风电和光伏随机场景生成的条件变分自动编码器方法

• 作者: 李小平 王守相 舒欣 陈海文
• 来源期刊: 电网技术
• 学科: 工学
• 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
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 高比例可再生能源并网
• 页码范围: 1860-1867
• 页数: 8页
• 分类号: TM721
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2018.0291

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王守相		96	5815	36.0	76.0
2	李小平		5	13	3.0	3.0
3	陈海文		6	8	1.0	2.0
4	舒欣		2	0	0.0	0.0