电力系统扩展决策中的典型日

在分析电力系统扩展规划问题时，应恰当建模短期不确定性。由于使用所有可用历史数据可能导致难以处理，应应用聚类算法以减少计算工作量，同时不放弃对历史数据的准确表示。在本文中，我们提出了一个传统 K-means 方法的修正版本，旨在实现对输入数据最大值和最小值的表示，即电力负荷和电力能源系统多个地点的可再生发电。刻画这些参数的极值的关键作用在于它们会对所采取的扩展和运行决策产生重大影响。所提方法基于代表电力负荷与风电发电之间相关性的传统 K-means 算法。影响某些技术性能的 historical 数据的时间顺序通过典型日来表征，每个典型日由 24 个运行条件组成。基于 IEEE 24 总线可靠性测试系统的发电与输电扩展规划的实际案例研究被分析，应用典型日并比较使用传统 K-means 技术与所提方法获得的结果。