风光经典场景集的生成方法及应用

《风光经典场景集的生成方法及应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：单位代码：密级：未涉密论文学号：硕士学位论文‘；■“‘■“‘中文论文题目：风光经典场景集的生成方法及应用英文论文题目：々“爾穿；，、二十：：：厂安指导教师：杨莉副教授专业名称：电气工稈（专业学位）研究方向：含不确定性电力系统优化调麼所在学院：电气工稈学院论文提交日期二〇一五年一月R/光经典场棄集的生成方法及应用论文作者签名指导教师签名：论文评阅人邱家驹教授评阅人吴浩副教授评阅人丁侣娜高级工程师评阅人评阅人答辩委员会主席黄民翔教授委员朱炳全高级工程师委员范承志副教授委员郭创新教授委员：杨莉副教授委员答辩日期：年月日浙江大学研究生学位论文独创性声

2、明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研宄成果，也不包含为获得浙江大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。学位论文作者签名：土签字曰期：口年月曰学位论文版权使用授权书本学位论文作者完全了解浙江大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权浙江大学可以将学位论文的全部或部分内容编入

3、有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。保密的学位论文在解密后适用本授权书）导师签名：签字日期年月签字曰期：年月门日学位论文作者毕业后去向工作单位通讯地址邮编浙江大学硕士学位论文致谢致谢本论文是在杨莉老师的精心指导下完成的，从论文选题到最终完成无不倾注了杨老师大量心血。两年多的学习生活，让我充分感受到了杨老师严谨的治学态度，敏锐的学术思维。杨老师勇于创新、精益求精的科研精神，深深激励着我，为我以后的工作和学习树立了良好的榜样。读研期间，杨老师不仅在学业上给我以悉心指导，同时还在思想、生活上给予极大的关怀，在此，谨向杨

4、老师致以诚挚的感谢和崇高的敬意，祝愿杨老师身体健康，桃李满天下。坐落于教二的实验室，将是我深深留恋的地方。在这个大集体中，浓郁的学术氛围和轻松的生活环境，使我受益良多。在此我要感谢实验室的师兄周德建、兴胜利、闰志雄，师姐李丽娜，是他们将我领进师门，还有黄昕颖、冯昌森、董文略、张嫒、邹云阳，比昂等同学对我的支持和鼓励。我要深深感谢家人含辛茹苦把我培养长大，感谢我的妻子，在漫漫求学路上给予我无尽的理解和支持，感谢你们为我所付出的一切。最后，谨向在百忙之中抽出宝贵时间评审本论文的各位专家、教授致以最真挚的问候和最诚恳的谢意！王群年月于浙江大学浙江大学硕士学

5、位论文摘要摘要随着风电、光伏等可再生能源发电渗透率的增加，电力系统运行需要考虑随之而来的不确定性。场景分析法因为可明确体现不确定性因素的概率特征而被广泛采用，但是由于大规模场景会降低随机规划的求解效率，实用性受到限制。针对该问题，本文提出一种经典场景集生成算法。本文算法提出用包含精确概率信息的釆样点来代替随机抽样，针对日前规划的每个时刻，利用概率距离指标来构造风光出力的含概率最优分位点；然后以分段降维的思想，划分整个调度区间；在子区间内遍历全部场景，以此为基础构造经典场景集。该方法可完整保留原始信息，而且每条场景带有与生俱来的精确概率，对原问题的描述

6、达到较高的精度。为提高场景消减算法的性能，本文首次引入并行聚类的概念，将聚类算法按需改造并成功应用。从聚类角度观察，场景消减问题存在特殊性质：它属于伪高维问题，运算特征处在低维度范畴，并且对类别数量完全不敏感。本文将消减过程并行分解，利用数学工具节约计算量的同时，导入并行架构，可在有限时间、有限资源的条件下解决大规模的实际问题。最后，本文将新算法应用于云南某风光水虚拟电厂，在场景分析的基础上建立随机规划的期望值模型，研究使虚拟电厂利益最大化的出力申报策略。本文算例中采用国电云南分布式发电示范工程实际数据，结果显示所提出的经典场景集生成算法具有概率信息

7、准确、求解效率高等特点。关鍵词：可再生能源，不确定性，经典场景集，场景消减，概率距离指标，聚类浙江大学硕士学位论文，，，，浙江大学硕士学位论文目次目次致目次绪论研究背景及意义国内外研究发展现状研究不确定性问题的技术难点本文主要研究内容基于概率距离指标的风电光伏功率最优离散化方法概率距离指标单时刻风电功率最优离散化方法风电功率的概率描述风电功率的最优离散化推导单时刻光伏功率最优离散化方法光伏功率的概率描述光伏功率的最优离散化推导功率波动对单时刻分位点数量的影响本章小结基于改进型聚类的并行场景集规模消减算法场景消减算法概述场景消减算法的目标及意义传统场景

8、消减算法聚类分析概述改进聚类及并行化浙江大学硕士学位论文目次算法概述不完全相异度矩阵搜索范围优化聚类中心点更