基于深度时间序列聚类的新电力系统典型运行情景提取方法
机器学习
2025-04-08 v1 系统与控制
系统与控制
摘要
提取典型运行情景对于在新电力系统的调度中做出灵活决策至关重要。本研究提出一种新型深度时间序列聚合方案 (DTSAs) 用于生成典型运行情景，考虑到大量历史运行快照数据的规模。具体而言，DTSAs 分析了不同调度运行情景切换的内在机制，以数学方式表示典型运行情景。设计了基于 GASF (Gramian Angular Summation Field) 的运行情景图像编码器，将运行情景序列转换为高维空间。这使 DTSAs 能够通过深度特征迭代聚合模型充分捕捉新电力系统的时空特征。该编码器还促进了符合历史数据分布的典型运行情景生成，同时确保电网运行快照的完整性。案例研究表明，所提方法提取了新电力系统的细粒度调度方案，并优于最新的高维特征筛选方法。此外，针对不同新能源接入比例开展实验，验证了所提方法的鲁棒性。DTSAs 使调度员提前掌握电力系统的运行经验，并能主动应对新能源接入比例提高下运行情景的动态变化。
引用
@article{arxiv.2408.14493,
title = {Extraction of Typical Operating Scenarios of New Power System Based on Deep Time Series Aggregation},
author = {Zhaoyang Qu and Zhenming Zhang and Nan Qu and Yuguang Zhou and Yang Li and Tao Jiang and Min Li and Chao Long},
journal= {arXiv preprint arXiv:2408.14493},
year = {2025}
}
备注
Accepted by CAAI Transactions on Intelligence Technology