通过深度聚类揭示燃气电站单位的实证灵活性
计算机与社会
2025-09-05 v2 机器学习
摘要
发电单位的灵活性决定了其能否迅速且频繁地进行升降荷。能源模型中，对该灵活性的假设取决于单位的技术特性，如装机容量或涡轮技术。本文通过从电力发电中学习燃气电站的实证灵活性，揭示了在类似技术特性的单位之间存在的实质性差异，这些差异源于现实世界的限制条件。我们采用一种新颖的深度聚类方法，将 2019-2023 年 5 年（约 175 万小时）的 49 台德国燃气电站（总装机容量 100 MWp）的逐小时发电数据转化为低维嵌入。该无监督方法识别出两类峰值发电机组（高灵活性）和两类非峰值发电机组（低灵活性）。本文中非峰值机组的估计升降荷率表明其实证灵活性较低，与煤电站相当。非峰值机组主要由工业企业和市政公用事业公司拥有，对低剩余负荷和负价格的响应有限，平均仅在此类时段发电 1.3 GWh。随着可再生能源的渐进式部署增加市场波动性，监管措施将不断变革，以释放这一灵活性潜力。
引用
@article{arxiv.2504.16943,
title = {Revealing the empirical flexibility of gas units through deep clustering},
author = {Chiara Fusar Bassini and Alice Lixuan Xu and Jorge Sánchez Canales and Lion Hirth and Lynn H. Kaack},
journal= {arXiv preprint arXiv:2504.16943},
year = {2025}
}
备注
19 pages, 4 figures, 3 tables