使用多头 CNN 与深度生成模型进行日前边际排放的临近预报
机器学习
2023-10-09 v1
摘要
对具有高灵活性与分布式能源高渗透率的电力系统而言，日前边际排放因子的临近预报日益重要。在天然气与燃煤电厂提供大量刚性发电的当下，对当前能源系统的日前排放预测已被广泛研究。相比之下，随着我们转向以灵活电力市场、可调度电源以及大规模电池或氢储能等低成本竞争发电为特征的能源系统，系统运营商将能够从不同发电组合及排放路径中作出选择。为充分揭示给定调度计划的排放影响，我们需要一个近实时双层工作流。第一层是持续求解安全约束经济调度模型的电力市场模型。第二层基于市场模型输出确定边际排放，此即本文主题。我们提出使用多头卷积神经网络生成针对给定独立系统运营商的日前边际与平均排放预测。
引用
@article{arxiv.2310.01524,
title = {Nowcasting day-ahead marginal emissions using multi-headed CNNs and deep generative models},
author = {Dhruv Suri and Anela Arifi and Ines Azevedo},
journal= {arXiv preprint arXiv:2310.01524},
year = {2023}
}
备注
NeurIPS 2023 Tackling Climate Change with Machine Learning Workshop