一种分布式电源优化配置的方法及系统技术方案

本发明专利技术公开了一种分布式电源优化配置的方法及系统，其中所述方法包括：基于条件深度卷积生成对抗网络模型对分布式电源出力的不确定性进行建模，并在所述模型中加入月份标签信息来生成风光出力场景；基于高斯混合模型确定所述月份标签信息所对应的风光出力的上限和下限，并生成分布式电源极限场景；根据所述分布式电源极限场景建立分布式电源双层优化配置的模型，并对所述模型进行求解；基于IEEE33节点系统对所述分布式电源双层优化配置的模型进行验证和分析。在本发明专利技术实施中，提升分布式电源的接入容量，有效降低社会总成本，提高配电网运行的经济性。

【技术实现步骤摘要】
一种分布式电源优化配置的方法及系统
本专利技术涉及电源优化的
，尤其涉及一种分布式电源优化配置的方法及系统。
技术介绍
随着传统化石能源等资源的不断消耗，能源危机与环境污染问题逐渐严重，开发清洁和可持续利用的能源成为了世界各国能源发展的重要战略。大自然中的风力和太阳能资源丰富，且可以持续获取，对形成全球新的能源发展格局提供了有效的支撑。然而，风电和光伏发电出力的随机性与波动特性也给配电网的规划运行带来了较大挑战，成为分布式发电技术在配电网中大力发展的主要障碍。亟需对分布式电源出力的不确定性进行建模，以提升含分布式电源的配电网规划的效益与实用性。目前对分布式发电技术出力的不确定性进行建模主要有传统的概率建模方法、鲁棒优化方法、场景生成技术；而传统的概率建模方法需要准确描述不确定性因素，而实际工程仅能获取一部分统计信息，很难获取精准的概率分布且该方法忽略了分布式电源出力的时序特性；鲁棒优化方法存在过于保守的劣势，不能很好地平衡规划方案的经济性与安全性；传统的场景生成技术较难捕捉到高维数据的非线性特征，存在一定局限性，也有可能偏离实际规本文档来自技高网...

【技术保护点】
1.一种分布式电源优化配置的方法，其特征在于，所述方法包括：/n基于条件深度卷积生成对抗网络模型对分布式电源出力的不确定性进行建模，并在所述模型中加入月份标签信息来生成风光出力场景；/n基于高斯混合模型确定所述月份标签信息所对应的风光出力的上限和下限，并生成分布式电源极限场景；/n根据所述分布式电源极限场景建立分布式电源双层优化配置的模型，并对所述模型进行求解；/n基于IEEE33节点系统对所述分布式电源双层优化配置的模型进行验证和分析。/n

【技术特征摘要】
1.一种分布式电源优化配置的方法，其特征在于，所述方法包括：
基于条件深度卷积生成对抗网络模型对分布式电源出力的不确定性进行建模，并在所述模型中加入月份标签信息来生成风光出力场景；
基于高斯混合模型确定所述月份标签信息所对应的风光出力的上限和下限，并生成分布式电源极限场景；
根据所述分布式电源极限场景建立分布式电源双层优化配置的模型，并对所述模型进行求解；
基于IEEE33节点系统对所述分布式电源双层优化配置的模型进行验证和分析。


2.根据权利要求1所述的分布式电源优化配置的方法，其特征在于，所述基于条件深度卷积生成对抗网络模型对分布式电源出力的不确定性进行建模，并在所述模型中加入月份标签信息来生成风光出力场景包括：
通过生成器不断生成接近真实数据的分布，确定生成器网络的目标；
通过判别器不断提升鉴定数据真假的能力，确定判别器网络的目标；
基于所述生成器网络的目标和所述判别器网络的目标，确定生成器的损失函数和判别器的损失函数；
根据所述生成器的损失函数和判别器的损失函数，建立生成对抗网络的极大极小化博弈模型。


3.根据权利要求2所述的分布式电源优化配置的方法，其特征在于，所述生成器采用转置卷积进行上采样；所述判别器中加入带步长的卷积层对所述判别器中的数据进行下采样。


4.根据权利要求1所述的分布式电源优化配置的方法，其特征在于，所述基于高斯混合模型确定所述月份标签信息所对应的风光出力的上限和下限，并生成分布式电源极限场景包括：
对历史风光数据进行标幺化处理；
基于改进的深度卷积生成对抗网络生成指定场景下的风光数据；
对所述风光数据进行高斯参数初始化；
估算所述风光数据中每个样本的类别概率，并对所述风光数据进行数据划分；
根据所述估算的权重值确定所述高斯混合模型的参数，并判断所述高斯混合模型是否收敛；
若所述高斯混合模型收敛，则输出聚类中心，得到分布式电源极限场景。


5.根据权利...

【专利技术属性】
技术研发人员：陶毅刚，李小伟，谭靖，黎敏，陈楚，谭晓虹，崔志威，李镕耀，
申请(专利权)人：广西电网有限责任公司，
类型：发明
国别省市：广西;45