102程序——《拉丁超立方源荷场景生成》已提供下载资源

最新推荐文章于 2025-07-31 11:29:00 发布

原创最新推荐文章于 2025-07-31 11:29:00 发布 · 570 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#算法

论文与完整源程序专栏收录该内容

298 篇文章

订阅专栏

👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆下载资源链接👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆

《《《《《《《《更多资源还请持续关注本专栏》》》》》》》

论文与完整源程序_电网论文源程序的博客-优快云博客https://blog.youkuaiyun.com/liang674027206/category_12531414.html

电网论文源程序-优快云博客电网论文源程序擅长文章解读,论文与完整源程序,等方面的知识,电网论文源程序关注python,机器学习,计算机视觉,深度学习,神经网络,数据挖掘领域.https://blog.youkuaiyun.com/LIANG674027206?type=download

每个时刻用拉丁超立方抽样函数抽取200样本，服从正态分布，其中均值为原始数据，方差为一个0到1随机值×原始数据，然后基于概率距离快速削减算法再进行削减到5个场景，得出每个场景的概率与每个对应场景相乘求和得到不确定性出力

部分代码展示：

clc
clear all
%%
%场景法
%%% wf1 wf2 为平均值
shuju=xlsread('shuju.xlsx'); %把一天划分为24小时
d_load1=shuju(2,:);
h_load1=shuju(3,:);
P_wd1=shuju(4,:);
P_pv1=shuju(5,:);

d_load2=ones(24,200);
h_load2=ones(24,200);
P_wd2=ones(24,200);%风生成
P_pv2=ones(24,200);%光生成
P_zong=ones(24,200);
%%
%生成200个场景
%%
%拉丁差立方抽样方法
%%%拉丁超级方抽样=====属于分层抽样技术（从多元参数分布中近似随机抽样的方法）------分层抽样：将抽样区间(本程序为正态分布区间)
          %按某种特性或某种规划分为不同的层，然后从不同的层中独立、随机（打乱排序，无规律抽取）
          %地抽取样本（如取10个苹果样本，按照特性把苹果树分为5类，每类随机取2个），从而保证样本的结构与总体的结构比较相近，提高估计的精度。
          
%拉丁超立方相较蒙卡，改进了采样策略能够做到较小采样规模中获得较高的采样精度。

%%lhsnorm(mu,sigma,n); mu平均值(数量a)； 求解公式：u=(1/N)*(sum(样本))；N为样本数目
                 %     sigma协方差矩阵(数量a*a); 求解公式: =((1/N)^3)*(sum(样本i-u)^2);   i=1至N
                 %     n抽样次数
% 表示方式1
 c=1;%c 表示基础数据的数量
 u1=lhsdesign(1,24);
 u2=lhsdesign(1,24);
 for t=1:24
     P_wd2(t,:)=lhsnorm(sum(P_wd1(:,t))/c,u1(t)*sum(P_wd1(:,t))/c,200); %拉丁超立方抽样(lhsnorm函数)方法
     d_load2(t,:)=lhsnorm(sum(d_load1(:,t))/c,u1(t)*sum(d_load1(:,t))/c,200);
     h_load2(t,:)=lhsnorm(sum(h_load1(:,t))/c,u1(t)*sum(h_load1(:,t))/c,200);
     if t>=7&&t<=17
         P_pv2(t,:)=lhsnorm(sum(P_pv1(:,t))/c,u2(t)*sum(P_pv1(:,t))/c,200);
     else
         P_pv2(t,:)=0;
     end  
       P_zong(t,:)=P_wd2(t,:)+P_pv2(t,:)+d_load2(t,:)+h_load2(t,:);
 end
 
d_load3=d_load2;
h_load3=h_load2;
P_wd3=P_wd2;
P_pv3=P_pv2;
%%
%场景削减（快速后向削减）
%原理：确定初始场景集合的一个子集，并给其重新分配场景概率，使保留场景的概率分布Q与初始场景集合的概率P之间的某种概率距离最短（即，P与Q相近），
%从而削减概率小的概率，将其加到与其场景的概率距离最近的场景上。
%%
%计算各个场景之间的概率距离
k=zeros(200,200);
for i=1:200
    for j=1:200
        if i==j
            k(i,j)=0;%K距离
        else
            k(i,j)=sqrt(sum((P_zong(:,i)-P_zong(:,j)).^2));
        end
    end
end
p=ones(200,1)*0.005;%各场景初始概率 p=ones(a,1)*b a为场景数 a*b==1
%%
%%寻找最小概率距离场景

效果展示：

102号资源-程序：《拉丁超立方源荷场景生成》本人博客有解读资源-优快云文库https://download.youkuaiyun.com/download/LIANG674027206/89272069 👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆下载资源链接👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆

《《《《《《《《更多资源还请持续关注本专栏》》》》》》》

论文与完整源程序_电网论文源程序的博客-优快云博客https://blog.youkuaiyun.com/liang674027206/category_12531414.html