使用基于神经网络的集成方法进行电力系统不平衡的概率预测

保持发电与用电之间的平衡正变得日益具有挑战性且成本高昂，这主要归因于可再生能源、电动汽车和热泵份额的上升以及工业过程的电气化。准确的不平衡预测以及可靠的不确定性估计，使输电系统运营商（TSO）能够调度适当的备用容量，从而降低平衡成本。此外，市场参与者可以利用这些概率预测来设计策略，利用资产灵活性帮助平衡电网，并在已知风险下产生收益。尽管其很重要，但关于系统不平衡（SI）预测的文献非常有限。此外，现有方法未关注高不平衡幅度的情况，而这对 TSO 和市场参与者准确预测至关重要。因此，我们提出了 C-VSN 的集成模型，这是我们针对变量选择网络（VSN）的改进版本。我们的模型每分钟预测当前及未来两个 15 分钟时段的不平衡，并给出这些预测的不确定性估计。我们通过预测比利时的不平衡来评估我们的方法，其中高不平衡幅度定义为 $|$SI$| > 500\,$MW（在比利时 1.3% 的时间发生）。对于高不平衡幅度的情况，我们的模型在连续分级概率分数（CRPS，用于评估概率预测）方面比现有最优方法提升了 23.4%，同时在总体 CRPS 上也取得了 6.5% 的提升。在均方根误差方面也取得了类似的改进。此外，我们开发了一种微调方法，以将历史数据有限的新输入有效地纳入我们的模型中。这项工作是与 Elia（比利时 TSO）合作完成的，旨在进一步改进其不平衡预测，证明了我们工作的相关性。