基于蒙特卡罗+Kmeans法的风光场景生成与削减方法程序代码！

由于风、光等分布式电源具有不确定性，风、光渗透率提高加大了电网功率平衡压力，如何利用风、光电预测信息对于虚拟电厂出力申报、电网调度都有重要意义。本程序通过两步将风光的不确定性以含概率信息的经典场景集描述。

第一步：风电出力场景生成-基于蒙特卡罗方法生成n组风电场景：

第二步：场景削减-生成典型场景

部分程序：

clear;clc;
%风电出力预测均值E
W=[5.8,6.7,5.8,5.1,6.3,5,6.2,6,4.1,6,7,6.8,6.5,6.9,5,5.6,6,5.8,6.2,4.7,3.3,4.4,5.6,5];
%取标准差为风电出力预测值E的5%-20%,这里x=E*10%
x=W*0.1;
Ws=[];
%生成一个风电场景，E+x*randn(1,24)，其中randn(1,24)为生成随机数的标准正态分布
for i=1:50
s=W+x.*randn(1,24);
Ws=[Ws;s];
end

%光伏出力预测均值E
S=[0,0,0,0,0,1,2.5,4,5,5.5,5.8,5.7,5.5,5.3,5.1,5,3.8,2.5,1.2,0,0,0,0,0];
%取标准差为风电出力预测值E的5%-20%,这里x=E*10%
y=S*0.2;
Ss=[];
%生成一个风电场景，E+x*randn(1,24)，其中randn(1,24)为生成随机数的标准正态分布
for i=1:400
s=S+y.*randn(1,24);
Ss=[Ss;s];
end

欢迎感兴趣的小伙伴关注并后台留言获取完整版代码，小编会继续推送更有质量的学习资料、文章和程序代码，为您的科研加油助力。