目录

 

主要内容   

  部分代码   

  结果一览   

下载链接

---

主要内容   

该模型主要用于风电功率和光伏功率场景生成与缩减，利用多元高斯分布构建时间相关性，并采用蒙特卡洛方法进行仿真，风电功率采用Weibull分布，光伏功率采用Beta分布，程序充分考虑了单一风/光出力在相邻或相近时间区间内的相关性，并采用后向削减得到典型场景及其概率，程序注释清楚，出图效果较好，方便在此基础上进行创新。

  部分代码   

%% 导入数据及参数设置
paremeters = importdata('parameters.xlsx');  % 导入数据
​
pars.wtk = paremeters.data(:, 2);  % Weibull形状系数
pars.wtc = paremeters.data(:, 3);  % Weibull尺度系数
pars.pva = paremeters.data(:, 4);  % Beta形状系数
pars.pvb = paremeters.data(:, 5);  % Beta形状系数
​
NS = 200;   % 原始场景数
T = 24;     % 时段
reduced_num = 5;  % 要削减的场景数
​
%% 场景生成
% 风电
speedsces = gen_scenarios(NS, T, pars, 'wind');  % 生成风速场景
​
figure
plot(speedsces', 'linewidth', 1.2)
xlabel('时间/h');
ylabel('风速');
title('原始风速场景');
​
windpowerscenario = speed2power(speedsces', T, NS);  % 风速转换为风功率场景
    
figure
plot(windpowerscenario, 'linewidth', 1.2)
xlabel('时间/h');
ylabel('功率/kW');
title('考虑时间相关性的风功率场景');
​
% 光伏
mS = 120;       % 光伏系数 
solarpowerscenario = gen_scenarios(NS, T, pars, 'solar')';   % 生成光伏场景
solarpowerscenario = solarpowerscenario * mS;
​
figure
plot(solarpowerscenario, 'linewidth', 1.2)
xlabel('时间/h');
ylabel('功率/kW');
title('考虑时间相关性的原始光伏功率场景');
%% 场景削减
p = ones(NS, 1) * (1/NS);  % 原始场景是等概率的

  结果一览   

下载链接