[发明专利]电力系统场景约简方法、系统、电子设备及存储介质

说明书

一种电力系统场景约简方法、系统、电子设备及存储介质，方法包括利用初始场景集，建立场景约简问题模型，并利用信息熵正则化算法凸化场景约简问题模型，得到正则化后的场景约简问题模型；输入初始场景集、典型场景集和正则化系数，构建场景约简网络模型，结合正则化后的场景约简问题模型和场景约简网络模型，计算出正则化传输矩阵和距离矩阵；利用正则化系数、正则化传输矩阵和距离矩阵，求解得到考虑运输成本和熵正则化惩罚的Sinkhorn距离的损失函数；基于所述损失函数，利用场景约简网络模型对典型场景集进行反向梯度训练，得到训练后的典型场景集和典型场景集的边缘概率分布。本发明能够提高大规模场景约简可行性以及求解的稳定性。

技术领域

本发明属于电力系统场景分析技术领域，具体涉及一种电力系统场景约简方法、系统、电子设备及存储介质。

背景技术

伴随智能电网信息技术的快速发展，电力系统中出现了海量的数据样本。为了能够有效提取大数据特征并服务于电力系统，进行数据聚类并挖掘数据特征成为有效处理电力大数据的重要手段。因此如何从大量的可再生能源数据中提取出其有效、精确的不确定性特征成为研究热点。

在高比例可再生能源的电力系统调度、规划研究中，需要充分考虑可再生能源的出力不确定性，才能使调度策略与规划方案能够适应可再生能源出力特性并充分消纳可再生能源出力。而场景分析法可以通过一组离散场景有效刻画电力系统中的不确定性因素，从而将不确定性优化问题转化为随机优化问题。场景分析法是一种有效描述不确定性因素的方法，基于场景分析法的随机优化理论在电力系统优化调度、规划领域得到了广泛的研究。使用多场景描述不确定性因素，并结合随机优化能够带来更稳定的优化方案。但是受限于计算复杂度，随机优化并不能对海量场景数据进行直接分析，需要对海量场景约简以提高随机优化问题的求解效率。

发明内容

本发明的目的在于针对上述现有技术中的问题，提供一种电力系统场景约简方法、系统、电子设备及存储介质，使用Wasserstein距离描述场景约简问题，并通过熵正则惩罚目标函数将场景约简问题转化为一个无约束优化问题，从而能够采用神经网络训练的方法求解场景约简问题，具有较高的计算效率并且可以有效应用于大规模场景约简问题。

为了实现上述目的，本发明有如下的技术方案：

第一方面，提供一种电力系统场景约简方法，包括：

利用初始场景集，建立场景约简问题模型，并利用信息熵正则化算法凸化场景约简问题模型，得到正则化后的场景约简问题模型；

输入初始场景集、典型场景集和正则化系数，构建场景约简网络模型，结合正则化后的场景约简问题模型和场景约简网络模型，计算出正则化传输矩阵和距离矩阵；

利用正则化系数、正则化传输矩阵和距离矩阵，求解得到考虑运输成本和熵正则化惩罚的Sinkhorn距离的损失函数；

基于所述损失函数，利用场景约简网络模型对典型场景集进行反向梯度训练，得到训练后的典型场景集和典型场景集的边缘概率分布。

作为本发明方法的一种优选方案，所述利用初始场景集，建立场景约简问题模型的步骤包括：

设定初始场景数量为n，典型场景数量为m，nm；X为初始场景集，Y为典型场景集；场景约简问题的目标是在最小化Wasserstein距离的同时，找到近似匹配n个初始场景的m个典型场景；设定典型场景集m的个数已知，初始场景的概率相等；令任意场景间距离为d(x_i,y_j)＝d_ij，传输矩阵Π的元素为π(x_i,y_j)＝π_ij，则场景约简问题模型表达式为：