基于LSTM-CGAN的多微网数据驱动分布鲁棒协同优化运行策略OA北大核心CSTPCD

新能源的强烈不确定性给多微网协同运行带来了可靠性和安全性的巨大挑战。为此,提出一种基于长短期记忆(long short-term memory, LSTM)网络和条件生成对抗网络(conditional generative adversarial networks, CGAN)的多微网数据驱动两阶段分布鲁棒协同优化调度模型。首先,为更准确地描述新能源的不确定性,该模型以LSTM-CGAN生成和K-means++聚类算法削减得到的场景集作为分布鲁…查看全部>>