1 主要内容
该程序复现文章《氢能支撑的风-燃气耦合低碳微网容量优化配置研究》第三章内容，实现的是基于DBSCAN密度聚类的风电-负荷场景生成与削减模型，首先，采集风电、电负荷历史数据。然后，通过采用 DBSCAN 密度聚类的数据预处理消除异常或小概率电负荷、风电数据。之后，针对风电波动性与电负荷时序性、周期性特点，将场景提取分为电负荷场景提取和风电场景提取。该方法较传统聚类和场景削减方法有更好的数据预处理过程，这样就能消除异常数据，得到更准确的聚类结果。
基于密度聚类的数据预处理：
DBSCAN是基于一组邻域来描述样本集的紧密程度的算法。DBSCAN需要二个参 数值，扫描半径（E）和最小包含点数（MinPts），用来描述邻域的样本分布紧密程度。其中，E描述了某一样本的邻域距离阈值，给定对象以E为半径的区域被称为该对象的 E邻域。MinPts描述了某一样本的距离为E的邻域中样本个数的阈值。如果给定对象E 邻域内的样本点数大于等于MinPts，则称该对象为核心对象。不属于核心对象及核心对 象E邻域内的点为噪声点。
场景提取：
1.负荷采用改进有序聚类方法进行提取。
以天为单位的电负荷场景在时间上存在连续性，而连续的电负荷场景从向量的角度 分析又具有相似性，直到出现某一个突变点，电负荷数据大小会发生大幅度变化，然后 电负荷数据变化又会开始稳定。电负荷数据的这种周期性波动与变化适 合通过有序聚类进行分类。2.风电采用K-means聚类方法进行提取。
算法流程：
2 部分程序
clc clear all %% 导入数据 X=xlsread('风电'); x0=X; y=xlsread('负荷数据'); figure; subplot(2,1,1); plot(X);xlabel('时间/h');ylabel('标幺值');title('全年风电数据');axis([1 8761 0 1]) subplot(2,1,2);hold on plot(y);xlabel('时间/h');ylabel('功率/KW');title('全年负荷用电数据');axis([1 8761 400 1100]); %% 变量设定 k = 3; Eps = 2; data = [X,y];Ti=1:8761; %% 准备变量，输出原始结果 [m,n] = size(data); data=[(1:m)',data]; %%增加一列表示序号 n = n + 1; %%增加后列数+1 type = zeros(1,m); cluster_No = 1; visited = zeros(m,1); class = zeros(1,m)-2; figure(2); subplot(2,1,1); plot3(Ti,data(:,2),data(:,3),'.');axis([1,10000,0,1,0,2000]); xlabel('时间/h');ylabel('标幺值');zlabel('功率/KW');%%绘制时间-风电-负荷的三维图 grid on %daspect([1 1 1]); %xlabel('x');ylabel('y'); title('原始输入点'); hold on; %% 运行DBSCAN算法 Kdtree = KDTreeSearcher(data(:,2:3)); %%使用训练数据（data）的m×n数字矩阵来生长默认的Kd树（Mdl） for i = 1:m % 抽取一个未访问点 if visited(i)==0 % 标为访问 visited(i) = 1; point_now = data(i,:); Idx_range = rangesearch(Kdtree, point_now(2:3), Eps); %%使用rangesearch进行半径搜索来搜索存储的树以找到查询数据的所有相邻点 index = Idx_range{1}; if length(index) > k class(i) = cluster_No; while index if visited(index(1)) == 0 visited(index(1)) = 1; %% 标为访问 if class(index(1)) <= 0 class(index(1)) = cluster_No; end point_now = data(index(1),:); Idx_range = rangesearch(Kdtree, point_now(2:3), Eps); index_temp = Idx_range{1}; index(1) = []; if length(index_temp) > k index = [index, index_temp]; end else index(1) = []; end end cluster_No = cluster_No + 1; end end end %% DBSCAN聚类结果
3 程序结果
