考虑风电-光伏功率相关性的因子分析-极限学习机聚合方法.pdfVIP

第45卷第23期2021年12月10Vol.45No.23Dec.10,2021

DOI：10.7500/AEPS20201231004AutomationofElectricPowerSystems

考虑风电-光伏功率相关性的因子分析-极限学习机聚合方法

叶林，马明顺，靳晶新，李卓，李镓辰，周天浦

(中国农业大学信息与电气T.程学院，北京市100083)

摘要：针对风电和光伏时序数据单独聚合改变风电-光伏序列相关性的问题，提出因子分析-极限

学习机聚合方法首先，将z-score标准化的风电-光伏原始日场景集分解为水平分量日场景集和

波动分量日场景集其次，对水平分量日场景集进行近邻传播聚类，得到K类场景簇，再通过分层

抽样获取天的水平分量日场景集。在标准化的风电-光伏原始日场景集中选取对应2»天的原

始曰场景集，分别得到天的训练集和《天的测试集。然后，通过极限学习机获取水平分量日场景

集和原始日场景集之间的映射关系，输出拟合功率日场景集。最后，通过反标准化，分别得到》天

的风电和光伏功率的聚合序列，并通过概率统计指标、相关系数、仿真计算结果验证所提方法的准

确性和可行性。

关键词：因子分析；风电-光伏功率相关性；极限学习机；时序数据聚合

0引言层次聚类和密度峰值聚类对天气类型进一步聚类。

文献[5-10]有一个共同的缺点：仅考虑单个风电场

中国“十三五”规划和相关政策的推进，使得风

或光伏电站的聚合，聚合得到的风电-光伏日场景单

能、太阳能等清洁能源在近些年得到了快速发展11:

独归类，使得风电-光伏日场景间的对应次序发生混

由于髙比例风电、光伏等不确定性电源2接人电网

乱，改变了风电-光伏功率聚合序列相关性，影响了

增加了规划和调度的复杂度，对电力系统的安全稳

电力系统运行仿真计算。

定运行带来了一定的冲击，因此需要对大量风电场、

考虑风电-光伏功率相关性的风电场、光伏电

光伏电站进行建模仿真计算[3],但这需要占用大量

站的仿真建模已有大量研究，文献[11]基于5种

的时间和计算资源。所以，需要对大量风电和光伏

Copula函数，通过欧氏距离检讨法建立的多风电场

场景进行削减或聚类:4i,降低电力系统仿真的计算

出力联合分布最优模型将光伏电场出力根据概率叠

时间和复杂度。

加生成了海量场景。该方法数据量过大，数据精度

目前，对风电和光伏时序数据的聚合方法研究

不高，导致系统仿真结果误差较大。文献[12]对风

有许多，文献[5]针对风电功率聚合，提出了K-

速和光照进行建模，采用阿基米