电力系统扩建规划中时间序列聚合的反馈增强
最优化与控制
2025-10-29 v1
摘要
由于负荷需求和可再生能源发电的高变动性，长期且高分辨率的输入是电力系统扩建规划的必需，这使得在实际应用中问题变得不可计算。时间序列聚合（TSA）捕获代表性模式，同时在提供类似规划输出的同时减少了时间复杂性。然而，纯统计聚类，即使增强了预定义的“极端值”，也会忽略特定系统运行中关键运行条件，使得其在实际系统之间不可靠。因此，本文将 TSA 在特定系统运行和最终解质量之间的关联性链接起来，这成为基于均值方法的 TSA 的一个实用界限。观察到操作误差分布高度不平衡，使得少数代表主导总误差。本文提出一种基于反馈增强 TSA 的自适应聚类策略，通过迭代识别误差较高的差异表现代表并仅重新聚类其相关时段来实现。研究表明，反馈增强显著改善了决策误差并紧缩了与纯粹基于均值的聚类方法相比的界限，同时在计算 effort 与解质量之间提供了一种诊断。
引用
@article{arxiv.2510.24249,
title = {Feedback Enhancement of Time Series Aggregation for Power System Expansion Planning},
author = {Ruiqi Zhang and Ensieh Sharifnia and Simon H. Tindemans},
journal= {arXiv preprint arXiv:2510.24249},
year = {2025}
}
备注
7 pages, 7 figures