[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

说明书

本发明提供一种新能源发电场景生成方法、系统、电子设备及介质，属于新能源发电技术领域，新能源发电场景生成方法包括：获取原始数据集；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；根据原始数据集，基于场景生成模型，生成基本场景集；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；采用高斯混合模型及K‑means聚类方法对基本场景集进行场景缩减，得到经典场景集；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。能够生成更符合风能和太阳能等可再生能源发电的不确定性和波动性的场景，进而平衡需求和发电的任务，以提高风能和太阳能发电的稳定性。

技术领域

本发明涉及新能源发电技术领域，特别是涉及一种基于WGAN-GP和GMM的新能源发电场景生成方法、系统、电子设备及介质。

背景技术

近年来，随着可再生能源装机容量的增加，高比例的可再生能源被并入电网，风力发电和光伏发电的不确定性和可变性特征对电网稳定性和用户满意度产生了很大影响，对电网的安全构成了巨大的挑战。多能源互补是解决高比例可再生能源并网问题的有效策略。然而，由于各种设备在地理上分散，它们通常独立运行，彼此缺乏协调，这将会导致资源配置不合理等问题。

VPP(Virtual PowerPlant，虚拟发电厂)可聚集分布式可再生能源、用户负荷及储能设备，具有环保、高效协同和内部能源互动的典型特征，这意味着VPP不仅整合了不同领域的各种分布式能源，有效管理内部分布式能源和可控负载，并使传统能源和可再生能源相互协调运行，而且还与市场参与者交互。目前，VPP优化调度已经引起了广泛的研究。即便如此，风能和太阳能等可再生能源的不确定性和波动性挑战了平衡需求和发电的任务。鉴于这个问题，在VPP的调度中需要考虑可再生能源的不确定性。许多研究人员对风力发电和光伏发电不确定性的建模方法进行了广泛的研究。其中，场景分析是最有效、最简单的方法之一。场景分析在具有高可再生能源比例的电力系统运行和设计中是一个重要的过程。场景分析可根据风电光伏历史数据生成符合风电、光伏出力统计特征的时序场景，从而将不确定性模型转换为确定性模型。

场景分析一般采用参数化方法，主要基于概率分布假设，场景通过蒙特卡洛采样或拉丁超立方采样等生成。然而，上述方法假设风能和太阳能资源服从一定的确定性分布，因此无法准确描述场景资源的真实情况。由于风电转换的不精确性，使用风速来生成风力发电场景可能会导致结果中的重大误差。

发明内容

本发明的目的是提供一种基于WGAN-GP算法场景生成以及高斯聚类场景缩减的典型场景集生成方法，可生成更符合风能和太阳能等可再生能源发电的不确定性和波动性的场景，进而平衡需求和发电的任务，提高风能和太阳能发电的稳定性。

为实现上述目的，本发明提供了如下方案：

一种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。

可选地，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。

可选地，所述高斯混合模型为：