参考文献:
[1]王俊伟,任艺,郭尊,等.基于综合需求响应和奖惩阶梯型碳交易的综合能源系统优化调度[J].储能科学与技术,2022,11(07):2177-2187.DOI:10.19799/j.cnki.2095-4239.2021.0692.
作为分层抽样方法的一 种,拉丁超立方抽样具有良好的抽样精度和效率[14]。本文使用多场景方法来描述可再生能源(风电、光伏)的不确定性。以风电功率为例,首先假定风电功率服从正态分布 N(
μ,
δ 2 ),
μ 为预测值的期望值,
δ 为其波动的百分比。接着,采用拉丁超立方抽样[21]生成大量服从概率分布约束的风电出力场景,并采用考虑 Kantorovich 距离[22]的场景削减技术处理该场景,进行场景削减。最后,导出具有相应概率的削减之后的场景。具体步骤如下所示:
1.场景生成
2.场景削减
假设由拉丁超立方抽样生成的风电功率预测值 场景数为
N
,缩减后的场景数为
n
,则
3.运行结果分析
4.matlab代码
代码获取链接如下: