企业官网建设流程全解析

做随机优化的人应该都有过这种体验：风电场景刚生成了一大堆，两阶段规划还没来得及跑，内存先撑不住了。我手头有个含风电接入的机组组合算例，初始场景数4000，每场景24个时段，叠加负荷不确定性后，直接求解的耗时从十几分钟飙到接近两小时。后来改用场景削减，把4000个场景压到二十几个典型场景，计算时间降到原来的十分之一，误差却控制在可接受范围内。这篇文章用完整MATLAB代码，讲讲我基于DBSCAN密度聚类实现风电-负荷联合场景削减的方法，包括聚类参数怎么选、典型场景怎么提取、削减质量怎么评估，以及我在实际调试中踩过的一堆坑。

1. 项目核心：场景削减到底在削什么

1.1 新能源随机优化里为什么离不开场景削减

风电出力受气象条件影响，负荷也有峰谷波动和随机偏差。工程上常用蒙特卡洛抽样生成大量场景来描述这种不确定性，每个场景是一条风电功率曲线和一条负荷曲线的组合。场景越多，对概率分布的刻画就越精细，但随机规划问题的规模也随之急剧膨胀。

以两阶段随机机组组合为例，每个场景对应一组二阶段决策变量和约束条件。场景数从100增加到2000，约束矩阵规模可能翻几十倍，单纯靠求解器硬解基本不可行。场景削减就是在这个矛盾里做折中：从原始场景集合中挑出一部分代表性场景并重新赋予概率权重，使得削减后的离散概率分布在某种距离度量下尽量逼近原始分布，同时把场景规模降下来。

这个需求在配电网规划、储能容量配置、电力市场出清里都很常见，尤其适合需要反复求解随机优化模型的场景。场景削减不是一个新概念，但不同方法的削减质量差别很大，直接影响优化结果的可靠性。

1.2 削减效果怎么量化评估

光说“差不多”不行，工程上需要可量化的指标来判断场景削减方法是否可用。我一般关注三类指标：

分位数指标容易被忽略但很重要。风电场次极端出力场景如果被削减掉，调度方案对极端工况的适应性就会变差。所以我在评估时不仅看期望值，还会专门统计削减前后极端分位数的变化情况。

1.3 场景削减在算法链路中的位置

场景生成、场景削减、随机优化三者是一整条流水线：先由历史数据或预测误差模型生成大量原始场景，再通过削减得到少量典型场景及对应概率，最后把这些典型场景离散概率输入随机优化模型求解。DBSCAN密度聚类是削减环节的实现工具，它解决的是“原始场景该保留哪些、各占多少概率”的问题，不涉及后续优化模型的构建，这也是这篇代码能独立运行并复用的原因。

2. 方案选型：为什么用DBSCAN而不是K-means

2.1 主流场景削减思路对比

学术和工程里最常遇到的场景削减方法大概有三条技术路线：

• 基于K-means的场景削减：先指定削减后的场景数量K，迭代聚类后取簇中心作为典型场景，概率由簇内样本数占比决定。实现简单，收敛快，但K需要提前给定，对初始中心敏感，且每个场景都被强制归属到某个簇，异常场景也会被拉进某个簇参与均值计算。
• 基于层次聚类的后向削减：从全场景集合开始，每次合并距离最近的两个场景，迭代到剩余指定数量为止。优点是无需预设初始中心，缺点是计算量大，且合并过程不可逆。
• 基于最优概率距离的削减算法：理论上在Kantorovich距离意义下做最优削减，但实现复杂度高，通常也只用于小规模场景。

2.2 DBSCAN在场景削减中的差异优势

DBSCAN不太一样。它依据样本分布的密集程度自动发现簇，核心参数就两个——邻域半径eps和最小样本数MinPts。把场景看作高维空间里的点集，DBSCAN能自动识别出“哪些场景经常一起出现”，同时把周围稀疏分布的异常场景标记成噪声点。体现在场景削减里就是三个特点：

• 不需要预先指定场景削减个数。这在工程里非常实用，因为很多时候我真的不知道最后该留多少个场景，只知道希望某个数量范围，DBSCAN直接告诉我“你这个数据集天然形成了这么多簇”。
• 可以剔除非典型场景。原始场景里经常混入一些极端抽样的离群场景，K-means会把它们硬塞进某个簇，典型场景就容易被污染。DBSCAN直接把这些离群点标为噪声并在概率重构时剔除掉，得到典型场景更纯。
• 能发现任意形状的簇。风电场景不是简单球形分布，古德曼分布、多峰场景在空间里的形状不规则，K-means对球形簇假设较强，DBSCAN没有这个限制。

2.3 要清楚DBSCAN的问题再下手

DBSCAN不是银弹，特别是场景维数较高时。假设每个场景有48个时段特征（24时风电+24时负荷），这个维数下空间距离趋于稀疏，密度概念被稀释，这时候需要用以下手段缓解：

• 先做标准化或PCA降维，让每个特征量纲一致、距离集中在有效方向上；
• eps的选择要更谨慎，靠k-distance曲线结合实验效果综合判断；
• 如果数据量太大，pdist2计算距离矩阵是O(N²)级别的，需要注意内存和时间开销。

这些点我会在第四部分展开讲具体处理方式。

3. DBSCAN核心原理与MATLAB调用细节

3.1 eps和MinPts的物理意义与选择思路

DBSCAN的密度定义很直白：对某个点，如果它的eps半径邻域内至少有MinPts个点，它就算核心点。由核心点的密度可达关系连成簇，落在任何簇外且不满足核心条件的点就是噪声。

• eps决定邻域范围。太小，密度高的地方被割裂成很多碎簇，甚至大片点被标为噪声；太大，不同模式的场景被并成一坨，削减后的场景太粗糙。
• MinPts决定核心点门槛。调大MinPts会要求每个簇必须有足够多的样本支撑，碎片簇会被吞并；调小则容易产生很多小簇，概率权重被稀释。

设置MinPts可以参考一个粗经验：不小于数据特征维数加1。例如48维场景可以设MinPts在10到15之间。实际产业项目里不需要追求理论最优，直接在合理区间里跟eps配合着试就行，这一点我在第四部分给出一套可操作的标定流程。

3.2 场景间距离度量怎么定义才合理

DBSCAN聚类前必须先定义场景间“距离”。不同距离度量直接改变聚类结果的结构，这里我建议结合场景物理意义做选择：

• 欧氏距离：最常用，计算快，适合数值尺度均匀的场景序列。使用前需要标准化，否则风电和负荷数量级不同，距离会被量纲大的变量主导。
• 加权欧氏距离：如果实际业务更看重风电误差或者负荷峰值，可以给不同时段、不同变量加权重。
• DTW动态时间规整：适合时间轴不对齐的场景，但风电负荷场景都是固定时段序列，对齐性良好，DTW的收益很小，计算量却成倍增加，不推荐。
• 夹角余弦距离：适合场景形状相似但幅值缩放明显的情况，但由于忽略了出力绝对值，在容量约束和调度场景中往往不合适。

实际项目中我的默认选择是“标准化后的欧氏距离”。

这里有个容易踩坑的细节：如果直接在原始功率值上算欧氏距离，风电和负荷各自波动幅度的量级完全不对等，负荷动辄上千兆瓦，风电只有几百兆瓦，DBSCAN会把距离的差异几乎完全由负荷决定。所以必须先对每个特征做零均值单位方差标准化再进入距离计算。

3.3 MATLAB的dbscan函数使用细节

MATLAB从R2019a开始提供dbscan函数，位于Statistics and Machine Learning Toolbox工具箱里。调用格式是：

idx = dbscan(X, eps, MinPts)

• X是N行P列的矩阵，每行是一个样本（即一个场景）；如果场景同时包含风电和负荷，就把两个序列拼接成一行。
• 返回的idx是N行1列向量，每个值代表该样本所属的簇编号，编号从1开始，噪声点统一为-1。
• 额外支持'Distance'参数，可以指定'euclidean'、'squaredeuclidean'、'mahalanobis'甚至函数句柄。
• 也可以传入预先算好的距离矩阵，配合'Distance','precomputed'来用，适合在自定义距离度量的场景下复用。

需要提醒一点：dbscan函数内部虽然对输入做了缓存优化，但和所有基于距离密度的方法一样，最坏情况计算复杂度是O(N²)，场景规模上万时要做好心理准备。

4. 完整实践：MATLAB实现风电-负荷场景削减全流程

这一节是整篇的核心。我把完整流程拆成五个部分，从数据生成到削减评估，每一段代码都是可以直接拿走的。

4.1 第一步：生成原始场景数据

原始场景的生成方式不唯一，可以基于历史出力数据重采样，也可以基于预测误差做蒙特卡洛抽样。为了演示完整链路，我用一段简化但符合实际统计规律的代码模拟生成2000个风电场景和同数量负荷场景，每个场景包含24个时段。风电出力生成用典型日过程叠加AR(1)噪声和随机扰动，负荷用双峰日负荷曲线叠加扰动。

%% ===== 参数设置 ===== clear; clc; close all; rng(2024); N = 2000; % 原始场景数 T = 24; % 时段数 Pw_max = 300; % 风电场额定容量 MW Pl_max = 1200; % 最大负荷 MW %% ===== 1. 生成风电原始场景 ===== t = (1:T)'; % 模拟一个日尺度风电出力趋势：夜间大、午间小 wind_profile = 0.55 - 0.35*cos(2*pi*t/T) + 0.15*sin(2*pi*(t-6)/24); wind_profile = wind_profile / max(wind_profile); Pw_raw = zeros(N, T); for i = 1:N base = wind_profile * Pw_max; ar_noise = filter(0.8, [1, -0.4], randn(1, T) * 25); % AR(1)扰动，模拟时间相关性 random_error = randn(1, T) * 15; % 非相关误差 Pw_raw(i, :) = max(0, min(Pw_max, base + ar_noise + random_error)); end %% ===== 2. 生成负荷原始场景 ===== load_profile = 0.6 + 0.25*sin(2*pi*(t-8)/24) + 0.15*sin(2*pi*(t-18)/24); load_profile = load_profile / max(load_profile); Pl_raw = zeros(N, T); for i = 1:N base = load_profile * Pl_max; Pl_raw(i, :) = max(0, min(Pl_max, base + randn(1, T) * 45)); end %% ===== 3. 合并为联合场景矩阵 ===== X = [Pw_raw, Pl_raw]; % 每行是一个场景，前T列风电、后T列负荷

AR(1)噪声是很多人在做场景生成时容易漏掉的一环。风电出力在相邻时段有强自相关性，如果每个时刻独立加高斯误差，生成的场景曲线“毛刺感”很强，缺乏物理合理性。加一层AR(1)滤波后，场景曲线更贴近真实波动轨迹。

4.2 第二步：标准化与eps参数确定

标准化这一步很关键，原因前面说过。这里我不做PCA降维，保持48维原始特征，因为48维还不算过高，但标准化必须做：

%% ===== 4. 场景标准化 ===== mu = mean(X, 1); sigma = std(X, 0, 1); sigma(sigma < 1e-6) = 1; % 防止某些时段零方差导致除零 X_norm = (X - mu) ./ sigma; %% ===== 5. 用k-distance曲线辅助选择eps ===== MinPts = 10; % 密度阈值，先给一个经验初始值 k = MinPts - 1; % 计算第k近邻距离 % 计算每个样本到其他样本的第k近邻距离 % 使用pdist2的'Smallest'参数，一次得到全部近邻距离 [~, Dist] = pdist2(X_norm, X_norm, 'euclidean', 'Smallest', MinPts); % Dist是MinPts行N列矩阵，第1行是自己距离0，第MinPts行是第MinPts近邻 kdist = sort(Dist(MinPts, :), 'ascend'); % 第k近邻距离（k = MinPts - 1） % 画出k-distance曲线 figure; plot(1:N, kdist, 'LineWidth', 1.5); grid on; xlabel('场景序号 (按距离排序)'); ylabel('第MinPts近邻距离'); title('k-distance 曲线（辅助选择eps）');

k-distance曲线的横坐标是样本序号，纵坐标是每个样本到第MinPts近邻的距离。曲线从平坦到急剧上升的转折点（一般俗称“拐点”或“肘部”）对应的距离值，可以作为eps的起始参考。

实际操作经验是：拐点往往不明显，尤其高维场景。我会把排序后第10%到30%位置的kdist值作为候选eps区间，然后取中间值初跑一次DBSCAN，根据聚类结果再做微调。

4.3 第三步：运行DBSCAN聚类并检查结果

拿到eps候选值后直接调用dbscan函数完成聚类，同时做一次检查性统计：

%% ===== 6. DBSCAN聚类 ===== eps_value = 2.8; % 根据k-distance曲线拐点附近取值，后续可调 [idx, corepts] = dbscan(X_norm, eps_value, MinPts); num_clusters = max(idx); num_noise = sum(idx == -1); fprintf('聚类结果: 簇个数=%d, 噪声点个数=%d (%.2f%%)\n', ... num_clusters, num_noise, num_noise/N*100); % 看一眼每个簇的样本规模，避免出现极端小簇 cluster_sizes = accumarray(idx(idx > 0), 1); fprintf('各簇样本数: %s\n', mat2str(cluster_sizes(:)'));

这里结果评估要看几个方面。簇个数是否落在预期的削减规模区间内，比如我希望后续随机优化保留10到30个场景，簇个数在这个区间就比较理想。噪声点占比不应太高，超过20%说明eps偏小，需要适当增大。极端小簇（比如只有一两个样本）过多说明密度分裂严重，也需要调整参数。

注意MATLAB的dbscan函数里MinPts参数可以直接传整数，也可以传为一个比例值（比如0.05表示样本总数的5%）。我一般用固定整数，因为固定值在场景削减里语义更清楚：一个典型场景至少需要多少个原始场景支撑。

4.4 第四步：典型场景提取与概率重估

聚类完成后，每个簇就对应一个典型场景。这里有两种提取典型场景的方式：

• 取簇内样本均值作为典型场景：曲线平滑，但可能把极端出力平滑掉；
• 取簇内离重心最近的原始样本作为典型场景：保留真实物理模式，可追溯性强。

我强烈推荐第二种，也就是在簇内找距离质心最近的样本作为典型场景。这样生成的典型场景是“真实存在的场景曲线”，和上游场景生成环节的数据保持一致性，后续调度方案也能追溯到原始数据。概率的计算逻辑是每个簇的样本数除以总样本数（扣除噪声点后），并按比例归一化。

%% ===== 7. 提取典型场景并重新赋概率 ===== num_typical = num_clusters; % 典型场景数等于簇个数 rep_scen = zeros(num_typical, 2*T); prob = zeros(num_typical, 1); valid_count = N - num_noise; % 剔除噪声后的有效样本数 for c = 1:num_clusters members = find(idx == c); centroid = mean(X(members, :), 1); % 簇内质心（原始值空间） d_inner = pdist2(centroid, X(members, :), 'euclidean'); [~, pos] = min(d_inner, [], 2); % 离质心最近的原始场景 rep_scen(c, :) = X(members(pos), :); % 保留原始场景作为典型场景 prob(c) = length(members) / valid_count; % 概率重估 end % 归一化确保概率和为1 prob = prob / sum(prob); fprintf('削减后典型场景个数: %d\n', num_typical); fprintf('各场景概率: %s\n', mat2str(prob(:)', 3));

这里有个细节：概率归一化时用valid_count而不是N。原因是把噪声场景看作被削减掉的不重要场景，它的概率应当分摊到保留场景上，而不是让概率和小于1。如果直接用N做分母，削减后场景概率之和不为1，后面做随机规划等式约束就不守恒。

4.5 第五步：削减效果可视化评估

削减效果不能只靠眼睛看，我用定量指标加可视化两条线并行。可视化方面，我画四个子图：原始场景抽样曲线、削减后的典型场景曲线、风电期望曲线对比、负荷期望曲线对比。

%% ===== 8. 削减效果评估 ===== % 削减前后风电/负荷期望曲线 wind_orig_mean = mean(Pw_raw, 1); load_orig_mean = mean(Pl_raw, 1); % 削减后典型场景按概率加权求期望 wind_red_mean = rep_scen(:, 1:T)' * prob; load_red_mean = rep_scen(:, T+1:end)' * prob; % 期望曲线相对误差 err_wind = norm(wind_red_mean - wind_orig_mean, 2) / norm(wind_orig_mean, 2) * 100; err_load = norm(load_red_mean - load_orig_mean, 2) / norm(load_orig_mean, 2) * 100; fprintf('风电期望曲线相对误差: %.2f%%\n', err_wind); fprintf('负荷期望曲线相对误差: %.2f%%\n', err_load); % 分位数误差 q_wind_orig = quantile(Pw_raw(:), [0.05 0.5 0.95]); wind_red_all = rep_scen(:, 1:T); q_wind_red = quantile(wind_red_all(:), [0.05 0.5 0.95]); fprintf('风电P5/P50/P95原始: %s\n', mat2str(q_wind_orig, 3)); fprintf('风电P5/P50/P95削减: %s\n', mat2str(q_wind_red, 3));

注意分位数这块我没有用概率加权，而是直接统计所有典型场景的值。如果要更严格，应该用经验分布函数加权计算分位数。但对于粗略评估，直接用典型场景集合统计也够用了。

可视化部分我用下面这段代码：

%% ===== 9. 绘图 ===== figure('Position', [100 100 1000 650]); % 子图1：原始场景抽样 subplot(2,2,1); plot(1:T, Pw_raw(1:100, :)', 'Color', [0.7 0.7 0.7]); hold on; plot(1:T, rep_scen(1:min(end,8), 1:T)', 'LineWidth', 1.2); xlabel('时段/h'); ylabel('风电功率/MW'); title('原始风电场景(灰)与典型场景(彩)'); grid on; % 子图2：负荷场景对比 subplot(2,2,2); plot(1:T, Pl_raw(1:100, :)', 'Color', [0.7 0.7 0.7]); hold on; plot(1:T, rep_scen(1:min(end,8), T+1:end)', 'LineWidth', 1.2); xlabel('时段/h'); ylabel('负荷/MW'); title('原始负荷场景(灰)与典型场景(彩)'); grid on; % 子图3：风电期望曲线对比 subplot(2,2,3); plot(1:T, wind_orig_mean, 'k-', 'LineWidth', 1.8); hold on; plot(1:T, wind_red_mean, 'r--', 'LineWidth', 1.8); xlabel('时段/h'); ylabel('期望风电/MW'); title(sprintf('风电期望曲线对比 误差%.2f%%', err_wind)); legend('原始', '削减后', 'Location', 'best'); grid on; % 子图4：负荷期望曲线对比 subplot(2,2,4); plot(1:T, load_orig_mean, 'k-', 'LineWidth', 1.8); hold on; plot(1:T, load_red_mean, 'r--', 'LineWidth', 1.8); xlabel('时段/h'); ylabel('期望负荷/MW'); title(sprintf('负荷期望曲线对比 误差%.2f%%', err_load)); legend('原始', '削减后', 'Location', 'best'); grid on;

我实际跑下来，标准化的48维场景数据，在MinPts=10、eps取2.8左右时，2000个场景通常能削减出20到30个簇，噪声占比在5%上下，风电和负荷期望曲线误差都能控制在3%以内。这个规模和精度对随机优化来说是相当理想的输入。

5. 实战中反复踩坑的经验总结

5.1 eps参数定不准，场景个数不受控

DBSCAN不那么依赖人为指定簇个数，但eps和MinPts组合其实间接决定削减规模。最常见的问题是：期望保留15个场景，结果聚类出来40个簇，或者只有3个簇。

我处理这个问题的方式是“双参数联动扫描”：固定MinPts=10，把eps从1.0到5.0按0.2步长扫一遍，记录每个eps下的簇个数和噪声占比，画一条曲线。设备运行几秒钟就能跑完。然后根据“簇个数落在目标区间”的原则反选eps。

更保守的做法是加一个“粗聚类转细聚类”的兜底逻辑：如果DBSCAN结果簇个数少于预期下限，把簇中心提出来再跑一次K-means，分到目标数量。这本质上是两阶段聚类，一般应对工业场景里的业务硬约束时才会用到。

5.2 聚类结果出现大面积噪声点

噪声点占比超过20%通常不是“异常场景真的很多”，而是eps太小，密度可达范围不足，很多原本应该聚类在一起的场景被孤立成离群点。

我的排查顺序是：先看k-distance曲线上第10%位置的值，如果明显小于当前eps，说明给的eps过小；接着画一个二维投影（比如用t-SNE或者PCA前两主成分）看数据分布，确认场景是否真的存在密度分离结构；最后尝试把eps放大30%左右再看聚类结果。有些数据集本身没有清晰的密度分离结构，这时候DBSCAN反而不如K-means。你可以先用PCA投影快速判断一下数据形态。

5.3 削减后典型场景代表性不足

即使期望曲线误差很小，偶尔也会出现某几个典型场景出现概率极小的现象，导致后续随机优化的某些场景权重过低，失去意义。这类小概率簇通常对应数据中的小众运行工况，不是纯噪声。

我建议在概率重估时设置一个概率下限阈值，比如1%。低于阈值的簇可以选择强制合并进最近的簇（重新计算典型场景和概率），或者直接标记为噪声并从样本空间中剔除。具体阈值根据你后级优化对最小场景概率的敏感性确定。

5.4 原始数据量大导致聚类太慢

DBSCAN的低效根源在于距离矩阵计算。2000个场景时，pdist2计算约400万对距离，很快；上万场景就明显卡顿。

我先说一个在实际项目里很好用的提速技巧：用DBSCAN的'Distance','precomputed'模式，把距离矩阵一次性算好后传给dbscan。乍一听更慢，但实际上如果你反复调参跑同一个数据集，预计算距离矩阵可以反复复用，节省大量重复计算时间。

更大的数据量可以做两步削减：先用随机抽样或K-means快速把场景压到初始规模（比如2万压到5000），再用DBSCAN做精细化密度聚类。两步法在工程上非常实用，能兼顾计算速度和削减质量。

5.5 关于工具链的补充

实现DBSCAN除了MATLAB自带的dbscan函数，也可以用Python的sklearn.cluster.DBSCAN，逻辑一致。MATLAB方案的好处是在电力系统仿真和优化求解器集成上更方便，数据流不用跨语言对接。如果你的团队以Python为主，我个人建议直接统一用sklearn版本，参数定义更细，社区资料也多。

6. 一点扩展思路

场景削减之后，如果发现典型场景数量还是不够用，或者希望进一步提高削减质量，可以考虑对DBSCAN聚类结果做三层处理：第一层用DBSCAN剔除噪声并保留密度核心；第二层对核心点做加权K-means获得目标数量的场景；第三层用概率最优传输算法把场景概率微调至与原始分布更为匹配。这套组合在需要高精度削减的场景（比如跨省送电计划随机评估）里很有效。

另外，风电与负荷的联合场景中，如果风电和负荷之间存在相关性，建议在标准化之后、聚类之前加入一个旋转操作，把联合分布映射到主成分空间。这不仅缓解高维距离稀疏问题，还能部分保留变量间相关结构的信息。DBSCAN clustering之后回到原始功率空间提取典型场景即可。

我在实际项目中感受到，DBSCAN在场景削减里最大的价值不是“比K-means准确多少”，而是“不需要提前指定场景个数”和“自动识别异常场景”这两点，让削减结果更符合数据的真实结构。和K-means做对比，同一批风电负荷数据，K-means在K=15时某些簇中心明显偏向离群场景，DBSCAN聚类后噪声点被剥离开，典型场景曲线明显更贴近主流出力区间。

最后分享一个用得上的细节：无论用什么聚类方法，保存典型场景时最好顺便把簇内样本索引也存下来。后面做灵敏度分析、追溯某个典型场景对应的原始工况时，这份索引能帮你省大量时间。我一开始没保存，后来需要从典型场景反查原始数据时，差点把原始场景重新生成一遍。

这套代码实测下来，在2000个场景、48维特征的数据规模下，从聚类到完成评估总耗时不超一分钟，完全满足工程迭代需要。建议你拿到代码后，先不改动参数完整跑一遍，再根据自己数据的实际情况去调eps和MinPts。