在国家提升清洁能源地位的战略部署背景下,分布式光伏得到了迅猛发展,并网比例不断上升,但由于光伏发电功率受到季节、地域和天气等因素的影响而具有较强的波动性与随机性,给电网的规划、运行与调控也带来了新问题。为了保证光伏发电的消纳水平,保证电网运行的经济稳定,有必要研究含规模化的、分布式光伏发电的地区出力的典型场景和特性,为地区电网规划和运行提供基础的源数据。本文在总结国内外相关研究成果的基础上,主要完成了以下主要工作:(1)总结本课题相关基础理论。将光伏发电出力模型分解为确定性部分和随机性部分,并总结影响光伏输出功率主要影响因素。总结聚类的基础理论。(2)针对含规模化、分布式光伏的地区,提出了一种聚类数未知的、基于层次聚类算法的地区光伏出力特性聚类方法,提取地区光伏出力的典型场景。首先依据天气状况对地区的光伏出力样本进行预分类,将样本划分为多个子集;然后采用基于类平均距离的层次聚类算法对每个子集的样本进行第二次分类,依据类间样本离差平方和应尽可能大而类内样本离差平方和应尽可能小的原则,利用R2统计量和伪F统计量两个指标选取最佳聚类数,得到最优的样本划分。接着利用Matlab语言编程实现样本聚类,采用某地区实际光伏出力数据进行仿真并与K-means聚类算法进行对比,验证所提方法的有效性,最后从划分的类别中选取地区典型场景。(3)选用不同的类间距离时会对层次聚类的划分结果产生影响,为选出一种适用于地区光伏出力样本层次聚类的类间距离,采用最短距离、最长距离、质心距离和离差平方和距离四种类间距离度量方式对地区光伏出力样本进行层次聚类。依据样本的连接高度与原始样本间的距离应有高的相关性,来描述聚类结果与原始数据的吻合度,据此和采用类平均距离层次聚类的结果进行对比,得出采用类平均距离时对光伏出力样本进行层次聚类能有最好聚类效果的结论。最后从峰值,波动量与波动率等方面分析了地区光伏出力的特性。(4)采用一种智能算法——近邻传播聚类算法(Affinity propagation clustering,AP)完成地区分布式光伏出力典型出力的选取,并利用matlab编程实现AP聚类算法,采用同一地区实际光伏出力数据进行仿真并选取典型出力场景。