高比例可再生能源电网的风险感知控制与优化
最优化与控制
2022-04-05 v1 机器学习
摘要
电力电网从化石燃料向可再生能源的转型,对其运行所依赖的市场出清算法提出了根本性挑战。的确,负荷随机性的增强与可再生能源的波动性已导致预测误差显著增大,影响了现有确定性优化模型的可靠性与效率。RAMC 项目旨在研究如何从这一确定性设定转向风险感知框架,其中不确定性被显式量化并纳入市场出清优化中。风险感知市场出清本身也带来挑战,主要来自计算层面。本文回顾 RAMC 如何处理风险感知市场出清,并呈现其在不确定性量化、优化与机器学习方面的一些创新。文中给出了基于真实电网的实验结果。
引用
@article{arxiv.2204.00950,
title = {Risk-Aware Control and Optimization for High-Renewable Power Grids},
author = {Neil Barry and Minas Chatzos and Wenbo Chen and Dahye Han and Chaofan Huang and Roshan Joseph and Michael Klamkin and Seonho Park and Mathieu Tanneau and Pascal Van Hentenryck and Shangkun Wang and Hanyu Zhang and Haoruo Zhao},
journal= {arXiv preprint arXiv:2204.00950},
year = {2022}
}