申请/专利权人:三峡大学
申请日:2023-06-16
公开(公告)日:2023-10-27
公开(公告)号:CN116957229A
主分类号:G06Q10/0631
分类号:G06Q10/0631;G06Q10/04;G06Q50/06;G06F30/20;G06F111/04
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.11.14#实质审查的生效;2023.10.27#公开
摘要:基于Hausdorff距离的微电网两阶段分布鲁棒优化调度方法,根据可再生能源和负荷的历史数据,分别提取M组风电历史场景和M组负荷历史场景;采用K‑means聚类法实现场景缩减,每一个聚类中心都是一个典型场景;将得到的风电、负荷典型场景经过排列组合,得到组合典型场景;构造以初始概率分布为中心,Hausdorff距离为约束条件的概率分布不确定集;构建基于Hausdorff距离的微电网两阶段分布鲁棒优化调度模型;对建立的优化调度模型进行迭代求解。本发明方法中的分布鲁棒充分考虑了场景概率的不确定性,兼顾了鲁棒优化的保守性和随机优化的经济性,实现了经济性和鲁棒性的均衡。
主权项:1.基于Hausdorff距离的微电网两阶段分布鲁棒优化调度方法,其特征在于包括以下步骤:步骤1:根据可再生能源和负荷的历史数据,分别提取M组风电历史场景和M组负荷历史场景;步骤2:采用K-means聚类法实现场景缩减,每一个聚类中心都是一个典型场景;步骤3:将步骤2得到的风电、负荷典型场景经过排列组合,得到组合典型场景;步骤4:构造以初始概率分布为中心,Hausdorff距离为约束条件的概率分布不确定集;步骤5:构建基于Hausdorff距离的微电网两阶段分布鲁棒优化调度模型;步骤6:对步骤5建立的优化调度模型进行迭代求解。
全文数据:
权利要求:
百度查询: 三峡大学 基于Hausdorff距离的微电网两阶段分布鲁棒优化调度方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。