面向系统优化可再生能源_nowcasting_的端到端多模态学习
系统与控制
2023-04-17 v1 机器学习
系统与控制
摘要
随着风能和太阳能等可再生能源渗透率的不断提高，准确短期的可再生能源出力 nowcasting（临近预报）预测变得愈发重要。本文研究将多模态（MM）学习与端到端（E2E）学习用于可再生能源出力 nowcasting，作为能源管理系统的中间环节。MM 将全天空图像与气象传感器数据作为两种模态的特征相结合，以预测原本无法有效结合的可再生能源发电量。随后，将组合的预测值输入可微最优潮流（OPF）公式以模拟能源管理。首次将 MM 与最小化期望总系统成本的模型 E2E 训练相结合。案例研究在来自荷兰的真实天空与气象数据上测试了所提方法。在我们的研究中，相比单模态基线，所提 MM-E2E 模型将系统成本降低了30%。
引用
@article{arxiv.2304.07151,
title = {End-to-End Learning with Multiple Modalities for System-Optimised Renewables Nowcasting},
author = {Rushil Vohra and Ali Rajaei and Jochen L. Cremer},
journal= {arXiv preprint arXiv:2304.07151},
year = {2023}
}
备注
8 pages (7 pages and 1-page appendix), IEEE Belgrade PowerTech, 2023