基于变分自编码器与条件潜空间扩散模型的多源数据日前可再生能源场景生成

《Sustainability》:Diffusion Model with Multi-Source Data for Day-Ahead Renewable Energy Scenario Generation

【字体: 大 中 小 】 时间:2026年07月24日 来源:Sustainability 4.1

编辑推荐:

  高质量可再生能源(RE)场景生成对于高比例可再生能源渗透下电力系统的安全、可靠与经济运行至关重要。针对现有方法在保持场景保真度、多样性、时空依赖性及工程一致性方面的局限,研究人员提出一种三阶段框架,将变分自编码器(VAE)与条件潜空间扩散模型(CLDM)结合(

  
高质量可再生能源(RE)场景生成对于高比例可再生能源渗透下电力系统的安全、可靠与经济运行至关重要。针对现有方法在保持场景保真度、多样性、时空依赖性及工程一致性方面的局限,研究人员提出一种三阶段框架,将变分自编码器(VAE)与条件潜空间扩散模型(CLDM)结合(以下简称VAE-CLDM),用于日前可再生能源场景生成。首先,通过融合可再生能源功率输出、气象变量、时间滞后信息及风电场与光伏电站间空间相关性特征,构建多源特征。随后,VAE将高维特征压缩至紧凑潜空间,同时保留关键统计与时空信息。基于该潜表示,CLDM在气象条件下通过对随机噪声渐进去噪生成真实场景。研究引入时空特征建模策略以更好表征时间波动与站间相关性,并在验证集上选取多样性调节因子以平衡场景保真度与尾部事件覆盖。最后,生成场景被重构至物理空间,并通过输出边界与爬坡一致性校正以提升实用价值。基于国家电网可再生能源发电预测竞赛公开数据集的结果表明,所提框架在训练统计标准化的可再生能源功率基准上取得最低均方根误差(RMSE)、平均绝对误差(MAE)与最大均值差异(MMD),经后校正后上下界越限率降至0.00%,爬坡越限率降至0.08%,表明VAE-CLDM可为高比例可再生能源系统日前调度与风险评估提供有用场景输入。
研究背景方面,在能源安全与碳中和目标驱动下,风电与光伏等可再生能源大规模接入电力系统,但其出力受气象与地理条件影响呈现随机、波动与间歇特性,给系统安全经济运行带来挑战。现有可再生能源场景生成方法存在三方面不足:一是气候与时间特征融合不充分,多数研究聚焦单一资源或局部特征,缺乏统一的多源表示;二是场景约简虽提升计算效率,但可能丢失高影响波动模式;三是传统统计与深度生成模型在统计保真度、多样性、站间依赖与工程一致性协同上仍有局限,生成对抗网络(GAN)类方法存在训练不稳定与模式崩溃,扩散模型则较少同时嵌入气象、滞后与空间相关于紧凑潜空间。为此,研究人员开展本研究,提出VAE-CLDM三阶段框架,在《Sustainability》发表,旨在兼顾统计保真、多样性、时空依赖与调度可用性。
关键技术方法上,研究人员采用国家电网可再生能源发电预测竞赛2019至2020年6风场7光伏站15分钟分辨率公开数据集,经质量筛选与Z-score标准化构建182维多源输入(含站点标准化功率、4个时间滞后特征、8维组内空间相关、气象变量与时刻编码);以轻量多层感知机(MLP)构建VAE将182维压至潜维度K=16,用证据下界(ELBO)训练;在潜空间以风速、辐照、温度为条件训练条件潜空间扩散模型(CLDM),反向去噪中引入多样性调节因子λ缩放噪声;最后由VAE解码器重构至物理空间并做输出界与爬坡一致性后校正。
研究结果部分,第1节引言指出上述三点局限并确立研究动机。第2节框架概述说明三阶段顺序:多源构建、VAE降维、CLDM生成与重构。第3节详细实现中,3.1节多源预处理给出Z-score公式、站内相关矩阵Rij计算、滞后特征向量xtlag及182维拼接方式;3.2节VAE用近似高斯后验与重参数化技巧,潜变量z~N(0,I),KL散度闭式如式(10),潜维经验证选K=16;3.3节CLDM以气象为条件迭代去噪得zgen,经解码器x?=fθ(zgen)与逆标准化恢复物理值,λ候选{0.8,1.0,1.2,1.5}在验证集按MMD与越限率选定1.0。第4节仿真中,4.1节原始数据诊断显示插值对自相关影响小于0.003,时序划分防泄漏;4.2节VAE潜表示诊断得潜对齐均值差0.021、MMD 0.1434,解码重建归一化RMSE风速0.091、辐照0.088、温度0.076、功率0.104,空间相关MAE 0.049且Wilcoxon检验无显著偏移;4.3节CLDM生成与约束一致性显示原始场景存少量越限,后校正后上下界越限0.00%、爬坡越限0.08%,气象扰动0至20%时RMSE由6.7539升至7.2915;4.4节综合比较中,VAE-CLDM在标准化基准RMSE、MAE、MMD均最低,较独立VAE降RMSE 62.1%、MMD 85.7%,较独立CLDM降RMSE 40.9%,IEEE 33节点调度诊断中消纳率95.4%、归一化成本0.07、网损0.12,优于对照;4.5节总结场景质量、时空表示、约束一致与鲁棒性。讨论部分指出VAE压缩配CLDM条件去噪是核心优势,后校正可行性不等于原始生成硬满足约束,气象扰动仅为可控代理而非真实数值天气预报(NWP)验证,跨气候区泛化未断言。结论部分翻译如下:本文提出三阶段VAE-CLDM框架用于日前可再生能源场景生成,融合多源特征构建、VAE潜表示、条件潜扩散、解码重构与工程后校正;在紧凑潜空间而非原始182维直接扩散,减轻高维学习负担同时保留气象、时间与空间相关信息;仿真中标准化基准RMSE、MAE、MMD最低,空间相关MAE 0.049,后校正上下界越限0.00%、爬坡越限0.08%,IEEE 33节点诊断消纳率95.4%;研究限于单一公开区域数据与受控扰动,未声称跨气候泛化,未来将嵌入电网约束、引入风电-光伏跨类图条件、扩展概率解码与多区域验证。
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