基于变分自编码高斯混合模型的海量新能源出力场景生成方法.pdfVIP

新能源发电控制技术

NewEnergyPowerControlTechnology

基于变分自编码高斯混合模型的

海量新能源出力场景生成方法

宋晓维

（华南理工大学电力学院，广东广州510641）

摘要：最近几年,风电、光伏等各种新能源在电力系统中的接入率不断攀升，对于新能源出力的不确定性进行精确度更高的建模愈发

重要。为了简化随机场景生成步骤，提高场景生成的效率和精度，采用数据驱动的建模思路，以无监督变分自动编码高斯混合

模型为基础，构建了一种全新的海量新能源出力随机场景生成方法。将高维训练集数据经编码器映射到结构良好的低维隐变

量空间进行概率建模、抽样，再经解码器还原回原有维度，得出场景集。与已有的概率方法相比，这一方法能够在没有监督的

情况下完成风电、光伏训练数据的时空特征、波动性特征的学习，从中提取出具有典型意义的出力曲线，并快速形成与观测特

相契合的数据集，并不需要实施场景约简。经南方某省电网分地市实际历史新能源出力算例的检验，证明所提算法是可靠、合

理和有效的。

关键词：场景分析法；变分自动编码器；深度学习；场景生成；新能源电力系统

DOI:10.3969/j.issn.10003886.2024.03.001

［中图分类号］TM74［文献标志码］A［文章编号］1000-3886(2024)03-0001-04

MethodforGeneratingMassiveNewEnergyOutputScenariosBased

onVariationalAutocodingandHiddenVariableModeling

SongXiaowei

(SchoolofElectricPower,SouthChinaUniversityofTechnology,GuangzhouGuangdong510641,China)

Abstract:Inrecentyears,theaccessrateandfrequencyofvariousnewenergysourcessuchaswindpowerandphotovoltaicinthepowersystem

havebeencontinuouslyincreasing,makingitincreasinglyimportanttoimplementmoreaccuratemodelingfortheuncertaintyofnew

energyoutput.Inordertosimplifythegenerationstepsofrandomscenesandimprovetheefficiencyandaccuracyofscenegeneration,

adata-drivenmodelingapproachwasadopted,basedontheunsupervisedvariationalautomaticencodingGaussianmixturemodel,to

createanewmethodforgeneratingmassivenewenergyoutputrandomscenes.Thehigh-dimensionaltrainingsetdatawasmappedinto

awell-structuredlowdimensionalhiddenvariablespacethroughanencoderforprobabilitymodeling,sampling.Andthenrestorei