【技术实现步骤摘要】
本专利技术属于电气工程领域，更具体地，涉及一种风光多场站中长期场景生成方法、装置、系统及介质。
技术介绍
1、21世纪以来，全球化石能源发电能力持续下降，已经形成以新能源为重要组成部分的生产与消费全新格局。随着电力系统中高比例新能源及其对应的新能源发电设备的不断增加，弃风弃光的问题也在不断显现。并且，在大量风电、光伏等新能源发电并入电网的情况下，准确描述新能源出力的不确定性成为保证电力系统稳定性的重要前提，也是电力系统运行、规划、调度的重要保障。
2、现有技术主要通过统计学方法与深度学习法对新能源出力场景生成的概率建模技术展开研究。深度学习法依靠神经网络，仅通过输入数据集进行训练。训练过程中不出现似然函数，生成数据将自动学习历史数据的潜在物理特性，达到准确生成时间序列的目的。现有生成风光多场站中长期场景技术的不足之处在于：对地理位置相近的风光场站，其出力的波动量拟合未考虑场站间的相关性；对于风光多场站的历史场景的统计特性、空间相关性拟合精度较低。
技术实现思路
1、针对现有技术...
【技术保护点】
1.一种风光多场站中长期场景生成方法，其特征在于，包括：
2.如权利要求1所述的风光多场站中长期场景生成方法，其特征在于，所述对所述波动分量进行拟合具体包括：
3.如权利要求2所述的风光多场站中长期场景生成方法，其特征在于，所述将拟合后的波动分量叠加至所述多场站生成状态分量具体包括：
4.如权利要求1所述的风光多场站中长期场景生成方法，其特征在于，在利用所述条件生成对抗网络输出多场站生成状态分量之前，方法还包括：
5.如权利要求1所述的风光多场站中长期场景生成方法，其特征在于，所述根据所述典型日状态确定累计状态转移矩阵具
【技术特征摘要】
1.一种风光多场站中长期场景生成方法，其特征在于，包括：
2.如权利要求1所述的风光多场站中长期场景生成方法，其特征在于，所述对所述波动分量进行拟合具体包括：
3.如权利要求2所述的风光多场站中长期场景生成方法，其特征在于，所述将拟合后的波动分量叠加至所述多场站生成状态分量具体包括：
4.如权利要求1所述的风光多场站中长期场景生成方法，其特征在于，在利用所述条件生成对抗网络输出多场站生成状态分量之前，方法还包括：
5.如权利要求1所述的风光多场站中长期场景生成方法，其特征在于，所述根据所述典型日状态确定累计状态转移矩阵具体包括：
6.如...
【专利技术属性】
技术研发人员：贺早航，黄阮明，李灏恩，李晟，艾小猛，周煌，李琼慧，王彩霞，陈宁，时智勇，叶小宁，吴思，杨超，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
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。