近日，我校信电学院付学谦副教授在IEEE Transactions on Power Systems上在线发表研究论文A Novel Clustering Method for Extracting Representative Photovoltaic Scenarios Considering Power, Energy, and Variability，所提出的光伏出力典型场景提取方法如图1所示。
图1 光伏发电代表性场景提取方法
论文从电力系统和非监督学习的视角，提出了光伏典型场景提取的新思路和验证方法，不仅充分考虑了电网潮流分析对光伏场景提取的要求，而且有聚类算法类内类间距离的考量。算法收敛性从理论和实验两个方面开展了验证！表1为本研究中使用的建模和验证方法背后的理论逻辑。
表1 光伏集群与并网效应的相互作用机理
具体创新点如下：（1）考虑日功率曲线的欧氏距离相似、年总发电量相等、日功率曲线趋势相似、日功率曲线高峰时刻位置相似，提出了一种新的聚类模型，用于提取具有代表性的光伏发电场景；（2）本文提出了一种结合线性优化求解、拉格朗日乘子法和特征值分解的交替优化算法来解决所提出的聚类模型；（3）本文提出了一种基于光伏并网影响提取代表性光伏场景的验证度量，而不仅仅是聚类算法的评价度量。正确提取光伏发电代表性场景的本质在于：光伏发电代表场景（类似于离散变量）的统计值与原始光伏发电场景（类似于连续变量）的统计值接近。
本文使用潮流和峰值时间的统计值来量化代表性光伏场景的准确性，评价指标包括有光伏并网的随机潮流、年发电量、光伏日发电量曲线形状相似度、光伏发电高峰时段频率值，如图2和图3所示。这些指标从聚类算法和电力两个角度验证了代表性光伏场景提取的准确性，确保了聚类算法和电力两个领域的识别。
图2 年能源输出在不同情况下的分布
图3 本文提出的方法得到了13个典型场景的峰值矩
期刊介绍：IEEE Transactions on Power Systems，简称IEEE TPS，创刊于1986年，是电力系统领域的顶级期刊，由IEEE Power and Energy Society(美国电气与电子工程师协会电力与能源协会)主办。
基金资助：论文工作得到了国家自然科学基金项目（项目批准号：52007193和U2066206）资助。