找到 1 条结果
面向区域风电不确定性量化的可解释增强型模糊集构建方法
Interpretable Augmented Ambiguity Set for Quantifying Regional Wind Power Uncertainty in Distributionally Robust Optimal Dispatch
Zhuo Li · Lin Ye · Ming Pei · Xuri Song 等7人 · IEEE Transactions on Sustainable Energy · 2025年7月 · Vol.17
本文提出基于深度学习的可解释增强模糊集，用于分布鲁棒两阶段经济调度，精准刻画区域风电不确定性。创新性设计MKD-time GAN生成单风电场误差分布球形模糊集，并通过Nataf变换构建多站点联合概率空间，提升调度鲁棒性与计算效率。
解读: 该研究对阳光电源风电变流器及风光储协同控制系统具有重要参考价值：其MKD-time GAN驱动的模糊集建模方法可迁移至iSolarCloud平台的风电功率预测模块，提升ST系列PCS在风储联合调频场景下的不确定性响应能力；建议将Nataf变换耦合的多点相关性建模嵌入PowerTitan系统能量管理算...