基于生成矩匹配网络的光伏和风电随机场景生成

• 作者: 朱瑞金 廖文龙 王玥珑 王煜森 陈洁婧
• 来源期刊: 高电压技术
• 关键词: 深度学习 数据驱动 自动编码器 生成矩匹配网络 场景生成 可再生能源
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 新能源装备及其并网|Development and Grid Entry of New Energy Equipments
• 页码范围: 374-384
• 页数: 11页
• 语种: 中文
• DOI: 10.13336/j.1003-6520.hve.20201370

摘要

风电和光伏在配电网中的渗透率逐年提高,其出力的随机性和波动性给配电网的运行和规划带来了巨大的挑战.针对可再生能源输出功率的不确定性问题,提出了基于生成矩匹配网络(generative moment matching network,GMMN)的光伏和风电随机场景生成方法.该方法采用最大平均差异作为生成器的损失函数,并利用自动编码器对生成的随机场景进行降维,以解决高维功率曲线的低维流形问题.根据功率曲线的特征,设计了适用于可再生能源随机场景生成的网络结构,并通过实际数据验证了所提方法的有效性和适应性.仿真结果表明,所提的GMMN不仅能很好地模拟光伏和风功率曲线的形状特征、概率分布特征、波动性以及时空相关性,还具有较好的普适性,仅需调节网络的结构和参数就能应用于不同发电单元的随机场景生成任务.