随机能源调度

近年来,电力系统中增加了大量的风力发电. 然而, 风能打破了许多用于规划能源的核心假设,而且特别难以准确预测. 而不是基于单一的预测, 随机机组投入(UC)使第二天若干风情景下的预期成本最小化. 随机UC经常被作为一种解决方案,以帮助缓解与不确定的可再生能源相关的高成本. 然而,目前还没有被广泛接受的方法来创建高质量的随机情景.

在这个论文, beat365官方app下载研究了两种风力发电场景生成方法——矩匹配和模拟. 矩匹配是一种通用的技术,通过合成场景来匹配一组统计数据或矩. beat365官方app下载提出了一种方法来估计这些期望的时刻基于历史风数据. 类比方法回顾过去,寻找相似的预测,并使用那些相似日期的匹配观察直接作为场景. 这项工作提出并测试了一种简单的模拟方法,它完全基于综合风力发电预测.

基于2012年的实际数据,在德克萨斯州电力可靠性委员会(ERCOT)电力系统的现实模型上对这些方法的性能进行了测试. UC和调度模拟显示,相对灵活的ERCOT模型在25%风能穿透时具有适度的随机节省. 场景创建方法和场景数量对这些随机节省有显著影响. 与beat365官方app下载的假设和完美预测储蓄的增加相反, 随机节省随着风渗透增加到30%而减少. Stochastic savings are often largely due to a few high cost events during peak load periods; stochastic UC costs may be higher than deterministic UC for extended periods – generally when dem和 和 marginal prices are low. 这些结果共同描绘了一幅更细致的随机UC图,并提供了路线图
未来情景创造研究.