基于分解方法的短期CO2排放预测及其对电力市场调度的影响
应用统计
2021-10-20 v3
摘要
世界正面临与全球变暖相关的重大挑战，而温室气体排放是主要致因。2017年，能源行业占全球CO2排放总量的46%，显示出巨大的减排潜力。本文提出一种新颖的短期CO2排放预测方法，以实现灵活用电的智能调度，从而最小化由此产生的CO2排放。我们开发了两种时间序列分解方法用于电力CO2排放的短期预测，并与一组最先进模型进行基准对比。成果是一种面向日前电力市场、预测期为48小时的新预测方法。针对法国的预测基准显示，新方法的绝对百分比误差均值比表现最佳的最先进模型低25%。进一步，针对五个欧洲国家研究了该预测在灵活用电调度中的应用。在24小时间隔中调度一段4小时的灵活用电块，与白天随机时段用电相比，平均可在法国减少25%的CO2排放，德国17%，挪威69%，丹麦20%，波兰仅3%。
引用
@article{arxiv.2003.10868,
title = {Short-term CO2 emissions forecasting based on decomposition approaches and its impact on electricity market scheduling},
author = {Neeraj Bokde and Bo Tranberg and Gorm Bruun Andresen},
journal= {arXiv preprint arXiv:2003.10868},
year = {2021}
}