企业官网建设流程全解析

光伏时间序列聚类这件事，我最早接触是在做某地分布式光伏消纳评估的时候。当时手里攥着一年多的小时级功率数据，一共几千条曲线，每条都长得不太一样：有的中午平得像一条直线，有的像锯齿一样上下乱跳，还有的早上九点就飙到满发又迅速掉下来。甲方说要“摸清不同天气类型下的出力特征”，可没人告诉我该分几类、怎么分、分完怎么用。后来用MATLAB把K-means聚类跑通，又对着结果琢磨了很久，才算是把这条链路彻底理顺。这篇就把我从数据预处理到聚类结果解释的完整过程写下来，尤其是那些文档里不会写、但实操中一定会踩的坑。

先说明白这篇文章适合谁：手里有光伏电站的功率或辐照度历史数据，想用MATLAB做场景划分、典型日提取、或给预测模型做训练集标签的工程师和研究生。默认你会基础的MATLAB操作，知道表格怎么读、数组怎么切片，但不需要你懂太多统计背景——我会把K-means里跟时间序列相关的原理掰开讲清楚。

1. 为什么给光伏功率曲线做聚类：从业务需求到数学问题

你先想一个问题：一条光伏功率曲线，本质上是气象条件经过物理转换后的一张“快照”。晴天是一条光滑的单峰曲线，多云天是高频抖动的波浪线，阴雨天则是一条贴近横轴的矮线。不同曲线背后对应的是不同的辐照度变化模式、不同的温度区间、甚至不同的空气污染程度。如果我们能把上千条曲线自动分成几个典型的“形状组”，每一组对应一类天气过程，那后面很多事情都好办。

1.1 聚类的三类典型用途：场景划分、典型日提取与预测建模

以我实际做过的项目为例，聚类结果至少有三种直接用途。

第一是电网侧的调度场景划分。调度员不可能逐一查看未来一天的功率预测曲线，但如果把历史出力归成“晴、多云、阴、雨”四五个典型模式，再给每个模式配上负荷特性和调节策略，调度预案就变成查表操作了。这里聚类的输入是全天24点功率曲线，输出是模式标签。

第二是光伏电站的典型日提取。做电站后评估或发电量折减分析时，我们需要从一整年的数据里挑出几个“代表日”来算PR值（Performance Ratio）。直接取平均值会抹掉峰谷特性，而聚类后取每个簇的质心曲线作为典型日，既能保留形状特征，又能代表该场景的中等水平。

第三是预测模型的训练集划分。如果你在用BP神经网络或LSTM做超短期功率预测，把历史样本按聚类标签分开训练多个子模型，往往比一个模型硬扛所有天气要好——我在多个数据集上验证过，分场景建模的RMSE通常能下降8%到15%。这其实就是“分而治之”的朴素思想。

1.2 为什么选K-means而不是其他聚类算法

做时间序列聚类，可选算法不少：层次聚类、DBSCAN、高斯混合模型、甚至深度嵌入聚类。但我在工程实践中绝大多数场景还是会先用K-means，原因很实在。

K-means的计算复杂度是O(n·k·d·iter)，对几千条24维曲线来说，在普通台式机上跑完也就几秒钟。层次聚类需要维护一个n×n的距离矩阵，样本上万时就非常吃内存。DBSCAN的ε和minPts参数对密度变化敏感，而光伏曲线的簇密度在不同天气类型下差异很大，调参会调到怀疑人生。K-means只有一个K值要定，而且定K值有比较成熟的启发式方法（后面会讲），这对工程交付来说非常重要。

还有一点很多人忽略：K-means的“均值”特性对光伏曲线来说反而是优点。簇质心是所有样本逐点平均的结果，天然就是一条平滑的典型曲线；而层次聚类选出的代表样本可能正好是一条带测量噪声的异常曲线。你要给甲方看“典型晴天出力曲线”，一条平滑的质心显然比一条毛糙的实测曲线更有说服力。

当然K-means也有硬伤：它假设簇是凸形的、大小相近，对异常值敏感。这在光伏曲线上表现为——如果某天数据里混入了限电段（出力被硬生生削平），它会被单独拉成一个簇，或者严重扭曲相邻簇的质心。所以后面我专门用一节讲数据清洗，这一步偷懒的话，前面所有功夫都白费。

2. 数据预处理：决定聚类上限的隐形战场

很多教程会把数据预处理一笔带过，直接读数据、调kmeans函数、画图完事。但以我的经验，预处理对光伏聚类结果的影响远大于算法本身。你可以把K-means想象成一个雕刻师，预处理就是给他一块什么成色的石料——石料里有裂缝杂质，雕刻师再厉害也雕不出好东西。

2.1 原始数据清洗的三道关口

第一关是时间戳对齐。光伏数据来自数据采集器（SCADA或独立气象站），经常出现缺失、重复、时间不同步。我的做法是：先统一生成一个完整的时间向量（比如从2023年1月1日0点到2024年1月1日0点，逐小时），再用retime或outerjoin把原始数据映射上去，缺失的时段先标记为NaN，绝不急着插值。

第二关是异常值判别与限电段识别。光伏功率的物理上限是装机容量乘以一个略大于1的系数（考虑超发），超过这个上限的值基本是采集错误。下限是负数，夜间负值通常是逆变器自消耗或测量偏置，直接截断为0。但最隐蔽的是限电段：功率长时间平贴在某个固定值（比如装机容量的60%）且波动极小，同时辐照度数据正常——这种“削顶”曲线如果不剔除，聚类会分出一个没有物理意义的“限电平顶簇”。

第三关是夜间时段取舍。这直接影响你聚类的输入维度。光伏出力在夜间恒为0，如果保留夜间点，所有曲线在横轴上重合，K-means会天然把这些维度视为“相似”，变相强化了白天的形状差异。但夜间段没有任何区分度，还会稀释白天曲线的差异。我实测后发现，把每天的数据截取到“日出前半小时到日落后半小时”（比如春夏秋三季取6点到19点，冬季取7点到17点），聚类结果明显更清晰。下面这段代码展示如何实现时段截取并剔除无效天：

% 假设 data 是 timetable，包含变量 Power（kW）和 Time % 设定每天的分析时段：这里用 [6, 19] 作为默认窗口（可根据季节调整） window_start = 6; window_end = 19; % 提取每天的日期标签 day_labels = dateshift(data.Time, 'start', 'day'); [days, ~, day_id] = unique(day_labels); n_days = length(days); % 遍历每一天，截取时段并判断有效性 power_daily = NaN(n_days, window_end - window_start + 1); for i = 1:n_days idx = (day_id == i); t_day = data.Time(idx); p_day = data.Power(idx); % 筛选在窗口内的小时 hour_vals = hour(t_day); win_idx = (hour_vals >= window_start) & (hour_vals <= window_end); if sum(win_idx) == (window_end - window_start + 1) % 完全覆盖窗口才保留 power_daily(i, :) = p_day(win_idx)'; end end % 剔除含 NaN 的行（缺测）以及最大值小于 20% 装机容量的天（夜间/无效天） % 假设 installed_capacity 为已知装机容量 valid_mask = ~any(isnan(power_daily), 2) & (max(power_daily, [], 2) > 0.2 * installed_capacity); power_daily = power_daily(valid_mask, :);

这里有个容易忽略的细节：有效性判断里我用了“最大值大于20%装机容量”而非“全天总和大于某个阈值”，因为多云天的全天发电量可能很低，但仍有分析价值；而全天都趴在零附近的无效天才是我们要剔除的。

2.2 特征缩放：要不要标准化，以及如何标准化

K-means基于欧氏距离，特征的量纲直接影响距离计算。光伏功率曲线的量纲是kW，如果某条曲线峰值是5000 kW，另一条是300 kW，两者在“峰值高度”这一维度上的差异会完全淹没形状差异。所以标准化是必须的。

但对时间序列来说，标准化不是简单的zscore，而是有策略的。我常用的有两种方式：

一是逐日最大值归一化：每条曲线除以当天的最大值，把所有曲线压到[0, 1]区间。这样保留的是“形状信息”，丢掉的是“幅度信息”。适合你想按天气过程分组的场景，因为晴天和多云天可能峰值都很高，区别主要在波动形态。

二是全样本统一标准化：先计算所有数据的均值和标准差，再统一变换。这样保留幅度差异，适合你想把“辐照资源好坏”也作为分类依据的场景，比如把强辐照晴天和弱辐照晴天分开。

实际项目中我强烈建议两种都跑一遍，然后对比轮廓系数和业务可解释性，选更合理的一个。代码如下：

% 方式一：逐日最大值归一化 pow_norm = power_daily ./ max(power_daily, [], 2); % 方式二：全局 z-score 标准化 mu = mean(power_daily, 'all'); sigma = std(power_daily, 0, 'all'); pow_zscore = (power_daily - mu) / sigma;

补充一个容易踩的坑：光伏电站出力跟装机容量强相关，如果你在做多个电站的对比聚类，必须先除以各自的装机容量，得到“归一化出力（per-unit）”，否则大电站会把小电站的曲线全部吞掉，聚出个寂寞。

再补充一个进阶技巧：如果数据是15分钟级的高频采样，曲线维度会达到96点甚至更高，直接聚类会产生“维度灾难”——欧氏距离在高维空间趋于平均化。这时可以先做主成分分析降到5~10维，或者提取手工特征（峰值时刻、波动率、爬坡率、总发电量等）再聚类，效果通常会更好。

3. K-means的数学机制与MATLAB实现细节

K-means不是简单调个函数就行，尤其在时间序列上，有几个机制层面的细节直接决定聚类质量。下面结合MATLAB的kmeans函数参数逐一说清楚。

3.1 距离度量为什么默认选平方欧氏距离

kmeans默认使用平方欧氏距离，这并非没有原因。K-means的目标函数是簇内误差平方和（SSE，Sum of Squared Errors），它等价于在欧氏距离下的硬划分。在时间序列场景里，平方欧氏距离对“逐点差异”求和，恰好放大了波形错位和幅值差异，物理意义明确：两个时刻点相差越大，对聚类目标的贡献是二次增长。正因如此，除非曲线做过特殊处理（比如DTW距离），否则我一般不改默认度量。

kmeans函数签名很长，这里给出最常用的参数组合：

rng(42); % 固定随机种子，保证结果可复现 k = 4; % 先假定4类，稍后用肘部法则验证 [idx, C, sumd] = kmeans(pow_norm, k, ... 'Distance', 'sqeuclidean', ... 'Replicates', 10, ... 'MaxIter', 500, ... 'Display', 'final');

参数逐一说一下：

• Replicates：K-means对初始质心敏感，不同初始化可能收敛到不同的局部最优。设10次重复、每次随机选初始质心，MATLAB会返回SSE最小的一次结果。对几千条样本来说，10次重复的计算成本微乎其微，但能显著提升聚类稳定性。
• MaxIter：默认100次迭代，有时候不够，尤其在高维曲线上。500次能在更多情况下收敛，且不会明显增加耗时。
• Display：设为'final'可以输出每次重复的SSE，方便我们观察各次重复间的差异，判断是否碰到了不理想的局部最优。

3.2 时间序列特有陷阱：相位对齐问题

直接用原始功率曲线做K-means，隐含一个假设：所有曲线在时间轴上已对齐，且“中午12点的特征在每条曲线上都是中午12点”。光伏数据大多满足这一点，因为太阳运行轨迹有规律，但也正是这个“有规律”会掩盖一个重要问题——不同月份、不同经度的光伏曲线，峰值出现时刻其实在漂移。

夏天峰值一般在正午12点到13点，冬天在11点到12点，东西跨度大的地区甚至会差出1~2个小时。这个漂移是物理规律，但你做聚类时，如果目标是识别“晴天vs多云vs阴天”的天气模式，相位漂移会产生一个副作用：同一个天气模式下，夏季曲线和冬季曲线因为“峰位不同”，被分到不同的簇。

解决办法有两个。一是把曲线按峰值时刻对齐：每天找最大值对应的小时，把所有曲线向左或向右平移，让峰值都落在同一时刻。这样聚类聚焦在波形形状，而非相位。二是不解决相位问题，反而把它当成分类依据：如果你压根就想区分“资源型”场景（不同光伏利用小时数），那保留相位差异可能是对的。关键是你得清楚自己在做什么——这在聚类里比算法本身更重要。

峰值对齐的实现思路比较简单：

function aligned = align_peak(x) [~, peak_idx] = max(x); center_idx = ceil(length(x) / 2); shift = center_idx - peak_idx; aligned = circshift(x, shift); % 注意：circshift 是循环移位，会引入边界伪影 % 更稳妥的办法是用 NaN 填充边界再插值，这里为了展示简化处理 end

需要提醒的是，circshift循环移位会把曲线末尾的数据挪到开头，这在光伏曲线上会产生“夜间0值突然出现在清晨”的伪影，影响聚类质量。工程上更推荐的做法是：截取峰值前后固定窗口（比如峰值前4小时、后6小时）作为聚类输入，宁可减少维度，也要保证特征的物理一致性。

3.3 距离度量在时间序列上的替代方案

除了平方欧氏距离，偶尔也会用相关性距离或DTW（动态时间规整）。相关性距离（1减去皮尔逊相关系数）对幅值不敏感，只关心形状趋势——听起来很适合光伏，但我用下来的经验是：它会把“两个形状相似但一个容量差异大”的电站聚在一起，这在某些业务场景（比如电网调度要看实际可调出力）反而不利。

DTW可以处理时间轴伸缩问题，对日照时长随季节变化的场景有天然优势。但DTW没有原生的kmeans实现，你得自己写距离矩阵再丢给kmedoids（而不是kmeans），每一次迭代都要重新计算质心的DTW中心，计算量翻好几倍。我的建议是：先用欧氏距离跑一版，如果簇内曲线在业务上明显牵强（比如同一个簇里混入了峰位相差2小时的晴天），再考虑DTW或前述的峰值对齐方案。

4. K值选择与聚类评估：怎么确定“分几类”最合理

K值的确定是K-means实操里最让人纠结的一步，因为不存在一个完美的“正确答案”。有统计指标可以帮忙，但最终判据一定是业务含义是否自洽。

4.1 肘部法在光伏场景下的实际表现

传统的肘部法：画SSE随K的变化曲线，找“拐点”。但光伏曲线的SSE曲线通常不像教科书里那么理想——它往往是平滑下降的，没有明确的肘部。我处理过多个电站数据，SSE曲线大多形态类似：K=2到3下降很快，K=4到6趋缓，K=7以后基本是线性缓降。这种曲线的“肘”一般出现在K=3或K=4的位置。

这里有个实操技巧：不要只看SSE绝对值，而是看SSE下降率，也就是相邻两个K之间SSE的边际下降百分比。当边际下降率首次跌破某个阈值（比如15%）时，对应的K就是一个合理选择。这样可以避免依赖肉眼判断的模糊性。

K_max = 10; sse_vals = zeros(1, K_max); for k = 1:K_max [~, ~, sumd] = kmeans(pow_norm, k, 'Replicates', 5, 'MaxIter', 500); sse_vals(k) = sum(sumd); end % 计算边际下降率 marginal_reduction = -diff(sse_vals) ./ sse_vals(1:end-1); % 找第一个边际下降率低于 0.15 的 K k_elbow = find(marginal_reduction < 0.15, 1, 'first'); fprintf('肘部法建议 K = %d\n', k_elbow);

4.2 轮廓系数：量化“类内紧、类间松”的辅助判据

轮廓系数的思想很直观：对每个样本，计算它到同簇其他样本的平均距离a(i)，再计算它到最近的其他簇所有样本的平均距离b(i)，轮廓系数s(i) = (b(i)-a(i)) / max(a(i), b(i))。s(i)接近1说明样本分类非常清晰，接近-1说明它可能分错了簇。全样本的平均轮廓系数越大，聚类质量越好。

MATLAB自带的silhouette函数画图，一目了然：

figure; silhouette(pow_norm, idx); title('K=4 时的轮廓系数图');

我实际跑过的一个电站数据：K=3时平均轮廓系数0.65，K=4是0.62，K=5是0.58。如果只看轮廓系数，选K=3更优；但画出来的簇中心显示K=3的分法里，第三簇把“多云”和“阴天”强行合并了，业务上无法解释。这就是我强调的——指标是参考，业务含义是最终裁判。

4.3 业务判据：三种天气类型的可解释性检验

聚类结果必须接受一个终极提问：每个簇能不能用一句话说清楚它是什么场景？

我的经验是，光伏曲线聚类后通常有几种稳定的业务标签：

• 晴天簇：质心曲线平滑，峰值高且接近正午，早晚迅速攀升和下降，日发电量占比高。
• 多云/晴间多云簇：质心曲线有明显波动，峰值次高，可能有多个小峰或平台期。
• 阴天簇：质心曲线低矮平滑，全天变化平缓，峰值一般低于装机容量的40%。
• 雨天/恶劣天气簇（如果样本足够多）：质心曲线极低且伴有长时段波动。

把簇质心画成同一张图，如果四个簇之间“长得明显不一样”，K=4就是一个好的选择。如果发现两个簇质心几乎重合，说明K选大了或数据本身可分性弱，需要回到预处理阶段找原因。

5. 数据输入格式、维度选择与kmeans批处理注意事项

很多人在第一步就卡住了：MATLAB的kmeans要求输入是一个矩阵，每行一个观测、每列一个特征。对光伏时间序列来说，矩阵的建立方式决定了整个分析的成败。

5.1 如何把timetable转化为kmeans吃的矩阵

如果你用readtimetable读取了CSV，得到的是一个包含多天数据的timetable，要做聚类，必须先把“连续时间序列”转换为“每日一条曲线”的二维矩阵。这里给出一个完整的转换示例：

% 读取数据 data = readtimetable('pv_power.csv'); % 假设数据每小时一条，连续记录一年 % 提取日期和小时 d = dateshift(data.Time, 'start', 'day'); h = hour(data.Time); % 确定每天的小时范围 hours_of_day = unique(h); n_hours = length(hours_of_day); % 理论上24 days_unique = unique(d); n_days = length(days_unique); % 初始化矩阵：每行一天，每列一个时刻 X = NaN(n_days, n_hours); for i = 1:n_days day_mask = (d == days_unique(i)); for j = 1:n_hours hour_mask = (h == hours_of_day(j)); vals = data.Power(day_mask & hour_mask); if ~isempty(vals) X(i, j) = mean(vals); % 若同一小时有多条记录取平均 end end end % 清洗：删除全为NaN或全为0的行 valid_rows = ~all(isnan(X), 2) & any(X > 0.05 * installed_capacity, 2); X = X(valid_rows, :);

这段代码看起来繁琐，但它把所有边界情况都处理了：缺失时段置为NaN而不是0（0会污染聚类），重复记录取平均，无效天直接剔除。它比用reshape快进快出要稳重得多——因为reshape要求数据严格均匀，一旦中间有缺失，整个数组就错位了。

5.2 维度全部拿进来还是只拿“日间时段”？

前面说了，夜间时段全是0，会稀释聚类效果。除了时间窗口选择，还有一个维度层面的技巧：不要用全天的24维数据，而是截取活跃时段（比如6点到19点，共14维）。

截取后维度变低，一方面计算更快，另一方面有效规避了“维数灾难”。还有个附加好处：画图解读时，14维曲线比24维曲线更清爽，给甲方汇报也更直观。

5.3 大规模数据下的内存与计算优化

如果你手头不是一年数据而是五年多电站数据（比如几万条日曲线），kmeans直接跑也还能扛，但有几个优化技巧值得掌握：

• 用'Options', statset('UseParallel', true)开启并行计算，多核加速明显。
• 对超大数据集，先用一个子集（比如1万条）做聚类得到质心，再用'Start', C0把质心作为初始值，对全量数据跑一次迭代收敛。这样可以避免每次随机初始化的不确定性，也大幅缩短总计算时间。
• 如果数据量超过内存能舒服处理的范围（比如超过50万条），先做datasample随机抽样聚类，再用knnsearch把剩余样本分配到最近的簇。这在工程上是合法的近似做法。

% 子集聚类确定初始质心 sub_idx = datasample(1:size(X, 1), 10000, 'Replace', false); C0 = kmeans(X(sub_idx, :), k, 'Replicates', 3); % 全量数据用 C0 初始化继续聚类 [idx, C] = kmeans(X, k, 'Start', C0, 'MaxIter', 300);

6. 聚类结果的可视化与解释：簇质心、样本分布与时间热力图

聚类不是为了得到一个标签数组，而是为了从数据里读出业务故事。可视化的核心是让“每个簇代表什么场景”一目了然。

6.1 簇质心曲线与样本分布图

基础操作是把每类的质心曲线画在一起，同时用半透明细线叠印每类的若干条样本曲线，展示类内离散程度：

figure; hold on; colors = lines(k); for j = 1:k cluster_curves = pow_norm(idx == j, :); % 画样本细线（最多画50条避免太乱） n_show = min(50, size(cluster_curves, 1)); plot(6:19, cluster_curves(1:n_show, :)', '-', 'Color', [colors(j, :), 0.15]); end % 画质心粗线 for j = 1:k plot(6:19, C(j, :), 'LineWidth', 2.5, 'Color', colors(j, :), 'DisplayName', ['簇' num2str(j)]); end xlabel('时刻 (h)'); ylabel('归一化功率'); legend show; grid on;

这张图能直观回答：四个簇是否足够区分？如果两簇的粗线基本重合，说明业务上合并更合理；如果某簇的细线满天飞，说明该类内部还有细分空间，可能需要增大K或引入更多特征。

6.2 簇样本的时间分布：查看季节性模式

聚类标签结合时间信息，能发现很有价值的规律。比如某个簇集中在夏季，某个簇在冬季，这本身就是对光伏资源特征的侧面描述。我常用histogram画簇标签的月份分布：

% 假设 month_labels 是从原始日期提取的月份 figure; histogram(month_labels(idx == 1), 'BinEdges', 0.5:12.5, 'FaceColor', colors(1, :)); hold on; histogram(month_labels(idx == 2), 'BinEdges', 0.5:12.5, 'FaceColor', colors(2, :)); % ... 依次画完各个簇 xlabel('月份'); ylabel('样本数'); legend('簇1', '簇2', ...);

如果某个簇的样本在月份上高度集中，比如簇1只出现在5到8月，那这个簇很可能是“夏季高辐照晴天模式”，与簇3的“冬季晴天模式”（峰位偏早、峰值偏低）形成呼应。这种发现是PPT汇报的亮点，也是你对数据理解深度的体现。

6.3 一个实用的“按簇着色的日曲线堆叠图”

还有一个可视化技巧：把所有样本曲线按日期顺序纵向排列，每条曲线用颜色映射功率大小，并按聚类标签分组排列，形成类似热力图的展示。这样整个一年的出力模式“一眼望穿”，甲方看了直呼专业。

figure; % 先把样本按簇和日期排序 [~, order] = sort(idx); imagesc(pow_norm(order, :)); % 在Y轴刻度上标记簇边界 colormap(parula); xlabel('时刻'); ylabel('样本序号'); title('按聚类结果排序的日功率曲线热力图');

排序后同一簇的曲线在图像上呈水平带状排列，颜色模式高度一致，簇与簇之间有肉眼可见的色差边界——这种全局视图比任何统计指标都有说服力。

7. 进阶主题：聚类结果如何反哺光伏功率预测与调度

聚类的终点不是画图，而是下场应用。我在实际项目中验证过的三个应用路径如下，供你参考。

7.1 分场景预测模型的训练集划分

做法非常简单：用聚类标签把原始数据集分割成几个子集，分别训练预测模型（可以是BP、LSTM、或者简单的线性回归）。预测时先用一个分类器（比如基于清晨辐照度或数值天气预报）判断当天属于哪个场景，再调用对应的子模型。

具体代码示意：

% 假设 train_data 有特征矩阵 Feat 和功率标签 Power % cluster_labels 是聚类结果 for j = 1:k idx_j = (cluster_labels == j); model_j = fitrnet(Feat(idx_j, :), Power(idx_j), 'LayerSizes', [10, 5]); models{j} = model_j; end % 预测阶段：先用简单规则或浅层分类器判断场景 % scene_pred = predict_scene(nwp_features); % power_pred = models{scene_pred}.predict(Feat_new);

这里的核心逻辑是：不同天气场景下，功率与气象特征的映射关系不同。与其让一个模型去拟合所有场景的复杂非线性映射，不如拆成几个较简单的问题。

7.2 典型场景曲线在储能容量配置中的应用

做光储联合系统的容量配置时，需要一组“代表性日曲线”作为仿真的输入。如果直接用全年8760小时数据，仿真时长不可接受；如果只取平均日曲线，又会抹掉波动特征。用聚类选出的每簇质心曲线作为典型场景，再按每个簇的样本占比作为场景权重，这样既压缩了计算量，又保持了原有出力分布的多样性。这在HOMER、PyPSO等工具里都是标准的场景削减思路。

我的一个实际案例：用K=4个典型日替代全年365条曲线做储能容量优化，得到的最优容量配置与用全数据做滚动优化的结果相差在3%以内，但仿真时间从4小时缩短到20分钟。这就是聚类的工程价值——用精度换速度，而精度损失在可接受范围。

7.3 聚类的动态更新：模型漂移问题

最后提醒一个容易被忽略的问题：光伏电站的数据分布不是一成不变的。组件衰减、清洗周期、周边新建建筑遮挡、逆变器更换，都会让功率曲线的形态逐年漂移。如果你在2023年的数据上做聚类得到的情景模型，直接丢到2026年用，很可能失效。

所以，聚类模型不能“一次定终身”。我的习惯是每季度或每半年重新聚类一次，并且对比新旧标签分布是否发生了显著变化。如果某簇的样本占比突然从30%掉到15%，那一定发生了什么值得关注的事情——这种可解释的变化，往往是运维诊断的线索，也是你做数据分析师价值的体现。

如果你打算把聚类做成一个周期性运行的分析流程，建议把建模脚本打包成函数或App，输入新数据、输出更新后的标签和质心，并自动生成对比图表。这一步自动化虽然前期要投入时间，但长期来看省下的精力是几何级的。

我个人的建议是，不要停留在“聚类能跑出图”的层面，而是要跟业务人员反复确认每个簇对应什么现场运行状态，把数学簇翻译成业务语言。只有完成了这一步，K-means才真正从学术玩具变成工程工具。