随着可再生能源渗透率增加,净负荷波动幅度也随之变大。因此,该文针对净负荷不确定性变化,结合预测误差相关性与条件风险价值(conditional value at risk,CVaR),提出一种综合能源系统灵活爬坡优化调度方法。首先,通过神经网络模型预测...随着可再生能源渗透率增加,净负荷波动幅度也随之变大。因此,该文针对净负荷不确定性变化,结合预测误差相关性与条件风险价值(conditional value at risk,CVaR),提出一种综合能源系统灵活爬坡优化调度方法。首先,通过神经网络模型预测风光荷初始功率,针对预测误差,运用C藤Copula函数构建多元随机变量预测误差的联合概率分布,并据此提出一种灵活爬坡产品设计方法;然后,在考虑净负荷不确定性带来的弃风光和切负荷条件风险价值的基础上,构建考虑灵活爬坡产品风险价值的综合能源系统优化调度模型。仿真结果表明,考虑净负荷预测误差相关性的优化使系统整体经济性提升1.22%,切负荷与弃风光总量减少了17.01%,验证该文方法的有效性。结合不同置信水平下的CVaR值,可为综合能源系统调度提供一定的风险参考。展开更多
文摘随着可再生能源渗透率增加,净负荷波动幅度也随之变大。因此,该文针对净负荷不确定性变化,结合预测误差相关性与条件风险价值(conditional value at risk,CVaR),提出一种综合能源系统灵活爬坡优化调度方法。首先,通过神经网络模型预测风光荷初始功率,针对预测误差,运用C藤Copula函数构建多元随机变量预测误差的联合概率分布,并据此提出一种灵活爬坡产品设计方法;然后,在考虑净负荷不确定性带来的弃风光和切负荷条件风险价值的基础上,构建考虑灵活爬坡产品风险价值的综合能源系统优化调度模型。仿真结果表明,考虑净负荷预测误差相关性的优化使系统整体经济性提升1.22%,切负荷与弃风光总量减少了17.01%,验证该文方法的有效性。结合不同置信水平下的CVaR值,可为综合能源系统调度提供一定的风险参考。
