一种基于LHS-GRU的风光场景生成方法

一种基于LHS‑GRU的风光场景生成方法，包括以下步骤：步骤1：依据风光历史数据建立风光出力概率模型，根据所得风光出力概率模型进行拉丁超立方采样得到风光初始场景集；步骤2：通过神经网络模型分别学习风电和光伏各个时刻之间的出力相关性，分别建立风电和光伏的相关性限定模型；步骤3：将初始场景集导入模型中，进而生成修正后的场景集，也即修正场景集。本发明的目的是为了解决现有风光场景生成技术中采用统计学方法难以准确表现出短期数据之间相关关系，从而导致所生成的场景集中不同时刻之间的功率点不符合真实出力情况的技术问题、以及采用时间序列方法难以得到非典型的出力场景，从而导致非典型场景难以获得的技术问题，而提供的本方法。