用于风电功率典型场景提取的改进DTW-KMeans聚类算法

本发明提供用于风电功率典型场景提取的改进DTW‑KMeans聚类算法，包括以下步骤：步骤1：确定聚类数K，随机生成初始质心；步骤2：采用DTW‑KMeans聚类方法，迭代至质心收敛，将风力发电历史数据划分到不同的簇当中，并得到各簇的质心曲线；步骤3：计算各簇中实际运行曲线和质心曲线在各时刻下的差值，并构造差值的概率分布函数；步骤4：基于概率分布函数对聚类得到的质心曲线进行差值补偿，在质心曲线的各个时刻根据差值的概率分布随机施加差值；步骤5：在施加的差值中加入权重系数并优化补偿曲线，得到风力发电典型场景；本发明通过概率差值补偿与负荷特性比较优化，能够将实际运行过程中的风电波动性反映到典型场景当中。