[发明专利]一种新能源发电场景生成方法、系统、电子设备及介质在审

专利信息
申请号: 202211544198.0 申请日: 2022-12-02
公开(公告)号: CN115859809A 公开(公告)日: 2023-03-28
发明(设计)人: 辛晓钢;张谦;景志滨;胡宏彬;张红光;张国斌;郭琦;李强;郭抒翔;曹斌;王琪;刘小恺;郭瑞君;何芳;杜荣华 申请(专利权)人: 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司
主分类号: G06F30/27 分类号: G06F30/27;G06F18/23213;G06Q50/06;H02J3/00;G06F113/06
代理公司: 北京高沃律师事务所 11569 代理人: 常祖正
地址: 010000 内蒙古自治区呼和浩特*** 国省代码: 内蒙古;15
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 新能源 发电 场景 生成 方法 系统 电子设备 介质
【权利要求书】:

1.一种新能源发电场景生成方法,其特征在于,所述新能源发电场景生成方法包括:

获取原始数据集;所述原始数据集中包括多组出力数据;每组出力数据包括风力发电量及光伏发电量;

根据所述原始数据集,基于场景生成模型,生成基本场景集;所述基本场景集中包括多个基本场景,每个基本场景包括风力发电量及光伏发电量;所述场景生成模型为预先采用训练样本集,对WGAN-GP进行训练得到的;所述训练样本集中包括多组历史出力数据;

采用高斯混合模型及K-means聚类方法对所述基本场景集进行场景缩减,得到经典场景集;所述经典场景集中包括调度周期内各时刻的光伏发电量集风力发电量。

2.根据权利要求1所述的新能源发电场景生成方法,其特征在于,所述采用高斯混合模型及K-means聚类方法对所述基本场景集进行场景缩减,得到经典场景集,具体包括:

采用高斯混合模型,对所述基本场景集进行聚类,确定典型场景集;

采用K-means聚类方法寻找所述典型场景集中的聚类中心,以得到经典场景集。

3.根据权利要求1所述的新能源发电场景生成方法,其特征在于,所述高斯混合模型为:

其中,p(x)为高斯混合模型的概率密度函数,x为基本场景集中的任一基本场景,K为高斯混合模型中高斯密度分布的数量,πk为第k个高斯密度分布的方差,且为第k个高斯密度分布的概率密度,μk为第k个高斯密度分布的期望值,Σk为第k个高斯密度分布的权重。

4.根据权利要求1所述的新能源发电场景生成方法,其特征在于,所述经典场景集为:

其中,为典型场景集s,/为典型场景集s中t时刻的风力发电量,/为典型场景集s中t时刻的光伏发电量,t=1,2,...,T,T为调度周期内时刻的数量。

5.一种新能源发电场景生成系统,其特征在于,所述新能源发电场景生成系统包括:

数据获取单元,用于获取原始数据集;所述原始数据集中包括多组出力数据;每组出力数据包括风力发电量及光伏发电量;

基本场景生成单元,与所述数据获取单元连接,用于根据所述原始数据集,基于场景生成模型,生成基本场景集;所述基本场景集中包括多个基本场景,每个基本场景包括风力发电量及光伏发电量;所述场景生成模型为预先采用训练样本集,对WGAN-GP进行训练得到的;所述训练样本集中包括多组历史出力数据;

场景缩减单元,与所述基本场景生成单元连接,用于采用高斯混合模型及K-means聚类方法对所述基本场景集进行场景缩减,得到经典场景集;所述经典场景集中包括调度周期内各时刻的光伏发电量集风力发电量。

6.根据权利要求5所述的新能源发电场景生成系统,其特征在于,所述场景缩减单元包括:

聚类单元,与所述基本场景生成单元连接,用于采用高斯混合模型,对所述基本场景集进行聚类,确定典型场景集;

经典场景确定单元,与所述聚类单元连接,用于采用K-means聚类方法寻找所述典型场景集中的聚类中心,以得到经典场景集。

7.一种电子设备,其特征在于,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行权利要求1至4中任一项所述的新能源发电场景生成方法。

8.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的新能源发电场景生成方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司,未经内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211544198.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top