CAISO 系统中每日主要三小时净负荷爬坡的预报
信号处理
2020-12-15 v1 机器学习
应用统计
摘要
可变能源资源的深入渗透给系统运营商（SOs）带来了前所未有的挑战。一个值得特别关注的问题是陡降的净负荷爬坡，这要求 SOs 随时拥有灵活容量以维持供需平衡。在灵活容量的明智采购与部署中，预报净负荷爬坡的工具可能对 SOs 大有助益。为此，我们提出一种方法来预报每日主要三小时净负荷爬坡的幅值与起始时间。我们进行了广泛分析以识别影响净负荷的因素，并基于已识别因素开发了利用长短期记忆模型的预报方法。我们使用基于多种评估指标与选定基准的比较评估，在 CAISO 系统上证明了所提方法的有效性。
引用
@article{arxiv.2012.07117,
title = {Forecasting Daily Primary Three-Hour Net Load Ramps in the CAISO System},
author = {Ogun Yurdakul and Andreas Meyer and Fikret Sivrikaya and Sahin Albayrak},
journal= {arXiv preprint arXiv:2012.07117},
year = {2020}
}
备注
duck curve, long short-term memory (LSTM), net load, power system flexibility, ramp forecasting