考虑风-光-荷不确定性的数据驱动型机组组合模型

• 作者: 石立宝 翟放
• 来源期刊: 华电技术
• 学科: 工学
• 关键词: 风电 光伏 负荷 不确定性 随机量 数据驱动 机组组合 狄利克雷过程 高斯混合模型
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 高比例可再生能源消纳|Consumption of High-Proportion Renewable Energy
• 页码范围: 18-25
• 页数: 8页
• 分类号: TK01+9:TM732
• 语种: 中文
• DOI: 10.3969/j.issn.2097-0706.2022.01.003

摘要

传统的概率分布模型在不确定性建模方面主要依赖于模型的选择,但假定的单一模型往往无法准确刻画随机量的复杂变化规律.除此之外,参数概率模型对随机量之间时间、空间相关性的描述不够,而基于连接函数等相关性建模方法在描述多个随机量的相关性方面又过于复杂,给模型实际应用增加了难度.通过采用一种数据驱动的不确定性建模方法,提出了一种数据驱动下的两阶段机组组合模型,基于非参数狄利克雷过程高斯混合模型(DPGMM)和变分贝叶斯推断(VBI)方法来描述风电、光伏和负荷的不确定性,考虑了多风电场和各节点负荷间的相关性,并采用传统数学优化方法对所构建的机组组合模型进行求解.最后,在IEEE-30节点算例系统上进行了仿真验证,结果表明,采用DPGMM模型能够较好地拟合随机量的概率分布并描述随机量之间的相关性.