[发明专利]基于gan场景模拟的风电多场景鲁棒调度方法

说明书

本发明公开了一种基于gan场景模拟的风电多场景鲁棒调度方法，包括步骤：(1)确定调度系统的运行参数；(2)收集历史风速场景数据；(3)利用生成对抗网络生成风速场景；(4)对风速场景进行场景削减；(5)搭建含风电场电力系统鲁棒调度模型；(6)利用鲁棒优化方法对进行搭建的调度模型进行求解。本发明采用生成对抗网络来模拟风电场的风速场景，无须引入复杂的风速预测模型，也不需要采用风速的概率分布进行抽样，令场景模拟过程大大简化。

技术领域

本发明涉及电力系统优化运行与控制领域，尤其涉及一种基于gan场景模拟的风电多场景鲁棒调度方法。

背景技术

随着风光等可再生能源发电渗透率的日益提高，电力系统的安全稳定受到严峻的挑战，关于高渗透可再生能源系统的调度和运行策略的研究也如火如荼的进行。

目前关于风电高渗透的电力系统的调度方法主要有随机优化方法和鲁棒优化方法。这两种方法各有优劣，都能在特定场景下解决相关的风电高渗透系统调度问题，但这两种方法分别都有一个亟待解决的问题：随机优化方法中风电出力的概率分布怎么确定以及鲁棒优化调度方法中最坏场景如何确定。以上两个问题都会或多或少采用概率抽样或者经验概率分布模型，但这种方式无疑存在着方案理想化，存在实际工程误差的问题，同时，若采用概率抽样的方法，得到的抽样场景过多则增加调度计算难度，影响调度的时效性，若过少则更不具代表性，工程实用性低。

近年来深度学习领域提出了生成对抗网络技术(Generative AdversarialNetworks，GAN)，一经提出就受到广泛关注,其无需对数据服从的分布作任何假定,可以直接从数据中学习并生成新的数据样本，这给风电调度的场景模拟提供了新的思路。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于gan场景模拟的风电多场景鲁棒调度方法。本发明采用生成对抗网络，基于历史风速场景生成模拟场景，在模拟场景的基础上搭建风电多场景鲁棒调度模型，再利用鲁棒优化方法对模型进行求解。

本发明的目的能够通过以下技术方案实现：

基于gan场景模拟的风电多场景鲁棒调度方法，包括步骤：

确定调度系统的运行参数；

收集历史风速场景数据；

利用生成对抗网络生成风速场景；

对风速场景进行场景削减；

搭建含风电场电力系统鲁棒调度模型；

利用鲁棒优化方法对搭建的调度模型进行求解。

本发明相较于现有技术，具有以下的有益效果：

1、本发明采用生成对抗网络来模拟风电场的风速场景，无需引入复杂的风速预测模型，并且无需采用风速的概率分布进行抽样，大大简化了场景模拟过程。

2、风速场景模拟采用生成对抗网络，并且参考系统的历史风速场景，使得场景模拟更加精确，生成的场景组合更具有代表性。

3、本发明将生成对抗网络的场景模拟和鲁棒调度相结合，大大提供了含风电场的电力系统鲁棒调度的策略可行性，同时提高了调度策略的制定速度。

附图说明

图1是基于gan场景模拟的风电多场景鲁棒调度方法的流程图。

图2是本发明采用的生成对抗网络的结构示意图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例

如图1所述为一种基于gan场景模拟的风电多场景鲁棒调度方法的流程图，包括如下步骤：