在當(dāng)前智能電網(wǎng)和泛在電力物聯(lián)網(wǎng)的背景下,電力負荷進行精確的提取,對電網(wǎng)的安全穩(wěn)定運行、電力需求側(cè)管理、電網(wǎng)負荷預(yù)測有很大的意義。本文針對柔性負荷中純低谷儲熱負荷的提取方法做了研究,將KNN、SVM兩種算法引入與K-means聚類相結(jié)合,提高對柔性負荷的提取精度;近年來,風(fēng)力發(fā)電技術(shù)快速發(fā)展,這對合理利用資源和保護環(huán)境有積極的意義,但是,隨之而來的風(fēng)電消納問題突出,尤其在我國的“三北”地區(qū)。在冬季,使用電儲熱技術(shù)是風(fēng)電消納提供了一種重要手段,可以很大的提高風(fēng)電利用率,減少棄風(fēng);另外,電池儲能具有快速調(diào)節(jié)、雙向流動、時移能量的特點,對實現(xiàn)電網(wǎng)“削峰填谷”和減少棄風(fēng)重大作用。本文的主要工作如下:（1）概述了電力系統(tǒng)中負荷聚類提取的意義以及當(dāng)前我國風(fēng)電發(fā)展的現(xiàn)狀,綜述了國內(nèi)外對電力負荷聚類的研究現(xiàn)狀以及利用儲熱、儲能減少棄風(fēng)的研究現(xiàn)狀。（2）研究分析K-means聚類算法,利用K-means算法對柔性負荷中的純低谷儲熱負荷進行提取,結(jié)果顯示這種算法需要多次進行聚類且精確度較低。提出了將KNN、SVM與K-means相結(jié)合的方法,再次對純低谷儲熱負荷進行特征提取,通過與直接利用K-means聚類... 

【文章來源】：沈陽工業(yè)大學(xué)遼寧省

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【部分圖文】：

016-2019年風(fēng)電累計裝機容量與發(fā)電量Fig.1.1Cumulativeinstalledcapacityandpowergenerationofwindpowerfrom2016to2019

沈陽工業(yè)大學(xué)碩士學(xué)位論文21.1.2我國棄風(fēng)及消納情況我國自然資源豐富，在三北地區(qū)，風(fēng)力資源得天獨厚，近年來風(fēng)電發(fā)展迅速，技術(shù)不斷成熟，裝機容量不斷增加，但隨著風(fēng)電行業(yè)的發(fā)展，出現(xiàn)了大量的棄風(fēng)問題[8]。具體情況如圖1.1-圖1.2所示。圖1.12016-2019年風(fēng)電累計裝機容量與發(fā)電量Fig.1.1Cumulativeinstalledcapacityandpowergenerationofwindpowerfrom2016to2019圖1.22016-2019年棄風(fēng)電量與棄風(fēng)率Fig.1.2Windabandoningquantityandwindabandoningratefrom2016to2019從圖1.1中可以看出我國裝機容量和發(fā)電量逐年增加，2016年累計裝機并網(wǎng)容量為14864億千瓦，發(fā)電量為2410億千瓦時，2017年累計裝機并網(wǎng)容量為16367億千瓦，發(fā)電量首次突破3000億千瓦時，2018年累計裝機并網(wǎng)容量為18426億千瓦，發(fā)電量為3660億千瓦時，2019年累計裝機并網(wǎng)容量突破21000億千瓦，發(fā)電量高達4057億千瓦時。可見，我國風(fēng)電發(fā)展迅速。圖1.2顯示的是我國從2016年到2019年4年來的棄風(fēng)電量及棄風(fēng)率，從圖中可以看出，從2016年開始，我國棄風(fēng)電量逐年下降，主要是由于供需更加平衡，2016年棄

能轉(zhuǎn)化為電能釋放出來，但這種方式有一定的局限性，需要配合當(dāng)?shù)氐牡貏輧?yōu)勢。（5）多能源互補：多能源與風(fēng)電進行配合使用，如風(fēng)光互補、風(fēng)光儲協(xié)同發(fā)電等，光伏發(fā)電主要在白天，利用太陽光照，存在明顯的時間特性，而風(fēng)力發(fā)電主要在夜間，將光伏發(fā)電和風(fēng)力發(fā)電相結(jié)合，可以很好的解決風(fēng)電的波動性，有利于風(fēng)電消納。1.2負荷分類提取的研究現(xiàn)狀大數(shù)據(jù)時代的到來，尤其是智能電網(wǎng)和泛在電力物聯(lián)網(wǎng)的提出，對不同負荷的分類提取顯得尤為重要，對負荷特征信息的挖掘需要更加精確、精細[14]。目前，可以將聚類方法分為六類，如圖1.3所示。圖1.3聚類方法分類Fig.1.3Classificationbyclusteringmethod對以上六類聚類算法做簡單介紹：（1）基于劃分方法：這類算法原理簡單，首先確定樣本分為幾類，然后通過多次迭代，達到最終的分類目的。這種算法簡單高效，時間和空間復(fù)雜度都較低，但是這種算法對K值比較敏感，K的取值直接影響分類結(jié)果。（2）基于層次方法：有兩種類型，一種由里到外，一種由外至里，分別是合并層次聚類和分裂層次聚類。兩類聚類方式物理結(jié)構(gòu)不同，聚類結(jié)果也不一樣。兩種聚類方法共同的特點就是聚類速度快，主要是因為計算速度與樣本個數(shù)無關(guān)，而是與分成幾類有關(guān)。（3）基于密度方法：根據(jù)數(shù)據(jù)密度，連通性等劃分的方式，可以獲取具有高密度特性數(shù)據(jù)。聚類在連通數(shù)據(jù)簇的簇密度方向上具有延伸性。因此，基于密度的算法能夠確定任意形狀的簇。（4）基于網(wǎng)絡(luò)方法：將數(shù)據(jù)空間分為單個較小的網(wǎng)格單元，將樣本數(shù)據(jù)通過特定

【參考文獻】：
期刊論文
[1]基于機會約束目標(biāo)規(guī)劃的風(fēng)-光-水-氣-火-儲聯(lián)合優(yōu)化調(diào)度[J]. 李志偉,趙書強,劉金山.  電力自動化設(shè)備. 2019(08)
[2]基于二次規(guī)劃的電池儲能系統(tǒng)參與電網(wǎng)削峰填谷離線優(yōu)化[J]. 董慧峰,牛文迪,楊旭強,郭志敏,周麗.  電氣應(yīng)用. 2019(01)
[3]含抽水蓄能機組的風(fēng)電消納魯棒機組組合[J]. 夏沛,鄧長虹,龍志君,姚維為,張凱,王維洲.  電力系統(tǒng)自動化. 2018(19)
[4]計及熱網(wǎng)特性的電熱聯(lián)合系統(tǒng)調(diào)度方法[J]. 邵世圻,戴賽,胡林獻,丁強,謝華寶.  電力系統(tǒng)保護與控制. 2018(10)
[5]商業(yè)園區(qū)儲能系統(tǒng)削峰填谷的有功功率協(xié)調(diào)控制策略[J]. 楊錫運,董德華,李相俊,馬雪,耿娜,賈學(xué)翠.  電網(wǎng)技術(shù). 2018(08)
[6]考慮風(fēng)電消納的風(fēng)電-電儲能-蓄熱式電鍋爐聯(lián)合系統(tǒng)能量優(yōu)化[J]. 王振浩,楊璐,田春光,李國慶.  中國電機工程學(xué)報. 2017(S1)
[7]引入改進模糊C均值聚類的負荷數(shù)據(jù)辨識及修復(fù)方法[J]. 孔祥玉,胡啟安,董旭柱,曾意,吳爭榮.  電力系統(tǒng)自動化. 2017(09)
[8]風(fēng)電場與含儲熱的熱電聯(lián)產(chǎn)聯(lián)合運行的優(yōu)化調(diào)度[J]. 戴遠航,陳磊,閔勇,徐飛,侯凱元,周瑩.  中國電機工程學(xué)報. 2017(12)
[9]類簇數(shù)目和初始中心點自確定的K-means算法[J]. 賈瑞玉,李玉功.  計算機工程與應(yīng)用. 2018(07)
[10]基于“進化”主成分分析法的用戶分類及其應(yīng)用[J]. 和敬涵,盧育梓,陸金耀,胡波,楊方,何博.  電力建設(shè). 2017(03)

碩士論文
[1]蓄熱式電鍋爐融合儲能的風(fēng)電消納優(yōu)化控制研究[D]. 莊冠群.東北電力大學(xué) 2018
[2]高壓電制熱儲熱參與電力系統(tǒng)調(diào)峰調(diào)頻研究[D]. 蔣威.浙江大學(xué) 2018
[3]基于相關(guān)機會規(guī)劃的風(fēng)光儲聯(lián)合發(fā)電系統(tǒng)儲能調(diào)度策略研究[D]. 劉大正.華北電力大學(xué) 2015
[4]K-means聚類方法的改進及其應(yīng)用[D]. 李薈嬈.東北農(nóng)業(yè)大學(xué) 2014
[5]電力系統(tǒng)負荷分類研究[D]. 張忠華.天津大學(xué) 2007



本文編號：3599427