風(fēng)-光經(jīng)典場(chǎng)景集的生成方法及應(yīng)用.pdf

1、隨著風(fēng)電、光伏等可再生能源發(fā)電滲透率的增加，電力系統(tǒng)運(yùn)行需要考慮隨之而來的不確定性。場(chǎng)景分析法因?yàn)榭擅鞔_體現(xiàn)不確定性因素的概率特征而被廣泛采用，但是由于大規(guī)模場(chǎng)景會(huì)降低隨機(jī)規(guī)劃的求解效率，實(shí)用性受到限制。針對(duì)該問題，本文提出一種經(jīng)典場(chǎng)景集生成算法。本文算法提出用包含精確概率信息的采樣點(diǎn)來代替隨機(jī)抽樣，針對(duì)日前規(guī)劃的每個(gè)時(shí)刻，利用Wasserstein概率距離指標(biāo)來構(gòu)造風(fēng)光出力的含概率最優(yōu)分位點(diǎn);然后以分段降維的思想，劃分整個(gè)調(diào)度區(qū)間;在

2、子區(qū)間內(nèi)遍歷全部場(chǎng)景，以此為基礎(chǔ)構(gòu)造經(jīng)典場(chǎng)景集。該方法可完整保留原始信息，而且每條場(chǎng)景帶有與生俱來的精確概率，對(duì)原問題的描述達(dá)到較高的精度。
　　為提高場(chǎng)景消減算法的性能，本文首次引入并行聚類的概念，將K-medoids聚類算法按需改造并成功應(yīng)用。從聚類角度觀察，場(chǎng)景消減問題存在特殊性質(zhì):它屬于偽高維問題，運(yùn)算特征處在低維度范疇，并且對(duì)類別數(shù)量完全不敏感。本文將消減過程并行分解，利用數(shù)學(xué)工具節(jié)約計(jì)算量的同時(shí)，導(dǎo)入CUDA并行架構(gòu)，