面向电力领域的源荷概率分布及匹配方法

发布时间：2022-07-07 09:02

　　近年来,随着新能源行业的不断发展,通过分析新能源的特性将有利于电网稳定进行和经济调度,于是对新能源的不确定性进行建模变得越来越重要。现有的方法通过随机生成场景基于真实负荷数据对风电出力进行概率建模,进行抽样进而生成场景,但是该方法模型准确性不高、计算复杂度又高。因此提出了一种基于条件变分自动编码器的源-荷概率分布方法,相比较已经有的概率建模方法,本文中的方法可以非监督地学习风电负荷数据特征,并按条件有效地生成符合观测特点的数据,不需要进行繁琐的场景简化。同时为了提高新能源的消纳能力,需要从电网规划角度出发进行源荷之间价值匹配,从而达到新能源就地就近的消纳能力。本文首先阐述了面向电力领域的源-荷的研究意义及相关背景,同时介绍了源-荷的国内外研究现状。其次概述了相关的基础知识,神经网络及其分类,详细介绍了神经网络的前向传播和反向传播算法。介绍了自编码到变分自编码的过程及其思想,阐述了变分推断的计算过程及损失函数的选择。然后本文主要介绍了基于变分自编码的源-荷概率分布模型的建立,通过利用深度学习的模型变分自编码,来基于实测的风电数据进行概率建模。该方法可以非监督的学习风电数据的特征,并可以按... 

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

历史数据、生成数据概率分布

各地区的负荷及风电场出力数据

用电价格展示界面


本文编号：3656133