基于改进FCM聚类算法的新型电力系统源-网-荷-储随机规划研究OA
随着新能源装机容量的持续增长,风光出力与负荷需求的不确定性对电力系统规划的准确性与经济性构成严峻挑战。为此,文章提出一种基于Z-score数据筛选的凸包不确定性集合建模方法,在压缩不确定域的同时实现精准筛选,提升出力数据有效性。同时,引入改进的Canopy-FCM聚类算法,依据风光出力特征进行柔性场景划分,增强聚类场景的典型性与代表性。在此基础上,构建了综合考虑投资、运行、碳排放、弃风、储能及需求响应成本的多目标随机规划模型,并包含系统功率平衡与各类设备运行约束。在配电网测试系统进行的仿真与帕累托加权分析表明,所提方法在不确定性覆盖率、样本保留率与聚类紧凑性上均优于传统方法,能有效支持高比例新能源电力系统的随机规划,为新型电力系统规划提供更科学的决策依据。
易姝娴;李国武;马鑫晟;王泽众;徐广达;卢浩文;黄昱熙
国网冀北电力有限公司电力科学研究院,北京100045国网冀北电力有限公司配网管理部,北京100052国网冀北电力有限公司电力科学研究院,北京100045国网冀北电力有限公司配网管理部,北京100052国网冀北电力有限公司电力科学研究院,北京100045太原理工大学煤电清洁教育部重点实验室电气与动力工程学院,山西太原030024太原理工大学煤电清洁教育部重点实验室电气与动力工程学院,山西太原030024
能源科技
电力系统不确定性规划Z-score数据剔除不确定性集合FCM聚类帕累托最优
《可再生能源》 2026 (7)
P.985-994,10
国家自然科学基金青年科学基金(52407133)山西省基础研究计划项目(202303021212059)科学技术项目(KJC2024058)。
评论