💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳️座右铭：行百里者，半于九十。
📋📋📋本文目录如下：🎁🎁🎁
目录
💥1 概述
📚2 运行结果
🎉3 参考文献
🌈4 Matlab代码实现
💥1 概述
相关知识：
基于概率距离削减法、蒙特卡洛削减法的风光场景不确定性削减（Matlab代码实现）
基于蒙特卡诺的风场景模型出力（Matlab代码实现）
风光场景削减及源荷不确定性的虚拟电厂随机优化调度研究（Matlab代码实现）
【场景削减】拉丁超立方抽样方法场景削减（Matlab代码实现）
【风场景生成与削减】【m-ISODATA、kmean、HAC】无监督聚类算法，用于捕获电力系统中风场景生成与削减研究（Matlab代码实现）
蒙特卡洛法也叫做统计模拟法，是一种采用随机抽样统计来估算的计算方法[24] 。它的基本思路是
利 用 已 知 目 标 函 数 y = f ( x1,…,xn）对 随 机 变 量( x1,…,xn）进行概率分布估计，对这些变量进行随机 抽样得到对应的 y 的特征值，通过大量抽样结果计算得出 y 的概率分布。随着抽样模拟次数的增多，蒙特卡洛法计算的结果与实际结果的误差越来越 小[25] 。针对蒙特卡洛法而言，最重要的是对一个（0，1） 的概率分布进行随机抽样统计，利用误差统计分析得到的累计概率密度函数正是一个在（0，1）上的概 率分布，这为使用蒙特卡洛法建立预测区间提供了理论上的支持。本文基于蒙特卡洛法场景生成及启发式同步回带削减风电、光伏、负荷，然后通过概率模型并根据weibull、beta、正态分布生成500次风电光伏、负荷场景，然后再进行削减到5个场景，得出每个场景的概率与每个对应场景相乘求和得到不确定性出力.
📚2 运行结果
🎉3 参考文献
部分理论来源于网络，如有侵权请联系删除。
[1]韦权,汤占军.基于SSA-VMD-SE-KELM结合蒙特卡洛法的风电功率区间预测[J].智慧电力,2022,50(09):59-66.
