【场景生成与研究】考虑时序相关性MC的场景生成与削减研究(Matlab代码实现)

欢迎来到本博客❤️❤️

博主优势:博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。

⛳️座右铭:行百里者,半于九十。

本文目录如下:

目录

1 概述

2 运行结果

3 参考文献

4 Matlab代码、数据


1 概述

随着风电装机容量的迅猛发展,风电并网规模逐渐增加[1],风电出力不确定性对电力系统运行调 度和控制的影响不可忽视。而现阶段的风电功率预测精度[2]依然不尽如人意,风电大规模并网对电力系统安全运行提出了更高的要求。常规的确定性优化调度模型已经不再适用于大规模风电并网系统,场景法作为随机优化调度模型的一种,能够对风电不确定变量进行抽样产生可能出现的场景,通过多个确定性场景来表征不确定变量。因此,基于场景法的不确定优化调度模型得到了较为广泛的应用和发展。

目前,国内外相关研究人员对各种场景生成方法已经做了较为丰富的研究,文献[3]提出了自回归 滑动平均模型对某一风电场出力的预测误差进行估计,并据此随机生成了风功率误差场景。文献[4-5]引入了拉丁超立方抽样法,对预测误差概率分布进行分层抽样生成了风电出力预测场景集。文

献[6]根据场景树的方法,生成了规模较大的场景树来描述风功率的不确定性特征。

上述传统的场景生成方法,是以风功率历史数据为基础,针对某一时间断面或单一风电场的场景生成。当大规模风电并网时,受气象及风能传播的影响,多个风电场之间出力必然会显现出一定的时空相关性[7-9],而常规场景生成方法没有考虑多个风电场出力的时空相关性,具有一定局限性。

在风功率短期预测中,风速的变化主要受到大气压的分布以及地貌特征的影响[16],大气压的分布 通常覆盖较大的空间范围且一定范围内地貌特征较为相似,因此在一定空间范围内多风电场风速具

有空间相关性[17]。由于风功率和风速之间存在一定的转换关系,因此通过风功率特性函数转化而来的风功率之间也具有一定的空间相关性。

2 运行结果

【场景生成与研究】考虑时序相关性MC的场景生成与削减研究(Matlab代码实现)_第1张图片

【场景生成与研究】考虑时序相关性MC的场景生成与削减研究(Matlab代码实现)_第2张图片

【场景生成与研究】考虑时序相关性MC的场景生成与削减研究(Matlab代码实现)_第3张图片

【场景生成与研究】考虑时序相关性MC的场景生成与削减研究(Matlab代码实现)_第4张图片

【场景生成与研究】考虑时序相关性MC的场景生成与削减研究(Matlab代码实现)_第5张图片

【场景生成与研究】考虑时序相关性MC的场景生成与削减研究(Matlab代码实现)_第6张图片

【场景生成与研究】考虑时序相关性MC的场景生成与削减研究(Matlab代码实现)_第7张图片

3 参考文献

部分理论来源于网络,如有侵权请联系删除。

[1]赵书强,金天然,李志伟,刘金山,李奕欣.考虑时空相关性的多风电场出力场景生成方法[J].电网技术,2019,43(11):3997-4004.DOI:10.13335/j.1000-3673.pst.2018.2837.

[2]丁明,宋晓皖,孙磊,黄冯,张舒捷,杜德贵.考虑时空相关性的多风电场出力场景生成与评价方法[J].电力自动化设备,2019,39(10):39-47.DOI:10.16081/j.epae.201909024.

[3]宋晓皖. 考虑时空相关性的多风场出力特性分析及场景生成方法研究[D].合肥工业大学,2019.

4 Matlab代码、数据

你可能感兴趣的:(机器学习,人工智能)