重要性子抽样：改进气候不确定性下的电力系统规划
应用统计
2019-05-30 v1
摘要
近期研究表明，电力系统规划中基于年际气候的变异性影响显著，应考虑跨越数十年的需求与气象数据长样本。与此同时，对太阳能与风能等可再生发电的建模需要高时间分辨率以捕捉出力水平的波动。在许多现实电力系统模型中，以高时间分辨率使用长样本在计算上不可行。本文引入一种称为“重要性子抽样”的新型子抽样方法，使得在降低计算成本的前提下，可在电力系统规划模型中使用数十年的需求与气象数据。该方法可应用于广泛一类基于优化的电力系统仿真。以使用开源建模框架 Calliope 构建的英国模型及 36 年小时级需求与风速数据进行了测试案例研究。使用单年或聚类为典型日等标准数据缩减方法会对最优系统设计的估计产生显著误差，且所得电力系统导致供应容量短缺，引发对发电容量充裕性的质疑。相比之下，“重要性子抽样”以大幅降低的计算成本给出了最优系统设计的准确估计，所得电力系统能够应对全部 36 年需求与气象情景下的需求。
引用
@article{arxiv.1903.10916,
title = {Importance subsampling: improving power system planning under climate-based uncertainty},
author = {Adriaan P Hilbers and David J Brayshaw and Axel Gandy},
journal= {arXiv preprint arXiv:1903.10916},
year = {2019}
}