科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着海量新能源接入，电力系统的随机性显著增大，运行场景数据分布弥散且不均匀，导致现有场景生成方法适用性降低。传统依赖于人工经验和模型的场景生成方法更关注于场景的某种特征而忽略场景的数据分布。基于数据驱动场景生成方法则侧重于描述场景的数据分布，而一些具有小概率、高风险的运行场景则容易被忽视。基于此，该文首次提出基于图表示学习和特征引导的电力系统运行场景生成方法。首先，以图的形式实现电网运行特征的深度提取和挖掘，提高生成场景的多样性。其次，通过数据和知识融合的方式，将调度人员关注的特征通过知识的形式嵌入模型中，在尽量维持其分布特征的前提下，实现自定义特征引导的运行场景生成。在考虑运行风险的高比例新能源电力系统中的验证结果表明，相比于传统的场景生成方法，提出的模型在生成运行场景的同时提高了指定特征运行场景的生成效率，保持了生成场景一致性的同时提高了场景的多样性，为电力系统调度中机器辅助决策提供了更完备的数据支撑。
-
单位南方电网数字电网研究院有限公司; 华南理工大学
