电工电能新技术

作者：李春燕1， 赵晨宇1， 胡博1， 陈正宇2， 廖庆龙2， 万凌云2， 谢开贵1

单位：1. 输配电装备及系统安全与新技术国家重点实验室， 重庆大学， 重庆 400044；
\r\n
\r\n2. 国网重庆市电力公司电力科学研究院， 重庆 404100

关键词：分层抽样, 改进K均值聚类, 密度聚类, 可靠性评估, 典型场景, 序贯蒙特卡洛模拟

基金：国家电网公司总部科技项目：基于大数据的电力系统可靠性评估关键技术研究及应用（5100-201999332A-0-0-00）

由于风光出力和负荷的不确定性，高比例可再生能源电力系统可靠性评估需要大量输入场景以保证评估精度。为降低计算复杂度，选取适用的典型场景至关重要。传统典型场景生成直接采用聚类算法对输入场景聚类，因此面对高维数据处理困难且无法保留负荷极端场景，生成可靠性评估典型场景的效果不理想。为选取适用于可靠性评估的风-光-荷典型场景，研究建立了基于密度的噪声应用空间聚类（DBSCAN）和改进K均值两阶段聚类模型，保留极端场景同时引入降维算法处理高维时序数据。算例表明该算法兼具高效性和有效性，所得典型场景应用于电力系统可靠性评估得到可靠性指标精确度良好。

来源：2021年第5期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2021年第5期