基于天气信息的概率预测与电力系统情景生成
机器学习
2024-09-13 v1 人工智能
机器学习
应用统计
摘要
将可再生能源 (RES) 集成到电网中由于其内在的随机性和不确定性，带来了诸多挑战，亟需发展新的技术以实现可靠且高效的预测。本文提出一种结合概率预测与高斯余弦方法的技术方案，用于高维情境下的负荷、风力和光伏发电的日前预测与情景生成。通过纳入天气协变量并恢复时空相关性，该方法增强了 RES 概率预测的可靠性。进行大量数值实验比较不同时间序列模型的效果，并采用中美洲独立系统运营商 (MISO) 的真实数据集进行高维实验评估。结果表明，天气信息的重要性以及高斯余弦在生成真实情景中的有效性，基于天气信息的时序融合Transformer (WI-TFT) 模型展现了优异的性能。
关键词
引用
@article{arxiv.2409.07637,
title = {Weather-Informed Probabilistic Forecasting and Scenario Generation in Power Systems},
author = {Hanyu Zhang and Reza Zandehshahvar and Mathieu Tanneau and Pascal Van Hentenryck},
journal= {arXiv preprint arXiv:2409.07637},
year = {2024}
}