面向提升机组组合经济性：可再生能源与备用预测的可加式定制器

通常，日前机组组合（UC）以“先预测后优化”流程进行：先预测可再生能源（RES）可用量与系统备用需求；给定预测后，再优化 UC 模型以确定经济运营计划。事实上，该流程中的预测是原始的。换言之，若进一步定制预测以辅助 UC 针对 RES 与备用需求的实际实现制定经济运营计划，UC 经济性将显著受益。为此，本文提出一种面向成本的 RES 与备用预测定制器，作为“先预测后优化”流程的可加式附加模块部署。该 RES 与备用定制器通过求解一个双层混合整数规划模型进行训练：上层基于其引发的运营成本训练定制器；下层在给定定制预测后模拟系统运行过程，并将引发的运营成本反馈至上层；最后上层依据反馈成本评估训练质量。经此训练，定制器学会将原始预测定制为面向成本的预测。此外，该定制器可作为附加模块嵌入现有“先预测后优化”流程，改善 UC 经济性。最后，将所提方法与传统的、二元松弛的、基于神经网络的、随机的及鲁棒的方法进行比较。