聚类算法

给出电力人工智能的概念和核心技术分层架构，分析梳理了电网安全与控制、输变电、配用电、新能源、企业经营管理等重点领域的人工智能需求，重点阐述了中国电科院针对实际业务痛点所做的人工智能应用实践，包括基于深度强化学习的电网紧急控制策略、输电线路智能巡检、基于集成学习的电力设备状态评价、低压配电台区拓扑智能识别、基于聚类算法的用电行为分析等研究与应用，并对电力人工智能的发展趋势和应用前景进行了总结与展望。

高比例可再生能源并网为电网承载能力带来了挑战，提出一种高比例可再生能源接入背景下电网承载能力鲁棒提升策略。首先，考虑线路扩容成本、储能装置成本以及负荷需求响应容量成本，构建可再生能源出力和负荷给定场景下的确定性提升策略模型；其次，基于改进k-means聚类算法得到多个计及风-光-负荷相关性的典型场景，并以典型场景为区间中心的不确定区间描述负荷的不确定性；然后，基于两阶段鲁棒优化理论构建电网承载能力提升策略模型，并采用列和约束生成（column and constraint generation，C&CG）算法对模型进行求解；最后，算例结果验证了所提模型和求解方法的有效性。

构建了基于能源电力区块链的园区碳排放可信监测数字模型。首先，利用区块链防篡改技术保障监测数据的可信存证要求，相关接入实体指标全部由联盟链进行身份认证和权限控制，避免了数据遗失以及主体以外其他人恶意篡改的风险；其次，在具体的监测指标融合过程中，结合层次分析法，构建碳排放评价指标融合策略，对能源电力相关指标数据结合相似性聚类算法进行多源在线融合；最后，基于局部异常因子算法（local outlier factor，LOF）实现指标数据长周期异常离群检测，一定程度上解决数据畸变和错报自筛难题。

本专利针对现有GIS特高频局放监测误告警问题严重，无法准确预警设备缺陷的现状，提出了一种GIS设备局部放电诊断方法及系统，通过对各传感器信号开展相似性分析和多维度数据的融合分析，降低了误告警率，提高了设备缺陷的检出率，为电网安全稳定运行提供了保障。在申请阶段符合“不属于现有技术，也没有任何单位或者个人就同样的发明或实用新型在申请日以前向专利局提出过申请，并记载在申请日以后公布的专利申请文件或者公告的专利文件中”相关要求，在2017年11月通过“局部放电+特高频+定位”等关键字进行专利检索，与本专利接近的技术为：1）一种气体绝缘组合电器状态预警数据异常值的筛查方法（广西电网有限责任公司电力科学研究院，已授权）；2）变电设备多源局部放电信号的分离方法及装置（国网浙江省电力公司电力科学研究院、国家电网公司、浙江省电力试验研究院技术服务中心、西安交通大学，已授权）；3）一种基于局部放电带电检测的GIS风险评估方法及系统（国网湖南省电力公司电力科学研究院、华北电力大学、湖南湘能智能电器股份有限公司，实审），专利1仅适用于电缆局放检测技术领域，专利2是利用密度聚类算法把局放信号进行分离以区分不同源的局放信号，专利3是利用2路特高频信号和2路超声波信号进行局部放电源的准确定位，具体如何利用特高频信号对局部放电源定位并没有给出说明，也没有说明采用何种参数，进行何种定位方法，三个专利均不具备本专利的技术特征，且存在相应的缺陷和不足。本专利具备显著新颖性。

配网工作人员一般采用移动应用进行远程办公解决现场生产问题。针对移动应用的安全问题，本文设计了一种应用保护安全方法，首先对生产移动应用构建沙箱，配置实时安全策略，包含数据加密、防截屏、添加水印、禁止连接WIFI等；同时通过自动封装VPN SDK的方式实现传输进一步加固，保障应用级别的VPN接入；最后针对通过VPN非授权访问的未知威胁，在网关侧对流量进行分流并引导至蜜罐网络中，利用无监督聚类算法对流量进行聚类分析，设定移动终端入侵检测规则过滤威胁。本方法提高了配网生产移动应用的安全性并得到推广，两年来，有效且准确实现对移动应用未知威胁的智能防御。

对需求侧居民可控负荷资源进行优化控制，是虚拟电厂(virtual power plant，VPP)的一个主要方面，是提高风电和光电等新能源利用率、实现碳中和的重要手段。控制可控负荷的关键是满足用户基本用电需求，而不同用户的用电需求不尽相同。因此，提出了考虑用户需求的居民可控负荷资源优化控制方法。考虑到不同用户的用电诉求差异性，VPP作为电网与负荷群的中间环节，对可控负荷进行管理。首先，提出改进最优k值选取的K-Means聚类算法，对居民可控负荷进行聚类；其次，依据诉求差量函数，对聚类的每组负荷调控后用电情况与用电原始需求偏差进行量化描述，提出基于诉求差量的优先级划分规则；最后，在进行调控时VPP通过对不同优先级的组别补偿不同费用的方式，实现VPP收益最大和用户用电行为改变最小的调控目标。仿真验证结果表明，所提优化控制策略可有效实现负荷曲线的削峰填谷，并且在对用户用电需求影响较小的情况下保证VPP收益。

台风会对配电网系统造成严重影响，制定架空线路的防风加固规划方案至关重要。为提高配电网抵御自然灾害的韧性，提出一种计及台风灾害全过程模拟的配电网差异化加固规划韧性提升方法，通过模拟台风登陆至消亡时刻全过程实时风况信息，对各线路实施差异化加固。首先，利用狄利克雷过程混合模型(dirichlet process mixture model, DPMM)聚类算法提取典型台风登陆场景，结合风暴轨迹模型和Batts风场模型模拟实时台风移动路径和台风风场，计算配电网线路实时故障概率。然后，结合台风场景模拟结果和不同设计风速标准下的差异化的架空线路故障率，建立以多等级线路加固年投资成本、台风过境过程中失负荷成本、停电损失和维修成本最小为目标的双层随机规划模型，并利用Benders分解算法进行求解。最后，以改进IEEE33节点系统为例，对所提方法有效性进行了验证。

针对输电通道在线监测过程中入侵物体大小差异巨大、部分图像对比度低等问题,结合异物图像的特征,提出了一种基于目标检测算法的输电通道入侵物体识别方法。采集输电通道入侵物体图像,利用Retinex算法对输入图像进行增强。在目标识别部分,采用改进的EfficientDet算法作为主体,对算法中锚框的长宽比采用K-means聚类算法进行优化,同时在损失函数中加入了梯度均衡机制。实验结果表明,改进后的算法将mAP值从83.72%提升至87.12%,在入侵物体识别任务上有着优异的性能。

新能源的强烈不确定性给多微网协同运行带来了可靠性和安全性的巨大挑战。为此，提出一种基于长短期记忆(long short-term memory, LSTM)网络和条件生成对抗网络(conditional generative adversarial networks, CGAN)的多微网数据驱动两阶段分布鲁棒协同优化调度模型。首先，为更准确地描述新能源的不确定性，该模型以LSTM-CGAN生成和K-means++聚类算法削减得到的场景集作为分布鲁棒优化集合的初始新能源场景。其中CGAN网络模型使用Wasserstein距离作为判别器损失函数，以新能源日前预测值作为生成对抗网络的条件变量，并采用LSTM构建生成器和判别器。其次，提出一种基于多能点对点交易贡献率的利益分配方法，以实现合作收益的公平分配。然后，为保护各主体隐私并提高求解效率，提出一种耦合可并行计算列与约束生成(column and constraint generation, C&CG)的交替方向乘子法(alternating direction multiplier method, ADMM)进行求解能量交易问题。算例结果表明，所提场景驱动方法生成的场景集能更准确、更有效地描述新能源的不确定性，能兼顾系统的鲁棒性、经济性和隐私性，并实现每个主体公平合理的利益分配。

在光伏发电渗透率不断提高的背景下，针对光伏电站集群划分效果差、耗时长的问题，提出一种基于原型提取和聚类的光伏电站快速集群划分方法。首先，对光伏数据进行预处理，消除不同数据在量级与量纲上的差异性；然后，基于Pearson相关系数法筛选出对光伏出力影响较大的因素，然后通过设置随机抽样、k-means++和改进谱聚类3个环节，分别实现光伏电站的抽样、原型提取和原型聚类；继而基于枚举法和分层优化的思想，搜索上述环节的最优超参数；最后，设置不同场景进行算例对照，计算聚类内外指标和聚类时间指标，通过综合分析，验证了所提方法在解决大规模光伏电站快速聚类问题上的有效性。