风电和光伏随机场景生成的条件变分自动编码器方法

被引：58

作者：

王守相 ^{[1
]}

陈海文 ^{[1
]}

李小平 ^{[2
]}

舒欣 ^{[2
]}

机构：

[1] 智能电网教育部重点实验室(天津大学)

[2] 国网湖北省电力有限公司电力科学研究院

来源：

电网技术 | 2018年 / 42卷 / 06期

关键词：

随机场景分析; 条件变分自动编码器; 深度学习; 场景生成;

D O I：

10.13335/j.1000-3673.pst.2018.0291

中图分类号：

TM61 [各种发电];

学科分类号：

摘要：

随着风电、光伏等可再生能源渗透率的不断提高,其运行波动性及随机性对电网稳定运行、经济调度等方面带来不良影响,对可再生能源的不确定性进行建模愈加重要。随机场景分析法是解决该问题的主要方法之一,现有随机场景生成方法基于历史数据对风电、光伏出力进行概率建模,进而进行抽样生成场景,模型准确性差、计算复杂度高。为简化随机场景生成步骤,提高生成效率及精度,提出了一种基于条件变分自动编码器(variational autoencoder,VAE)的风电光伏出力随机场景生成方法,较已有概率方法,所提方法可无监督地学习风电、光伏训练数据的时间、空间及波动性特点,并按条件高效地生成符合观测特点的数据,无需场景约简。通过在单一发电单元、多发电单元、指定标签场景3个场景的成功应用,验证了所提算法的有效性。

引用

页码：1860 / 1869

页数：10

共 12 条

[1] 基于Wasserstein距离和改进K-medoids聚类的风电/光伏经典场景集生成算法 [J].