近年來,隨著新能源行業(yè)的不斷發(fā)展,通過分析新能源的特性將有利于電網(wǎng)穩(wěn)定進行和經(jīng)濟調(diào)度,于是對新能源的不確定性進行建模變得越來越重要�，F(xiàn)有的方法通過隨機生成場景基于真實負荷數(shù)據(jù)對風電出力進行概率建模,進行抽樣進而生成場景,但是該方法模型準確性不高、計算復雜度又高。因此提出了一種基于條件變分自動編碼器的源-荷概率分布方法,相比較已經(jīng)有的概率建模方法,本文中的方法可以非監(jiān)督地學習風電負荷數(shù)據(jù)特征,并按條件有效地生成符合觀測特點的數(shù)據(jù),不需要進行繁瑣的場景簡化。同時為了提高新能源的消納能力,需要從電網(wǎng)規(guī)劃角度出發(fā)進行源荷之間價值匹配,從而達到新能源就地就近的消納能力。本文首先闡述了面向電力領(lǐng)域的源-荷的研究意義及相關(guān)背景,同時介紹了源-荷的國內(nèi)外研究現(xiàn)狀。其次概述了相關(guān)的基礎(chǔ)知識,神經(jīng)網(wǎng)絡(luò)及其分類,詳細介紹了神經(jīng)網(wǎng)絡(luò)的前向傳播和反向傳播算法。介紹了自編碼到變分自編碼的過程及其思想,闡述了變分推斷的計算過程及損失函數(shù)的選擇。然后本文主要介紹了基于變分自編碼的源-荷概率分布模型的建立,通過利用深度學習的模型變分自編碼,來基于實測的風電數(shù)據(jù)進行概率建模。該方法可以非監(jiān)督的學習風電數(shù)據(jù)的特征,并可以按... 

【文章頁數(shù)】：57 頁

【學位級別】：碩士

【部分圖文】：

歷史數(shù)據(jù)、生成數(shù)據(jù)概率分布

各地區(qū)的負荷及風電場出力數(shù)據(jù)

用電價格展示界面


本文編號：3656133