降低能源系统规划中的气候风险：面向含储能模型的先验后时间序列聚合
应用统计
2022-10-18 v1
摘要
太阳能和风能等波动性可再生能源的增长正在加剧气候不确定性对能源系统规划的影响。理想情况下，这需要使用跨越至少数十年的高分辨率时间序列。然而，在此类数据集上求解容量扩展规划模型通常所需计算时间或内存过多。为降低计算成本，用户常采用时间序列聚合将需求和气象时间序列压缩为更少的时间步。方法通常是先验的，仅利用输入时间序列的信息。近期研究强调了该方法的局限性，因为减少输入时间序列上的统计误差指标一般而言并不会带来更准确的模型输出。此外，许多聚合方案因扭曲时间顺序而不适用于含储能的模型。本文中，我们引入面向含储能模型的先验后时间序列聚合方案。我们的方法适配底层能源系统模型；即便具有相同的时间序列输入，不同技术或拓扑结构的系统其聚合也可能不同。此外，它们保留时间顺序，从而允许对储能技术建模。我们研究了多种方法。我们发现先验后方法可优于先验方法，主要通过系统识别并保留相关的极端事件实现。我们希望这些工具能使容量扩展规划研究中的长需求和气象时间序列更易处理。我们公开了模型、数据与代码。
引用
@article{arxiv.2210.08351,
title = {Reducing climate risk in energy system planning: a posteriori time series aggregation for models with storage},
author = {Adriaan P Hilbers and David J Brayshaw and Axel Gandy},
journal= {arXiv preprint arXiv:2210.08351},
year = {2022}
}