数据驱动下风电–抽蓄联合参与日前–实时市场随机鲁棒竞价策略

摘要：

风电出力不确定性和波动性导致其市场竞争力较弱,且电价的预测偏差可能进一步加大其市场风险.为减少不确定性因素对风电-抽蓄联合系统收益的不良影响,由对抗变分贝叶斯神经网络生成以风电为代表的可再生能源出力场景,基于数据驱动方法对实时电价进行模糊不确定性建模.通过随机鲁棒优化建立风电-抽蓄联合参与日前和实时电力市场的三阶段模型,相较于常规的两阶段随机优化,增加了第三阶段鲁棒改进过程,保证了竞价方案能够既有经济性又能够有效应对极端场景、既有鲁棒性又不过分保守.结果表明,所提方法比传统不确定性分析方法具有明显优势,能够在避免人为假设的前提下,高效且真实反映可再生能源出力场景以及表征电价不确定性,可有效减少风电实时出力波动和电价预测偏差带来的较高不平衡惩罚.

关键词：风电-抽蓄联合系统、对抗变分贝叶斯、数据驱动、随机鲁棒优化

所属期刊栏目：46

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金;上海市青年科技英才扬帆计划;国家电网有限公司总部科技项目

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：481-491,中插3-中插6