论文复现:模拟风电不确定性——拉丁超立方抽样生成及缩减场景(Matlab全代码)

Posted WW、forever

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了论文复现:模拟风电不确定性——拉丁超立方抽样生成及缩减场景(Matlab全代码)相关的知识,希望对你有一定的参考价值。

风电出力的不确定性主要源于预测误差,而研究表明预测误差(e)服从正态分布且大概为预测出力的10%。本代码采用拉丁超立方抽样实现场景生成[1,2]、基于概率距离的快速前代消除法实现场景缩减[3],以此模拟了风电出力的不确定性。
复现论文
[1] SCI-Clustering based unit commitment with wind power uncertainty. Energy Conversion and Management, 2016, 111:89-102.
[2] 中文核心-基于拉丁超立方采样的含风电电力系统的概率可靠性评估[J].电工技术学报,2016,31(10):193-206.
[3] 中文核心-含风光水的虚拟电厂与配电公司协调调度模型[J].电力系统自动化,2015,39(09):75-81+207.
关注专栏可查看Matlab全部代码

1 风电不确定性模拟理论

1.1 不确定性模拟

不确定性模拟大致可以分为随机优化场景分析两类。

  • 场景分析(scenario analysis)是一种通过构建确定性场景来分析电力系统不确定性问题的方式,它是解决含可再生能源的电力系统优化规划运行问题的一种有效途径。
  • 基于抽样的场景生成方法:通过对概率分布进行统计学抽样并将输出样本作为生成的场景来得到离散场景,包括蒙特卡罗(Monte Carlo, MC&#x

以上是关于论文复现:模拟风电不确定性——拉丁超立方抽样生成及缩减场景(Matlab全代码)的主要内容,如果未能解决你的问题,请参考以下文章

风光负荷出力各场景及概率场景削减负荷点的拉丁超立方抽样(Matlab代码实现)

拉丁超立方抽样的Python实现

拉丁超立方抽样的Python实现

拉丁超立方抽样的Python实现

拉丁超立方抽样

来自 beta 分布的拉丁超立方体样本与 matlab