【技术实现步骤摘要】
一种考虑多能源荷时序性、相关性的场景生成方法
本专利技术涉及综合能源、场景生成领域，尤其涉及一种考虑多能源荷时序性、相关性的场景生成方法。
技术介绍
随高渗透率可再生电源接入与配网用户用电行为复杂化，多能源荷的随机性与波动性对电力系统运行、规划和调度提出了巨大挑战。构建可再生能源与负荷的不确定性模型是实现综合能源系统安全稳定运行、经济调度、可再生能源合理规划等的关键。场景分析法可根据潜在的多能源荷的场景集，分析源、荷不确定性，为调度、规划等工作提供决策依据，降低源、荷不确定性负面影响。现有的场景生成方法可分为概率模型生成方法、经典场景生成方法和深度学习生成方法。概率模型生成方法是根据统计经验或概率分布，概率模型法与蒙特卡罗抽样法相结合，生成风电或负荷情景。经典的场景生成方法通常采用数据挖掘技术和场景约简技术对大规模历史场景进行约简或优化，生成一组代表整个待求解区域的经典场景。基于深度学习框架的深度学习生成方法，能够深入挖掘数据，深入分析数据内部的统计规律，实现场景的无监督生成。目前对多能源、多负荷的不确定性模型的研究已经比较...
【技术保护点】
1.一种考虑多能源荷时序性、相关性的场景生成方法，其特征在于，包括以下步骤：/n1)根据历史数据进行场景数据归一化处理；基于归一化处理后的数据，采用Davies-Bouldin指标确定场景聚类数目，并利用K-means方法进行场景聚类；/n2)建立多能源荷的概率分布模型，根据建立的概率分布模型采用最大似然估计方法拟合分布参数；/n3)分析不同场景下的时序自相关特性，采用LHS-CD方法生成具有自相关性的场景；从不同源荷类别下的具有自相关性的场景簇中抽取场景，进行组合，生成场景集，计算场景集的互相关性；/n4)采用粒子群算法在MATLAB仿真平台上筛选出与历史数据互相关性接近...
【技术特征摘要】
1.一种考虑多能源荷时序性、相关性的场景生成方法，其特征在于，包括以下步骤：
1)根据历史数据进行场景数据归一化处理；基于归一化处理后的数据，采用Davies-Bouldin指标确定场景聚类数目，并利用K-means方法进行场景聚类；
2)建立多能源荷的概率分布模型，根据建立的概率分布模型采用最大似然估计方法拟合分布参数；
3)分析不同场景下的时序自相关特性，采用LHS-CD方法生成具有自相关性的场景；从不同源荷类别下的具有自相关性的场景簇中抽取场景，进行组合，生成场景集，计算场景集的互相关性；
4)采用粒子群算法在MATLAB仿真平台上筛选出与历史数据互相关性接近的互相关场景集，获得最终具有时序性、相关性的多能源荷场景集。
2.根据权利要求1所述的考虑多能源荷时序性、相关性的场景生成方法，其特征在于，其特征在于，所述Davies-Bouldin指标具体为：
式中表示第i簇样本到聚类中心的距离；表示第j簇样本到聚类中心的距离；NUMj为第j簇样本聚类数目；wi表示第i簇质心；wj表示第j簇质心；||wi-wj||2表示第i簇和第j簇质心间的距离；Davies-Bouldin指标反映了每个类中最大相似度的均值，其值越小，聚类效果越好。
3.根据权利要求1所述的考虑多能源荷时序性、相关性的场景生成方法，其特征在于，分析不同场景下的时序自相关特性涉及的公式具体为：
其中，si为第i个场景值；为第k种源荷的聚类中心；ri,i+g为自相关矩阵第i行第i+g列的元素；τ为时序数目；ρauto为自相关矩阵。
4.根据权利要求1所述的考虑多能源荷时序性、相关性的场景生成方法，其特征在于，所述多能源荷的概率分布模型具体为：
式中表示t时刻k种能源负荷的数学期望；表示t时刻k种能源负荷的方差；表示第k种负荷荷在t时刻的负荷值；为负荷值上限；为负荷值下限；为第k种负荷荷在t时刻的概率密度函数。
5.根据权利要求1或4所述的考虑多能源荷时序性、相关性的场景生成方法，其特征在于，所述多能源荷中的源，为可再生能源，包括风电和光伏；其中风电和光伏的概率分布模型具体为：
式中v表...
【专利技术属性】
技术研发人员：王丹，雷杨，李家熙，王培汀，李思源，黄德裕，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。