基于深度学习的电力系统快速场景削减

场景削减是随机规划问题中的一个重要课题。由于负荷与可再生能源的随机行为，随机规划成为优化电力系统的有用技术。因此，场景削减近年来受到更多关注。许多场景削减方法已被提出以快速缩减场景集。然而，场景削减的速度仍然很慢，完成削减至少需要几秒到几分钟。这种速度限制阻碍了随机规划在实时最优控制问题中的实施。本文提出一种基于深度学习的快速场景削减方法以解决该问题。受基于深度学习的图像处理、识别与生成方法启发，将场景数据转换为二维类图像数据，然后输入深度卷积神经网络（DCNN）。DCNN 的输出将是削减后场景集的“图像”。由于图像可由神经网络以极高速率处理，基于神经网络的场景削减也可非常快速。仿真结果表明，所提 DCNN 方法的场景削减能以极高速率完成。