摘要：典型运行场景提取对制定有效的日前运行策略具有重要意义。微电网中,可再生能源和新型负荷的强不确定性使得微电网的运行场景具有复杂时序特征。传统的场景聚类分析方法缺乏对时序特征的考虑,难以得到有效可信的典型运行场景。为此,文中提出一种基于深度时间聚类的微电网典型运行场景生成方法。首先,基于受路径约束的动态时间规整算法,量度时间序列的形态相似性;其次,设计了一种组合卷积神经网络和双向长短期记忆网络的时序自动编码器结构,提取复杂时序运行场景中的深层次特征并实现数据降维;然后,联合优化时序特征提取与时序聚类,得到有效、可信的典型运行场景;最后,提出考虑时间序列形态相似性的时间轮廓系数以及日内实际场景的运行成本作为聚类有效性评估指标。基于澳大利亚居民微电网的实际算例结果表明,与传统的场景聚类方法相比,所提方法具有更强的复杂时序特征挖掘能力,能够得到更具代表性的典型运行场景。