计及风电功率相关性的微电网日前随机优化调度方法

随着碳中和目标的提出以及分布式可再生能源的发展,微电网作为未来集成清洁能源的有效载体受到广泛关注.风电等可再生能源的随机性和间歇性给微电网的经济调度带来挑战,为了减少不确定性的影响,基于数据驱动的条件正态Copula函数对风电预测误差的时间相关性及其与日前预测值的条件相关性进行建模,通过K-means聚类得到给定的日前预测值下第二日可能的风电功率场景,并采用随机优化方法解决微电网的日前调度问题.仿真结果表明,所提方法能够合理反映日前风电功率的可能场景,有效降低微电网运行成本,相较于确定性优化模型,日内不平衡电量减少22.77％,运行成本降低4.01％.此外,相较于不考虑相关性的传统随机优化模型,日内不平衡电量减少18.23％,运行成本降低3.2％.