今天分享的是：数据驱动的电力系统鲁棒前瞻调度方法研究
报告共计：35页
该文档围绕“数据驱动的电力系统鲁棒前瞻调度方法”展开研究，核心内容涵盖研究背景、方法构建、算例验证及结论展望等方面。
研究背景上，可再生能源迅猛发展，但其出力存在强不确定性，给电力系统调度带来调度成本增加、运行风险提高等问题。现有调度方法在不确定集合构建及求解效率上存在不足，如鲁棒优化中不确定集合构建影响决策保守性，两阶段鲁棒优化求解迭代繁琐等。
方法构建方面，提出了两类核心方法。一是考虑风电场景相关性的鲁棒前瞻调度方法，基于Gaussian Copula函数构建考虑风电时空及条件相关性的条件概率模型，建立椭球不确定集合，并设计基于超球面采样的交替方向算法求解，通过交替优化对偶变量和不确定参数提升效率。二是基于最恶劣场景预识别的数据驱动方法，构建数据驱动框架，采用组合多层感知机预识别最恶劣场景，减少列和约束生成算法迭代次数。
算例验证显示，考虑风电相关性的方法生成场景更贴合实际，采用椭球不确定集合的调度运行成本低于多面体集合；基于超球面采样的算法在保证精度下计算效率更优；最恶劣场景预识别方法能有效减少迭代次数和求解时间。
结论与展望部分指出，所提方法可行有效。同时展望未来，需在不确定性建模动态性及高维数据相关性捕捉，以及扩展应用场景至主配网协调等方面深入研究。
以下为报告节选内容
