含表后太阳能发电的能源分解近期结果
机器学习
2022-07-11 v1
摘要
光伏（PV）等可再生发电的迅速部署给现有电力系统的弹性带来巨大挑战。由于光伏发电具有波动性且对电力系统运营商通常不可见，估算发电量并刻画不确定性是运营商做出明智决策的迫切需求。本文总结了我们在变电站层级含表后（Behind-the-Meter）太阳能发电的能源分解方面的近期结果。我们针对变电站能源分解提出了所谓的“部分标签”问题，其中聚合测量包含多个负荷的总消耗量，且某些负荷的存在未知。我们基于确定性字典学习和贝叶斯字典学习分别开发了两种无模型分解方法。与需要单个负荷完全标注训练数据的常规方法不同，我们的方法可在部分标注的聚合数据下提取负荷模式。因此，我们的部分标签表述在现实世界中更具适用性。与确定性字典学习相比，基于贝叶斯字典学习的方法以计算复杂性增加为代价，提供了分解结果的不确定性度量。所有方法均通过数值实验验证。
引用
@article{arxiv.2207.03490,
title = {Recent Results of Energy Disaggregation with Behind-the-Meter Solar Generation},
author = {Ming Yi and Meng Wang},
journal= {arXiv preprint arXiv:2207.03490},
year = {2022}
}
备注
In proceedings of the 11th Bulk Power Systems Dynamics and Control Symposium (IREP 2022), July 25-30, 2022, Banff, Canada