superone89的博客

该程序基于风电场景生成与削减方法，先随机生成200个风电出力场景，然后采用概率距离快速削减算法得到5组代表性场景及其概率。程序适用于电力系统多场景分析，同样可用于光伏和负荷场景处理。核心步骤包括：1)蒙特卡洛生成初始场景；2)计算场景间几何距离；3)基于概率距离进行场景削减。代码包含清晰的注释说明，便于学习应用。程序运行结果展示了原始200个场景的出力分布图，为电力系统多场景优化调度提供支持。

该程序为python代码实现数据聚类分析，聚类分析在电力系统上应用非常广泛，如全年的风、光和负荷数据量比较大，为了提高分析效率，可以将全年数据聚类得到几类不同场景，通过概率权值的方式实现“代表性”分析，还可以用于用户用电行为特点等方面，该程序作为全家桶，包含基于密度的聚类DBSCAN算法、基于划分的聚类AP算法、基于密度的空间聚类自适应算法、

该程序方法复现《融合风光出力场景生成的多能互补微网系统优化配置》风光出力场景生成部分，目前大多数研究的是不计风光出力之间的相关性影响，但是地理位置相近的风电机组和光伏机组具有极大的相关性。因此，采用 Copula 函数作为风电、光伏联合概率分布，生成风、光考虑空间相关性联合出力场景，在此基础上，基于Kmeans算法，分别对风光场景进行聚类，从而实现大规模场景的削减，削减到5个场景，最后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。

该程序参考文献《含分布式光伏的配电网集群划分和集群电压协调控制》，基于社团检测算法，实现基于电气距离和区域电压调节能力的集群综合性能指标和网络划分方法，并在集群划分基础上，进一步研究群内自治优化和群间分布式协调的双层电压控制策略，利用其在不同时间尺度上的配合实现了配电网全局电压的快速优化控制。集群自治优化控制通过交替更新群内最优解和虚拟平衡节点电压实现群内电压的实时快速控制。

ARMA 模型的基本思想是：某些时间序列是依赖于时间的一族随机变量，构成该序列的单个序列虽然具有不确定性，但整个序列的变化却有一定的规律性，可以用相应的数学模型近似描述。其二进行了随机风速生成，采用ARMA模型生成满足时序特征的风速，用以解决研究中缺乏实际测量数据，通过仿真风速验证模型正确性。风速概率分布的模拟模型有很多，有 Weibull分布、瑞利分布、对数正态分布等。

程序参考文献《用于平抑可再生能源功率波动的储能电站建模及评价》，针对风电和光伏分布式能源出力波动的问题，提出采用储能平抑功率波动模型，通过储能电站充放电控制来优化整体功率波动，以相邻时段功率差的平方和作为目标函数，通过动态规划实现功率的平稳波动目标。

模糊C-均值聚类，也称FCM，是比较常用的一种聚类算法，该算法利用几何贴进度的概念将不同数据分配到不同聚类群中，但是作为局部搜索优化算法，初值选择不当会影响收敛效果，因此，需要结合一些其他算法以实现更好的聚类算法。本次分享的代码是基于模拟退火算法和遗传算法结合的综合优化算法来实现FCM聚类分析，以全年风电数据作为分析对象，进行聚类分析，程序采用matlab编写，程序模块化好，注释清晰，方便学习！%细胞结构，每一个元素是M×1向量，记录每一代的最优个体。%细胞结构，每一个元素是M×N矩阵，记录每一代的个体。

这个程序《考虑时空相关性的风电功率预测误差建模与分析》画的图片非常漂亮，和原文献基本一致，但是实际上内容并未实现出来，主要就是利用现有的风电预测的数据和结果做了相关的图，大家不要白花钱，今天把这个程序免费分享给大家，大家可以学习一下画图技巧以及数据分析方面的知识。

该程序方法复现了《融合多场景分析的交直流混合微电网多时间尺度随机优化调度策略》3.1节基于多场景技术的随机性建模部分，该部分是随机优化调度的重要组成部分，运用多场景分析技术模拟风光和交直流负荷的不确定性，随机优化算法是考虑源荷鲁棒性的重要算法，理论难度低于两阶段鲁棒，但是较确定性算法确实迈进了一大步，全文复现正在进行中，尽快发布，有需要的可以蹲一下。

在电力系统调度研究过程中，由于全年涉及的风、光和负荷曲线较多，为了分析出典型场景，很多时候就用到聚类算法，而K-means聚类就是常用到聚类算法，但是对于K-means聚类算法，需要自行指定分类数，如果没有方法支撑、纯自行确定分类数的话，显得随意性较大，很难令人信服，本次介绍一个方法——手肘法。

程序主要内容是考虑风光场景生成的电动汽车并网优化调度。

在我们研究电力系统优化调度模型的过程中，由于每天负荷和分布式电源出力随机性和不确定性，可能会优化出很多的结果，但是经济调度模型试图做到通用策略，同样的策略能够适用于不同的负荷和分布式电源特征，为了做到这一点，就出现随机优化、鲁棒优化等等方法，当然我们也可以像这个程序一样，对负荷进行聚类分析，对归纳得到的共性负荷特征再进行优化调度分析，模型的说服力会大大增强。

该模型主要用于风电功率和光伏功率场景生成与缩减，利用多元高斯分布构建时间相关性，并采用蒙特卡洛方法进行仿真，风电功率采用Weibull分布，光伏功率采用Beta分布，程序充分考虑了单一风/光出力在相邻或相近时间区间内的相关性，并采用后向削减得到典型场景及其概率，程序注释清楚，出图效果较好，方便在此基础上进行创新。