基于场景分类的样本鲁棒机组组合:提升光伏不确定性下电力系统经济性的两阶段分布鲁棒优化方法

《Renewable Energy Focus》:Sample-based robust unit commitment with scenario classification

【字体: 大 中 小 】 时间:2026年01月19日 来源:Renewable Energy Focus 5.9

编辑推荐:

  本文提出一种融合场景分类的两阶段分布鲁棒优化(DRO)模型,用于解决光伏(PV)出力与负荷需求不确定性的机组组合(UC)问题。通过瓦瑟斯坦(Wasserstein)距离构建考虑代表性场景的模糊集,结合多元回归树(MRT)分类与线性决策规则(LDR),将模型转化为可求解的混合整数线性规划(MILP)。在14-118节点系统中的实验表明,该方法显著提升经济性与鲁棒性,为高比例新能源电力系统调度提供新思路。

  
亮点
为更好表征机组组合(UC)问题中光伏(PV)出力的波动性,本文提出一种基于瓦瑟斯坦(Wasserstein)距离的两阶段分布鲁棒优化(DRO)模型。通过在最坏分布下优化目标成本,该模型能推导出更精准的决策方案,以提升发电机组的经济性与稳定性。为增强模型精度与计算效率,本文采用考虑场景分类的模糊集,实现对不同气候与地理条件下不确定性模式的精细化刻画。
实验条件与环境设置
本案例研究采用开源数据集[28-30]中2012年12月、2013年5月及2014年1月的实测小时级用电量与光伏发电数据。参照[7,31]方法,将每组的时序数据按日划分为31条曲线并进行归一化。为简化计算,使用前30条曲线作为历史数据以估算第m个光伏发电机在t时段的预期出力P?m,tPV,并为不同天气场景构建代表性样本集。
结论
综上所述,为更好刻画光伏出力在机组组合(UC)问题中的波动特性,本文提出的瓦瑟斯坦距离基两阶段分布鲁棒优化(DRO)模型,通过融合场景分类的模糊集,有效提升了决策的适应性与计算效率。该方法在多元测试系统中展现出优越的稳定性与鲁棒性,为含高比例可再生能源的电力系统优化调度提供了实践价值。
作者贡献声明
郑书珍: 原稿撰写、可视化、调研、形式化分析。董汉江: 审稿、监督、软件、资源、方法论、形式化分析、概念化。朱继忠: 审稿、监督、资金获取、概念化。杨浩森: 审稿、监督、软件、方法论、概念化。李生林: 审稿、验证、监督、调研。
利益冲突声明
作者声明不存在可能影响本研究结果的已知经济或人际关系冲突。
致谢
本研究受广东省基础与应用基础研究基金(项目编号2022B1515250006)资助。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号