用于解构电力市场价格事件主要驱动因素的机器学习框架

Milan Jain; Xueqing Sun; Sohom Datta; Abhishek Somani

用于解构电力市场价格事件主要驱动因素的机器学习框架

机器学习 2023-09-13 v1 人工智能计算机与社会

作者: Milan Jain , Xueqing Sun , Sohom Datta , Abhishek Somani

摘要

电网正朝着100%可再生能源大电网方向发展，电力系统运行与电力市场的整体动态正在改变。电力市场不仅在经济上调度资源，还考虑各种可控行动如可再生能源弃电、输电拥堵缓解和储能优化以确保电网可靠性。因此，电力市场中的价格形成变得相当复杂。传统的根因分析和统计方法已不适用于分析和推断现代电网与含可变可再生能源(VRE)的市场中价格形成背后的主要驱动因素。本文提出一种基于机器学习的分析框架，以解构高可再生能源现代电力市场中价格尖峰事件的主要驱动因素。该成果可用于市场设计、可再生能源调度与弃电、运行及网络安全应用等多个关键方面。该框架可应用于任何ISO或市场数据；但本文中应用于加州独立系统运营商(CAISO)和新英格兰ISO(ISO-NE)的公开可用开源数据集。

关键词

机器学习电力市场价格尖峰可再生能源驱动因素分析市场设计 ISO数据

引用

@article{arxiv.2309.06082,
  title  = {A Machine Learning Framework to Deconstruct the Primary Drivers for Electricity Market Price Events},
  author = {Milan Jain and Xueqing Sun and Sohom Datta and Abhishek Somani},
  journal= {arXiv preprint arXiv:2309.06082},
  year   = {2023}
}

备注

Published in IEEE PES GM 2023

用于解构电力市场价格事件主要驱动因素的机器学习框架

摘要

关键词

引用

备注

相关论文