システムレベルの再生可能エネルギーと電力需要の確率的フォアキャスト

科学分野:

• 電力システム工学
• 機械学習
• 再生可能エネルギー統合

背景:

• 風力および太陽光発電の増加により、電力網の運用上の不確実性が高まっています。
• 正確な翌日の電力需要と再生可能エネルギー発電の予測は、電力網の信頼性とコスト効率にとって不可欠です。

研究 の 目的:

• 電力需要と再生可能エネルギー発電の予測を改善するための高度な予測モデルを開発および評価すること。
• 運用予備力の割り当てと電力網の安定性に対する確率的予測の影響を評価すること。

主な方法:

• 気象変数の特定のための機械学習と、不確実性の定量化のための確率的アプローチを組み合わせた、複数の翌日予測モデルを開発しました。
• カリフォルニア独立システムオペレーターからのデータを使用して、適切なスコアリングルールによりモデルのパフォーマンスを評価しました。
• 確率的同時分布予測と従来の決定論的アプローチを比較しました。

主要な成果:

• 最良のモデルは、既存のベンチマークと比較して予測スキルが25%向上しました。
• 同時分布に基づく確率的予測により、運用予備力の割り当てがより効果的になりました。
• モデルは、予測のために公開されている気象データを利用しました。

結論:

• 確率的機械学習は、再生可能エネルギーの浸透率が高い電力システムにおいて、市場の効率性と電力網の安定性を向上させる大きな可能性を提供します。
• 同時確率分布予測は、システムレベルの予測パフォーマンスを大幅に向上させます。
• 開発されたモデルは、より信頼性が高くコスト効率の高い電力網運用への道を提供します。