一种基于差分粒度数据驱动下含风电配电网的可靠性评估方法

本发明涉及一种基于差分粒度数据驱动下含风电配电网的可靠性评估方法，属于智能电网技术领域。在评估风力发电系统的可靠性时，需要执行差异化采样并准确预测大量数据。现有方法往往将原始数据限制在一个有限的空间内，以提高其统计价值，这可能导致过于乐观的可靠性评估，未能考虑到稀有但关键的故障，从而可能低估风险并影响系统设计和运行的稳健性。到目前为止，超大规模数据获取量与数据自然特性之间的矛盾尚未解决，同时亟需建立准确的数据分布模型，以对风力发电系统进行全面的可靠性评估。我们使用长短期记忆(LSTM)模型来填补这一研究空白，通过定义不同粒度的数据来预测风力发电。基于差分粒度数据驱动，我们使用改进的拉丁超立方体采样方法来划分采样间隔，并结合蒙特卡罗方法对风力发电数据进行抽样。该可靠性评估模型通过我们改进的拉丁超立方抽样法的灵活采样架构，增强了概率分布的表示、区间划分和样本分层。