[发明专利]一种考虑不确定性的电网运行方式调整方法及系统

权利要求书

1.一种考虑不确定性的电网运行方式调整方法，其特征在于，包括以下步骤：

S1，根据电网各元件的历史数据，对含有不确定性的元件进行概率建模，拟合含有不确定性的元件的概率分布；

S2，根据拟合含有不确定性的元件的概率分布中获取包含各元件具体数值的典型场景，并调试这些典型场景的运行方式；

S3，建立基于机器学习的电网运行方式自动调整模型，使用调试后的典型场景运行方式训练自动调整模型，训练完成的自动调整模型能自动处理包含具有高度不确定性的任意随机场景，实现考虑不确定性的电网运行方式自动调整。

2.根据权利要求1所述的一种考虑不确定性的电网运行方式调整方法，其特征在于，针对单元件不确定性建模，根据单元件历史数据，使用单变量核密度估计方法，拟合单元件概率分布。

3.根据权利要求1所述的一种考虑不确定性的电网运行方式调整方法，其特征在于，针对多元件不确定性建模，根据多元件历史数据，使用多变量核密度估计方法，拟合多元件联合概率分布。

4.根据权利要求1所述的一种考虑不确定性的电网运行方式调整方法，其特征在于，基于欧式距离和最大距离两种带宽评价指标对多变量核密度多变量核密度估计方法的带宽进行优化。

5.根据权利要求4所述的一种考虑不确定性的电网运行方式调整方法，其特征在于，设典型场景为各含有不确定性的元件的一例具体数值集合，设运行方式为各火力发电机的一例数值集合；使用拉丁超立方分层抽样方法从拟合的概率分布中抽样得到随机场景；

使用基于欧氏距离的聚类方法，对得到的随机场景进行场景消去，最终得到相互之间具有较大差异性的典型场景。

6.根据权利要求5所述的一种考虑不确定性的电网运行方式调整方法，其特征在于，依据领域专家知识设置典型场景的运行方式。

7.根据权利要求1所述的一种考虑不确定性的电网运行方式调整方法，其特征在于，使用多个监督机器学习模型建立从场景到运行方式的映射关系；每个监督机器学习模型仅负责学习一台火力发电机出力，其接受包含多个元件信息的向量格式场景数据，输出标量格式火力发电机出力数据；监督机器学习模型数量等同于系统内火力发电机数量，多个监督机器学习模型的输出共同组成完整的运行方式。

8.根据权利要求7所述的一种考虑不确定性的电网运行方式调整方法，其特征在于，使用得到的典型场景及其对应运行方式数据，构建训练集和测试集，训练电网运行方式自动调整模型。

9.一种考虑不确定性的电网运行方式调整系统，其特征在于，包括不确定性建模模块，优化模块和自动调整模块；

不确定性建模模块，根据电网各元件的历史数据，对含有不确定性的元件进行概率建模，拟合含有不确定性的元件的概率分布；

优化模块，根据拟合含有不确定性的元件的概率分布中获取包含各元件具体数值的典型场景，并调试这些典型场景的运行方式；

自动调整模块，建立基于机器学习的电网运行方式自动调整模型，使用调试后的典型场景运行方式训练自动调整模型，训练完成的自动调整模型能自动处理包含具有高度不确定性的任意随机场景，实现考虑不确定性的电网运行方式自动调整。

10.根据权利要求9所述的一种考虑不确定性的电网运行方式调整系统，其特征在于，采用多变量核密度估计方法，根据历史时序数据得到单元件的概率密度分布和多元件的联合概率密度分布。