期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于高斯混合聚类和改进条件变分自编码的多风电场功率日场景生成方法 被引量:4
1
作者 李丹 梁云嫣 +3 位作者 缪书唯 方泽仁 胡越 贺帅 《中国电力》 CSCD 北大核心 2024年第12期17-29,共13页
大量出力不确定的风电场并入电网会带来运行隐患和不可控风险,基于变分自编码器的场景生成模型方法能生成确定性场景集合以描述风电出力的不确定性。针对多风电场出力复杂的时空相关性以及在传统变分自编码器模型训练过程中可能存在的... 大量出力不确定的风电场并入电网会带来运行隐患和不可控风险,基于变分自编码器的场景生成模型方法能生成确定性场景集合以描述风电出力的不确定性。针对多风电场出力复杂的时空相关性以及在传统变分自编码器模型训练过程中可能存在的“KL坍缩”等问题,提出一种基于高斯混合聚类和改进条件变分自编码器的多风电场时空功率日场景生成方法。通过引入二维卷积技术提取时空相关性进行降维,并采用最大化最小夹角独立正则化技术,强化隐特征的独立性;采用超球面分布替代高斯分布,避免模型出现“KL坍缩”,提高模型场景生成训练的稳定性和准确性;另外,进一步考虑多风电场功率日场景的多样性和灵活性,引入高斯混合聚类技术,使模型可根据特定的条件标签生成具有差异化特征的确定性场景集。实际算例的结果表明,相较于常见方法,所提方法累积概率分布误差下降了17%~71%,时空相关性平均误差分别下降了85%~97%和55%~91%,且能精准生成不同风况类别占比的多风电场功率日场景集,提高了场景生成的多样性和灵活性。 展开更多
关键词 风电场景生成 高斯混合模型 特征提取 条件变分自编码器 超球面分布 正则化技术
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部