面向价值的预测区间 forecasting 的情境赌博机方法

预测区间（PI）是量化不确定性的有效工具，通常作为下游鲁棒优化的输入。传统方法侧重于从统计分数视角提升 PI 的质量，并假设质量的提升会带来电力系统运行更高的价值。然而，该假设在实践中并非总成立。本文提出一种面向价值的 PI 预测方法，旨在降低下游运行中的运营成本。为此，需要在鲁棒优化中依据运营成本来发布 PI，这在此处通过情境赌博机（contextual bandit）框架解决。具体地，智能体用于选择最优分位数比例，而环境将运行成本作为奖励揭示给智能体。由此，智能体可学习用于最小化运营成本的 quantile 比例选择策略。关于虚拟电厂两时间尺度运行的数值研究验证了所提方法在运行价值方面的优越性，且在风电广泛渗透的背景下尤为明显。