降维， 将多元数据集分解为一组连续的正交分量， 使得方差最 大。 4.根据权利要求1所述的基于GMM聚类的综合能源系统典型日生成方法， 其特征在于： 所述GMM聚类方法通过拟合 数据集构建最合适的混合多维高斯分布 模型； 对于x＝(x1,x2,… xn)T的n维随机变量， 含K个分量的GM M模型描述如下： 权　利　要　求　书 1/2 页 2 CN 115221728 A 2式中， p(x)是GMM的联合概率分布， ωk, μk, σk是混合模型中第k个分量的权重、 均值和协 方差矩阵， Nk(x| μk, σk)是高斯概率分布； 对于未知参数的高斯混合模型， 进行高斯混合模型参数估计； 分别是高斯混合模型的 组件数和对应组件的权 重、 均值、 协方差； 采用期望最大化 算法进行GM M参数估计。 5.根据权利要求4所述的基于GMM聚类的综合能源系统典型日生成方法， 其特征在于： GMM参数估计流 程包括以下步骤： 步骤S21： 定义似然函数： GM M生成数据的概 率， 取似然函数的对数： 步骤S22： E步骤： 对于特定的组件数K， 初始化对应的权重、 均 值、 协方差， 计算数据点属 于组件k的概 率： 步骤S23： M步骤： 更新GM M参数： 步骤S24： 迭代： 交替执 行E步骤和M步骤， 直到似然函数收敛； 步骤S25： 当达 到预设结束时间时， 结束计算； 通过计算有限个组件数GM M模型的BIC确定最佳聚类数据； BIC 定义如下: kBIC＝log(N)d‑2log(H(k,ω, μ, σ ) ) (9) 式中， N是数据样本数， d是参数 数量， H(k,ω, μ, σ )是模型的似然函数的对数。权　利　要　求　书 2/2 页 3 CN 115221728 A 3