风电功率场景生成 ，光伏功率场景生成，负荷场景生成。通过后向场景削减BR得到典型场景及其概率。基于拉丁超立方抽样的风，光，负荷场景生成方法。提供参考文档，完美付现！

代码内容：代码主要做的是风光场景生成的内容，与目前大部分的基于蒙特卡洛或者拉丁超立方等方法不同，代码在场景生成的过程中考虑了风光出力的相关性，并通过Frank-Copula函数描述风光之间的相关性，从而生成具有相关性的风光场景！最后，通过k-means算法，对生成的大规模风光场景进行削减，最终得到五个场景，并给出各个场景的概率！关键词：Copula 场景生成风光出力相关性k-means算法。[2]

该算法使用一个助长算子来对种群中的个体进行一定概率下的助长, 其遗传个体具有雄性和雌性两种不同的性别, 融合了个体间的亲缘关系, 异性个体进行严格的远缘繁殖, 从而避免了后代个体性能的消极退化, 使得算法的全局寻优能力大大增强。将改进的遗传算法应用于配电网故障定位中, 并引入分级处理思想, 利用配电网呈辐射状的特点, 首先把整个配电网划分为主干支路和若干独立区域, 再利用该算法分别对各独立区域进行

262-CNN-BiLSTM-Attention基于卷积神经网络-双向长短期记忆网络结合注意力机制的多变量/时间序列预测 matlab语言要求2020B版本及以上。1.多特征输入单输出，BiLSTM也可以换成LSTM、GRU、BiGRU（选一种），Matlab版本要在2020B及以上。[3]注意力机制(SE Attention)：为模型提供了对关键信息的聚焦能力，从而提高预测的准确度。5.商品仅包

代码内容：电力系统潮流计算的matlab程序，代码中含牛顿法和P-Q分解法两种方法这个代码通过matlab实现了用极坐标表示的牛顿法和P-Q分解法进行潮流计算，使用IEEE14节点系统进行测试，计算结果和应用matpower的潮流计算完全一致。（2）假设系统共有n个节点，m个PQ节点，因为平衡节点有且只有一个，所以PV节点共有n-m-1个，对于所有的PQ节点和PV节点，列写有功功率的不平衡量方程，

包含GNN-LSTM LSTM-GNN GNN 3个代码实现，多变量输入多变量输出时间序列预测代码。数据格式为csv格式，替换自己的数据集即可运行！下载Code请查看主页个人简介！跳转后搜索本博文标题即可(或者直接输入博文的数字标号)!GNN-LSTM LSTM-GNN GNN 时间序列预测代码 pytorch代码。代码编码非常规范，方便新手入门学习！只展示了其中三张图！