【场景削减】基于 Kantorovich 距离的 SBR 算法场景削减研究（Matlab代码实现）

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

---

💥1 概述

来源：

随着我国风电装机规模的增加，传统的确定性优化调度模型越来越难以适应电力系统调度的新

要求，基于场景分析方法的随机优化调度越来越受到重视[1-3]。现有日前/日内电力系统运行调度常用场景缩减方法主要有启发式场景缩减方法和聚类缩减方法等，其中启发式场景缩减方法以同步回代消除算法(simultaneous backward reduction，SBR)算法为主。SBR 算法通过不断迭代，每次删减一个与其他场景概率距离最近的场景，使得原始场景集合与最终保留的场景集合之间的概率距离最小[9]。文献[10] 将等概率的欧氏距离作为判断场景间概率距离的标准，对球面形状数据具有很高的辨识度。文献[11]采用基于 Kantorovich 距离的 SBR 算法进行光伏发电出力场景缩减，可以较好地反映原概率分布。SBR算法研究的重点在于寻找不同的概率距离指标，具有较高的计算精度，但由于该算法需要不断遍历保留集中的场景，计算复杂度高、所需计算时间较长，适用于原始场景规模较小的缩减问题。【来源于参考文献[1]】

📚2 运行结果

🎉3 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1]赵书强,要金铭,李志伟.基于改进K-means聚类和SBR算法的风电场景缩减方法研究[J].电网技术,2021,45(10):3947-3954.DOI:10.13335/j.1000-3673.pst.2020.2013.

[2]程杉,黄天力,魏荣宗.含冰蓄冷空调的冷热电联供型微网多时间尺度优化调度[J].电力系统自动化,2019,43(05):30-38.

[3]刘国芬.一类推广的Bernstein-Kantorovich算子的点态逼近[J].纯粹数学与应用数学,2014,30(01):32-39.

🌈4 Matlab代码实现